AI’s skjulte gæld inden for forandringsledelse
Tilpasset fra The Digital Project Manager-podcasten, som ledes af Galen Low. Lyt her.
Store virksomheder, der implementerer AI, behandler ofte først AI som et teknologiproblem og først derefter som et organisatorisk problem. Den rækkefølge er en fejl, ifølge Deborah Ketai, leder af organisatoriske forandringer og bestyrelsesmedlem hos Project Management Institute (PMI).
Ketai brugte flere år på at lede AI-relaterede forandringsinitiativer internt i United Health Group, en Fortune 5-sundhedsvirksomhed, og hun sagde, at de virksomheder, der springer arbejdet med at nedbryde siloer mellem teams over, betaler for det senere. “Hvis de springer trinnet med at nedbryde siloer over, kommer de også til at pådrage sig en masse af det, vi kalder gæld, teknisk gæld, vidensgæld og så videre,” sagde Ketai. “Det kommer til at gøre fremtidige projekter dyrere og vanskeligere.”
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Hvis de springer trinnet med at nedbryde siloer over, kommer de også til at pådrage sig en masse af det, vi kalder gæld – teknisk gæld, vidensgæld og så videre. Det kommer til at gøre fremtidige projekter dyrere og vanskeligere.
Den gæld viser sig i dobbeltarbejde, konkurrerende værktøjer og teams, der ikke ved, hvad gruppen længere nede ad gangen allerede er i gang med at bygge.
Tre mål for koordinering af AI i stor skala
For at håndtere det byggede Ketai sit program op omkring tre mål: talentmobilitet og fastholdelse på tværs af AI-arbejdsstyrken, samarbejde på tværs af teams og et bredere kulturelt skifte hen imod at betragte AI som en legitim forretningsløsning. “Vi [hos United Health Group] havde virkelig tre mål — talent, mobilitet og fastholdelse på tværs af AI-området,” sagde Ketai. Det andet mål rettede sig mod en almindelig fejltilstand i store organisationer, hvor lommer af AI-arbejde opstår uafhængigt af hinanden og gentager hinandens indsats. “Mit andet mål for programmet var at fremme samarbejde mellem disse AI-lommer, så de ikke opfinder den dybe tallerken igen,” sagde hun. Det tredje mål var kulturelt: “Det tredje er et kulturelt skifte, der opmuntrer forretningsforkæmpere til at overveje AI-løsninger på deres forretningsmæssige udfordringer.”
For at opnå det krævede det programmer — konferencer, hackathons, internt indhold og fællesskabskanaler — målrettet forskellige interessentsegmenter på tværs af virksomheden i stedet for et enkelt topstyret direktiv.
Måling af forandringer, når dataene er et rod
Selv med klare mål viste det sig at være en af de vanskeligste dele af jobbet at dokumentere programmets effekt. Ketais virksomhed var i høj grad vokset gennem fusioner og opkøb, hvilket betød, at de underliggende data, hun havde brug for til at følge karrieremobilitet og engagement, i bedste fald var inkonsistente. “Jeg vil anerkende, at målingerne var den vanskeligste del af programmet for mig,” sagde Ketai, “fordi dette var en Fortune 5-virksomhed, der i høj grad var vokset gennem fusioner og opkøb. Resterne af gamle HR-systemer eksisterede stadig, hvilket betød, at den samme type rolle ofte havde 15 forskellige titler, stillingsbetegnelser eller jobkoder på tværs af organisationen, og det gjorde livet meget vanskeligt.”
Uden rene systemer at trække på måtte Ketais team benytte indirekte målinger som engagement i indhold og deltagelse i arrangementer i stedet for de mere dybdegående arbejdsstyrkedata, de helst ville have haft.
Bør projektledere også være forandringsledere?
Efterhånden som AI-initiativerne bliver flere, bliver flere projektledere også bedt om at påtage sig ansvar for forandringsledelse. Ketai sagde, at de to kompetencesæt overlapper, men ikke er identiske, og at forskellen især har betydning for tidsplanen. “Ikke alle projekter kræver forandringsledelse,” sagde hun. “Kompetencerne er forskellige, men overlappende.” Ifølge Ketai handler den egentlige forskel om, hvem der bliver for at se en forandring blive gennemført. “Grunden til, at man bør have separate roller, er tidsplanerne, fordi projektledere traditionelt ikke får mulighed for at følge op og virkelig sikre, at en forandring bliver fastholdt.”
Ikke alle projekter kræver forandringsledelse. Kompetencerne er forskellige, men overlappende.
Det hul — mellem at afslutte et projekt og fastholde den forandring, det skulle skabe — er efter hendes opfattelse det stærkeste argument for at holde de to roller adskilt, selv om grænsen mellem dem fortsat udviskes i praksis.
AI er ikke bare et værktøj — det er en interessent
Ketai pegede også på en ændring i den måde, projekt- og forandringsledere er nødt til at tænke på selve AI på. I stedet for udelukkende at betragte det som infrastruktur argumenterede hun for, at det i stigende grad opfører sig som en interessent i sin egen ret. »I stigende grad med generativ AI er AI selv en interessent,« sagde Ketai. »Det har sine egne mål og sine egne holdninger, og det vil handle anderledes end og nogle gange i modstrid med den måde, du ønsker det på, baseret på disse interne realiteter.«
I stigende grad med generativ AI er AI en interessent. Det har sine egne mål og sine egne holdninger, og det vil handle anderledes end og nogle gange i modstrid med den måde, du ønsker det på.
Den måde at anskue det på har praktiske konsekvenser for styringen: Hvis AI-systemer kan opføre sig uforudsigeligt eller afvige fra forventningerne, skal der tages højde for dem i planlægning og risikosamtaler på samme måde, som der ville blive taget højde for en menneskelig interessent.
Hvor programlederrollen bevæger sig hen
Set fremad sagde Ketai, at programledere bliver nødt til at komme tættere på det sted, hvor forretningsstrategien faktisk bliver udformet, i stedet for blot at føre den ud i livet. »Programledere skal tættere på det sted, hvor strategien bliver udformet, og være i stand til at påvirke strategien,« sagde hun, »og være transparente, når de gør ledelsen opmærksom på, hvor der sandsynligvis vil være uoverensstemmelser.«
Programledere skal tættere på det sted, hvor strategien bliver udformet, og være i stand til at påvirke strategien.
Den ændring betyder også, at programledere skal udvide deres syn på risiko, så det også omfatter muligheder for gevinst ud over det traditionelle fokus på trusler, og at de over tid skal investere mere bevidst i at opbygge relationer på tværs af organisationen.
Det tillidsproblem, som ingen endnu har løst
På trods af fremdriften inden for indførelse af AI sagde Ketai, at den største tilbageværende barriere ikke er selve teknologien. Det er tillid, især omkring data. Hun fortalte om en nylig session på PMI Regional Leadership Conference, hvor man diskuterede, om det var passende for en PMI-afdeling at bruge AI til at udarbejde masseudsendelser af e-mails til medlemmer. »Det var ikke etisk, hvis det betød, at man videregav medlemmernes data,« sagde Ketai, »medmindre man brugte en form for helt internt værktøj.«
Den sondring — mellem AI-værktøjer, der holder data indesluttet, og dem, der ikke gør — vil sandsynligvis forme, hvordan organisationer arbejder med AI-styring, længe efter at den nuværende bølge af eksperimenter er stilnet af.
Vil du have flere indsigter som disse? Opret en gratis DPM-konto for at høre fra flere eksperter som disse.
