Kennisbank

Hvor modne er jeres mennesker og færdigheder, når det handler om AI

AI-pilotprojekter strander sjældent på teknikken. De strander på, hvad mennesker kan, tør og ved. En organisation kan have udmærkede data og en solid infrastruktur og alligevel gå i stå, fordi ingen ved præcist, hvad AI kan og ikke kan, hvornår mistro er berettiget og hvornår ikke, og hvem der har hvilken rolle, når en model leverer noget, som et menneske skal bedømme. Denne side handler om den dimension: mennesker og færdigheder, en af de syv dimensioner, som volumenhedsmålingen fra hybridresourcing kortlægger.

Hvad denne dimension omfatter

Mennesker og færdigheder handler om tre lag, der ofte behandles hver for sig, selvom de hænger sammen. Det første lag er viden: forstår medarbejderne, hvad et AI-system gør, hvor grænserne ligger, og hvilke fejl der typisk opstår ved den type anvendelse, de bruger. Det andet lag er færdighed: kan folk rent faktisk bedømme, justere eller sammenholde et AI-resultat med deres egen vurdering. Det tredje lag er holdning: er der plads til at afprøve AI, melde fejl og justere, eller dominerer kølig skepsis eller blind tillid. En organisation, der kun investerer i træning uden at tage holdningen med, bliver ofte hængende på samme niveau, også efter års kurser.

Fordi denne dimension i høj grad afhænger af individuelle mennesker, måler hybridresourcing den ikke med én score, men med en plot-runde: flere involverede scorer hver for sig, og spredningen mellem deres svar bliver synlig. En stor spredning er i sig selv en indsigt. Den viser, at organisationen på papiret ser ud til at have ét niveau, mens medarbejderne på gulvet oplever noget andet end ledelsen.

De fem niveauer

På baseline-niveau er der ikke noget fælles billede af, hvad AI er eller gør. Enkelte personer eksperimenterer, men der er intet fælles sprog og ingen struktur til at dele erfaringer. På foundation-niveau er der grundlæggende viden til stede, som regel hos en begrænset gruppe, og resten af organisationen følger på afstand. Activation-niveau betyder, at en betydelig del af de involverede medarbejdere ved, hvad AI betyder i deres eget arbejde, og kan omgås det i praksis. Insight-niveau tilføjer, at folk kan bedømme AI-resultater kritisk og vide, hvornår de bør tvivle. På intelligence-niveau er denne færdighed spredt ud over hele organisationen, forankret i, hvordan folk arbejder, og ikke afhængig af nogle få early adopters.

Hvor en organisation befinder sig på denne skala, er aldrig et spørgsmål om mavefornemmelse. Det afhænger af, hvor mange mennesker der reelt arbejder med AI, hvor forskellige deres erfaringer er, og om disse erfaringer samles et sted. Det er netop derfor, plot-runden giver mere end en spørgeundersøgelse med én respondent pr. team.

Hvad viser jer, hvor I står

En række signaler tyder på et lavt niveau. Hvis spørgsmål om AI altid ender hos de samme få personer, er viden ikke spredt. Hvis ingen tør afvise et AI-resultat, fordi man ikke kender logikken bag det, mangler man færdigheden til at bedømme. Hvis AI-projekter startes, uden at de mennesker, der skal arbejde med dem, er involveret, mangler den opbakning, der er nødvendig for at bringe noget videre end pilotfasen.

Et højere niveau kendetegnes ved det modsatte: diskussioner om AI-resultater, der er indholdsmæssige snarere end principielle, medarbejdere, der selv foreslår, hvor AI kan og ikke kan hjælpe, og en organisation, hvor tvivl om et AI-resultat ses som en normal del af arbejdet, ikke som et tegn på, at projektet er mislykket.

Hvad et niveau højere kræver

Vejen til et højere niveau begynder sjældent med mere teknik. Den begynder med at synliggøre, hvad folk allerede ved, og hvor hullerne er, og med at organisere øjeblikke, hvor erfaring deles i stedet for at blive isoleret i enkeltstående eksperimenter. Hvad det konkret kræver i tid og opmærksomhed, varierer meget fra organisation til organisation og fra udgangsniveau til udgangsniveau; den, der ønsker en indikation af det, kan finde det på siden, der beregner hvad det koster at hæve organisationen et niveau.

Mennesker og færdigheder står for øvrigt ikke isoleret fra de øvrige dimensioner. Den, der vil bedømme AI, skal også forstå, hvordan denne bedømmelse registreres og bruges, og det hænger sammen med performanceledelse, når det handler om AI. Den, der vil turde melde fejl, skal vide, at privacy og sikkerhed er i orden, hvilket hænger sammen med, hvad det koster at hæve privacy og sikkerhed et niveau. Og den, der vil opbygge tillid til AI-resultater, stødes før eller siden på spørgsmål, der hører til, hvad det koster at hæve etik et niveau.

Grænsen for denne måling

Denne side beskriver, om menneskerne i jeres organisation kan bære AI: forstå, bedømme og justere. Den beskriver ikke, hvilken del af arbejdet der selv kan overtages af AI. Det er et andet spørgsmål med et andet redskab. Arbejdsscanneren fra FTE TO AI beregner pr. opgave, hvilken del af arbejdet der kan komme i betragtning til AI, givet opgavens karakter og den kontekst, den udføres i. Det resultat er først meningsfuldt, når den bærende side, herunder de mennesker der skal arbejde med resultaterne, allerede har nået et vist niveau. Den, der vil vide, hvor organisationen står i øjeblikket, kan tilmelde sig ventelisten til volumenhedsmålingen, som stadig er under opbygning.