Dansk 
English (UK) 
Nederlands 
Deutsch 
Italiano Indførelsen af kunstig intelligens bliver ofte fremstillet som en teknisk udfordring. Set fra mit synspunkt er det ikke tilfældet.
Om et AI-initiativ lykkes eller mislykkes, afhænger i høj grad af, hvordan organisationen definerer succes, og af de strategiske valg, der følger af denne definition.
I praksis ser jeg typisk to hovedtilgange.
To almindelige strategier til implementering af AI
1. Implementering af AI for at automatisere processer og reducere omkostninger ved at reducere antallet af medarbejdere
I denne strategi er det implicitte (og undertiden eksplicitte) budskab klart: maskiner erstatter menneskeligt arbejde.
Når denne fortælling får fodfæste, er det almindeligt at se adfærd som:
- Modstand mod forandring
- Manglende samarbejde
- Blokering eller forsinkelse af initiativer til indførelse af AI
Paradoksalt nok underminerer denne dynamik ofte netop de effektivitetsgevinster, som strategien skulle opnå.
2. Implementering af AI for at producere mere med det samme antal medarbejdere
Denne anden strategi opfattes ofte som mere bæredygtig. Og i mange tilfælde er den det også. Men den medfører også sine egne udfordringer.
Her handler frygten ikke så meget om at blive erstattet, men om usikkerhed:
- Hvad vil ændre sig i mit daglige arbejde?
- Hvilke nye forventninger vil der opstå?
- Hvilke færdigheder skal jeg udvikle?
Hvis disse spørgsmål ikke behandles eksplicit, kan der også opstå modstand – ofte på mere stille og mindre synlige måder.
En fællesnævner: usikkerhed
I begge strategier er der et fælles element: usikkerhed.
AI introducerer arbejdsmetoder, der er mindre forudsigelige og mindre deterministiske, hvor resultaterne ikke altid kan defineres på forhånd. I denne sammenhæng står både medarbejdere og ledere over for nye typer beslutninger, ofte uden klare præcedenser.
Hvordan organisationer handler i lyset af denne usikkerhed er i høj grad afgørende for, om implementeringen af AI skaber reel værdi eller går i stå.
Fra mit synspunkt kræver implementering af AI (ligesom mange tidligere transformationer) at organisationer lærer at håndtere usikkerhed. Selvom usikkerhed ikke kan fjernes, kan risici reduceres gennem en mere agile måde at håndtere forandringer på, baseret på læring, iteration og tilpasning.
Jeg uddybede denne idé i en tidligere artikel om AI's indvirkning på agility, hvor jeg argumenterer for, at AI ikke blot introducerer nye værktøjer, men fundamentalt udfordrer deterministiske måder at planlægge, træffe beslutninger og organisere arbejde på. Set fra det perspektiv er implementeringen af AI ikke blot en teknologisk forandring, men en opfordring til at genoverveje, hvordan organisationer lærer, tilpasser sig og reagerer på forandringer.
Hvordan man reducerer usikkerheden ved indførelse af AI
Ud fra min erfaring er der nogle få beslutninger, der kan bidrage til at skabe mere solide betingelser for, at AI-implementeringen kan fortsætte på en bæredygtig måde. Det er ikke universelle opskrifter, men praktiske principper, der kan tjene som udgangspunkt.
1. Start med et mere overskueligt og struktureret arbejde
Jeg mener, det giver mening at begynde implementeringen af AI med opgaver, der er mere overskuelige og strukturerede, frem for med meget komplekse opgaver.
Årsagen er enkel: denne type arbejde er mere deterministisk. Årsag-virkningsforhold er lettere at forstå, hvilket gør det lettere for folk at forstå, hvad AI'en gør, hvorfor den gør det, og hvordan det passer ind i deres arbejde.
At indføre AI direkte i komplekst arbejde (hvor der ikke er ét rigtigt svar, og læring sker over tid) øger ofte forvirringen og friktionen. At starte med mere overskueligt arbejde eliminerer ikke risikoen, men gør den mere håndterbar.
2. Definer eksplicit, hvad “succes” betyder
En anden almindelig fejl, jeg observerer, er at lancere AI-initiativer uden først at blive enige om, hvad succes egentlig er.
Efter min mening er det værd at tage sig tid til at præcisere:
- Hvilket problem vi egentlig forsøger at løse
- Hvilke indikatorer vil hjælpe med at vurdere virkningen?
- Hvordan vi skelner mellem reel forbedring og bivirkninger
Når disse kriterier ikke er eksplicit angivet, er fortolkningen åben, og usikkerheden vokser.
3. Ledsag de mennesker, hvis arbejde er under forandring
Hver automatisering ændrer nogens arbejde.
At udarbejde en klar supportstrategi hjælper folk med at forstå:
- Hvad ændrer sig i deres rolle?
- Hvad forventes der nu af dem?
- Hvilken form for støtte de vil få til at tilpasse sig og lære
Denne form for ledsagelse handler ikke om at fjerne ubehag helt, men om at skabe betingelser, hvor mennesker kan handle med større klarhed og selvtillid.
4. Betragt adoption som en iteration, ikke som en afsluttet løsning
Endelig mener jeg, at det er en fejl at betragte indførelsen af AI som en engangsforandring fra starten.
Det giver mere mening at eksperimentere, observere hvad der sker i løbet af de første par uger, gennemgå både tekniske og organisatoriske konsekvenser og justere på baggrund af de indhøstede erfaringer. Denne iterative tilgang understreger, at implementering af AI er en løbende proces og ikke en engangsforeteelse.
En sidste bemærkning om incitamenter
En sidste overvejelse, der er værd at nævne, er incitamenternes rolle.
Selv når organisationer tager velovervejede skridt for at reducere usikkerheden (ved at starte med at gøre arbejdet mere overskueligt, definere succes eksplicit, ledsage medarbejderne og gentage processen), kan resultaterne stadig være utilfredsstillende, hvis incitamenterne ikke er afstemt.
Under pres har mennesker en tendens til at handle i overensstemmelse med det, der belønnes, måles eller straffes. I praksis former disse signaler systemets uskrevne regler (det, som folk tror, der forventes af dem). Med andre ord former de organisationskulturen.
Set fra det perspektiv, Indførelsen af AI bliver uundgåeligt en kulturel udfordring. I den forstand ligner det meget den udfordring, som mange organisationer stod over for, da de indførte agile-arbejdsmetoder: Der blev indført nye praksisformer og fortællinger, men eksisterende incitamenter og forventninger trak ofte adfærden i en anden retning.
Det er der, hvor den virkelige succes efter min mening afgøres.
Dette er et emne, der fortjener en dybere undersøgelse, og som jeg planlægger at behandle i en kommende artikel.
