AI FÖR LEDNINGSGRUPPEN
AI kommer att vara en viktig del i din organisation.
Hur värdefullt det blir beror på hur du och din ledningsgrupp utnyttjar den nya tekniken.
Under 2023 har jag jobbat väldigt mycket med digitalisering och AI, från framtagandet av en digitaliseringsstrategi för en av våra tekniska högskolor till utbildning av medarbetare i industriföretag. Från inspelning och analys av strategiska diskussioner till realtidskontroll av ekonomiska flöden och transaktioner.
Byggstenarna till höger är min sammanfattning av vad AI innebär för ledning och styrning. En ledningsgrupp behöver ha koll på alla åtta så småningom men ordningen kan säkert variera beroende på förförståelse, organisationens situation och ert eget intresse.
Här under finns en beskrivning av de olika metoder jag använder och lite om vad som passar bäst i vilken situation.
En halvdag med ledningsgruppen kring någon av punkterna eller kanske ett längre program under några månader som resulterar i en ny strategi och direkt koppling till verksamheten?
Kontakta mig så gör jag ett förslag !
tel: +46 705 86 72 88
Föreläsning med eller utan deltagaraktivitet
Jag föreläser om hur AI kan komma att påverka er organisation, antingen utifrån en eller flera av de teman som finns till höger - eller utifrån en egen frågeställning ni har.
Föreläsningen kan vara med mer eller mindre deltagaraktivitet, bikupor, Menti-frågor eller gruppdiskussioner.
Deltagarna kan vara en liten grupp, ledningsgruppen kanske, eller alla medarbetare i hela organisationen - eller något däremellan.
En föreläsning kan vara en timme, kanske som en del i ett större program, eller längre, upp till en hel dag.
Alla föreläsningar dokumenteras och allt material finns att tillgå i efterhand, självklart är det ok att filma eller spela in föreläsningen för att visa vid andra tillfällen.
Workshop om AI, med AI
Jag leder en workshop i något eller några av ämnena till höger. Workshopen bör vara knuten till den egna verksamheten så att resultatet kan användas i verkligheten när dagen är genomförd.
Jag använder AI för att stödja processen, t ex med realtidstranskribering av allt som sägs, sammanfattningar av diskussioner och förslag, AI-genererade förslag till tillägg och utvikningar som inte annars kommit upp och framtagande av handlingsplaner eller projektbeskrivning.
En workshop bör riktas till en specifik grupp, t ex ledningsgruppen, organisationens IKT-ansvariga, linjechefer i en verksamhet eller någon annan grupp med människor som kan enas runt en frågeställning. Gruppen bör vara mellan 4 och 20 personer för att det skall bli bra och en workshop kan genomföras under en halv dag eller en hel dag.
Riktade utvecklingsprogram
Jag genomför en serie träffar med en eller flera nyckelpersoner där vi diskuterar hur AI kan appliceras på ett särskilt problemområde eller ett särskilt projekt. Sådana områden kan vara budgetprocessen, medborgardialog, rekrytering eller lokalförsörjning.
Programmet pågår så länge som nyckelpersonerna tycker det är meningsfullt, d v s varje träff innehåller frågan "Skall vi träffas igen - och i så fall, vad är nästa steg?"
Programmets resultat är både kompetensutveckling hos nyckelpersonerna och projektutveckling inom det område det avser.
Arbete med strategi, policy eller riktlinjer
Jag bistår i, eller arbetar självständigt med, att ta fram strategiska dokument, projektbeskrivningar, policies eller riktlinjer för organisationens arbete med digitalisering och AI-implementering.
Arbetet kan göras som en fristående konsultinsats eller genom att jag arbetar tillsammans med en grupp i organisationen. Det kan också innebära att jag stöttar och är bollplank till den interna resurs som har ansvar för att ta fram sådana dokument.
I arbetet kan ingå att förklara och beskriva utgångspunkter och resultat för intressenter såsom styrelser, arbetstagarorganisationer, medarbetare, kunder eller andra.
Bollplank åt ledning och/eller ledningsgrupp
Jag fungerar som externt bollplank åt ledningen vilket innebär att jag för in AI- och digitaliseringsfrågorna på ledningens agenda och verkar för att de blir beaktade och utnyttjade i alla sammanhang, särskilt där de kanske annars "glömts bort".
Arbetet genomförs i princip genom att jag är adjungerad till ledningsgruppen eller att jag har regelbundna möten med chef/ledare där kommande frågeställningar genomlyses och problematiseras utifrån ett digitaliserings-/AI-perspektiv.
1. Vad är AI?
Det finns många olika varianter när det gäller att klassificera och sortera AI. Ibland talar vi om sju olika kategorier, ibland fyra. De här kategorierna beskriver oftast AI-systemens förmåga utifrån ett ganska tekniskt perspektiv, från enkla reaktiva maskiner till det som kallas superintelligens eller artificiell generell intelligens (AGI).
För en ledningsgrupp är det bättre att förstå AI utifrån tre andra kategorier:
Generativ AI som kan skapa sådant som inte tidigare fanns, t ex bilder eller texter. Generativ AI kan alltså skriva en strategi för organisationen, göra illustrationer, skapa programkod eller kanske göra en budget. Det är det vi fascineras av när vi använder Chat-GPT, Dall-E eller kanske MidJourney. Generativ AI kommer också på bred front som inbyggda funktioner i våra standardprogram, vi kan be Photoshop ta bort bakgrunden eller be Word översätta en text till ett annat språk. Generativ AI används genom att vi ger systemet ganska lite information (en prompt) och får mycket information tillbaka (en bild eller ett dokument t ex).
Analyserande AI är system som går igenom stora mängder data och hittar mönster, skapar sammanfattningar eller hittar avvikelser. Analyserande AI kan användas för att gå igenom komplexa avtalskonstruktioner, alla ekonomitransaktioner eller kanske telefonsamtal i ett kundcenter för att ge oss sammanfattande bilder eller låta oss se samband som tidigare varit dolda eftersom informationsmängderna är så stora. Analyserande AI kan t ex användas för att "lyssna" på ett långt möte och sedan sammanfatta diskussionen i punktform.
Producerande AI är system som faktiskt gör saker åt oss, kör bilar, formulerar och skickar mail, reglerar temperaturen i fastigheter eller bygger hus. Ibland talar vi om "manipulerande AI" därför att systemet faktiskt förändrar (manipulerar) den fysiska världen och ordet "manipulerar" måste ju då förstås i sin värdeneutrala betydelse.
De här tre kategorierna är egentligen det tekniska fundament vi behöver förstå för att se vad AI kan komma att betyda i vår organisation.
2. Nya arbetsformer
AI möjliggör, och ibland nödvändiggör, nya arbetsformer. De flesta organisationer bygger sitt arbete på tre begrepp som vi kan kalla hierarki, specialisering och planering.
De här tre har sina rötter i industrialismens barndom och är förmodligen det bästa sättet att tänka med de tekniska förutsättningar som rådde då, d v s med mycket begränsad förmåga till informationshantering.
När vi i stället får nästan obegränsad kapacitet vad gäller hantering av information kan vi ersätta dessa tre med sina motsatser de gånger det är till nytta för oss. Vi kan arbeta:
I tillfälliga konstellationer, d v s vi kan sätta ihop den "organisation" som krävs för varje enskild uppgift eller varje enskilt projekt. Inte ens ledningsgruppen behöver vara en statisk och stabil konstellation. Det betyder också att människor i vår organisation kommer att ha ledningsuppdrag i vissa konstellationer, vara underställda i andra och inte vara med alls i ytterligare några. En effekt av det här är att vi kan mångdubbla värdet av varje medarbetare eftersom de kan användas precis där, och när, de behövs.
Tvärsektoriellt. De flesta uppgifter organisationen står inför är ju komplexa, och har alltid varit. Av skäl som framförallt Frederick Taylor beskrev i slutet av 1800-talet har det ändå varit praktiskt att dela upp organisationer och företag i specialiserade avdelningar och enheter. Redovisning, produktion, HR, fastighetsförvaltning och försäljning har fått utveckla just sin specialitet inom sitt avgränsade område. Med hjälp av AI kan vi ta bort de gränserna och i stället organisera oss utifrån de behov, lösningar eller processer som finns på utsidan, alltså hos brukare, kunder, medlemmar eller vad vi nu kallar dem.
Reaktivt. I grunden är våra styrformer beroende av "bandbredd", hur mycket information kan vi ta in på kort tid och hur mycket information kan vi lämna ifrån oss på kort tid? Om bandbredden är liten, d v s vi vet ganska lite om hur det ser ut i omvärlden just nu - och det är väldigt kostsamt att få hela organisationen att vara uppdaterad - då måste vi styra med långsiktiga planer som dessutom måste vara ganska detaljerade. Informationsteknik i allmänhet, och AI i synnerhet, gör att det här förändras radikalt. Vi kan faktiskt (i princip) veta exakt hur det står till i vår omvärld och invärld just nu och vi kan nå ut med information till alla medarbetare omedelbart och till nästan ingen kostnad. Då kan vi också styra organisationen reaktivt i stället för proaktivt vilket faktiskt är bättre även om konsultspråket i många år hävdat motsatsen.
3. AI-förstärkt verksamhet
Olika verksamheter kan utvecklas, och kommer att påverkas, på väldigt olika sätt. På några ställen kommer diskussionen att handla mest om risken för fusk och bedrägerier, på andra ställen om helt nya yrkesroller och på ytterligare andra om att vi kan göra så mycket mer för så mycket mindre. De där där diskussionerna är inte av naturen givna, vi väljer hur vi vill närma oss AI på verksamhetsnivå. För att komma till den tredje nivån, den där vi talar om bättre verksamhet och bättre hållbarhet, kan det här vara de tre första stegen:
Välj en pilotverksamhet med stor förbättringspotential. Kanske har vi kvalitetsproblem, svårt att rekrytera medarbetare, dålig ekonomi eller en känsla av att vår nuvarande verksamhet inte kommer att klara framtidens krav. Skälet till att vi inte skall "pilota" i våra bästa enheter är dubbelt, för det första är risken att misslyckas naturligtvis mycket större om vi ger oss på en välfungerande och omtyckt verksamhet och för det andra har chefer och medarbetare i väl fungerande enheter, oavsett vad de säger, en ganska solid föreställning om att det de redan kan och vet är utmärkt, kanske till och med bäst. Vi behöver frustrationen och missnöjet i en verksamhet som faktiskt måste förändras.
Börja med analyserande AI. Låt lyssnande AI-system samla information om vad som faktiskt händer i organisationen. Telefonsamtal, schemaförändringar, logistik och rörelser, ekonomiska transaktioner, kanske till och med låssystem och inpassering. Alla de här innehåller information om vad som dagligen försiggår, information som alltid (i lite sämre fungerande verksamheter) är något helt annat än det som syns i strukturerade rapporter eller i medarbetarenkäter. Det som faktiskt händer i verksamheten är nyckeln till förbättring, det vi tror händer i verksamheten är förklaringen till varför det inte går så bra.
Engagera alla medarbetare och se till att de verkligen kan svara på frågan: Hur skulle du vilja förbättra din arbetsdag? Medarbetaren behöver inte tänka i termer av AI utan mycket mer som "jag skulle vilja ha mer tid för att..." eller "jag skulle vilja veta om..." eller "jag skulle vilja bli bättre på att...". Sedan behöver vi en AI-kompetent pilotprojektledare som kan avgöra om en sådan förändring skulle förbättra verksamheten och föreställa sig hur denna önskan i så fall skulle kunna mötas med ny teknik.
4. Kvalitet och uppföljning
Kvalitetsarbetet kan utvecklas med hjälp av AI på flera olika sätt. Det är ingen överdrift att säga att i princip allt kvalitetsarbete kommer att bygga på någon form av AI och på användandet av mycket stora datamängder. Det möjliggör också "globalt" kvalitetsarbete, d v s i stället för att vara begränsade till den egna organisationens information och analyser kan vi i många fall använda data från hela branscher för att förstå vad som händer - och vad som inte händer. Det som är genuint nytt, jämfört med allt tidigare kvalitetsarbete, är bland annat följande:
Vi kan använda all verksamhet som underlag. En statistikers första fråga är ofta "hur får vi mätpunkter som är relevanta och signifikanta?" Alltså, om vi frågar brukare eller kunder om hur de upplever vår verksamhet, hur vet vi att urvalet är vettigt och att tidpunkten då vi ställer frågan ger en rättvis bild? Med användande av AI kan vi slippa den begränsningen eftersom vi kan använda alla möten med alla brukare som mättillfälle. I en skola kan man analysera alla elevers räknande av alla mattetal under hela året i stället för ett urval som lämnas ut på provet i slutet av terminen. I ett call-center eller en kundtjänst kan vi använda alla samtal, alla frågor och alla svar som underlag för att förstå vad människor faktiskt undrar över. Det förutsätter dock att all den här verksamheten sker på någon form av digital infrastruktur.
Vi kan hitta kvalitetsbrister när de sker, eller i förväg. AI-baserad kvalitetsutveckling låter oss granska kvaliteten i våra tjänster samtidigt som de faktiskt produceras, inte bara i efterhand. Det betyder att vi kan skapa ett iterativt kvalitetsarbete där cyklerna är väldigt korta, i stället för att utvärdera det gångna året kan vi faktiskt utvärdera och analysera dagens eller veckans arbete och så dra slutsatser och skruva lite i verksamheten redan inför nästa vecka.
Vi kan be AI söka samband. INormalt utvecklar vi verksamheten genom att vi sätter upp hypoteser, antingen själv eller genom att vi hört eller läst något som andra gjort. Sedan testar vi hypotesen, kanske genom att jobba i pilotprojekt och kontrollera om vi får den önskade förändringen - jämfört med olika typer av referens- eller kontrollgrupper. Med analytiskt AI kan vi i stället be systemet formulera hypotesen, datorn kan alltså se samband i stora datamängder som vi själv inte ser - och kanske heller aldrig hade gissat.
5. Brukare och kunder
En effekt av AI när det gäller brukare/kunder/medlemmar eller medborgare är att deras förväntan på våra tjänster och vår verksamhet kommer att öka, en annan är att vi kan ha en helt annan kommunikation och relation med dem och en tredje är att deras förmåga att "serva sig själv" också kan öka.
De som är snabbast blir referens. Människor som en gång sett vad t ex banken eller flygbolaget kan göra när det gäller AI, kundrelationer och leverans kommer att vara allt mer frustrerade när de möter organisationer som inte tagit vara på samma möjligheter. Om jag kan föra en relativt komplicerad diskussion med ett företags chatbot - eller fått hjälp med att boka en komplicerad och mångdelad flygresa mitt i natten - kommer jag inte att förstå varför andra organisationer har telefontid mellan 9.00 och 10.00 eller varför jag skall skicka ett mail med en fråga som besvaras inom tre bankdagar. Det som var acceptabel leverans 2022 kommer inte att vara det 2026
Brukare och kunder blir en integrerad del av vår verksamhet. Den relativt tydliga gräns som finns mellan producent och konsument löses upp genom att informationsflödet blir oerhört mycket större. Vi kan låta våra brukare och kunder vara delaktiga i våra planerings- och styrprocesser och de kan å andra sidan låta oss få daglig och stundlig information om var de befinner sig, vad de gör, vad de behöver och vart de är på väg. En vårdgivare kan kalla patienter när de behöver en undersökning, givet data från deras smarta klockor. En livsmedelshandlare kan sätta ihop inköpslistan utifrån vad som faktiskt behövs, kanske till och med redan innan matköparen insett att något håller på att ta slut.
Empowerment och egenmakt. Brukare och kunder kan ges en helt annan styrka - både jämfört med tidigare och jämfört med oss som skall leverera varor och tjänster. I många fall har vi, på insidan, haft ett fullständigt informationsövertag och brukaren/kunden har varit hänvisad till vad vi säger ifråga om best practice, lagstiftning, ekonomi och vad som är möjligt. Vi har också haft ett övertag i förmågan att formulera oss. I båda de fallen innebär AI att situationen utjämnas. I förlängningen betyder det också att brukare och kunder i många fall kommer att kunna lösa problem själv, utan att anlita oss överhuvudtaget. Vi kommer i de fallen att tvingas välja om vi vill förstärka den utvecklingen eller om vi vill motverka den.
6. Kompetensförsörjning
Till att börja med utmanas vår föreställning om vad kompetens är, och kanske framförallt var den finns. Kompetensförsörjning är, för de flesta, en fråga för HR eftersom kompetens är något som människor har (eller saknar). Det som AI faktiskt för in i ekvationen är att en människa som inte är kompetent kan tänkas vara det med rätt teknikstöd. En annan aspekt är att AI med stor säkerhet är den största revolutionen för mänskligt lärande sedan Gutenberg, förmodligen större än tryckpressen också faktiskt.
Medarbetare med AI-stöd kan bli i det närmaste omnipotenta. Det är naturligtvis att ta i, men med rätt AI-stöd kan medarbetare utföra arbetsuppgifter och lösa problem som utan det stödet vore fullständigt otänkbart att ens närma sig. Vi bör kanske inte låta en kommunalekonom utföra hjärnkirurgi, däremot skulle en lärare, säljare eller undersköterska definitivt kunna ansvara för sin egen ekonomiska uppföljning, inklusive analys och kommentarer. En lärare kan examinera elever också i helt andra ämnen än de egna och en säljare skulle kunna lösa tekniska problem åt en kund.
Medarbetare behöver en annan typ av kompetens. AOECD skriver att framtidens arbetskraft behöver kunna lösa komplexa problem i ständigt nya situationer och alltid med användande av ny teknik. Ett annat, mer dramatiskt sätt, att beskriva samma sak är det lite slitna "AI kommer inte att ta ditt jobb, däremot kommer människor som använder AI att ta jobben ifrån dem som inte gör det". Det här behöver vi förhålla oss till, anställda som hittills inte varit särskilt nära digital utveckling kommer att behöva kompetensutveckling. Det här är nog det riktiga "datakörkortet".
AI-stött lärande kommer i många situationer att ersätta traditionell utbildning och kompetensutveckling. AI-stött lärande är autonomt och kan ofta ske i den verkliga verksamheten, inte bara i anslutning till den. Medan man gör saker ger systemet feedback och tipsar om hur något kan förbättras. AI kan också användas för att se till att sådant som utvecklats eller skapats någonstans i organisationen (eller i branschen) blixtsnabbt blir tillgängligt överallt där samma situation tycks förekomma. Ledningen kommer att använda AI för att i realtid se var det finns kompetensbrister - och åtgärda de bristerna - också i en mycket stor organisation med stor personalomsättning.
7. Säkerhet
Vår verksamhet kan bli väldigt mycket bättre med hjälp av AI men det finns också en hel del risker att hantera. Risker som i vissa fall tycks så stora att vi frestas att avstå tekniken helt och hållet. Det är nog inte en framkomlig väg, däremot måste de här riskerna identifieras och i möjligaste mån undanröjas - alternativt att organisationen har beredskap för de händelser som kan bli följden av AI-problem.
Integritet och datasäkerhet. AI innebär för det första att vi samlar väldigt mycket data, ofta integritetskänsligt, antingen för att det rör personer eller för att det innehåller affärshemligheter eller andra organisationsinterna uppgifter som vi inte vill sprida. När vi använder molntjänster som Chat-GPT eller Microsofts CoPilot lämnar det datat våra egna system och det är i det närmaste omöjligt att garantera att inte ovidkommande får tillgång till informationen. Det är därför helt avgörande att vi vet vilken information som finns i omlopp och att vi har förmågan att avidentifiera sådan information som ändå skall hanteras externt. Vi måste också försäkra oss om att hela kedjan, från datainhämtning till resultat, inte korrumperas av andra orsaker såsom dålig informationsinsamling eller undermåliga begrepp gör att vi får felaktiga analyser och slutsatser.
Fusk, attacker och bedrägerier. Precis som vi som driver verksamhet blir bättre av AI så ger tekniken också bättre möjligheter för den som vill skada oss. Det blir möjligt att simulera röster och video vilket kan användas för att skicka falska meddelanden men AI kan också användas för att scanna vår verksamhet från utsidan för att hitta luckor och svaga punkter där man kanske kan slå ut viktiga delar - och utsätta oss för utpressning för att vi skall få tillgång till våra egna system igen. Slutligen kan naturligtvis AI användas av våra egna medarbetare för att fuska på olika sätt, från interna examinationer till fejkade rapporter och löneunderlag.
Sårbarhet. När vi blir allt bättre - med hjälp av teknik - så blir vi också allt mer beroende av den tekniken. På samma sätt som vi behöver redundans i vatten- och energiförsörjning behöver vi teknisk redundans i våra AI-baserade verksamheter. Parallellen med energi är intressant därför att alternativet nästan aldrig är manuellt arbete. Om elektriciteten slås ut runt ett sjukhus så använder vi reservgeneratorer, inte muskelkraft. Om våra AI-system slutar fungera så kommer kraven på verksamheten att vara så stora att lösningen heter "reserv-AI", inte manuellt arbete.
8. Strategi
Just nu befinner vi oss nog alla i en fas av lite förtjust (och lite förskräckt) överrumpling. Vi provar oss fram, mer trevande än målinriktat. Så måste det nog vara - men mitt i det trevande behöver vi också gradvis forma en strategi som ger ett stabilt fundament för långsiktig verksamhetsutveckling, teknikuppbyggnad, kompetensförsörjning och som ger beredskap för nästa språng, den beredskap väldigt få av oss hade den här gången.
Vi behöver en (1) strategi. Det är inte längre framgångsrikt att formulera strategier för olika delområden såsom HR, ekonomi, produktutveckling eller digitalisering. På samma sätt som själva tekniken präglas av konvergens (förr hade vi en telefon, en uppslagsbok, en kompass, en stegräknare och en miniräknare, nu har vi en mobil) så kommer strategiarbetet i stora organisationer att konvergera. Vi behöver hitta både organisation och kompetens för att formulera en strategi för organisationen som inkluderar (och bygger på) alla de tidigare specialområdena. Det kräver i viss utsträckning en annan strategisk förmåga, också i ledningsgruppen, än vad som tidigare varit tillräckligt.
Organisationen behöver vara mer plastisk. De flesta som jobbat med strategisk utveckling bär nog på ungefär samma frustration när det gäller vår förmåga att omsätta strategi i förändring. Vi har alltså många gånger haft de bästa förutsättningar, det bästa beslutsunderlaget och de mest strategiska tankarna - och ändå ser verksamheten i stora stycken likadan ut som den gjorde innan vi började vårt utvecklingsarbete. Inte heller tycks de goda exemplen från de platser där det verkligen hänt något sprida sig till andra ställen. Det här beror på att organisationen är antingen rigid (den går faktiskt inte att förändra) eller elastisk (den går att förändra men när man vänder ryggen till återgår den till sitt tidigare beteende). I de fallen behöver vi utveckla organisationens plasticitet, d v s dess förmåga att förändras och att bibehålla och fortsätta med den förändring som visat sig positiv.
Hela strategin måste personifieras i hela ledningsgruppen. På samma sätt som strategin i sig själv måste ta ett helhetsgrepp måste ledningsgruppen, och organisationens chefer på alla nivåer, ta ett helt ansvar. Det är alltså inte längre särskilt konstruktivt att betrakta sig själv som "ekonomichef" eller "digitaliseringsstrateg" eller "verksamhetsutvecklare". Var och en måste betrakta, och synas betrakta, hela organisationens utveckling som sitt kompetensområde. Det helhetsbaserade ledarskap vi talat om i många år måste faktiskt på plats.
2024 Troed Ventures - Paradigmmäklarna i Sverige AB