Disciplin

Att leda AI-omställning

Vi arbetar med ledarna och cheferna som ska omsätta en AI-ambition i förändringar av hur deras team arbetar.

AI förändrar vad människor gör och hur team arbetar tillsammans. Det förändrar också chefens roll. Det är i regel cheferna som ska leda den förändringen, ofta utan en metod för att göra det. Att leda den väl kräver en bild av var värdet finns, en förståelse för vad tekniken kan och inte kan, och kunskap om hur människor och organisationer förändras.

De två frågorna

Ett AI-program måste besvara två frågor: var värdet finns, och vem som behöver lära sig något nytt. Programmen lägger vanligen sin budget och uppmärksamhet på den första, med användningsfall, plattformsbeslut och en styrgrupp. Den andra hanteras ofta som en kommunikationsuppgift.

En kommunikationsuppgift fungerar när kunskapen redan finns och bara behöver nå fram. I ett AI-program finns den kunskapen ofta inte ännu. Människor behöver komma fram till nya sätt att göra sitt jobb och avgöra vad som nu räknas som bra resultat. En kommunikationsplan kan inte göra det åt dem.

Det arbetet har sällan en tydlig ägare. Ledningen äger ambitionen och teknikfunktionen äger plattformen. Den del där människor behöver arbeta annorlunda hamnar oftast hos cheferna.

Varför det här är svårt

En AI-omställning kräver att flera olika slags kompetens arbetar med samma problem samtidigt.

• En strategisk bild: Någon behöver avgöra vilka delar av verksamheten som ska förändras först, vad den förändringen är värd, och vad som ska lämnas i fred tills vidare.
• Ett fungerande grepp om tekniken: Någon behöver veta vad de här verktygen klarar i dag, var de brister, och vilka brister som spelar roll för ditt arbete. Verktygen förändras snabbt, så den kunskapen behöver hållas aktuell.
• Risk och regelefterlevnad, in tidigt: Många av de användningsfall som är värda att göra rör data som någon är ansvarig för. Om den personen tas in först i slutet stannar en fungerande pilot ofta där.
• Människor, och hur organisationer förändras: Roller, incitament, karriärvägar och vad människor anser att bra arbete är förändras. Det här ligger hos HR och lärande, och det är oftast den största delen av arbetet.
• Mekanismer: Det här arbetet behöver avstämningspunkter, kriterier, namngivna ägare och något som granskar om något av det blev av.
• Experiment, också de som misslyckas: Svaret går oftast inte att specificera i förväg, så framsteg kommer av att pröva och läsa av resultatet. Det kräver en överenskommen definition av ett godtagbart misslyckande, satt innan det första misslyckandet inträffar.
• Empati, och att stanna kvar i samtalet: Människor ombeds förändra arbete de är bra på, ibland arbete som definierar deras yrkesmässiga och personliga identitet. En ledare som väjer för det samtalet får en artig version av det och agerar på fel underlag.
• Kultur, förmåga och uthållighet: Arbetet pågår över år. Organisationen behöver kunna fortsätta efter att de första två eller tre försöken inte gett särskilt mycket, vilket ofta är fallet.

Många organisationer har redan var och en av de här förmågorna någonstans. De sitter på olika avdelningar, med egna budgetar och rapportvägar, och har sällan behövt arbeta med ett och samma problem tillsammans. Den här typen av omställning kräver att alla berörda avdelningar och discipliner möts.

Vad som är annorlunda för en chef

Vissa chefer har lett en förändring förut. Det kan ha varit en omorganisation, ett systembyte eller en ny verksamhetsmodell. En AI-omställning kräver saker av dem som tidigare förändringar inte gjorde.

• Du är kanske inte den mest kunniga i rummet: Chefer har oftast själva gjort det arbete de nu leder. När det gäller AI-verktyg ligger några av dina medarbetare längre fram än du, och det kommer att fortsätta när verktygen förändras.
• Det du levererar går från svar till frågor: Vid en teknisk utmaning fördelar en chef uppgifter, skaffar resurser och röjer hinder. En adaptiv utmaning kräver att chefen formulerar en fråga som teamet kan arbeta med, skyddar dem medan de gör det, och säger tydligt vad som inte förändras.
• Du behöver sätta ord på vad människor förlorar: Införanden brukar annonsera vinsterna och säga lite om vad människor kommer att förlora, vilket kan vara arbete de var bra på och en del av varför de var uppskattade. När den förlusten inte uttalas tydligt brukar människor invända mot processen. De invändningarna är svåra att lösa eftersom de handlar om förlusten.
• Du behöver göra det tryggt att vara långsammare innan det går fortare: Att arbeta med ett ovant verktyg går långsammare i början. Om kvartalsmålen straffar det kommer människor att använda verktyget där det är ofarligt och fortsätta göra sitt viktiga arbete på det gamla sättet.
• Du behöver ändra vad som mäts: Människor följer det de mäts och uppmärksammas för. Om uppföljningar och erkännande fortfarande belönar det gamla arbetssättet ändrar uppmuntran inte särskilt mycket.

Två sorters utmaningar

Börja med att ta reda på vilken sorts problem du står inför. De flesta förändringar i ett AI-program blandar de två, och blandningen avgör vem som behöver göra arbetet.

• Tekniska utmaningar: Någon vet redan hur. Kunskapen finns, inom organisationen eller utanför den, och den går att anställa, köpa eller lära ut. Problemet går att formulera tydligt och framgången att mäta mot ett känt mål. Det känns som press: tungt, ibland utmattande, och orienterande, eftersom du vet hur bra ser ut och vem som är ansvarig.
• Adaptiva utmaningar: Ingen befintlig expertis rymmer svaret. Framsteg kräver att de inblandade ändrar vad de tror på, vad de värderar eller hur de arbetar, så det går inte att lämna över till en specialist. Det känns som obehag: desorienterande och personligt, konflikter kommer upp till ytan, människor undviker det, och för en del känns det som en förlust.

Tekniska utmaningar kan vara mycket svåra. En bypassoperation är en teknisk utmaning. Kirurgen behöver år av träning och tusentals upprepningar, och patientens liv står på spel. Den räknas som teknisk eftersom kirurgen redan vet hur den ska göras och patienten inte behöver ändra några vanor. Att få samma patient att äta, sova och hantera stress annorlunda när hen väl är hemma är den adaptiva delen, och den är avgörande för utfallet. Många AI-införanden som kör fast har använt ett tekniskt svar på en adaptiv utmaning.

Det här är vårt eget ramverk. Utgångspunkten är Adaptive Leadership, från Ronald Heifetz och hans kollegor vid Harvard Kennedy School, och vi har kopplat det till vårt ramverk för AI-värde och till det vi har lärt oss i arbetet med ledningsgrupper.

Adaptiva utmaningar längs de tre värdevägarna

Vi sorterar varje uppdrag på tre värdevägar, och varje väg har en egen blandning av tekniska och adaptiva utmaningar.

• Öka produktiviteten: Den här vägen är mest teknisk. Arbetsflödena är kända och verktygen beprövade, vilket är varför många organisationer börjar här. Den adaptiva delen är liten men viktig: någon ombeds ge upp ett hantverk de var stolta över, och införandeplaner tar sällan upp det. Ledarens drag: Använd verktygen i ditt eget arbete först, synligt, innan du ber andra att ändra sitt.
• Skapa nytt värde: Den här vägen är till ungefär hälften teknisk och till hälften adaptiv. Att bygga produkten är en teknisk utmaning. Att avgöra vad som förtjänar att finnas, vem det är till för, och vilka nuvarande åtaganden det påverkar är en adaptiv utmaning. Ledarens drag: Definiera hur ett bra experiment ser ut innan någon kör ett, skydda arbetet från kortsiktig press, och avbryt de satsningar som inte fungerar.
• Utmana modellerna: Den här vägen är mest adaptiv. Det finns ingen referenslösning för en affärsmodell som inte finns ännu, och de som skulle behöva släppa den nuvarande är samma personer som håller i beslutet. Ledarens drag: Prata öppet om omvälvningen, definiera vad som inte förändras och vad som ska släppas, och håll ut i spänningen utan att lösa den för tidigt.

Hela ramverket för AI-värde

Tre drag en ledare gör

En ledare använder alla tre, ofta inom ett och samma samtal och mer än en gång.

• Ställ diagnos på arbetet: Dela upp utmaningen i en teknisk och en adaptiv del. Fråga sedan, för den adaptiva delen, vem som behöver lära sig något och vad de behöver ge upp. Skriv utmaningen som en mening med ett verb i. Gör om det varje kvartal, eftersom gränsen flyttar sig när verktygen blir bättre.
• Reglera temperaturen: Håll tillräckligt med tryck för att människor ska röra sig, men inte så mycket att de låser sig. Höj temperaturen genom att sätta ord på vad som står på spel och hålla svåra frågor öppna. Sänk den genom att bryta ner arbetet i mindre delar, sätta en takt och ordna vad som kommer först. Många chefer är bara bekväma med det ena.
• Lämna tillbaka arbetet: Formulera utmaningen utan att lämna över svaret, och fråga vem som behöver lära sig vad. Om din mening fortfarande innehåller lösningen har du delegerat uppgiften och behållit problemet. Du står kvar för ribban, tidpunkten, takten och skyddet, och du backar experimentet när det inte går som planerat.

Hur adaptiva utmaningar blir tekniska

Adaptiva utmaningar blir tekniska med tiden. Människor prövar, experimenterar och gör till slut nya arbetssätt till rutin. När något väl är rutin går det att specificera och verifiera, en bästa praxis går att skriva ner, och AI kan ta över mer av det. Det frigör utrymme.

Ledare behöver sedan avgöra vart det utrymmet tar vägen. Att använda det till sådant som inte var möjligt förut skapar oftast mer värde än att automatisera mer av det människor redan gör.

Eftersom gränsen fortsätter att flytta sig behöver chefer ställa diagnosen regelbundet.

Vi kör ramverket som ett arbetspass. Deltagarna tar med sig utmaningar de hanterar, sorterar dem tillsammans, och var och en går därifrån med en mening att agera på.

• För en ledningsgrupp: Gruppen som satte ambitionen sorterar de tre eller fyra förändringar den driver. Resultatet är en överenskommelse om vilka delar som har ett känt svar och vilka som inte har det, vem som äger vad, och var temperaturen ska höjas eller sänkas.
• För ett chefsled: Vi kör det som en kort serie för cheferna som leder arbetet. Varje pass arbetar med aktuella utmaningar från deras egna team. Cheferna övar på det de behöver göra med just de utmaningarna och bygger upp gemensamma begrepp som de kan använda med varandra.
• Inuti ett program du redan kör: Om du redan kör ett chefs- eller talangprogram kan workshoppen bli en modul i det, med de mått, det språk och de fall du redan har.

Vad det här hänger ihop med

• Ledarens roll på varje väg: En tabell visar vad AI kan göra, vad teamet gör och vad ledaren gör på var och en av de tre värdevägarna. Ledarens roll i en AI-omställning
• Var värdet finns: Vårt ramverk för AI-värde poängsätter användningsfall på de tre vägarna och pekar ut en ägare och ett första resultat för vart och ett. Ramverket för AI-värde
• Utbildning och förankring: Utbildning, ambassadörer tvärs över funktioner och styrning hjälper människor att arbeta säkert med AI. Implementering och förankring
• Mekanismer som håller: Avstämningspunkter, kriterier och rutiner får en förändring att fortsätta efter lanseringen. Innovationsmekanismer
• Sessioner som sätter igång det: Keynotes och workshops hjälper en ledningsgrupp att se vad som är möjligt innan den förbinder sig till en förändring. Inspiration och aktivering

Vilka det här är för

Det här är för ledningsgrupper som har satt en AI-ambition och ännu inte ser den i arbetet, och för funktionschefer vars införande tappade fart efter lanseringen. Det gäller också chefer som ombeds leda en förändring de inte var förberedda på, och HR- och lärandeteam vars ledarprogram ännu inte täcker det.

Vanliga frågor

Vad är skillnaden mellan AI-utbildning och AI-förankring?

Utbildning flyttar kunskap som redan finns till människor som ännu inte har den, och den behövs ofta. Förankring är det som händer efteråt: människor avgör om de ska ändra hur de arbetar, vad de ska sluta göra för hand, och om de litar tillräckligt på resultatet för att sätta sitt namn på det. Ett program som bara finansierar utbildning kan sluta med utbildade medarbetare vars arbete inte har förändrats.

Varför är en AI-omställning svårare att leda än andra förändringsprogram?

Den kräver flera slags kompetens samtidigt: strategi, en aktuell förståelse för tekniken, omdöme kring risk och regelefterlevnad, kunskap om människor och organisationsförändring, och mekanismer som får förändringar att hålla. De har oftast olika ägare. Målbilden är dessutom oklar, och några av dem som leds kan verktygen bättre än sin chef.

Vårt AI-införande har kört fast. Var börjar vi?

Börja med att sortera just det som körde fast. Beskriv det i en enda mening, och fråga sedan om någon redan vet hur det löses, vilka som behöver lära sig något nytt, och vad de skulle förlora på det. Om det körde fast på den adaptiva delen startar ett bättre verktyg eller ett starkare mandat sannolikt inte om det, och nästa försök behöver börja med de människor som behöver förändras.

Vilka ska vara med i rummet?

De som äger problemet bör vara med i rummet, vilket oftast betyder ledningsgruppen för inramningen och cheferna för arbetet. Att skicka en ersättare är ett vanligt skäl till att det går fel. När den adaptiva delen lämnas över till en specialistgrupp blir den ett tekniskt projekt igen och kör gärna fast på nytt.

Hur lång tid tar det innan vi ser något?

En första sortering tar ett enda pass, och team börjar ofta prata om sitt arbete på ett annat sätt redan samma vecka. Det tar några månaders övning på riktiga beslut innan chefer använder dragen utan hjälp. Förändringar i hur organisationen hanterar nya utmaningar visar sig över flera kvartal.

Vi formar varje uppdrag efter värdet du siktar på och de människor som ska leda förändringen. Vi anpassar det också efter hur många av dina utmaningar som visar sig vara adaptiva.