Enhver virksomhedsleder er løbende optaget af, at medarbejderne har de kompetencer, der er nødvendige for at kunne løfte de opgaver, der lige nu er vigtige for virksomheden. Og i din organisation er I sikkert dybt rutinerede i at hyre de helt rigtige. Men på meget kort tid har AI grundigt rystet posen og ændret ved vores arbejdsmetoder, og det har betydning for måden, vi skal gå til kompetencer på i fremtiden.

For vi ved, at AI kan effektivisere, og at såkaldt generativ AI som ChatGPT og Gemini gør det muligt for os at producere og ideudvikle med lynets hast. Men hvad betyder det for de kompetencer, du som leder skal gå efter i fremtiden? Skal du nu kun ansætte ph.d.’er, eller kan du fremover køre hele forretningen med en kombination af AI og studentermedhjælpere på alle poster? 

Generativ AI påvirker den kvalitet og produktivitet, en medarbejder leverer, på yderst forskellige måder, alt efter medarbejdernes nuværende performance.

Dan Rose Johansen
CEO, Todai

Svaret er endnu ikke helt klart, men vi bliver hver dag klogere på, hvordan AI kan bidrage og påvirker forskellige typer af medarbejdere og opgaver. For udover at AI kan give store besparelser og forbedringer og endda ændre hele en virksomheds forretningsmodel, så er der en helt ny dynamik på spil i forhold til kompetencer.

Generativ AI påvirker nemlig den kvalitet og produktivitet, en medarbejder leverer, på yderst forskellige måder, alt efter medarbejdernes nuværende performance og erfaring. Nogle vil få et vældigt boost af AI, mens andre nærmest vil få en nuleffekt. Det er vigtigt at vide, inden du hyrer eller fyrer.

Derfor får du en række perspektiver her med udgangspunkt i en række undersøgelser og i min egen erfaring gennem ni år som rådgiver af virksomheder, der implementerer AI.

Pas på, hvad du lytter til

Men først lad mig slå fast: Pas på, hvem og hvad du lytter til for at finde råd. Jeg har selv siddet til præsentationer, hvor managementkonsulenter fra store, anerkendte konsulenthuse med voldsom selvsikkerhed og i bedste ChatGPT-stil fremlægger såkaldt ’sikre sandheder’ om effekten af at sætte medarbejdere til at bruge AI.

En af de ’sandheder’ er, at low performers får et langt større produktivitetsboost end high performers. Men er det nu også rigtigt?

Påstanden bygger primært på et enkelt studie,  der kommer til den konklusion, at de mindre erfarne/dygtige medarbejdere (low performers) bliver 35 procent bedre med AI-assistance, mens de højt kvalificerede og erfarne medarbejdere (high performers) næsten ingen positiv effekt ser. Ud fra det kunne man konkludere, at man får mest ud af at lade sine low performers bruge AI.

Læs også: Sådan bruger virksomheder generativ AI

Men her skal man huske sin skepsis. Studiet omfatter nemlig udelukkende kundeservicemedarbejdere, der chatter med kunder om problemer som for eksempel ‘jeg kan ikke logge ind’. En meget enkel type af opgave som ikke kan sammenligned med opgaver hos f.eks. ingeniører eller programmører, som sidder med langt mere komplekse udfordringer.

I studiet defineres ‘uerfarne medarbejdere’ også som medarbejdere med under én måneds erfaring, og man kan med god grund spørge, om ikke AI-assistenten bare fungerer som et effektivt onboardingværktøj?

Endelig ses der primært på produktivitet i form af løste opgaver per time og kun sekundært på kvaliteten af arbejdet.

Virkeligheden er mere kompliceret

Da jeg først hørte om ovennævnte undersøgelse, studsede jeg en del. Min egen praktiske erfaring med at implementere AI-løsninger i virksomheder, og den aktuelle tsunami af andre cases med brug af generativ AI, fortæller nemlig præcis det modsatte. Nemlig at de fagligt dygtigste medarbejdere får langt den største gevinst af at bruge AI.

Det skyldes, at de har den viden, der skal til for at stille AI-assistenter de rigtige spørgsmål og samtidig kuratere svarene, herunder identificere ’hallucinationer’ (når for eksempel sprogmodeller som ChatGPT og Gemini digter svar). En høj faglighed giver altså bedre muligheder for at udnytte teknologien – og dermed også bedre kvalitet og færre fejl.

Konklusionen er samtidig, at uerfarne medarbejderes performance kan få en decideret negativ effekt af AI, blandt andet fordi de qua deres faglige niveau ikke kan gennemskue hallucinationer og måske dermed kommer til at handle på dem.

Sat på spidsen kunne man for eksempel bede sin grønneste praktikant om at skrive en kontrakt til en kunde ved hjælp af AI. En sådan kontrakt vil måske se meget overbevisende ud, hvis man ikke ved bedre, men de eventuelle fejl kan være store. Omvendt vil en erfaren og specialiseret jurist være bedre til at formulere konkrete krav til AI-modellen, ligesom den vil opdage eventuelle fejl.

Som leder kan man derfor spørge sig selv, om AI så overhovedet skaber værdi for de allermest erfarne. Svaret er ja. Jeg har selv konstateret, at AI kan hjælpe selv de bedste eksperter. Ikke så meget på rutinearbejdet, men mere når det gælder atypiske hændelser, eller når der skal navigeres i enorme mængder af viden.

Det er faktisk ikke så overraskende, hvis man ser på et studie fra 2010. Her fremgår det, at læger med meget erfaring outperformer nyuddannede læger, når det handler om at diagnosticere almindelige sygdomme. Men hvad angår sjældne lidelser, er nyuddannede læger faktisk bedre, eftersom de for kort tid siden har været alle lærebøgerne igennem og har skullet kende et stort pensum op til deres eksaminer.

På samme måde kan en AI opføre sig som de nyuddannede læger: Nemlig ved på millisekunder at gennemsøge hele det faglige pensum og finde alle de ellers oversete detaljer. Jeg har selv oplevet, hvordan erfarne ingeniører har glemt vigtige krav, fordi de var fra sjældent relevante regulativer – men dem vil en AI-assistent nemt kunne identificere. Og dét er netop styrken ved AI: Evnen til på ingen tid at komprimere og gennemgå gigantiske mængder tekst og data.

Ledere kan derfor forvente, at manuelle og tidskrævende dobbelttjek og kvalitetstests fremover bliver en mere overkommelig opgave, som AI kan udføre hurtigere og grundigere end mindre erfarne medarbejdere som eksempelvis regnskabsassistenter eller jurafuldmægtige.

Man skal derfor huske, at introduktionen af nye AI-værktøjer i en begrænset periode kan betyde en nedsat produktivitet hos en erfaren stab.

Dan Rose Johansen
CEO, Todai

Et andet vigtigt aspekt, man som leder bør have in mente, er, at virkningen af AI ændrer sig, i takt med at vi bruger teknologien. Ny teknologi skal nemlig læres – nøjagtigt som alle andre værktøjer. Et godt eksempel er Photoshop. Forestil dig, at en dygtig og effektiv illustrator, der hidtil har tegnet i hånden, fra i morgen skal arbejde med Photoshop. En sådan omstilling vil helt sikkert medføre et produktivitetstab, indtil fordelene slår igennem.

Nye AI-værktøjer vil således ofte på kort sigt gøre de meget erfarne medarbejdere langsommere, mens de uerfarne ikke har så meget at tabe og hurtigere rammer samme (lave) niveau som før, når de bruger AI.

Man skal derfor huske, at introduktionen af nye AI-værktøjer i en begrænset periode kan betyde en nedsat produktivitet hos en erfaren stab. Det skal man kommunikere op, ned og alle vegne, så man ikke risikerer, at AI-projekter får trukket stikket, eller man får skilt sig af med de dygtigste, før gevinsten viser sig.

Veldefineret eller fri proces afgør effekten

En afgørende parameter for effekten af generativ AI er også, hvor veldefineret eller fri en proces teknologien bliver en del af. I den frie ende kan man finde kreative processer såsom marketing, salg og komplekse problemstillinger i form af programmering og ingeniørarbejde. I den anden ende ligger opgaver med et begrænset input, udfalds- og handlerum, for eksempel regnskabsopgaver eller sagsbehandling med klare regler (såsom byggetilladelser og kontrakter).

Ved opgaver, der løses ved en veldefineret proces, vil man se, at:

• Erfarne medarbejdere får meget lidt gavn af AI
• Uerfarne medarbejdere får meget gavn af AI

Ved en fri proces vil man omvendt se, at:

• Erfarne medarbejdere får meget gavn af AI
• Uerfarne medarbejdere får meget lidt gavn af AI

Årsagen er, at arbejdet med veldefinerede processer ofte allerede er optimeret og effektivt. Så når først man har erfaringen, kan man sjældent blive meget hurtigere. Der er heller ikke de samme krav om at stille de rigtige spørgsmål til en AI og tjekke for hallucinationer.

Dette gælder ligeledes casen fra de simple supportopgaver i ‘Generative AI at Work’-studiet. Handler det derfor om at løse opgaver med en veldefineret proces, så kan du med fordel skrue lidt ned for kompetencekravene til kommende medarbejdere.

Alt i alt tyder meget på, at man må forvente, at de allerede fagligt kompetente medarbejdere får den største effekt af AI-værktøjer. Derfor vil det også være dem, vi skal konkurrere mest om. Dog kun dem, som er motiverede til at blive AI-kompetente og i stand til at anvende de nye værktøjer.

Læs også: Indsamling af data om medarbejderne er ikke et problem. Det er data-umoden ledelse derimod