AI hjälper ledare påverka informella strukturer

Även om många organisationer rör sig mot att bli mer agila är det fortfarande vanligt med formella hierarkier och top-down kommunikation från ledningen för att sprida kultur och värderingar inom verksamheten. En klassisk utmaning vid förändring – till exempel vid digitala transformationer där systemstöd byts ut och arbetsprocesser uppdateras – är att få en snabb acceptans för omställningen genom dessa kanaler. Det är inte alltid så att någon som representerar ”en ruta högt upp” på ett organisationsschema är mer inflytelserik än de som ligger under dem. Sanningen är att det i verkligheten ofta är i det organisatoriska nätverket som beteende- och kulturförändringar sker. Hur kan då framväxande AI hjälpa en ledare?

Al är mer lättillgängligt än någonsin tidigare. Färdigtränade AI-modeller tillhandahålls färdigpaketerade som molntjänster och företag som Google, Amazon eller Microsoft ger oss bland annat möjligheten att träna komplexa modeller på historiska data på ett enkelt sätt. Du behöver idag varken specialistkompetens eller mycket datakraft lokalt, då allt finns tillgängligt i molnet.

Förmågan att med AI kunna erhålla värdefulla insikter, analysera trender och identifiera potentiella affärsmöjligheter samt öka produktivitet och lönsamhet har länge varit välkänd. Social AI är en mindre känd underkategori med fokus på teknologier som kan användas för att interagera med människor på ett medmänskligt sätt. Den tar vara på den sociala dimensionen och läser av känslomässiga aspekter hos individer för att lära sig hur dessa egenskaper interagerar bäst ur ett mellanmänskligt perspektiv. Denna förmåga blir alltmer användbar för verksamheter som behöver värna om sitt varumärke och sina relationer, såväl internt som externt.

Identifiera influencers och driv förändring

Sättet som organisationer arbetar på fortsätter att skifta från den traditionellt hierarkiska strukturen till en mer agil modell som utgår ifrån nätverk av team. Social AI har förmågan att ge en ny inblick i hur dessa team och nätverk samarbetar och beter sig samt hur arbetet verkligen blir gjort. Den kan även hjälpa till med att driva innovation och kulturförändringar i en organisation.

Bild 1: Klassiska organisationsscheman är baserade på formella hierarkier och ger sällan hela bilden av interaktioner och beteenden i realtid. Organisatoriska nätverk däremot representerar faktiska interaktioner samt relationer och kan på så sätt användas för mer effektiv förändringsledning.

Social AI kan användas för att analysera vem som interagerar med vem och hur relationer ser ut samt identifiera informella influencers. Datadriven analys av svar på enkäter, fokusgruppsdiskussioner, intervjuer etc. kan belysa orsaker till att personalen tvekar inför föreslagna förändringar och förklara hur stort motståndet är. Det kan avgöra vem som är för respektive mot en förändring. När ledare förstår orsakerna och graden av tveksamhet är de bättre rustade att formulera potentiella åtgärder för att driva acceptans och förändringsledning, inte minst med hjälp av influencers.

Ute hos våra klienter är det vanligt att, vid större digitala transformationer, utse ambassadörer – en sorts influencer – inom organisationen för att sprida kunskap om de nya förändringarna och ge medarbetare en kontaktpunkt i sin närhet. Det är ett viktigt steg i förändringsarbetet. Med hjälp av AI är det möjligt att identifiera ambassadörer som kan bidra till att göra förändringsarbetet så effektivt som möjligt.

Informella influencers kan också hjälpa till att driva innovation genom att föra samman individer och grupper för att underlätta flödet av idéer och information inom verksamheten. Genom att analysera kopplingarna mellan anställda identifierade exempelvis General Motors influencers från olika team och funktioner som kunde driva innovativa idéer för produktdesign och kundservice. Därefter skapade de en miljö för att utveckla idéerna genom att inkludera ytterligare personer som var intresserade av att bygga lösningarna och driva en bredare användning i hela organisationen.

Ett verktyg för att förbättra team och hjälpa dem nå sin fulla potential

En alltmer rörlig, global arbetsmarknad med förväntningar på högre flexibilitet utmanar dagens arbetsplatser. Samtidigt har lojaliteten bland anställda sjunkit: en global studie från Deloitte visar att millennials i snitt inte stannar mer än 16 månader hos en arbetsgivare. De förväntar sig meningsfulla arbetsuppgifter, utvecklingsmöjligheter och snabba karriärsspår. Detta ställer högre krav på verksamheters förmåga att ta vara på och bibehålla kompetens bland medarbetare. I detta kan social AI spela en avgörande roll.

Social AI kan stötta den personliga utvecklingen genom att tillhandahålla personlig feedback och förslag på konkreta förbättringsåtgärder. Avatarer kan användas för att värdera ditt språkbruk och din förmåga att formulera dig, samt hjälpa dig att själv ifrågasätta din egen argumentation. De kan även agera som ett initialt bollplank för att organisera tankar och idéer. Vidare ser vi exempel på marknadsinitiativ utvecklade för att hjälpa en organisations lärande och utveckling genom att med social AI exempelvis koppla samman anställda med rätt coacher, för att bättre anpassa, snabba på och optimera det personliga lärandet.

Genom att använda social AI i det dagliga arbetet kan verksamheter dessutom förbättra samarbetet mellan anställda och etablera en gemenskap. Detta uppnås bland annat genom underlättad informationsdelning, förbättrade virtuella möten och stärkta nätverk baserat på gemensamma intressen och ambitioner.

Med ökad kunskap om tekniken minskar också oron för vad tekniken kan göra. Som en opartisk, rationell och logiskt driven funktion med potentialen att anpassa arbetsmiljön och förutsättningarna för enskilda individer har social AI förmågan att höja tilliten hos anställda. Genom att integrera AI i befintliga arbetsflöden och allokeringsprocesser kan förtroendet hos medarbetarna förstärkas.

Inte bara arbetstagarens perspektiv har betydelse utan arbetsgivaren har rätt att få sina behov tillgodosedda. Även här har social AI en potential. När en arbetsgivare gör en rekrytering innebär det en investering i en ny medarbetare och arbetsgivaren har en förväntan på att få en avkastning på sin investering. Desto mer kunskap arbetsgivaren har om sin personal, desto bättre förmår arbetsgivaren allokera uppgifter, sätta samman team och hantera befordringar.

Redan under anställningsprocessen kan social AI användas för att minska fördomar och stärka diversifieringen genom att exempelvis filtrera bort identifierbar information som inte är relevant gällande en individs förmågor. Den potentiella styrkan hos AI ligger i den objektiva analysen av data. De subjektiva fördomarna får därmed mindre utrymme.

Med social AI finns vidare verktyg till att kunna sammanställa och mäta anställdas informella kompetens för att bättre nyttja deras potential. Social AI har visat sig kunna sätta samman produktiva team baserat på individers förmågor och egenskaper. Baserat på anställdas sociala förmågor och dess förutspådda bidrag tillämpas social AI för att forma funktionella, högpresterande team.

Vilka risker finns för en ledare och hur kan de bemötas?

När man tillämpar social AI möter man likande utmaningar som med andra applikationer av AI –till exempel att uppnå tillförlitlighet och risker kopplat till integritet och kanske fördomar. Kunskapen om en individ som social AI kan samla in och som behövs för att algoritmerna ska kunna fatta korrekt beslut är väldigt känslig. De lagkrav som GDPR ställer gällande uttryckligt samtycke, rättvis och transparent bearbetning av personuppgifter, samt ansvarsfullhet kan vara utmanande att leva upp till vid utvecklandet av dessa AI-modeller.

Tillämpningen av AI måste bygga på ett ordentligt ansvarstagande där transparens, dokumentation och tydliga processer ligger till grund för datahanteringen. En AI-modell är inte bättre än den data den tränats på. Används fördomsfulla data kommer modellen fortsätta att sprida och basera sina resultat på dessa åsikter. Den data som modellerna tränas på behöver bearbetas för att säkerställa rättvishet och hög kvalitet. En stor mängd data med ett bredare spektrum av information kan underlätta strävan efter en mer representativ och fördomsfri inlärning. Nya metoder börjar ta form för att minska förekomsten av fördomar i träningsdata. Det finns exempelvis verktyg som bygger på att en AI-modell ska kunna generera samma resultat även om särskilda faktorer ändras, så som en individs kön eller demografiska tillhörighet.

Vidare är det viktigt att klargöra vem som är ansvarig för de rekommendationer som AI-modeller tillhandahåller och hur dessa insikter används vid beslutstagandet. Typiskt ska utvecklarna av modellen ansvara för att modellerna fungerar så bra som möjligt, samtidigt som det är användaren som agerar på rekommendationerna som ska hållas ansvarig för det beslutet. För att göra det lättare för användare att utvärdera utfallet är det viktigt att det för användarna går att förstå hur modellerna kommer fram till sina respektive rekommendationer – till exempel, vilken data som använts för att träna modellerna, hur modellerna viktar olika typer av egenskaper för att dra sina slutsatser och hur träffsäker modellen är.

I en intervju som utfördes i forskningssyfte nämnde en specialist inom produktledning att ”Den yttersta utmaningen är personlig integritet … användare ’flippar ur’ när de får reda på att deras data samlas in … de känner, ’Jag blir övervakad, och data kring mina beteenden kommer användas på ett sätt där jag inte har kontroll’”. Ur ett ledningsperspektiv är det lätt att man springer i förväg så till vida att man själv hunnit bearbeta konsekvenserna av den nya tekniken innan den implementeras. För medarbetare med otillräcklig eller forcerad utbildning kan situationen vara den omvända. Resultatet kan leda till att ett motstånd uppstår med en rädsla för förändring i stället för tvärt om. För att bemöta detta är det viktigt att användare har möjlighet att ge sitt medgivande för applikation av social AI och att undvika att använda social AI i ett strikt utvärderande syfte av de anställda. Det handlar om att förekomma och vara transparent och tydlig med vilka konsekvenser det kommer innebära för sina anställda.

För att återknyta till det tidigare exemplet på hur social AI kan användas för att identifiera influencers och driva förändring finns det en risk att anställda upplever att resultatet av analysen används för att peka ut motståndare mot en förändring på individnivå. För att undvika detta kan exempelvis AI-modellerna identifiera noder i nätverket på en aggregerad teamnivå i stället för individnivå – vilket ändå är en värdefull analys för att förstå hur kommunikation och arbete faktiskt sker i organisationen, men som inte inskränker på integritet på samma sätt.

Hur börjar man?

Det gäller att välja ut några användarfall och identifiera hur dessa skapar värde och hur det värdet kan mätas, för att därefter välja ut vilka av dessa användarfall som har störst potential med avseende på insats och risk. Dessutom är det viktigt att få personalen bekväm med att jobba med social AI – det är ett stort skifte att få anställda att våga lita på maskiner i sociala sammanhang. En konkret sak att ha i åtanke är att de flesta föredrar att ta ”rekommendationer” från AI och inte direkta instruktioner – därför är det viktigt att introducera social AI som att det har en coachande funktion. Personalen måste få möjlighet att välja om de vill delta eller inte, samtidigt som man lyfter den nytta social AI kan skapa dels för dem själva, dels för organisationen i stort.

Artikeln är skriven av David Lindahl, Manager, and Johan Sjöberg, Senior Consultant, at Deloitte.