Når AI flytter forandringer ind i arbejdet

En af de mest interessante pointer i Brynjolfsson, Li og Raymonds studie er, at AI især løftede nyere og mindre erfarne medarbejdere.

Forskerne peger på, at systemet gjorde erfaringer og arbejdsmønstre fra dygtige medarbejdere tilgængelige direkte i opgaveløsningen. Medarbejderne fik ikke blot svar på spørgsmål. De fik adgang til en form for indlejret erfaring.

Det kan ses som en form for digital sidemandsoplæring. Medarbejderen får ikke kun et kursus før arbejdet. Hun får støtte, mens arbejdet foregår.

Når læring flytter ind i opgaven

Det gør ikke træning overflødig. Men det ændrer læringens placering. Mere læring flytter ind i opgaven, feedbacken, samtalen og den løbende justering.

Det udfordrer også en klassisk forståelse af kompetenceudvikling. Hvis læring i stigende grad sker i arbejdet, bliver lederens opgave ikke kun at sende medarbejdere på kursus. Den bliver også at skabe rum for refleksion, feedback og erfaringsdeling om brugen af AI.

Hurtigere output er ikke nødvendigvis bedre arbejde

AI gør det muligt at producere tekster, analyser, præsentationer og svar på få minutter.

Det ændrer ikke ved, at værdien af arbejdet fortsat afhænger af menneskers evne til at vurdere, prioritere og træffe beslutninger.

Når AI skaber arbejde for andre

I mange organisationer er gevinsten ved AI derfor ikke begrænset af teknologien. Den er begrænset af, hvor godt medarbejdere kan skelne mellem noget, der lyder rigtigt, og noget, der faktisk er rigtigt.

Når kvalitetskriterier, ansvar og faglig vurdering er uklare, kan AI skabe materiale, der fremstår færdigt og overbevisende, men som kræver omfattende efterarbejde. Arbejdet forsvinder ikke nødvendigvis. Det flytter blot til dem, der skal kontrollere, rette eller tage ansvar for resultatet.

Nogle forskere og praktikere beskriver dette som workslop: indhold, der ser professionelt ud, men som tilfører begrænset værdi og skaber nyt arbejde længere nede i processen.

Udfordringen er derfor ikke kun, om AI gør medarbejdere hurtigere. Udfordringen er, om organisationen samtidig bliver bedre til at vurdere kvaliteten af det, der bliver produceret.

Derfor bør AI ikke alene vurderes på produktionshastighed eller antallet af opgaver, der kan løses.

Spørg i stedet:

Bliver beslutningerne bedre?
Bliver kvaliteten højere?
Bliver kunder, borgere eller kolleger bedre hjulpet?
Hvor er menneskelig vurdering stadig afgørende?
Hvordan udvikler medarbejdere dømmekraft, mens de bruger AI?

Det centrale spørgsmål er derfor ikke kun:

“Hvordan får vi medarbejderne til at bruge AI?”

Men også:

“Hvordan sikrer vi, at AI styrker læring, faglighed og dømmekraft frem for gradvist at overtage dem?”

Når teknologien ikke kun ændrer processer, men også opgaveløsning, læring og dømmekraft, må forandringsarbejdet flytte med.

Så handler AI ikke længere kun om teknologiinvesteringer.

Så handler AI om, hvordan medarbejdere bliver dygtige.

• Hvordan kvalitet opstår.
• Hvordan erfaring opbygges.
• Hvordan ledere udvikler talent.
• Og hvordan organisationen lærer.

Det er et mere strategisk spørgsmål end implementering. For hvis AI ændrer måden mennesker lærer, vurderer og træffer beslutninger på, ændrer den også grundlaget for, hvordan organisationer udvikler kompetencer og skaber kvalitet.

Den største ledelsesopgave er derfor måske ikke at implementere AI. Den er at sikre, at organisationen fortsat udvikler menneskelig dømmekraft, mens stadig mere af arbejdet udføres sammen med teknologien. Dømmekraft opstår ikke gennem information alene. Den udvikles gennem koncentration, refleksion, fordybelse, tvivl og erfaringer fra konkrete opgaver og relationer til andre mennesker.

Det afgørende spørgsmål er derfor ikke kun, hvordan AI skal bruges.

Det afgørende spørgsmål er, hvordan organisationen vil udvikle mennesker, kvalitet og dømmekraft i et arbejde, hvor mennesker og AI i stigende grad løser opgaver sammen.