Når AI flytter ind i arbejdsgangen

Vi er blevet gode til at bruge AI

På få år er AI blevet en naturlig del af arbejdsdagen for mange.

Vi bruger ChatGPT, Copilot, Claude og andre værktøjer til at skrive, analysere, opsummere, undersøge, strukturere og forberede.

En leder kan få analyseret et stort materiale på få minutter. En sælger kan forberede sig bedre til et kundemøde. En projektleder kan få struktureret noter og beslutninger. En PA kan få hjælp til forberedelse, referat og opfølgning.

Det har reel værdi.

Men der opstår også en risiko for, at vi begynder at forveksle udbredelsen af AI-værktøjer med organisatorisk transformation.

At mange medarbejdere bruger AI fortæller os, at teknologien er blevet adopteret.

Det fortæller ikke nødvendigvis, at virksomhedens arbejdsgange er blevet bedre.

Prompten er kun en del af arbejdet

Forestil dig en medarbejder, der skal analysere et materiale og efterfølgende sende en anbefaling til en kunde eller kollega.

AI kan måske løse analysen og formulere et stærkt udkast på få minutter.

Men prøv at se på alt det arbejde, der ligger omkring selve AI-opgaven.

Før AI kommer i spil, skal medarbejderen måske finde de relevante dokumenter, kende historikken, forstå kunden eller sagen, identificere den relevante information og vide, hvilke regler eller metoder der skal anvendes.

Når AI har produceret sit svar, skal medarbejderen måske kontrollere resultatet, korrigere nuancer, få en anden person til at godkende, gemme dokumentationen, opdatere CRM, sende information videre, oprette en opgave og sikre den efterfølgende opfølgning.

AI kan altså have automatiseret et vigtigt trin.

Men medarbejderen holder stadig hele arbejdsprocessen sammen.

Det er medarbejderen, der ved, hvor informationen ligger. Medarbejderen bærer konteksten. Medarbejderen kender processen. Og medarbejderen ved, hvad der skal ske bagefter.

Fra personlig AI til organisatorisk AI

Personlig AI er et naturligt og værdifuldt sted at begynde.

Men den er i høj grad afhængig af, at den enkelte medarbejder bærer processen.

Hvis den enkelte medarbejder ved præcis, hvilke dokumenter der skal findes, hvilke spørgsmål der skal stilles, hvad der skal kontrolleres, og hvem der bagefter skal involveres, ligger en stor del af organisationens reelle proceskompetence fortsat hos individet.

Det bliver særligt tydeligt, når en erfaren medarbejder skifter rolle eller forlader virksomheden.

Så opdager organisationen ofte, hvor meget af arbejdsprocessen der aldrig fandtes i et system eller en procesbeskrivelse.

Den fandtes i et menneskes hoved.

Hvad mener vi med organisatorisk AI?

Organisatorisk AI er ikke bare, at flere mennesker får adgang til den samme AI.

Det er heller ikke blot et fælles bibliotek af prompts. Og det kræver ikke nødvendigvis én stor AI-platform.

For os handler organisatorisk AI om, at AI bliver en styret del af en konkret arbejdsproces.

Organisationen skal derfor ikke kun vide, hvad AI skal spørges om. Den skal også have taget stilling til:

• Hvilket input der skal bruges
• Hvilken kontekst der er relevant
• Hvilke trin processen består af
• Hvor AI skal anvendes
• Hvilke regler der gælder
• Hvor menneskelig vurdering er nødvendig
• Hvor resultatet skal ende
• Hvad der skal ske bagefter
• Hvad der skal kunne genbruges som kontekst næste gang.

AI går fra at være noget, medarbejderen bruger, til at være noget, der indgår i den måde, virksomheden arbejder.

Det er dér, AI flytter ud af chatboksen og ind i arbejdsgangen.

Begynd med effekten – ikke teknologien

En stor del af AI-diskussionen starter stadig med teknologien.

Skal vi vælge Copilot? ChatGPT? Claude? Gemini? Skal vi bygge agenter? Skal vi have vores egen model?

Det er relevante spørgsmål.

Men de kommer ofte for tidligt.

Før vi afgør, hvilken teknologi der er rigtig, bør vi være langt mere præcise omkring, hvad organisationen ønsker at blive bedre til.

Er målet hurtigere gennemløbstid? Højere kvalitet? Mindre personafhængighed? Bedre kundeopfølgning? Færre manuelle overdragelser? Bedre dokumentation? Mere konsekvent eksekvering?

Teknologien bør vælges på baggrund af den effekt og den arbejdsgang, vi ønsker at skabe.

Fra effekt til ny kontekst

I DECURIA arbejder vi med en enkel logik, når vi ser på organisatoriske AI-arbejdsgange:

Det sidste punkt er let at overse

Hvis hver ny proces starter med, at en medarbejder igen skal finde dokumenterne, rekonstruere historikken og manuelt samle konteksten, er processen fortsat afhængig af, at nogen husker det hele.

Næste gang skal vi ikke nødvendigvis starte forfra.

Vi har tidligere skrevet mere konkret om de arbejdsprocesser, hvor AI typisk kan skabe værdi, og om hvordan man kan begynde med én afgrænset arbejdsgang uden at åbne et stort transformationsprojekt.

En AI-arbejdsgang er ikke én stor prompt

Der er en tendens til at forestille sig en avanceret AI-løsning som én meget avanceret prompt.

I praksis kan det være langt mere robust at tænke i flere små, specialiserede opgaver.

Én AI-opgave kan klassificere input. En anden kan identificere beslutninger. En tredje kan formulere et udkast. En fjerde kan sammenligne med tidligere materiale. En femte kan forberede information til menneskelig godkendelse.

Forskellige opgaver kan bruge forskellige modeller.

Andre dele af processen behøver måske slet ikke generativ AI. De løses måske bedre med almindelig automatisering, integration, regler eller eksisterende software.

Det centrale er derfor ikke, hvor meget AI vi kan få ind i processen.

AI er kun én af ingredienserne

Man kan se det som forskellen mellem opskriften og ingredienserne.

AI-modellen er én ingrediens.

Men det er virksomhedens data også. Historikken. Forretningsreglerne. Processerne. Eksisterende systemer. Rollerne. Den menneskelige erfaring. Og de systemer, hvor resultatet bagefter skal leve.

Opskriften beskriver, hvordan ingredienserne skal hænge sammen for at skabe den ønskede effekt.

Det er derfor, to virksomheder kan bruge præcis den samme AI-model og få vidt forskellige resultater.

Den ene har forstået arbejdsgangen.

Den anden har primært implementeret værktøjet.

Virksomheder har samtidig allerede mange af ingredienserne: Microsoft 365, CRM, ERP, SharePoint, fagsystemer, data, dokumenter, forretningsregler og mennesker med betydelig domæneviden.

Opgaven er derfor sjældent at bygge et helt nyt digitalt univers ved siden af virksomheden.

Den består ofte i at forstå processen, forbinde de relevante komponenter og tilføre det, der mangler.

AI skal ind i virksomheden – ikke ved siden af den

En AI-løsning kan være teknisk imponerende og stadig have meget lille organisatorisk værdi, hvis medarbejderen bagefter manuelt skal flytte resultatet videre.

Et godt AI-svar, der bliver stående i en chat, ændrer ikke nødvendigvis noget.

• Hvis informationen skal bruges i CRM, skal den kunne ende i CRM.
• Hvis resultatet udløser en opgave, skal opgaven kunne oprettes.
• Hvis noget kræver godkendelse, skal godkendelsen være en del af processen.
• Hvis godkendt information skal dokumenteres i SharePoint eller et fagsystem, skal den ende dér.
• Hvis processen skaber ny relevant viden, bør den kunne anvendes næste gang.

AI får organisatorisk værdi, når teknologien forbindes med virksomhedens eksisterende virkelighed.

Mennesket skal ikke nødvendigvis automatiseres væk

Når AI og automatisering diskuteres, ender samtalen ofte hurtigt ved spørgsmålet om, hvor meget vi kan fjerne mennesket fra processen.

Jeg mener, det ofte er et forkert succeskriterium.

I mange arbejdsgange er menneskelig dømmekraft ikke et problem, der skal automatiseres væk.

Den er en nødvendig del af en velfungerende proces.

Det relevante spørgsmål er derfor ikke først:

Kan vi fjerne mennesket?

Det er snarere:

Hvor skaber menneskelig dømmekraft værdi, og hvor kan teknologi fjerne unødvendigt arbejde omkring den?

AI kan gøre tavs procesviden synlig

Der ligger enormt meget viden i organisationer, som aldrig er blevet beskrevet som en formel proces.

Det er den type viden, der viser sig i sætninger som:

Den viden er ofte afgørende for, at arbejdet fungerer.

Men den gør også organisationen sårbar.

Når vi designer organisatoriske AI-arbejdsgange, bliver vi tvunget til at stille spørgsmål til den tavse procesviden.

Hvilken kontekst er nødvendig? Hvilke regler følger medarbejderne reelt? Hvilke undtagelser findes? Hvem vurderer hvad? Hvordan kommer information fra A til B? Hvad sker der bagefter?

Arbejdet med AI tvinger os samtidig til at forstå vores egen organisation bedre.

Her bliver AI interessant for strategieksekvering

Det er her, perspektivet bevæger sig fra effektivisering til strategi. For mange organisationer har ikke primært et problem med at formulere ambitioner.

De har et problem med at omsætte ambitionerne til konsekvent adfærd. En ledelse kan beslutte en ny salgsstrategi, en anden kundeorientering, en ny projektmodel eller et stærkere fokus på kvalitet.

Men en strategisk beslutning ændrer ikke automatisk hverdagen.

Mellem strategi og resultat ligger organisationens arbejdsgange.

Der ligger medarbejdernes adfærd. Lederens opfølgning. Systemerne. Data. Prioriteringer. Og alle de små beslutninger, der bliver taget hver dag.

Det er dér, strategien enten bliver reel – eller ikke gør.

Strategi bliver først reel, når den bliver til adfærd.

AI-strategi eksekveres ikke gennem prompts

En virksomhed kan have en AI-strategi, en teknologiplatform og et stort antal licenser uden nødvendigvis at have ændret sin måde at arbejde på.

Strategien får først effekt, når den lander i organisationens konkrete hverdag.

• I processerne.
• I beslutningerne.
• I systemerne.
• I ledernes opfølgning.
• I medarbejdernes faktiske adfærd.

Det gør AI til en ledelsesopgave

Når AI flytter ind i arbejdsgangen, ændrer diskussionen karakter.

Så handler den ikke længere kun om teknologi.

Vi begynder samtidig at påvirke roller, ansvar, beslutningspunkter, informationsstrømme, arbejdsdeling og opfølgning.

Det er ledelse.

Ledelsen behøver ikke forstå alle detaljer i en AI-model eller selv kunne bygge en agent.

Men den skal kunne stille nogle andre spørgsmål end: “Hvilket AI-værktøj skal vi vælge?”

Det er efter min vurdering nogle af de vigtigste AI-spørgsmål, en ledelse kan stille lige nu.

Start med én vigtig arbejdsgang

Det behøver ikke begynde som et stort transformationsprogram.

Tværtimod.

Et godt sted at starte er én konkret arbejdsgang med reel forretningsmæssig betydning.

Ikke nødvendigvis den proces, der er nemmest at demonstrere med AI.

Men en proces, hvor det faktisk betyder noget, hvis organisationen bliver bedre.

• Hvilken effekt ønsker vi?
• Hvad starter processen?
• Hvilken kontekst skal være tilgængelig?
• Hvilke trin gennemføres i dag?
• Hvor opstår ventetid og manuelt arbejde?
• Hvilke beslutninger bliver truffet?
• Hvor er menneskelig validering nødvendig?
• Hvilke systemer skal indgå?
• Hvad skal resultatet føre til?
• Hvad bør organisationen kunne huske næste gang?

Først derefter bør man beslutte, hvor AI skal indgå.

Måske ét sted. Måske flere. Måske med forskellige modeller. Måske kombineret med almindelig automatisering og integration.

Det er sekundært.

Det første succeskriterium er ikke, hvor avanceret teknologien er. Det er, om arbejdsgangen er blevet bedre.

Fra AI-adoption til organisatorisk kapabilitet

Vi har brugt de seneste år på AI-adoption.

Det var nødvendigt.

Medarbejdere skulle lære teknologien at kende. De skulle eksperimentere, opbygge erfaring og forstå både muligheder og begrænsninger.

Det arbejde fortsætter. Men næste fase kræver mere.

Nu skal vi løfte blikket fra den enkelte bruger og se på organisationen. På sammenhængen mellem information og handling.

Mellem strategi og adfærd.

Mellem teknologi og menneskelig dømmekraft.

Mellem eksisterende systemer og nye muligheder.

Mellem det, organisationen ved i dag, og det den skal kunne anvende i morgen.

Det er dér, AI går fra at være et personligt værktøj til at blive en organisatorisk kapabilitet.

Og måske bliver en af de vigtigste AI-kompetencer i de kommende år derfor ikke evnen til at skrive den perfekte prompt.

Måske bliver det evnen til at se arbejdet.

At forstå en arbejdsgang fra ende til anden. At se, hvor relevant kontekst findes. At identificere friktion og personafhængighed. At vide, hvor teknologi kan gøre en reel forskel.

Og samtidig forstå, hvor mennesker fortsat skal vurdere, beslutte og tage ansvar.