AI kommer til at fjerne opgaver fra lederes kalendere. Det er i hvert fald den oplagte forventning: færre referater, kortere forberedelse, hurtigere analyser og mindre administration.
I et debatindlæg i Børsen formulerer topleder og forfatter Julie Kristine Strange det sådan, at AI ikke overtager lederjobbet, men en stor del af det arbejde, som fylder ledernes hverdag.
Det kan sagtens blive rigtigt. Men rækkefølgen er vigtig.
Når AI skal mere end at hjælpe med et enkelt udkast, frigør den sjældent ledelsestid med det samme. Først kræver den mere af den. For en digital medarbejder kan ikke leve af, at en erfaren leder lige ser sagen an, kender historikken og finder en rimelig løsning. Den skal have arbejdet, grænserne og overdragelsen gjort konkrete.
Det har vi mærket tydeligt i vores eget arbejde med digitale kolleger på tværs af produkter, research, publicering og drift. De bliver ikke stabile af at få den seneste model. De bliver stabile, når nogen tager de ledelsesbeslutninger, som tidligere kunne ligge usagte i hverdagen.
Det er den oversete pris ved at skalere AI: Virksomheden skal bruge ledelseskapacitet, før den får ny arbejdskapacitet.
AI kan udføre en opgave. Den kan ikke beslutte, hvad jeres virksomhed mener
Forestil jer en digital medarbejder, der skal forberede ugens salgsopfølgning. Den kan finde åbne sager, samle noter og skrive et udkast. Men snart dukker spørgsmålene op: Hvornår er en kunde inaktiv? Hvilken kilde gælder, når CRM og mail er uenige? Hvem må ændre næste skridt? Hvornår må en intern note bruges i et kundeudkast?
Det ligner spørgsmål til systemet. I virkeligheden er det spørgsmål til virksomheden.
En erfaren medarbejder kan spørge en kollega, huske en undtagelse eller bruge sin dømmekraft. En digital rolle gør uklarheden synlig som tøven, fejl og stadige spørgsmål tilbage til et menneske, indtil nogen træffer en beslutning.
Derfor er AI ikke kun en ny arbejdskraft. Den er også en røntgenundersøgelse af ledelsen. Den viser, hvor organisationen har levet af tavs viden, skiftende prioriteringer og ansvar, som alle troede, en anden havde.
Den egentlige flaskehals er beslutningsgæld
Teknisk gæld er et velkendt begreb. Beslutningsgæld er mindre synlig.
Den opstår, når virksomheden har udskudt svar på, hvad et færdigt resultat er, hvilke fejl der kan accepteres, hvem der ejer undtagelserne, og hvornår arbejdet skal stoppe.
Så længe dygtige mennesker bærer svarene i hovedet, kan arbejdet godt se velfungerende ud. Men det er dyrt at give videre, både til en ny kollega og til en digital medarbejder.
Det er også her, et AI-forsøg kan gå i stå. Modellen kan godt skrive, søge og sortere, men forsøget rammer en beslutning, som organisationen aldrig har truffet. Flere instruktioner beskriver blot kompromiset uden at fjerne uklarheden.
En instruktion kan forklare en beslutning. Den kan ikke erstatte den.
I vores praktiske arbejde med AI på arbejdspladsen er erfaringen, at modellens kvalitet kun afgør en del af resultatet. Rollen og overdragelsen afgør, om arbejdet kan holde til at blive gentaget. Det er netop derfor, den første knappe ressource ikke altid er data, regnekraft eller licenser. Det er mennesker med ret til at beslutte, hvordan arbejdet faktisk skal hænge sammen.
Et hurtigt AI-program kan gøre ledelsen langsommere
Hvis en virksomhed sætter mange AI-forsøg i gang på én gang, sender den samtidig mange uafklarede spørgsmål op gennem organisationen.
Hvert forsøg kan se lille ud. Tilsammen kan de skabe en ny kø hos fagchefer, mellemledere, jurister og procesejere: godkend denne grænse, afgør denne undtagelse, vælg denne kilde, bedøm dette resultat, tag stilling til denne fejl.
Så får virksomheden flere digitale hænder, men den samme mængde ledelsesmæssig opmærksomhed. Det kan få et ambitiøst AI-program til at bevæge sig langsommere for hver ny pilot.
Det er en anden risiko end de skjulte rettelser og kontroller, vi tidligere har beskrevet i AI-arbejdet skal frem i lyset. Her er problemet ikke kun efterarbejdet. Det er selve strømmen af beslutninger, der skal gøre arbejdet muligt at delegere.
Ledelsen bør derfor ikke spørge, hvor mange AI-initiativer virksomheden kan starte. Spørg, hvor mange stykker arbejde I kan gøre tydelige, uden at de ansvarlige ledere bliver flaskehals for hinanden.
Gør ledelsestid til en del af investeringen
Et AI-budget består ikke kun af software, integration og konsulenter. Det består også af tid fra de mennesker, der kender arbejdet og har mandat til at ændre det.
Den tid skal ikke gemmes som en venlig tjeneste ved siden af driften. Den er en del af investeringen.
For hvert stykke arbejde, I vil give til en digital medarbejder, bør en navngiven leder kunne tage ansvar for fire ting:
Resultatet. Hvad skal være anderledes i forretningen, når arbejdet lykkes, ikke blot hvad skal AI producere?
Valgene. Hvilke tilbagevendende tvivlsspørgsmål skal afgøres én gang, så medarbejdere og digitale kolleger ikke genforhandler dem i hver sag?
Overdragelsen. Hvem tager over, når sagen falder uden for det normale, og har den person faktisk tid og myndighed til det?
Læringen. Hvilke fejl og undtagelser skal ændre arbejdet, og hvem må beslutte, at en ny regel nu gælder?
Det er ikke en opfordring til at beskrive hele virksomheden, før I begynder. Start med arbejde, der er vigtigt nok til at betyde noget og afgrænset nok til, at beslutningerne kan træffes. Men lad være med at kalde et forsøg billigt, hvis det bruger ledelsestid, som aldrig kom med i regnestykket.
Den stærkeste virksomhed træffer beslutninger, AI kan arbejde videre med
På længere sigt kan AI meget vel give ledere mere tid. Referater kan skrives, information kan samles, og opfølgning kan ske uden endnu et møde.
Men den store gevinst kommer ikke alene af at fjerne administration. Den kommer, når en god ledelsesbeslutning kan bruges igen og igen i arbejdet.
En afklaret regel om kundeløftet kan styre tusind sager. En tydelig definition af et færdigt resultat kan bruges af både mennesker og digitale kolleger. En navngiven overdragelse kan forhindre, at den samme undtagelse bliver opfundet på ny hver uge.
Det er her, AI ændrer ledelse fra samtale til infrastruktur. Ikke fordi ledelse kan reduceres til regler, men fordi flere af ledelsens valg nu kan få direkte virkning i det daglige arbejde.
Den virksomhed, der skalerer hurtigst, bliver derfor ikke nødvendigvis den med flest AI-licenser eller flest piloter. Det bliver den, der kan opdage sin beslutningsgæld, træffe de svære valg og gøre dem brugbare for resten af organisationen.
AI kan godt frigøre ledelsestid.
Men først afslører den, om ledelsen har gjort sit arbejde muligt at give videre.