AIs skjulte gjeld innen endringsledelse
Tilpasset fra podkasten The Digital Project Manager, med Galen Low som vert. Lytt her.
Store virksomheter som ruller ut AI, behandler det ofte først som et teknologiproblem og deretter som et organisatorisk problem. Denne rekkefølgen er en feil, ifølge Deborah Ketai, leder for organisasjonsendring og styremedlem i Project Management Institute (PMI).
Ketai brukte flere år på å lede endringsinitiativer knyttet til AI i United Health Group, et Fortune 5-helseforetak, og hun sa at selskaper som hopper over arbeidet med å bryte ned siloer mellom team, må betale for det senere. «Hvis de hopper over steget med å bryte ned siloer, kommer de også til å pådra seg mye av det vi kaller gjeld, teknisk gjeld, kunnskapsgjeld og så videre», sa Ketai. «Det kommer til å gjøre fremtidige prosjekter 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 hopper over steget med å bryte ned siloer, kommer de også til å pådra seg mye av det vi kaller gjeld – teknisk gjeld, kunnskapsgjeld og så videre. Det kommer til å gjøre fremtidige prosjekter dyrere og vanskeligere.
Denne gjelden viser seg i dobbeltarbeid, konkurrerende verktøy og team som ikke vet hva gruppen i gangen allerede bygger.
Tre mål for samordning av AI i stor skala
For å håndtere dette bygget Ketai programmet sitt rundt tre mål: talentmobilitet og -bevaring på tvers av AI-arbeidsstyrken, samarbeid på tvers av team og et bredere kulturelt skifte mot å betrakte AI som en legitim forretningsløsning. «Vi [i United Health Group] hadde virkelig tre mål — talenter, mobilitet og bevaring på tvers av AI-området», sa Ketai. Det andre målet tok for seg en vanlig feilkilde i store organisasjoner, der lommer av AI-arbeid oppstår uavhengig av hverandre og gjentar hverandres innsats. «Mitt andre mål for programmet var å oppmuntre til samarbeid mellom disse AI-lommene, slik at de ikke finner opp hjulet på nytt», sa hun. Det tredje målet var kulturelt: «Det tredje er et kulturelt skifte, der man oppmuntrer forretningsforkjempere til å vurdere AI-løsninger på forretningsutfordringene sine.»
For å oppnå dette måtte hun utvikle programmer — konferanser, hackatoner, internt innhold og fellesskapskanaler — rettet mot ulike interessentgrupper på tvers av selskapet, i stedet for et enkelt pålegg ovenfra og ned.
Måling av endring når dataene er et rot
Selv med tydelige mål viste det seg at det å dokumentere programmets effekt var en av de vanskeligste delene av jobben. Ketais selskap hadde i stor grad vokst gjennom fusjoner og oppkjøp, noe som betydde at de underliggende dataene hun trengte for å følge med på karrieremobilitet og engasjement, i beste fall var uensartede. «Jeg vil erkjenne at måltallene var den vanskeligste delen av programmet for meg», sa Ketai, «fordi dette var et Fortune 5-selskap som i stor grad hadde vokst gjennom fusjoner og oppkjøp. Levningene etter gamle HR-systemer var fortsatt synlige ved at samme type rolle ofte hadde 15 forskjellige titler, stillingsbetegnelser eller stillingskoder på tvers av organisasjonen, og det gjorde livet svært vanskelig.»
Uten ryddige systemer å hente informasjon fra støttet Ketais team seg på stedfortredende måltall som innholdsengasjement og deltakelse på arrangementer, i stedet for de mer dyptgående arbeidsstyrkedataene de helst ville ha brukt.
Bør prosjektledere også være endringsledere?
Etter hvert som AI-initiativer blir flere, blir flere prosjektledere også bedt om å ta på seg ansvar for endringsledelse. Ketai sa at de to kompetansesettene overlapper, men ikke er identiske, og at forskjellen er viktigst når det gjelder tidslinjen. «Ikke alle prosjekter krever endringsledelse», sa hun. «Kompetansene er forskjellige, men overlapper.» Ifølge Ketai handler det egentlige skillet om hvem som blir værende for å følge en endring helt i mål. «Grunnen til at man bør ha separate roller, er tidslinjene, fordi prosjektledere tradisjonelt ikke får muligheten til å følge opp og virkelig sørge for at en endring blir varig.»
Ikke alle prosjekter krever endringsledelse. Kompetansene er forskjellige, men overlapper.
Dette gapet — mellom å fullføre et prosjekt og å opprettholde endringen det var ment å skape — er etter hennes syn det sterkeste argumentet for å holde de to rollene atskilt, selv om grensen mellom dem fortsetter å bli mer uklar i praksis.
AI er ikke bare et verktøy — det er en interessent
Ketai pekte også på en endring i hvordan prosjekt- og endringsledere må tenke på selve KI-en. I stedet for å behandle den utelukkende som infrastruktur, hevdet hun at den i økende grad oppfører seg som en interessent i sin egen rett. «I økende grad, med generativ KI, er KI selv en interessent», sa Ketai. «Den har sine egne mål, sine egne holdninger, og den vil handle annerledes enn, og noen ganger i strid med, det du ønsker at den skal gjøre, basert på disse interne realitetene.»
I økende grad, med generativ KI, er KI en interessent. Den har sine egne mål, sine egne holdninger, og den vil handle annerledes enn, og noen ganger i strid med, det du ønsker at den skal gjøre.
Dette perspektivet har praktiske konsekvenser for styring: Hvis KI-systemer kan opptre uforutsigbart eller avvike fra forventningene, må det tas høyde for dem i planlegging og risikodiskusjoner på samme måte som for en menneskelig interessent.
Hvor programlederrollen er på vei
Ketai sa at programledere fremover må komme nærmere stedet der forretningsstrategien faktisk blir utformet, og ikke bare gjennomføre den. «Programledere må komme nærmere stedet der strategien blir utformet, og være i stand til å påvirke strategien», sa hun, «og være åpne når de gjenspeiler overfor ledelsen hvor det sannsynligvis vil oppstå manglende samsvar.»
Programledere må komme nærmere stedet der strategien blir utformet, og være i stand til å påvirke strategien.
Denne endringen innebærer også at programledere må utvide synet på risiko, slik at muligheter for gevinst inkluderes sammen med det tradisjonelle fokuset på trusler, og investere mer bevisst i å bygge relasjoner på tvers av organisasjonen over tid.
Tillitsproblemet ingen har løst ennå
Til tross for fremdriften innen innføring av KI, sa Ketai at den største gjenværende hindringen ikke er selve teknologien. Det er tillit, særlig når det gjelder data. Hun fortalte om en nylig sesjon på PMIs regionale lederkonferanse, der det ble diskutert om det var hensiktsmessig for en PMI-avdeling å bruke KI til å utforme e-postutsendelser til medlemmer. «Det var ikke etisk hvis det innebar å frigi medlemmenes data», sa Ketai, «med mindre man brukte en form for helt internt verktøy.»
Dette skillet — mellom KI-verktøy som holder dataene innenfor systemet, og dem som ikke gjør det — vil sannsynligvis forme hvordan organisasjoner tilnærmer seg KI-styring lenge etter at den nåværende eksperimenteringsbølgen har lagt seg.
Vil du ha flere innsikter som disse? Opprett en gratis DPM-konto for å høre fra flere eksperter som disse.
