Slik måler du faktisk AIs forretningspåvirkning

Galen Low: Er det i det hele tatt mulig å kvantifisere hvilken påvirkning AI har på en organisasjon?

Michael Domanic: Hvis du forbedrer en del av salgsprosessen, ønsker du å måle hvor stor forbedring dette faktisk førte til. Hvilket resultat oppnådde det? Solgte vi mer? Nådde vi et inntektsmål som følge av at vi innførte dette i virksomheten?

Det samme gjelder i markedsføring. Vi forbedrer mange prosesser innen markedsføring. Greit, flott. Hvis vi for eksempel sparer tid på å lage markedsføringskampanjer, hvor mange flere kampanjer kan vi lage, og hvilken verdi har disse ekstra kampanjene? Jeg tror det er her man bør bli mer fokusert på å måle verdi.

Galen Low: Hvilke organisatoriske tankesett og hvilken atferd må endres underveis for å holde tritt med AI-transformasjonen?

Michael Domanic: Alle må bli komfortable med at vi kommer til å være i transformasjons- og læringsmodus i overskuelig fremtid. En av tingene vi vet, er at tempoet i spredningen av nye muligheter ikke kommer til å stoppe. Det vil fortsette å øke, og vi må være svært tilpasningsdyktige overfor alle disse endringene og fremskrittene.

Galen Low: Du har nettopp publisert en artikkel om dine spådommer for AI i 2026. Én ting du også antar, er at UX-forskere og designere vil bli noen av de viktigste personene i selskaper i 2026. Kan du forklare hva du mener med det?

Michael Domanic: Ja, altså …

Galen Low: Velkommen til podkasten The Digital Project Manager – programmet som hjelper leveranseledere med å jobbe smartere, levere bedre og lede teamene sine med selvtillit i AI-alderen. Jeg heter Galen, og hver uke utforsker vi strategier fra virkeligheten, nye trender, velprøvde rammeverk og en og annen krigshistorie fra prosjektfronten. Enten du styrer store transformasjonsprosjekter, håndterer AI-arbeidsflyter eller bare prøver å holde kaoset under kontroll, har du kommet til rett sted. La oss sette i gang.

I dag snakker vi om å avlive falske antakelser om AI i bedriftskulturen og gi den en systemisk tilbakestilling, slik at vi bedre kan forstå hvordan AI påvirker kjernevirksomheten din – ikke bare forfengelighetsmålinger. Vi skal se på riktige og gale måter å måle AIs påvirkning på, hvordan en organisasjons syn på AI må endres i takt med AI-modningen, og vi skal gjennomgå noen spådommer om hvordan AI vil påvirke forretningstrender gjennom 2026.

Med meg i dag har jeg Michael Domanic, AI-sjef i UserTesting.

Michael har som mål å drive virksomhetsomfattende transformasjon med AI for å frigjøre meningsfull forretningsverdi. Det gjør han ved å samarbeide tett med ledere på tvers av funksjoner for å integrere AI i kjernearbeidsflyter, fremme en innovasjonskultur og skalere AI-kompetansen i organisasjonen gjennom en pragmatisk og virkningsdrevet tilnærming.

Michael, takk for at du er med meg i dag.

Michael Domanic: Takk, Galen. Jeg setter stor pris på invitasjonen til å bli med deg i dag.

Galen Low: Jeg ser frem til denne samtalen, fordi vi hadde noen virkelig interessante forsamtaler i forkant. Og jeg vet at vi sannsynligvis kommer til å gå litt frem og tilbake mellom temaene, men for sikkerhets skyld – siden jeg er prosjektleder – har jeg laget et veikart for oss i dag.

For å starte ville jeg høre din umiddelbare vurdering av et stort og vanskelig spørsmål, men deretter ønsker jeg å zoome ut og snakke om tre ting først. Jeg vil snakke om hvordan du har implementert AI og målt AIs påvirkning i UserTesting, og hvorfor du har valgt å gå frem på den måten.

Deretter vil jeg utforske hvor langt kaninhullet går når en organisasjon modnes gjennom AI-reisen sin – hvilke tankesett, hvilken atferd og hvilke verdier som må endres eller kanskje forkastes fullstendig for at man skal lykkes. Til slutt vil jeg gå inn på noen av dine spådommer for hvordan AI vil påvirke arbeidslivet vårt og måten vi driver virksomhet på i 2026.

Hvordan høres det ut?

Michael Domanic: Det høres bra ut. La oss gå litt frem og tilbake.

Galen Low: La oss gjøre det. Greit, jeg tenkte å begynne med ett stort og vanskelig spørsmål, og jeg vil gi litt kontekst. Slik jeg ser det, ønsker de fleste virksomheter å kunne måle hvor vellykket implementeringen av AI er.

Den stadig unnvikende avkastningen på AI som går lenger enn det binære spørsmålet om man lykkes eller ikke, men meningene virker delte. Noen jeg snakker med, sier at AI ikke engang trenger å måles fordi det tydelig skaper forbedringer. Andre sier at organisasjoner må utvikle helt nye AI-relaterte målinger og måle dem grundig.

Så det store spørsmålet mitt er: Er det i det hele tatt mulig å kvantifisere hvilken påvirkning AI har på en organisasjon, eller er det på dette stadiet litt fåfengt for de fleste organisasjoner å tenke på transformasjonen på den måten?

Michael Domanic: Ja, det er et godt spørsmål, og det er et spørsmål som ofte blir heftig diskutert, særlig av personer som meg, som jobber med AI i organisasjoner.

Jeg tror det finnes en tankeretning som sier at man ikke bør bry seg med å måle avkastningen på AI – det er så tidlig. Dessuten bør dette føles som en selvfølge for de fleste organisasjoner, ikke sant? Man måler ikke avkastningen på elektrisitet. Man måler ikke avkastningen på e-post. Så hvorfor måle avkastningen på dette?

Mitt syn er litt annerledes. Jeg forstår argumentet, og jeg er enig i deler av det. Vi har en økonomidirektør og et styre. Vi bruker mye penger på AI-transformasjonen vår. Vi må kunne vise en form for avkastning på disse investeringene. Derfor ser vi ikke etter ett helhetlig tall som sier: Dette er avkastningen på tvers av hele organisasjonen som følge av at vi har innført AI.

I stedet ser vi hvert kvartal på de ti mest meningsfulle AI-implementeringene våre, og vi måler disse implementeringene. Vi måler avkastningen på investeringene i dem. Hvis noen i organisasjonen for eksempel lager en GPT som skal hjelpe med en kritisk del av salgsprosessen, måler vi den.

Vi måler resultatet, ikke nødvendigvis tiden som er spart. Jeg synes folk ofte blir for opptatt av tidsbesparelser når de måler avkastning. Tidsbesparelse er ikke et resultat, det er en fordel. Resultatet er hva du faktisk oppnådde ved å innføre denne AI-løsningen i denne delen av virksomheten.

Hvis du forbedrer en del av salgsprosessen, ønsker du altså å måle hvor stor forbedring dette førte til. Hvilket resultat oppnådde det? Solgte vi mer? Nådde vi et inntektsmål som følge av at vi innførte dette i virksomheten? Det samme gjelder i markedsføring. Vi forbedrer mange prosesser innen markedsføring.

Hvis vi for eksempel sparer tid på å lage markedsføringskampanjer, hvor mange flere kampanjer kan vi lage, og hvilken verdi har disse ekstra kampanjene? Jeg tror det er her man bør bli mer fokusert på å måle verdi.

Galen Low: Jeg liker den nøyaktigheten – det nivået der man ikke nødvendigvis går så detaljert til verks at man teller sparte timer, men heller ikke går langt ut av veien for å skape nye målinger og en ny måte å tenke på virksomheten på.

Til syvende og sist handler det om resultatet. Poenget ditt om at vi ikke måler effektiviteten til e-post i dag, er godt. Dette er nytt og transformativt, men om et tiår vil det på en eller annen måte være umerkelig.

Michael Domanic: Enig. Jeg tror det er to ulike typer ting man kan måle. Det finnes det jeg kaller den myke avkastningen, og så finnes det den harde avkastningen. Det jeg beskrev, er den harde avkastningen – det du faktisk kan måle. Vi booket for eksempel 64 prosent flere oppdagelsessamtaler dette kvartalet på grunn av denne AI-løsningen.

Vi vet hva verdien av en oppdagelsessamtale er. Det er en kritisk del av salgsprosessen i et programvareselskap. Men så har vi de myke målingene. Vi er en AI-aktivert arbeidsstyrke. Vi vet at folk ønsker å jobbe i AI-aktiverte arbeidsstyrker, og vi vet at dette tilfører verdi og hjelper oss med å rekruttere bedre talenter. Det er litt vanskeligere å måle, men vi vet at det er viktig.

Galen Low: Jeg liker det. Det har kommet opp i samtaler overalt i det siste. For å tiltrekke oss de riktige talentene må vi nesten tenke på det på denne måten: Folk ønsker å jobbe i organisasjoner som er progressive, som leder an, og som ligger helt i forkant av moderne virksomhet. Det lover godt.

Michael Domanic: Absolutt. Én anbefaling jeg gir til alle som er i en intervjuprosess med et selskap, er at et av de viktigste spørsmålene du bør stille, er: Fortell meg om AI-transformasjonen deres. Fortell meg hvor AI-aktivert dere er. Mitt råd til selskaper er at de bør ha et virkelig godt svar på det spørsmålet hvis de forventer å tiltrekke seg de beste talentene.

Galen Low: Jeg skulle gjerne gått dypere inn i det. Det er nesten en egen episode – intervjuprosessen, jobbsøkingen og organisasjonens merkevare. Det er et godt tips, fordi jeg vet at mange organisasjoner mener de har en solid tilnærming og strategi for AI, men kanskje ikke klarer å svare kort og presist på spørsmålet i et intervju.

Det er interessant. Jeg lurer på om vi kan zoome litt ut, for UserTesting er en plattform mange av prosjektteamene mine har brukt. Jeg har alltid sett på det som en intelligent plattform med fokus på å skape gode brukeropplevelser basert på innsikt fra virkeligheten, og det er jeg helt med på.

Det jeg synes er interessant med deg, er at du faktisk har lang erfaring i organisasjonen. Du startet i en rolle innen kundesuksess og jobbet deg deretter inn i AI-strategi før du ble det jeg tror er din formelle tittel nå: visepresident og leder for generativ AI og forretningsstrategi. Det er flott.

Gratulerer. Av alle disse grunnene har jeg veldig lyst til å høre dine tanker om AI, hvordan man måler AIs påvirkning på en organisasjon, og hvordan man endrer organisasjonskulturen. Men for å etablere et felles utgangspunkt: Kan du gi meg noen eksempler på hvordan teamet i UserTesting bruker AI i arbeidet sitt i dag?

Vi har snakket om markedstilnærming og booking av samtaler. Hvor går kaninhullet for deg?

Michael Domanic: AI spiller en stor rolle i nesten alt vi gjør nå, fordi vi har kommet forbi adopsjonskurven og implementerer det overalt der vi tror det vil tilføre verdi – altså i det meste av det vi gjør.

Det finnes mange konkrete bruksområder jeg kan nevne, men på et overordnet nivå er vi et programvareselskap. Det er noen ting vi må gjøre svært godt for å lykkes: Vi må øke inntektene, beholde kundene våre og øke produktutviklingstakten.

Det er her jeg prøver å være fokusert. Jeg vet at det er dette som vil ha størst påvirkning, og derfor fokuserer jeg på AI-implementeringer der.

I produktet vårt gjør de fleste produktteam sannsynligvis dette allerede, eller de vet at de burde gjøre det. Hvis du er utvikler, bør du bruke verktøy som Codex, Copilot og Cursor. De kan forsterke prosessen din, skape større effektivitet og gi bedre kvalitet i koden du skriver.

Designerne i produktteamet vårt bruker verktøy for rask prototyping. De driver med stemmekoding og lager prototyper mye raskere, slik at vi kan øke produktutviklingstakten. Vi ønsker å lage bedre produkter, og vi ønsker å lage dem raskere. Hele produktteamet er derfor involvert i denne prosessen.

På markedssiden har jeg nevnt noen eksempler på hva salgsteamet gjør. Vi lager tilpassede GPT-er for å forbedre deler av salgsprosessen. Salgsutviklerne våre har en serie GPT-er som hjelper dem med å rette seg mot mer relevante potensielle kunder, ha bedre samtaler med dem og vekke interessen deres for en samtale eller oppdagelsessamtale med oss.

Da kan vi identifisere hvilke utfordringer selskapet har, og om vi potensielt kan være en løsning. Markedsføringsteamet bruker AI til å lage bedre kampanjer, lage dem raskere, skrive og redigere tekst og lage bilder. Så ja, det brukes i hele virksomheten.

Galen Low: Jeg synes programvare som tjeneste er et så godt bruksområde for dette. Som du sier, er tempo viktig, og konkurransen er svært sterk i alle deler av programvaremarkedet.

I tillegg er etableringsbarrierene nå mye lavere av alle grunnene du nettopp forklarte. Du trenger ikke lenger et hundremanns stort utviklingsteam eller femti grensesnittsdesignere og produkteiere med to tiår med erfaring. Gapet blir mindre, men konkurrentene kan ta deg igjen mye raskere, og alt beveger seg ekstremt fort. I den verdenen er dette faktisk berettiget.

Jeg vet at mange av prosjektlederne i målgruppen min lytter og kjenner på presset: Lever raskere, bedre og billigere. De tenker kanskje at dette bare handler om at organisasjonen skal fylle lommene sine. Men det jeg liker med det du sier, er at organisasjonens helse og fremskritt, og hele organisasjonens suksess, løfter alle båter fordi tempo er viktig i bransjen deres.

Michael Domanic: Når det gjelder poenget ditt om at etableringsbarrierene faller, er vi svært klar over hvor raskt etableringsbarrierene innen programvare som tjeneste synker.

Vi vet at vi må bli bedre på alt vi gjør. For å gå litt dypere inn i dette: Det spiller ingen rolle om du er et programvareselskap eller omtrent hvilket som helst annet selskap. Det finnes tre måter å bruke AI på i en virksomhet eller profesjonell sammenheng.

For det første bruker vi AI som en praktikant. Det er et verdifullt bruksområde der du bruker AI til å oppsummere dokumenter eller gjøre litt research. Hvis du er selger, ønsker du å forstå kontoene du selger til. Hvis du hadde en ekstremt smart praktikant, ville du bedt denne personen om å undersøke potensielle kunder og kundene du arbeider med.

Den andre måten vi bruker AI på, er som en assistent. Det handler om det mer generative, altså at markedsføringsteamet bruker AI til å lage tekst, e-poster eller innlegg på LinkedIn. Det er alt det skapende du kan bruke AI til.

De to første bruksområdene er svært verdifulle, men ingenting kommer i nærheten av verdien i det tredje bruksområdet: å bruke AI som en tenkepartner.

AI er svært god til å gi strategisk innsikt i det du prøver å gjøre i virksomheten. Jeg snakker om dette hele tiden i organisasjonen vår. Jeg vil at alle skal bruke AI til de to første bruksområdene, men det jeg virkelig ønsker, er at de skal ha strategiske samtaler med AI-verktøyet for å forbedre strategien og tilnærmingen til store utfordringer i selskapet.

Galen Low: Det liker jeg virkelig. Det gjør meg nysgjerrig på rollen din. Vi har snakket om hvordan man måler AIs påvirkning, men rollen din handler bokstavelig talt om å lede organisasjonens transformasjon gjennom AI.

Hvor involvert er du? Sitter du og overvåker alle teamene? Handler det mer om mindre hyppig veiledning? Hvordan planter du disse frøene og får folk til å aktivere disse tankesettene rundt hvordan de skal bruke AI – og hvordan de skal tenke kritisk om AI?

Ikke bare som en tenkepartner eller noen som gjør arbeidet slik at du kan kopiere og lime inn resultatet, men hvordan man faktisk utfordrer det som kommer tilbake og tilfører og forbedrer resultatet med sin egen menneskelige vurdering.

Michael Domanic: Det er mye å pakke ut der, og det er så mye vi prøver å gjøre. Når det gjelder forventningene om å transformere en organisasjon rundt AI, vet vi at vi må gi alle verktøy, opplæring og støtte til å gjøre det.

Vi er et selskap med rundt 750–800 personer, så jeg kan ikke være overalt samtidig. Jeg kan ikke ha disse samtalene med alle teamene, engang ukentlig.

Jeg prøver derfor å fokusere på det som betyr mest i organisasjonen. Vi snakket om de tre områdene tidligere. Utenom dem finnes det mange verdifulle ting å gjøre, men et kritisk element – som jeg sterkt vil anbefale de fleste organisasjoner å gjøre – er å se på organisasjonen og finne personene som allerede eksperimenterer og engasjerer seg.

De vil bli deres kompetansesenter. Vi har et slikt kompetansesenter i UserTesting. Det består av rundt to dusin tverrfunksjonelle personer fra hele organisasjonen, blant annet fra HR, salg, markedsføring, produkt og utvikling.

Vi gir dem rollen som AI-eksperter i teamene sine. De melder seg til oppdraget og sier: Jeg skal være dypt involvert i dette. Jeg skal prøve å få oversikt over all den konstante endringen innen AI, og finne ut hvilke AI-implementeringer som betyr mest for rollen min.

Jeg skal snakke med personer som har samme rolle, og med personer i roller som ligger nært min egen, og så skal vi finne ut av dette sammen. Dette har vært en svært viktig del av adopsjonsreisen og transformasjonen vår: å gjøre kompetansesenteret til eksperter i teamene sine og i sine deler av virksomheten.

Galen Low: Jeg liker virkelig den tilnærmingen. Så mye av det jeg hører fra folk som føler at AI blir presset ned over hodet på dem med svært lite veiledning, handler om nettopp dette. Du kan ikke være overalt i organisasjonen. Jeg antar at du heller ikke har en stor gruppe underordnede AI-transformasjonsledere som du kan sende rundt i organisasjonen.

Men jeg liker modellen med et praksisfellesskap, fordi den tar hensyn til at ekspertene på det de gjør, bør få opplæring i AI, men også bør ta beslutningene om hvor den største verdien finnes og hvordan den skal rulles ut.

Michael Domanic: Jeg føler at jeg vet nok til å være farlig i de fleste deler av virksomheten, men jeg er ikke ekspert på nesten alle funksjonene i selskapet. De som gjør jobben hver dag, er ekspertene.

Så lenge vi har en samtale om AIs muligheter, er det de som faktisk kan tolke hva disse mulighetene betyr for rollene sine og for andre personer i tilsvarende eller nærliggende roller.

Galen Low: Bildet jeg har i hodet, er at folk får et mandat, rekker opp hånden og blir satt i stand til å bidra. Har du møtt på det motsatte? Hvilken motstand eller hvilke falske antakelser om AI har du støtt på i rollen din mens du har lagt til rette for transformasjonen av virksomheten, og hvordan har du håndtert det?

Michael Domanic: Det finnes prinsipielle motstandere i alle organisasjoner som kanskje ikke føler at de står bak dette. Jeg møter disse personene med en åpen og respektfull holdning. Det finnes ikke noe absolutt krav om at du må bruke AI i organisasjonen, men vi forventer at du forstår at du nå sannsynligvis stiller svakere hvis du sier at du ikke vil eksperimentere eller endre måten du arbeider på.

Jeg prøver å hjelpe folk med å forstå det, samtidig som jeg respekterer at det finnes legitime bekymringer. Det går så raskt. Det kan ha miljømessige konsekvenser som vi kanskje ikke ønsker å slutte oss til.

Jeg prøver derfor å respektere de prinsipielle motstanderne. Faktisk tror jeg at det er nettopp disse personene jeg ønsker å få mest med rundt bordet – kanskje enda mer enn de som er begeistret for AI og virkelig ønsker å engasjere seg. De tenker sannsynligvis mer grundig enn resten av oss over hva alt dette betyr, og jeg setter stor pris på det perspektivet.

Jeg prøver å formidle dette så tydelig som mulig til denne gruppen. Jeg respekterer at du ønsker å stå over denne gangen, men jeg vil likevel ha deg involvert fordi du har et viktig perspektiv og en viktig stemme i alt dette.

Galen Low: Det er et veldig godt poeng, og jeg liker at du trekker frem prinsipielle motstandere. Det er mennesker som tenker grundig over dette, vurderer det opp mot moral, verdier, velvære og levebrød.

Det er noe annet enn de som tydelig motsetter seg det uten å ha satt seg inn i det eller undersøkt saken nærmere. De er kanskje redde eller bekymret og har ikke tenkt særlig mye over det. Jeg liker at du bevisst inviterer disse prinsipielle motstanderne til bordet.

Fra et prosjektstyringsperspektiv representerer de risiko. De tenker på risiko. På mange måter trenger vi noen som kan trykke på bremsen – mennesker i loopen som utfordrer og stiller spørsmål, i stedet for å ta alt for god fisk.

Hvis vi tar alt for god fisk i det tempoet det kommer mot oss, vil det ikke nødvendigvis føre til det beste resultatet for alle organisasjoner.

Michael Domanic: For å være tydelig: Jeg tror de fleste organisasjoner har to grupper blant dem som ikke bruker eller tar i bruk AI.

Den ene gruppen er ganske enkelt ikke interessert nok til å tenke over hvordan de bør endre arbeidsmåten sin. Jeg ønsker ikke å bruke masse energi på dem. Men jeg vil bruke mye energi på dem som ikke bruker AI fordi de tenker grundig gjennom det. Det er faktisk svært informativt for oss.

Galen Low: Det er interessant. Og på en måte er det jo UserTesting. Jeg tenkte kanskje vi kunne gå dit. Jeg er nysgjerrig, siden jeg liker både plattformen og verktøyet: Bruker dere deres eget produkt til å teste nye AI-baserte arbeidsmåter?

Michael Domanic: Det gjør vi, ganske ofte. Litt morsomt nok startet reisen min i UserTesting for sju år siden.

For ti år siden bygget jeg AI-løsninger og testet dem internt i UserTesting. Det var på en måte AI-hypebølge 1.0. Så dabbet det av, og nå er vi i hypebølge 2.0, som er mye større enn 1.0.

Jobben min er å drive transformasjonen i organisasjonen, så jeg bruker hele tiden plattformen vår til å innhente tilbakemeldinger fra organisasjonen om det vi gjør.

Det kan være den halvårlige undersøkelsen av AI-kompetanse, der vi spør hvordan folk opplever AI, hvor de trenger mer støtte i sin egen transformasjon, og hvordan de bruker AI i ulike kategorier på tvers av organisasjonen.

Vi spør også om verktøy vi ikke har tilgang til i dag, men som folk ønsker å bruke. Det gir meg svært nyttig informasjon og hjelper meg med å forbedre støtten vi tilbyr i hele selskapet.

Vi har bygget en svært sterk kultur rundt tilpassede GPT-er i UserTesting. Vi har faktisk laget nesten tusen av dem nå, og vi er et selskap med rundt 750 ansatte.

Mye av dette er verdifull eksperimentering, men mange tilpassede GPT-er som er bygget i UserTesting, brukes av store deler av selskapet eller av hele selskapet. GPT-ene som brukes av store målgrupper, tester vi i UserTesting med en intern testgruppe.

Vi sørger for at de er intuitive og faktisk løser problemet de er ment å løse. De skal ikke være for kompliserte. Jeg vil ikke at noen skal måtte være avanserte instruksjonsingeniører for å bruke de tilpassede GPT-ene.

Vi bruker altså plattformen vår til å innhente tilbakemeldinger på AI-løsningene vi tilbyr de ansatte og arbeidsstyrken vår.

Galen Low: Det er en veldig god praksis, og sannsynligvis noe langt flere burde gjøre, enten med UserTesting eller et annet verktøy.

Jeg tror det er stor fascinasjon for pilotprosjekter og eksperimentering akkurat nå, men mindre samtale om optimalisering, tilbakemeldinger og om hvordan man kan forbedre noe sammen med menneskene som bruker det.

Mange går bare videre til neste tilpassede GPT, neste stemmekodede app eller neste nye løsning. Men for å modne en organisasjon er noen av disse GPT-ene gode, og de kan forbedres over tid basert på tilbakemeldinger fra brukerne.

Jeg liker også det jeg hører om kulturen deres. Dere lever etter menneskesentrerte verdier. Det er ikke obligatorisk å bruke AI-verktøy. Jeg kjenner organisasjoner som bokstavelig talt måler hvor ofte noen logger inn i Cursor, eller som inkluderer målinger av AI-bruk i medarbeidersamtaler. Jeg forstår det, men det virker også svært tvunget.

Jeg liker bildet du tegner av at folk får myndighet til å ta egne beslutninger. Dere oppmuntrer dem til å utforske verktøyene på en autentisk måte. Dere ønsker ikke at de skal sakke akterut, og dere mener at det er til deres eget beste å lære seg disse verktøyene.

Jeg liker også at målingene – både for deg selv og teamene – er basert på kjernevirksomhetens målinger. Dere måler ikke nødvendigvis AI spesifikt eller separat, men hvordan AI faktisk påvirker virksomheten.

Jeg vil gå videre herfra ved å ta opp at ingenting av dette er statisk. Alt beveger seg hele tiden. Transformasjon handler ikke om å stå stille. Jeg ser folk si på nettet at det ikke finnes noen beste praksis nå, fordi alt er i bevegelse, og fordi det ikke finnes én sølvkule som vil sikre vellykket AI-transformasjon for alltid.

Transformasjonen går gjennom flere stadier eller faser etter hvert som organisasjonen når dypere AI-modning. Hvilke organisatoriske tankesett og hvilken atferd må endres underveis for å holde tritt med AI-transformasjonen – selv når det gjelder ting organisasjonen nettopp har funnet ut av eller lært i forrige fase?

Michael Domanic: Jeg tror alle må bli komfortable med at vi kommer til å være i transformasjons- og læringsmodus i overskuelig fremtid. Det kan være de neste fem eller ti årene. Jeg vet ikke hvor lenge det vil vare, men det blir en stund.

Tenk på all fremgangen som har skjedd innen AI de siste tre årene. Forestill deg så at all denne fremgangen ble satt på pause i dag, og at vi gikk videre inn i fremtiden med alle mulighetene som er bygget de siste tre årene. Det ville tatt oss minst ti år å forstå og avdekke hvordan dette kommer til å påvirke organisasjonene våre.

Jeg ville sannsynligvis sagt at det tar lenger tid, men minst ti år er tiden denne transformasjonsreisen ville tatt. Det vi vet, er at tempoet i spredningen av nye muligheter ikke kommer til å stoppe. Det vil fortsette å øke, og vi må være svært tilpasningsdyktige overfor alle disse endringene og fremskrittene.

Rådet mitt til alle organisasjoner nå er derfor at dere må bli komfortable med å tilpasse dere svært raskt til all denne transformasjonen og endringen.

Galen Low: Jeg liker det. Det er skremmende og på noen måter veldig urovekkende. Man ser organisasjoner som tenker at AI-transformasjonen er noe de bare kan hoppe over, og at alt kommer til å gå bra. Men egentlig går de ut i et hav som er endeløst.

Michael Domanic: Jeg tror det er dette som skiller denne transformasjonen fra nesten alle tidligere transformasjoner. Tidligere føltes det som om det fantes én stor ting vi måtte transformere oss rundt eller tilpasse oss til. Det kunne ta et par år eller lenger, men vi visste at det fantes noe på den andre siden.

Når det gjelder spredningen av generativ AI, og det faktum at kunstig generell intelligens og kunstig superintelligens kanskje ligger i horisonten, tror jeg transformasjonen vi har gjennomgått de siste tre årene, knapt berører overflaten av det vi skal håndtere de neste ti årene.

Galen Low: Det er voldsomt.

Michael Domanic: Jeg vet. Det er litt dystert og skremmende, men det er virkeligheten. Vi må bare venne oss til den.

Galen Low: Og det avgjørende er å akseptere at det som ligger foran oss, er omfattende. Det er ikke noe vi starter og stopper. Det er en ny epoke i måten vi tenker på, og hvis vi kan omfavne det, vil vi være langt bedre stilt enn om vi antar at dette er midlertidig.

Michael Domanic: Ja.

Galen Low: Kan jeg raskt gå tilbake til målingene? Du sa at dere nå er i en fase der AI er knyttet direkte til kjernevirksomheten. Dere måler ikke disse tingene utenfor kjernevirksomheten, men bruker AI til å forbedre den. Vil det endre seg når dere går inn i en fremtidig fase? Ser du for deg at det vil bli målt annerledes når vi forstår dybden i endringen vi står overfor, og begynner å fornye virksomhetene våre utenfor den eksisterende forretningsmodellen?

Michael Domanic: Vil det endre seg? Ja. Hvordan det vil endre seg, er litt mer uklart. Vi går inn i 2026, og når jeg ser på de siste 18 månedene med formell transformasjon, har vi egentlig målt to ting.

Det første er adopsjon – adopsjon av AI i hele organisasjonen. Det er litt av en forfengelighetsmåling, men den er kritisk. Du kan ikke transformere deg hvis du ikke bruker verktøyene. Vi må følge med på det. Nå er vi på et punkt der jeg vil si at vi har full AI-adopsjon. Nesten hundre prosent av brukerne våre er ukentlige eller daglige aktive brukere av AI-verktøy.

Det andre vi har fulgt med på de siste 18 månedene, er hvordan dette påvirker forretningsresultatene. Det kommer vi definitivt til å fortsette med. Vi vil sannsynligvis legge mindre vekt på adopsjonsmålingene.

Fremover har jeg sagt til den øverste ledelsen de siste månedene at vi nå går inn i fase to. Fase to vil i stor grad handle om autonome AI-agenter og om å ta dem inn i forretningsprosessene i organisasjonen.

Vi kommer til å begynne å måle dette. Vi har gjort noen eksperimenter de siste månedene, men når vi begynner å rulle dette formelt ut i organisasjonen, må vi bli svært fokuserte på hvordan det påvirker prosesser og arbeidsflyter i selskapet.

Jeg vet ikke helt hvordan dette kommer til å se ut ennå, men jeg har en idé. Det kommer sannsynligvis tilbake til måling av forretningsresultater, men kanskje på en annen måte. Vi kommer til å videreutvikle dette etter hvert.

Galen Low: Det liker jeg. Du snakket tidligere om den myke siden – kulturen.

Jeg liker måten dere tilnærmer dere bruken av verktøy på. Det er ikke obligatorisk, men dere følger med på om folk bruker dem. Nå går dere inn i fase to, der spørsmålet blir om dere bruker agenter. Det er mange spørsmål virksomheter må finne svar på selv, basert på sin egen virksomhet og hvordan de skal måle dette.

Jeg vil skifte spor og runde av med å snakke om fremtiden, særlig fordi du nettopp har publisert en artikkel jeg likte, om dine spådommer for AI i 2026. Blant annet nevnte du roller som din egen, at AI vil bli en selvfølge for mellomstore og store virksomheter, og at AI-agenter vil styre showet stille i bakgrunnen.

Du nevnte strategidokumenter om kunstig generell intelligens som sirkulerer blant toppledelsen, noe jeg synes er interessant, enten folk faktisk forstår hva det betyr eller ikke. Du nevnte også at informasjonskildene våre og sosiale medier vil bli mye mer, for å bruke ditt ord, slurvete – fordi de vil inneholde mer AI-generert innhold.

Det vil sikkert også være mye godt AI-innhold der, men også mye annet rot. Du antar også at UX-forskere og designere vil bli noen av de viktigste personene i selskaper i 2026. Kan du forklare hva du mener med det?

Michael Domanic: Vi snakket tidligere om hvordan etableringsbarrierene for å lage produkter faller svært raskt.

Det har aldri vært enklere å lage trådrammer og prototyper, gjøre det i stor skala eller til og med starte en ny virksomhet. Selskaper bruker nå verktøy som hjelper dem med å øke produktutviklingstakten.

Men én ting er fortsatt utrolig vanskelig: å lage produkter som folk faktisk ønsker å bruke. Det er her designere og UX-forskere kommer inn. De vil være ekspertene i rommet som hjelper virksomheten med å forstå hvilke av alle de stemmekodede verktøyene og nye produktene som faktisk vil treffe kundene våre.

UX-designere og UX-forskere har alltid hatt en utrolig viktig rolle, særlig i programvareselskaper som vårt. Men selv om du lager et forbrukerprodukt, er rollen svært viktig. Selskapene vil måtte lage disse produktene mye raskere og øke produktutviklingstakten.

Det er ikke enklere i dag å lage produkter som treffer kundene, enn det var for tre år siden. Jeg tror personer innen UX-faget vil bli eksperter det blir stor etterspørsel etter, fordi de vil hjelpe selskapene med nettopp dette.

Hvis du lanserer ti ganger flere funksjoner neste år enn du gjorde i fjor, men funksjonene ikke treffer kundene, har du ikke flyttet nålen i det hele tatt. Du har ikke økt produktutviklingstakten.

Galen Low: Det er så mye her. Faste lyttere vet at jeg har et stort og mykt punkt i hjertet for god brukeropplevelsesdesign, med bakgrunn fra menneskesentrert design.

Michael Domanic: Vi har det samme myke punktet.

Galen Low: Nettopp. Og det du nevnte i starten, er viktig. Noen vil kanskje tenke: Vent litt, du sa nettopp at trådrammer blir enklere, koding blir enklere og utvikling av opplevelser blir enklere. Hvorfor skulle en UX-person være verdifull?

Er ikke det hele jobben deres? Og der ligger problemet: Det er faktisk ikke det jobben handler om. Jobben handler om å treffe brukerne.

Jeg tenker også på transformasjonen deres internt, ikke bare det eksterne produktet. Dere har brukere som samhandler med den digitale teknologien dere har bygget for å oppnå en AI-transformasjon. Det er UX som trengs der. Disse menneskene er brukere nå, ikke bare ansatte som bruker et internt verktøy.

Alle som lytter, har sikkert opplevd et internt verktøy som ingen bryr seg om fordi det er internt. Man bare holder ut med et forferdelig, sammenlappet ERP-system for å drive virksomheten. Ingen tenker på å forbedre det.

Men adopsjonsutfordringen handler om å få folk til å begynne å bruke verktøyene og gradvis gjøre dem bedre. Ikke bare si: Flott, vi gjorde det, vi har våre tilpassede GPT-er, og nå er vi ferdige. Man må faktisk skape en opplevelse folk vil bruke og opplever som verdifull.

Det kan styrke kulturen, gjøre virksomheten sunnere og hjelpe dere med å tiltrekke talentene som gjør godt arbeid, samtidig som dere opprettholder tempoet og innovasjonen som må finne sted – særlig innen programvare som tjeneste, men egentlig i alle virksomheter.

Michael Domanic: Helt enig.

Galen Low: Jeg bygger bare videre på det du sa. Jeg likte virkelig artikkelen. Jeg legger inn en lenke til den i notatene, for selv om jeg har lyst til å gå gjennom hvert punkt, er det så mye å pakke ut at det kanskje får bli en samtale en annen gang.

Michael Domanic: Når jeg tenker på det jeg skrev i artikkelen, er det åpenbart UX-delen som kan være mest relevant for målgruppen din. Men gjør dere klare for innholdskollapsen, for den kommer. Jeg tror bruken av sosiale medier vil falle kraftig innen slutten av 2026.

Jeg tror folk kommer til å bli lei av alt innholdet og ikke lenger vite hva de ser på. UX spiller også en rolle her. Hvis du er et selskap innen sosiale medier, må du tenke strategisk over hva dette betyr for virksomheten og hvilken opplevelse du ønsker å levere til menneskene som bruker produktene dine.

Vi prøver alle å unngå denne innholdskollapsen, men den kommer.

Galen Low: Vi sliter ut kanalene våre så raskt i dag. Se bare på innboksen min. E-post er en kanal vi nesten ikke bruker lenger, fordi det meste jeg får, er søppelpost. Det blir interessant å se hva som kommer til å erstatte den, eller hvordan vi tilpasser oss.

Michael Domanic: Helt klart.

Galen Low: Michael, dette har vært fantastisk. Jeg setter virkelig pris på det. Bare for moro skyld: Har du et spørsmål du vil stille meg?

Michael Domanic: Hva er dine spådommer for AI i 2026?

Galen Low: På et høyt nivå, og kanskje fra en optimistisk vinkel, tror jeg noen av mytene – særlig skremselsretorikken – vil begynne å forsvinne.

Det vil begynne å bli irrelevant. Folk bruker teknologien og innser hva den kan brukes til, hva den er god på, og hva den ikke er god på. Jeg tror mye av hypebølge 3.0 vil handle om at folk sier: Greit, vi kan ikke lenger gjøre dette til en slags boogeyman.

Det er en teknologi. Den er ikke nødvendigvis god eller dårlig i seg selv. Jeg håper noen av de mindre faktabaserte påstandene om AI, transformasjon, hva organisasjoner gjør og hvordan dette påvirker virksomheten, begynner å forsvinne fra samtalen.

Kanskje mer AI-rot kommer inn, men jeg håper den menneskeledede skremselsretorikken som kommer fra et uinformert sted, gradvis avtar.

Michael Domanic: Interessant. Så vi kommer alle til å slutte å lese folk som Gary Marcus, som er AI-dommedagsprofeter?

Galen Low: Det vil nok fortsatt finnes dommedagsprofeter. Jeg håper bare det blir færre av dem. Michael, jeg setter virkelig pris på dette. Hvis folk vil lære mer om deg og UserTesting, hvor kan de gjøre det?

Michael Domanic: Du kan følge meg på LinkedIn.

Jeg legger ut mye om AI på LinkedIn hvis du vil følge med. Ellers kan du besøke UserTesting hvis du jobber i et selskap som ønsker tilbakemeldinger på noe dere gjør. Det kan være AI-transformasjonsprogrammet deres eller produktene dere lager.

Det kan også være innholdet dere lager. Hvis dere vil ha tilbakemeldinger, er det bare å ta kontakt.

Galen Low: Jeg liker de tre bruksområdene. Fantastisk. Michael, takk igjen. Jeg setter stor pris på det.

Michael Domanic: Takk, Galen. Det var hyggelig å snakke med deg.

Galen Low: Det var alt for dagens episode av podkasten The Digital Project Manager. Hvis du likte samtalen, må du abonnere der du lytter. Hvis du ønsker enda flere praktiske innsikter, som casestudier og spillebøker, kan du besøke thedigitalprojectmanager.com.

Til neste gang – takk for at du lyttet.