Vår roll som människor i ett AI-stöttat arbetsliv

Just nu pågår ett intensivt arbete – i myndigheter, organisationer och företag, stora som små – för att förstå hur vi kan dra nytta av AI. Mycket av det sker djupt inne i IT-avdelningar och juridiska stödfunktioner, där man försöker bringa ordning i ostrukturerad data och tolka regelverk för att undvika obehagliga överraskningar.

Samtidigt sitter kloka, nyfikna – och ibland tveksamma – medarbetare och väntar på det perfekta AI-verktyget för just deras roll och uppdrag.

Men - AI är en lins. En förstärkare.

Och det är här vi kommer in.

Skit in – skit ut

Det är lätt att stirra sig blind på själva tekniken, men AI fungerar enligt samma princip som all annan automatisering: skit in, skit ut. Ett snävt, tekniskt perspektiv ger en lika snäv förstärkning. Och AI kommer inte berätta för oss vad vi ska använda den till.

Det är upp till oss att förstå vår situation – och formulera vad vi faktiskt behöver hjälp med.

Behovsformuleringen är mänsklig

När en ingenjör märker att hela flödet måste byggas om varje gång kundkraven ändras – då har han eller hon identifierat en flaskhals. När en analytiker sitter varje vecka med manuella rapporter från olika system – då är ett behov synliggjort. Det är inte tekniska observationer, utan mänskliga.

Och det är där, i dessa behov, som AI kan skapa verkligt värde, men bara om vi kan formulera dem.

Självledarskap – för att kunna agera, inte bara reagera

Att förstå sina egna behov och utmaningar kräver självledarskap. Vi måste kunna agera medvetet, snarare än att bara reagera på teknikutvecklingen.

Självledarskapet blir förmågan att designa sitt eget bidrag och att kunna se sitt sammanhang, sätta ord på sina behov och göra medvetna val. Det är där AI börjar bli meningsfull – när vi vet vad vi vill rikta den mot.

Två sorters lärande – och varför vi behöver båda

Robert Kegan, tidigare cprofessor i psykologi vid Harvard, pratar om två sorters lärande: tekniskt och adaptivt.

• Det tekniska lärandet är det vi är vana vid. Det handlar om att addera kunskap och färdigheter: nya modeller, verktyg, AI-promptar, sätt att ge feedback till AI:n för att få bättre svar.

• Det adaptiva lärandet handlar om att förstå sig själv. Att utveckla självinsikt, kontextmedvetenhet och reflektion. Det handlar inte om att lägga till mer – utan om att bredda hela sin förståelseram.

Det tekniska lärandet sätter ljuset på vår expertis, våra förmågor och verktyg och ger en del av behovsformuleringen. Det adaptiva lärandet hjälper oss att ställa rätt frågor - om vad som är möjligt att formulera behov kring. I utvecklingen av självledarskapet finns en inbjudan återuppväcka och aktivera vår nyfikenhet - på oss själva, vår situation och våra behov.

Dialog och kollektiv intelligens – AI behöver vår samverkan

Vi kan formulera våra behov individuellt, men våra organisationer består av individer som jobbar för att uppnå gemensamma mål, genom expertis i samverkan. AI behöver vår samverkan för att skapa verkligt värde. Det kräver dialog – både i teamet och över funktionella gränser. Att utveckla vår dialogförmåga, så att vi kan prata om allt vi behöver prata om för att på riktigt förstå varandra och innovera i verksamheten är en kritisk viktig mänsklig förmåga i mötet med AI.

När AI tar hand om rapportering och sammanställning får våra möten en nygammal roll: att bli ännu bättre forum för reflektion, ifrågasättande och hypotesbyggande. Vår kollektiva intelligens bor inte i systemen utan den växer i samtalen.

Etiken är vårt ansvar – inte AI:s

AI saknar moral. Den vet inte vad som är rimligt, hållbart eller etiskt försvarbart. Den optimerar – men den värderar inte. Det måste vi göra.

Därför behöver vi skapa utrymme i organisationen för att prata om värderingar, principer och ramar. Hur vi väger risker mot vinster. Vad vi tycker är okej – och varför.

Vad organisationer kan göra för att stötta

För att AI-utvecklingen ska få en bra plattform har vi sett tre saker som gör verklig skillnad:

1. Tydliga ramar – så vi vågar testa vilt inom trygga gränser; etiska, principiella, datamässiga.

2. Faciliteringsförmåga – inte bara av projekt och processer, utan av dialogförmåga och mänskligt samarbete.

3. Tid och forum – för att mötas tvärfunktionellt, bortom data- och funktionssilos.

Att lyckas med sin AI-utveckling är lika mycket ett kulturarbete som ett teknikarbete.

Vi måste vara ännu mer mänskliga människor i maskineriet

AI kan inte ersätta vår förmåga att förstå kontext, etik och mening. Den kan inte sätta mål, definiera syfte eller skapa riktning. Den kan bara förstärka det vi redan har formulerat.

Det innebär att vi behöver:

• Självledarskap – för att kunna formulera verkliga behov.

• Dialog – för att skapa gemensam förståelse, behovsformulering över funktionsgränser och prioritering.

• Etik – för att ge AI en kompass den själv saknar.

Igen: Att lyckas med sin AI-utveckling är lika mycket ett kulturarbete som ett teknikarbete.