AI-teknologien opleves forlæns, men skal forstås baglæns

Generativ AI har med fremkomsten af ChatGPT4 installeret sig selv i mange virksomheder – igennem medarbejdernes omfavnelse. Det betyder, at implementeringsarbejdet skal angribes anderledes, og at virksomheder ikke kan have en lineær tilgang til forandringsprocessen, hvor identifikationen af et forandringsbehov er første step. De bliver nødt til at begynde et helt andet sted. I artiklen her præsenterer vi dig derfor for Basicos Change Model, som du kan bruge som styringsmodel til at få bagud-integreret AI og sikre, at brugen skaber reel værdi for virksomheden.

Når AI i 2023/2024 sammenlignes med internettets fremkomst, sker det ofte med følgende sidebemærkning: ”Men med internettet tog det længere tid, fordi alle ikke havde et redskab (computer) til at tilgå det. Det har de nu, til AI, hvorfor det går meget hurtigere.” 

En sidebemærkning, hvis sandhed underbygges af, at det er få, som ikke har hørt om Generativ AI eller ChatGPT. Og det er sjældent, at vi møder nogen med en computer og en moderne arbejdsplads, der ikke har kendskab til værktøjet eller har set det hos en kollega. Vi har på en måde påbegyndt arbejdet med teknologien, uden at vi proaktivt har implementeret den i vores arbejdsgange. Med andre ord er Generativ AI er ikke bundet op på en plan eller en tidsramme.

Det er en naturlig udvikling og forventeligt også den måde, vi vil modtage teknologi på i fremtiden. Det mener professor Paul Leonardi, som formulerer det således i Harvard Business Review(1):

Men betyder det så, at virksomheder ikke længere kan tage styringen? Eller aktivt håndtere både de risici og muligheder, som følger af teknologiske fremskridt? Ikke nødvendigvis. 

Men det betyder, at vi må bevæge os væk fra den traditionelle, lineære tilgang til forandring. 

Hvad det konkret indebærer, udfolder vi i resten af artiklen med udgangspunkt i Basicos Change Model (figur 1). En projektmodel, vi har designet til at gennemføre og forankre forandringer. 

Og selvom modellen blev skabt, før samtalen om Generativ AI blev allemandseje med ChatGPT, så er den et stærkt styringsværktøj til netop de forandringer, hvis udvikling ikke har et slutpunkt i en implementeringsfase.

Selvom vi læser fra venstre mod højre og kan blive fristet til at opfatte Basicos Change Model (figur 1) lineært, er den det langt fra. Tværtimod er den sammensat af iterative faser, der griber ind i hinanden. Den fjerde fase markerer ikke en slutning, men er derimod en invitation til at fortsætte turen tilbage i faserne. 

Det betyder, at vi kan bruge projektmodellen som en linse, hvorigennem vi kan anskue AI som en forandring, der allerede har fundet sted.

I dette tilfælde skal vi derfor begynde i den tredje fase, da AI allerede er installeret. Fra den fase kan vi nemlig hurtigt danne os et overblik over, hvad vi har overset fra første og anden fase ved at se bagud.

Mange virksomheder vil måske kunne genkende, at de ikke har fået: 

• Klarhed over, hvad de vil med teknologien 
• Skabt enighed om, hvad de ikke ønsker at anvende AI til 
• En bred ensartet mobilisering af ressourcer 
• Defineret principper for design af løsninger med teknologien 
• Nedskrevet politikker, rammeforståelser og guidelines for brug af teknologien. 

Det, virksomhederne til gengæld allerede har, er noget, vi ikke er vant til: en engageret, begejstret gruppe medarbejdere, der er løbet i forvejen. De har et udsyn over landskabet, som virksomhedsledelsen måske ikke ville have haft uden deres erfaringer. 

For medarbejderne har trænet sig selv, arbejdet med små implementeringer og use cases, og tit har de også gjort sig værdifulde erfaringer med, hvad udfordringerne er for virksomheden. 

Alt det, vi normalt definerer som succes i fjerde fase og på den anden side af et forandringsprojekt. 

Når det handler om implementeringen af AI, er det derfor op til ledelsen at sikre, at medarbejdernes gejst og erfaringer kommer til at skabe reel værdi for virksomheden. Og det er på nuværende tidspunkt ledelsens fineste opgave at få cirkuleret tilbage gennem alle fire cirkler. 

Når I i din virksomhed derfor de facto nu står i den tredje fase – Installer og observer – må forandringsprojektet centreres omkring bagud-integration. Hvilket giver jer den fordel, at identifikationen af forandringsbehovet ikke tager synderligt meget tid, for AI-teknologien og dermed forandringen er her allerede. 

Men samtidig har det også sine ulemper, fordi teknologien har en status som allerede implementeret, hvilket kræver, at I arbejder hurtigt og under mistanke om, at ukendte risici kan udfolde sig hvert øjeblik. 

Et bagud-integrationsprojekt foregår derfor i høj grad med sideløbende opgaver, og herunder kan du se de fem overordnede: 

1. For det første skal I høste frontløbernes erfaringer. 
2. Dernæst skal I etablere et arbejdsrum, hvor disse erfaringer tryktestes i forhold til virksomhedens strategi og formål, så I får en vision for, hvordan teknologien skal arbejde i virksomheden. 
3. For det tredje skal I trykteste versionen mod markedet – både kunder og konkurrenter skal ses efter for, hvordan de arbejder med eller reagerer på teknologien. 
4. Sideløbende med tredje skridt skal I udvikle konkrete politikker, guidelines og rammeforståelser, der gør teknologien konkret for alle virksomhedens afdelinger. 
5. Slutteligt skal I have samlet visionen, skabt et bagud-defineret ”why” og en solid undervisningspakke, som I deler på tværs af virksomheden. 

På denne måde bevæger I jer fra tredje til første fase i forandringsmodellen – en anderledes tilgang end den sædvanlige bevægelse fra første til fjerde fase, idet I bruger beskrivelserne i forandringsmodellens fire faser som højderygge, som I kan spejde efter. Modellens agile struktur hjælper virksomhedens ledelse, når de skal have kontrol over ny teknologi – i dette tilfælde AI. 

Fordi modellen er kontinuerlig. Ligesom teknologisk forandring er i sin natur. 

Kontinuerlig tilpasning indebærer helt centralt, at I arbejder rundt i forandringsmodellens faser og ikke kun forsøger at arbejde lineært med forandring. Da den hastighed, teknologier som Generativ AI udvikler sig med, ganske simpelt umuliggør den rent lineære tilgang. 

I stedet må din virksomhed tilpasse sig en ny virkelighed, hvor forandring er konstant og ofte medarbejderdrevet. Og der er stor værdi i, at I kombinerer reaktiv tilpasning og proaktiv skabelse med bagud-integration og uddannelse, for at I ikke strander i mangel på innovation eller tilsandede politikker.