Implementering af kunstig intelligens kræver tværfaglig indsats

Når mennesker og maskiner skal samarbejde, er det væsentligt, at ledelsen har for øje, hvordan kunstig intelligens påvirker organisationen på flere niveauer.
Brødtekst

Dette er et debatindlæg. Du er også velkommen til at deltage i debatten - send dit indlæg til atl@ing.dk. 

Den fjerde bølge af den digitale transformation med udvikling og implementering af kunstig intelligens (AI), er for alvor rullet ind over os. Med AI er regnekraften blevet så høj, lagerkapaciteten i skyen enorm og billig, og vores tilgang til data efterhånden så moden, at vi kan begynde at bruge AI-software mere kreativt. 

Teknologien bliver ikke længere kun anvendt til at automatisere dummeprocesser som eksempelvis dataregistrering og -søgning eller foretage tunge og farlige løft. Vi ser, at AI i stigende grad anvendes til at udvide og udfordre medarbejderens kognitive kapacitet og dermed forudsætninger for at løse sine arbejdsopgaver. Der sker altså et skifte fra, at teknologi overtager jobfunktioner, til at teknologi indgår i en form for samarbejde med medarbejderen om at løse opgaven. 

Implementering af AI 

Skal implementering af AI lykkedes og være bæredygtig både menneskeligt, teknologisk og økonomisk, da behøver ledelsen tage hånd om konsekvenserne af dette skift i teknologiens potentiale. Vi vurderer, at AI kalder på en gennemgribende renovering af organisationen på flere niveauer lige fra ledelseslagene på de øverste etager og helt ned i maskinrummet.

Læs også: Synspunkt: Lad det nye arbejdsliv være drevet af visioner - ikke besparelser

Men at håndtere og bruge kunstig intelligens kræver også, at vi så at sige går mere intelligent til implementeringsopgaven. 

Nogle af grebene er stadig klassisk implementeringsledelse. Det er for eksempel altid en god idé at sikre ejerskab blandt medarbejderne og kommunikere visionen for forandringen kontinuerligt. Andre problemstillinger ved implementering af AI er helt nye og ikke noget, vi kender fra implementeringen af andre digitale teknologier. 

AIs påvirkning på tre niveauer

Ledelsen kan med fordel have øje for tre niveauer, som AI påvirker en organisation på

  1. Organisatorisk i eksempelvis ledelsen, der skal orientere sig mod nye forudsætninger for værdi- og målsætninger samt styring af praksisser og processer. 
  2. Interpersonelt i arbejdsteams eller mellem kunde og leverandør.
  3. Intrapersonelt i den enkelte medarbejder, der står i en arbejdsrelation til AI. 

I det følgende folder vi nogle af de mest relevante problemstillinger ud for hvert niveau, som vi ser dem. 

Organisatorisk: Opret en machine ressource

For det første vurderer vi, at en digital transformation vil kræve ændringer i ledelsesstrategier og styring af opgaver, da meget af databearbejdningen vil være ude af menneskehænder og overtaget af AI-algoritmer. 

Fordelen ved AI er også dens bagdel. AI bearbejder enorme mængder af data meget hurtigt - men den gør det i en masse skjulte software-lag. Vi kommer derfor til at mangle alle de små mellemregninger og refleksioner, som medarbejderen normalt foretager i sin  beslutningstagningsproces. Når mellemregningerne ikke er til at få øje på, kan det være svært at kontrollere og korrigere potentielle biases. 

Der bør derfor etableres en slags 'machine ressource'-position tilsvarende den gængse 'human ressource'-afdeling eller medarbejder, som mange virksomheder har i dag. Machine ressource-positionen skal evaluere AI, så den kan udføre sin arbejdsfunktion bedst muligt.

Machine ressource-positionen kunne manifestere sig i et MR-team eller en form for squad, hvor softwareprogrammører, forretningsudviklere og humanvidenskabsfolkarbejder tæt sammen.  

Ud over de etiske udfordringer vil en machine ressource-position skulle tage hånd om samarbejdsrelationen mellem medarbejderen og AI. 

Læs også: Ledelse i strid modvind: Hvad stiller man op med ny teknologi, man ikke kan komme ud at sælge? 

Interpersonelt: Beslutningsprocesser skal genforhandles

For det andet forudser vi, at der vil ske forandringer på den interpersonelle niveau i de enkelte arbejdsteams. Når mere eller mindre intelligent teknologi indgår som fast led i de vanlige arbejdspraksisser, vil de enkelte medarbejdere tage deres indbyrdes opfattelse af hinanden som kollegaer op til revision på et mere eller mindre bevidst plan. 

Deres forståelse og tolkning af hinandens kompetencer til eksempelvis at træffe beslutninger på baggrund af faglige kundskab og erfaringer, vil ændre sig. AI-softwarens enorme computerkraft og dermed evne til at bearbejde data og finde mønstre, vil bevirke at der kan ske en forskydning af medarbejdernes motivation, mod og mandat til at træffe beslutninger. 

På dette interpersonelle niveau drejer det sig om, hvordan teamet og arbejdspladsen som helhed forstår dét at arbejde sammen og træffe beslutninger med inddragelse af dataanalyser fra AI-assistenten. 

Beslutningsstøttekaldes det i sundhedsvæsenet, når AI-software inddrages i prædiktion af sygdom. Radiologen, patologen eller dermatologen skal med denne beskrivelse i hånden lave sin vurdering. Her bliver samarbejdet med kollegaer udfordret i og med, at en tredje kollegai form af AI-softwaren har givet sit bud på problemstillingen uden at medsende en forklaring på, hvordan den er kommet til netop dette overslag. 

Det bliver en sag i kollegagruppen at forholde sig til AIs input og forsøge at begrunde såvel eget som AIs bud. Praksisser for beslutningstagning og begreber såsom evidens, vil derfor skulle genforhandles.

Intrapersonelt: Medarbejderens opfattelse af beslutningsmandat vil ændre sig

For det tredje antager vi, at der vil ske en række forandringer på den intrapersonelle bane. AI kommer til at ændre på medarbejderens opfattelse af at have magt og mandat til at træffe beslutninger. 

Når AI enten overtager funktioner eller bidrager til at øge medarbejderes kompetencer, er det tænkeligt, at medarbejderen bliver nødt til at gentænke sin opfattelse af egne kompetencer i forhold til opgaveløsningen. 

Medarbejderen vil før eller siden blive stillet i en række dilemmaer. Hvordan håndteres for eksempel den situation, hvor AI-softwaren leverer ét bud på en sammenhæng i data, genkender et mønster, foreslår en diagnose eller afgiver en tolkning af en kundes præferencer, som medarbejderen ikke er enig i eller finder decideret uetisk? 

Hvis ikke sådanne usikkerheder håndteres rettidigt, er det vores vurdering, at konsekvensen bliver aktiv modarbejdelse af AI fra medarbejderen side og/eller at usikkerheden forplanter sig til den enkelte medarbejder der kommer til at tvivle på egne færdigheder og realitetssans. Men ikke kun på egne evner. Tvivlen kan også være rettet mod kollegaernes kapacitet. AI kan dermed blive årsag til en utryghed internt i arbejdsteamet. Medarbejderen risikerer at miste følelsen af at være forbundet og forpligtet til at løse sin arbejdsfunktion og opleve sig motiveret for at udvikle nye ting, metoder eller viden med sine kollegaer.  

Succesfuld implementering kræver tværdisciplinær indsats sådan skal lederen gå til den udfordring

  1. Etabler nye eller udbyg eksisterende jobfunktioner til at håndtere tekniske, etiske og relationelle problemstillinger i samarbejdet mellem medarbejderen og AI. En såkaldt machine ressourceposition.  
  2. Udvikl bæredygtige samarbejdspraksisser, der på opbyggelig vis inddrager AI-teknologiens analyser i beslutningsprocesser. Medarbejdere som individer og i arbejdsteams skal opleve at teknologien faktisk kan bidrage til at øge deres faglige kapacitet ved enten at supplere med analyser til bedre fortolkning af kompleks data og dermed beslutningstagning. Eller ved at AI-softwarens støtte frigiver tid til at fordybe sig i andre, mere komplekse og måske mere spændende opgavefunktioner.
  3. Styrk den enkelte medarbejders oplevelse af at have handlekraft som menneske og en tryg position som medarbejder i organisationen. Hun eller han skal opleve sig motiveret for og forpligtet til at udføre sine opgaver trods dele af vedkommendes funktioner enten varetages helt eller sker med støtte fra AI.

En tværfaglig indsats er nødvendig hvis disse tre udviklingspunkter skal gennemføres og sikre, at implementeringen af AI sker på en måder, der er bæredygtig også på det menneskelige plan. 

Dette team, kan bestå af software-programmører og interface-designere med kundskab om teknologi, relevante fagpersoner/medarbejdere der kender til behovet på “gulveteller bag skrivebordet, og psykologer eller andre human-videnskabsfolk, der på en faglig baggrund ved hvordan mennesker møder, oplever, reagerer og agerer på de eksistentielle forandringer, som AI medvirker til at skabe.

Læs også: Vidensbank: Psykologisk tryghed skaber effektive teams

Om Tech Management

Tech Management er Ingeniørens ledelsesmedie, som sætter fokus på ledelse, projektstyring og strategi i en digital og teknologisk forandringstid.

5 grunde til, at du skal læse Tech Management

1. Du får indblik i digital omstilling i et ledelsesperspektiv

2. Du får adgang til et medie, der tør skære igennem hypen om ny teknologi

3. Du får gode, lærerige cases fra virksomhedernes hverdag

4. Du får værktøjer, du kan bruge direkte i dit arbejde med ledelse og strategi

5. Du får ny inspiration til at styre dine projekter, så de lander hvor de skal

Fristet? Prøv Tech Management i en måned til 49 kr.

Latest news