Varför det är fel att automatisera allt (och vad du bör göra i stället)

Läs transkriberingen:

Vi testar att transkribera våra poddar med hjälp av ett program. Ha överseende med eventuella skrivfel eftersom boten inte har rätt till 100 % varje gång.

Jim Iyoob: [00:00:00] Man måste vara försiktig med den här förbaskade berättelsen som cirkulerar, att den tar alla jobb. Det är mycket mer komplicerat än så, och jag tror att problemet är att ingen vill erkänna det.

Galen Low: Vissa av de här företagen tar bort jobb som de kanske inte borde ha skapat från första början.

Jim Iyoob: Det är inte du som bestämmer hur jag ska kontakta dig om jag köper din produkt. Jag kan köpa din produkt var som helst. Så det enda som skiljer dig från alla andra är kundupplevelsen.

Manu Dwievedi: När man funderar på att implementera AI gör man det inte för att ersätta människor. Man implementerar AI för att göra saker bättre för kunderna.

Jim Iyoob: Alla försöker automatisera allt. Skitsnack. Välj tre saker som håller dig vaken om nätterna. Börja där. Du bör se en avkastning på investeringen inom 30 till 45 dagar … om du gör det ordentligt.

Galen Low: Välkommen till podden The Digital Project Manager — programmet som hjälper leveransansvariga att arbeta smartare, leverera snabbare och leda bättre i AI-eran. Jag heter Galen, och varje vecka går vi igenom strategier från verkligheten, nya [00:01:00] verktyg, beprövade ramverk och ibland en krigshistoria från projektens frontlinjer. Oavsett om du leder storskaliga omvandlingsprojekt, försöker få ordning på AI-arbetsflöden eller bara försöker hålla kaoset under kontroll, har du kommit rätt.

I dag pratar vi om storskaliga AI-omvandlingsprojekt och vad vi kan lära oss av det som går rätt och det som går fel. Framför allt ska vi fokusera på kundupplevelsens värld, där kontaktcenter överallt försöker integrera rätt nivå av AI i kund- och medarbetarupplevelsen.

Med mig i dag har jag två experter med djup kunskap inom både AI och förändringsledning i CX-världen — Jim Iyoob och Manu Dwievedi.

Jim är ordförande för ETS Labs och kundansvarig chef på Etech Global Services. Han är min självklara person när det gäller pragmatisk och rak AI-innovation som leder till operativ spetskompetens. Han är också en flitig författare och sitter i rådgivningsstyrelsen för vår systerpublikation The CX Lead.

Manu är vice verkställande direktör för ETS Labs och medvärd för Etechs [00:02:00] podd, där han gör djupgående utforskningar av AI och CX tillsammans med respekterade experter inom området. Han är också den jag ringer när jag får frågor om utmaningar inom förändringsledning i samband med AI-omvandling på företagsnivå.

Jim, Manu — tack för att ni är med mig i dag.

Jim Iyoob: Tack så mycket för att ni bjöd in oss.

Manu Dwievedi: Tack.

Galen Low: Jag älskar att fördjupa mig i våra samtal. Jag har känt er ett tag. Jag förväntar mig att vi kommer att svänga lite fram och tillbaka på intressanta sätt, och det är helt okej. Men så att våra lyssnare vet det: här är den plan jag har satt ihop för i dag.

Jag var särskilt entusiastisk eftersom ni båda befinner er i den här branschen och har djup kunskap om AI-omvandling inom CX. Det har kommit många rubriker i nyheterna på sistone om stora företag som försöker integrera AI i sin kundupplevelse. Vissa får ett bra resultat, andra ett dåligt. Så jag ville börja med att ta upp den stora elefanten i rummet när det gäller AI-projekt för omvandling av kontaktcenter.

Sedan ville jag gå några nivåer djupare än rubrikerna och prata om vad som faktiskt händer bakom dem. Därefter ville jag zooma ut och använda CX som en [00:03:00] lins för att prata om tre saker. Jag vill prata om hur AI-mänskliga hybridmodeller ser ut i företag i dag.

Jag vet att det här är ett stort ämne, men jag vill inte bara prata om tekniken. Jag vill också prata om den kulturella påverkan och om det ni ser ute på fältet. Sedan vill jag höra från er om bästa praxis för förändringsledning kring projekt som genomför AI-relaterade förändringar.

Och slutligen vill jag höra era tankar om hur en enskild avdelningschef eller projektledare bör hantera AI-driven förändring av det här slaget, särskilt om de redan befinner sig mitt i ett projekt, och hur de kan bidra till att förändringen gör mer nytta än skada. Vad säger ni?

Jim Iyoob: Det låter fantastiskt. Det blir bra i dag.

Galen Low: Låt oss börja med den heta frågan. Så här ser jag på saken. Även utanför kundupplevelsens värld har många av oss sett rubriker som den om Klarna, som ersatte nästan alla sina mänskliga kontaktcenteragenter med AI, för att sedan återanställa de flesta av sina kontaktcentermedarbetare några månader senare.

Det finns flera liknande exempel. Så här är frågan: När vi hör om uppsägningar och roller som faktiskt verkar ersättas av AI till följd av ett stort strategiskt skifte, hur mycket av detta är exakt vad det ser ut som på ytan, och hur mycket är kanske mer komplicerat än det verkar?

Jim Iyoob: Jag kommer förmodligen att hamna i trubbel för det här, men 2019 talade jag i Montego Bay på Jamaica och sade i princip: AI ersätter inte era medarbetare. Men precis som du måste man verkligen tänka annorlunda kring det här. Man måste vara försiktig med den förbaskade berättelsen som cirkulerar, att AI tar alla jobb.

Det är mycket mer komplicerat än så. Och jag tror att problemet är att ingen vill erkänna det. Om vi ser på det ur ett helhetsperspektiv överkorrigerade de flesta företag när pandemin kom. Människor dök upp till jobbet eftersom de arbetade på distans. Låt oss vara tydliga. Så man tänkte: människor dyker upp till jobbet, låt oss anställa fler.

Det som egentligen händer är att många företag dimensionerar om just nu, eftersom de anställde så många människor. Och nu säger de: vi ställer om till AI, vilket är anledningen till att vi gör oss av med människor. Det är egentligen inte sant. Det är inte särskilt strategiskt när man tänker efter. De planerade inte ordentligt och reagerar nu på det marknaden säger.

Jag kan säga att Etech som företag har skapat fler jobb, även när vi har infört AI överallt. Det AI gör nu är, enligt min mening, att öka produktiviteten så att människor kan göra saker bättre och snabbare. Men det gör det möjligt för dem att göra det. Det AI faktiskt låter oss göra är att ge mer kompetenta människor fler roller.

Och jag tror att företag som använder massuppsägningar gör det eftersom de i princip säger: Det är inte jag, det är AI. Därför säger jag upp de här människorna. Och jag tycker att det är fel. AI kommer alltid att behöva människor. Vi pratar om det hela tiden: människan i loopen. AI är bara så smart som personen som programmerade det.

Så gissa vad? Man behöver människor för att göra det. Det är så jag ser på saken, till skillnad från vad alla andra säger. Alla skyller på AI när de drar ner på personalstyrkan. Och förresten är anledningen till att du hör historier om att människor återanställs att företagen inte visste hur de skulle införa AI från början.

I stället för att ta hand om kundupplevelsen gjorde de hälften av sina kunder förbannade. Så nu måste de ändra riktning eftersom de inte gjorde det rätt från början, vilket jag är säker på att vi kommer att prata om i dag när det gäller förändringsledning.

Galen Low: Jag gillar verkligen det perspektivet, att orsak och verkan sträcker sig över en längre tidsperiod än den vi tittar på.

Och också tanken på att AI används som en ursäkt. När du sade det tänkte jag att jag kan se hur det fungerar både uppifrån och nedifrån. Du har aktieägare som frågar varför du inte ökar aktieägarvärdet tiofalt genom att ersätta alla med AI. Och när du tittar nedåt behöver du rättfärdiga vissa av de förändringar ni gör.

Men egentligen handlar det om en korrigering. Jag minns att det var tidigt 2020 och att jag var en del av en massiv uppsägning på en stor konsultbyrå. En del berodde på nedstängningen och pandemin, men när jag verkligen kom till botten med det sade de: Vi hade faktiskt planerat det här i månader. Omständigheterna gjorde bara att vi genomförde det lite tidigare än vi hade tänkt.

Men planen fanns alltid där. Jag tänkte att det var intressant. Jag misstänker att det är bra att vi pratar om det här, eftersom jag kan se hur den korrigeringen skulle kunna ske. Många kontaktcenter trodde inte ens att de kunde ha distansarbete i början av nedstängningen, och plötsligt fungerade det. Sedan kan jag föreställa mig exakt hur det gick till: samtalsvolymen ökade, så man anställde fler människor. Det var enkelt eftersom man inte längre behövde ordna arbetsstationer; de arbetade på distans. Och nu är det en korrigering av det.

Jag tycker att det är fascinerande.

Manu Dwievedi: Absolut, Galen. När man tänker på det, Watson, och precis som du sade om intressenter specifikt: vilken är den enklaste berättelsen att berätta? Är det: Jag hade enkla pengar, anställde en massa människor och behöver dem inte längre? Eller är det: Jag behöver inte fler människor nu tack vare AI? Människor försöker faktiskt använda AI som syndabock.

Galen Low: Det är intressant med rubrikerna och allt jag lär mig om nyhetsmedier för varje dag som går: de är politiska. Det som står i rubrikerna är politiskt. Det går åt båda hållen. Man tänker på aktien och investerarna, men också på budskapet till den bredare befolkningen om vad som händer i världen. Ibland blandas allt ihop. Och vår slutsats blir: Herregud, AI tar alla jobb, trots att det sades att det inte skulle ske.

Men svaret är att vissa företag tar bort jobb som de kanske inte borde ha skapat från första början, och de kommer att använda AI som ursäkt. Det är fascinerande. Jag vill kanske zooma ut lite, eftersom många i mitt nätverk och många som lyssnar på programmet ombeds att föreställa sig delar av sin verksamhet på nytt genom AI:s lins.

Det är den typ av direktiv de får. Men när de får den ordern är den ganska vag. Den är mer riktad än en faktisk plan. Många kliar sig i huvudet och undrar var de ska börja. Jag tänkte på kontaktcenter, AI-assistans och vad tekniken gör där. Jag har varit i branschen ett tag, eller åtminstone berört den när den inte var särskilt AI-baserad utan mest handlade om chattbotar.

Hur integrerar vi detta och skapar mer av en omnikanal-kundupplevelse utan massiva förändringar av bemanningen? CX har alltid handlat om att föreställa sig delar av verksamheten på nytt med hjälp av teknik. För organisationer som precis har börjat försöka föreställa sig eller omforma en central del av verksamheten med hjälp av AI: vad är det första en organisation faktiskt bör göra innan den går in i planerings- och genomförandefasen, så att människor inte står där och undrar vad de ska göra med direktivet?

Jim Iyoob: Det är en bra fråga. Jag ska säga så här: alla vd:ar där ute som lyssnar, och alla chefer som säger åt folk att automatisera allt: För det första har jag haft ett citat sedan 2003. Det är inte du som bestämmer hur jag ska kontakta dig när jag köper din produkt, det är jag. Så nummer ett: sluta försöka automatisera allt, för då kommer du bara att göra mig upprörd och jag lämnar dig.

På en global marknad kan jag köpa din produkt var som helst. Så det enda som skiljer dig från alla andra är kundupplevelsen. Om du förstör den är jag borta. Det är det första jag skulle säga. Nummer två: om du använder Kindle finns min senaste publikation, AI i kontaktcentret, gratis på Kindle.

Det är en bra steg-för-steg-guide som visar vad du ska göra. I planeringsfasen tror jag att människor gör fel eftersom de tror att de måste automatisera allt. Det är så långt från sanningen man kan komma. Du sitter på den största datamängden på planeten, nämligen dina interaktioner. Om du analyserar dem kan du hitta lågt hängande frukter som går att automatisera.

Du kanske kan minska personalstyrkan något, förbättra kundupplevelsen eller åtminstone behålla den på samma nivå, samtidigt som du ger kunderna det de vill ha. Det är mina två cent i frågan. Och Manu är, som vi alla vet, mycket smartare än jag. Han kan säkert säga mycket mer, men det här är mitt förnuftiga sätt att se på saken. Alla programvaruföretag kom till mig och sade att de kunde ta bort all personal. Snälla. Som om du vore en idiot.

Det roliga är att de som säger att man kan ta bort all personal aldrig har tagit ett samtal i hela sitt liv och aldrig arbetat på ett kontaktcenter. De har ingen aning om hur verksamheten faktiskt fungerar. Manu, jag lämnar över till dig.

Manu Dwievedi: Galen, varje gång detta händer, när en kund kommer till oss och säger: Jag vill automatisera allt, eftersom det finns mycket som är fel i det som är uppsatt i dag, går jag tillbaka till något som Jim alltid har lärt oss. Han säger: Om din process är trasig kommer AI inte att laga den.

AI är ett effektiviseringsverktyg. Automatisering kommer inte att laga något som redan är trasigt. Och jag tror att det är det grundläggande felet i vårt sätt att tänka. När man zoomar ut och funderar på att införa AI gör man det inte för att ersätta människor.

Man inför AI för att göra saker bättre för kunderna. Vill jag att mina kunder ska vänta tio minuter i en kö för att få ett enkelt svar, som: Vad är saldot på mitt kort? Eller för att återställa ett lösenord? När man förstår att man automatiserar för att lösa kundens problem och förbättra CX förändras hela bilden.

Då tänker man inte längre utifrån inställningen: Jag vill bli av med 200 personer, därför ska jag automatisera. En sak man kan lära sig är att gå tillbaka och vara brutalt ärlig mot sig själv. Förstå hur man kan förbättra kundupplevelsen och se sedan var man kan skapa effektivitet, vilket leder till bättre kundreaktioner.

Galen Low: Jag älskar det. Där kommer vi tillbaka till idén att AI bara är en utlösare för en tanke som vi borde ha haft eller har haft i flera år. När man arbetar med processdesign vill man bli effektivare, men man vill inte skala upp något som är trasigt.

Så om jag skulle sammanfatta det skulle jag säga att en bra plats att börja på inte är: Vad kan AI ersätta i vår värdekedja? En bra plats att börja på är: Vad är trasigt som vi behöver laga? Vad fungerar och bör lämnas i fred? Och vad är det faktiska slutmålet för de människor vi försöker hjälpa — intern personal, kunder eller kanske aktieägare?

Vi måste gå tillbaka till grunderna och förstå vad målet är, i stället för att automatisera och använda AI bara för automatiseringens och AI:s egen skull.

Jim Iyoob: Håller helt med.

Galen Low: Jag undrar om jag kan återkomma till den första frågan. Jag tror att många får höra en mycket binär berättelse: antingen tar AI över ditt jobb eller så är AI din hjälpsamma praktikant. Jag misstänker att verkligheten ligger någonstans däremellan.

Jag tror att många inom CX faktiskt ligger före andra branscher och befinner sig nära flera av de här omvandlingarna. Så vad är statusen för mänskliga AI-hybridverksamheter i kontaktcenter runt om i världen just nu? Vad fungerar bra, och var finns det utrymme för förbättring? Och för att göra det ännu mer komplicerat: vilka konsekvenser ser ni för andra branscher?

Jim Iyoob: Jag kan berätta av egen erfarenhet. Även på Etech har vi 4 000 människor i tre länder. När vi införde AI tänkte alla: Den kommer att ersätta mig. Ni försöker göra er av med mig. Jag tänker inte hjälpa till. Jag vill inte stödja er eftersom slutmålet är att sparka mig. Det är så långt från sanningen man kan komma.

Det vi upptäckte var att när man lär dem att målet är att göra deras jobb bättre och mer strategiskt börjar de se fördelarna. Som ett konkret exempel: ibland får du ett eller två samtal om dagen som är komplexa. Låt oss vara ärliga. Du lärde dig det på utbildningen, du har tagit 50 000 samtal och så dyker det upp ett samtal som du fick utbildning för för två år sedan.

Skulle det vara meningsfullt att ge dig en assistent som hjälper dig med den frågan som du får en gång var sjätte månad? Det är det jag försöker göra. Bör jag fokusera på automatisering där? Nej, eftersom du bara får fem sådana samtal per år. Men låt oss hjälpa agenten med dem.

Och sedan har vi de lågt hängande frukterna. Låt oss ta återställning av lösenord som exempel. Det bör automatiseras. Låt oss vara tydliga. Det finns fortfarande företag som inte har automatiserat detta, och det är okej. Men när jag tar bort den samtalsvolymen från agenten kan vi gå till kunden och säga: Nu när vi har sparat 30 procent av din samtalsvolym, vilka andra saker gör ni internt som kan läggas ut på entreprenad?

Då kan jag kompetensutveckla agenten så att han eller hon kan hantera mer komplexa interaktioner, bedrägeriförebyggande arbete, bedrägeridetektering och andra saker som jag vet att ni gör internt och som kan läggas ut till lägre kostnad. Det är det budskap vi använder, och det verkar fungera.

Men alla är rädda, för jag antar att de tittar på YouTube och hör: Jag ersätter alla era jobb. Man måste komma förbi det och fråga: Vad tjänar de på det? Mitt mål är inte att ersätta dig. Mitt mål är att förstärka din förmåga och sedan kompetensutveckla dig. Som ett konkret exempel var Manu agent för tio år sedan. I dag är han vice verkställande direktör.

Galen Low: Du själv var agent. Du började på golvet.

Jim Iyoob: Jag arbetade med gröna skärmar, så ingen minns kanske vad det är. Men tänk på det: om Manu inte hade lärt sig nya saker skulle han aldrig ha haft en roll som vice verkställande direktör. Han utmanade sig själv att lära sig ny teknik, ta till sig den och lära sig vad han kunde för att göra mer komplexa saker. Det är därför han är så framgångsrik i det han gör.

Det är det budskap som har fungerat. Du kommer alltid att ha människor. Jag har en kund som har 99 procents inneslutning i sitt interaktiva röstsvarssystem. Tänk på det: 99 procent av interaktionerna hanteras av systemet, vilket innebär att de aldrig når en människa. Ändå har jag 135 agenter som hanterar de samtal som utgör den återstående procenten, eftersom ett interaktivt röstsvarssystem inte kan göra det.

Galen Low: Och det är interaktionerna med högt värde, eftersom systemet inte kan hantera dem. Korrekt? Det är intressant, för i ett av mina första jobb på ett universitet arbetade jag faktiskt på eBays kontaktcenter för utredningar. Vi tittade på bedrägerifall och var specialisterna.

Det var ett e-postcenter, så jag arbetade inte i telefon. Men den organisatoriska strukturen då var att specialisterna var ett litet team. Generalisterna som använde mallar för kopiera och klistra in, återställde lösenord eller gav support på låg nivå var många fler. Vårt team var mindre.

Jag kan se hur det skulle kunna kännas som att man blir uppgraderad, men samtidigt ser man triangeln uppåt: det finns färre roller. Det kommer alltså fortfarande att innebära färre jobb för mig, Jim. Jag kan förstå det perspektivet.

Men jag gillar också den andra sidan: om du får höra att du ska skapa mer värde och bli mer strategisk, men inte får någon utbildning för att faktiskt göra de sakerna, kan det vara ett tecken på att något annat pågår.

Om du leder en organisation som vill utveckla dessa människor handlar det om att visa att det finns tillräckligt många möjligheter högre upp. Strukturen ska inte bara bli smalare, och organisationen måste stödja dem genom att erbjuda utbildning. De ska inte behöva gå till YouTube och själva försöka lista ut allt.

Du nämnde att en del handlar om automatisering, till exempel återställning av lösenord. Sådana uppgifter kommer att försvinna eller delegeras, och man börjar göra en annan del av jobbet. Du nämnde också assistenten, där AI dyker upp på skärmen och säger: Den här frågan får du inte ofta. Senast du utbildades i den var för två år sedan. Här är manuset och policyn, och här är vad du bör göra.

Om jag ser på det ur projektledarnas perspektiv försöker många förstå det hybrida arbetssättet internt och externt, när det gäller de projekt de levererar och det värde de skapar. De kanske genomför ett projekt där AI införs i ett arbetsflöde. Får ni motstånd när ni utbildar agenter och säger: Du brukade skriva på ett visst sätt, men nu kommer något nytt att dyka upp på skärmen som en liten digital assistent?

Får ni höra: Jag behöver inte den där saken. Stäng av den?

Jim Iyoob: Jag ser inte särskilt mycket motstånd när det gäller komplexa saker. När de inte är förberedda tittar de på något. Låt oss vara tydliga: ingen är ett geni som minns allt. Man går till utbildningsmanualen, utdelningarna och arbetsstöden.

Tänk om jag kunde lägga ett arbetsstöd direkt på skärmen så att du vet exakt vad du ska göra. Skulle inte det hjälpa? Skulle du inte bli mindre stressad? Då kan du fortsätta äta kakan som du egentligen inte får ha vid skrivbordet medan du arbetar.

Det är egentligen allt. Jag tror att det fungerar bra om man gör det på ett roligt sätt och förklarar för dem. Det finns alltid en procent som är missnöjd, oavsett vad man gör. De går inte att förändra. Det är för övrigt de människorna som kommer att ersättas.

Manu Dwievedi: När Jim sade detta kom jag faktiskt att tänka på något som hände under ett samtal före det här, där du och jag båda var med.

Jag ska berätta historien för dig, Galen, men börjar med resultatet. Det pågick ett samtal där många människor deltog. Man hörde någon säga att de hade fantastisk personalomsättning och att han aldrig hade sett så bra bibehållande. Agenterna tog inte de enkla samtalen, så agenterna var gladare. Det var därför de kunde behålla personalen.

Tekniken fungerade mycket bra. Kunderna var också nöjda. De behövde inte vänta i kö. Det var slutet på historien. Men det började med att man måste se till att agenten är tillräckligt utbildad om AI och att den första erfarenheten av AI är ärlig och autentisk.

När det händer förstår de att AI löser problem åt dem. De behöver inte leta igenom fem PDF-filer. Kunden säger att han eller hon tittar på viss information, och skärmen visar vad agenten ska säga. Agenten behöver inte svara på 50 samtal om dagen med samma fråga: Tack för att du ringde, jag har återställt ditt lösenord.

Att göra exakt samma sak varje dag påverkar människor. Den här historien kom från ett samtal där kunden beskrev precis detta om oss efter förändringarna. Vi ser en mycket positiv förändring i personalgruppen. Människor som förstår tekniken vill faktiskt vara kvar eftersom de vet att jobbet har blivit något mer än ett vanligt kontaktcenterjobb där man bara svarar i telefon hela tiden.

Galen Low: Jag älskar det. Jag var nyligen på en konferens där de visade en kurva för AI-användning för sitt interna team. Sammanhanget handlade mer om programmering och användning av Cursor, men i princip sade de att de inte hade gjort något annorlunda. De fortsatte bara med sitt budskap och arbetet med att driva användningen, och kurvan låg platt — tills den plötsligt steg.

Jag tror att det handlar om att människor först tänker: Jag tvivlar på att det här faktiskt kommer att göra mitt liv bättre. Jag tvingas prova det, så jag får väl använda det. Okej. Och sedan plötsligt: Vänta lite. Delar av jobbet blev faktiskt bättre.

Då berättar man för sina vänner, eller så berättar vännerna för en. De säger: Du borde faktiskt prova det här. Jag behöver inte längre återställa lösenord sex timmar om dagen och känner mig mer engagerad.

Ur ett förändringsledningsperspektiv talar vi om förtvivlans dal, där människor fastnar i en förändring som har pressats på dem och måste ta sig ur den. Det här verkar mer som en intern kulturell förändring där man inser fördelarna efter att ha hört om dem. Fördelarna förändrades inte, men det tog tid att förstå hur de påverkade vardagen.

Jag gillar också det du sade om att den första interaktionen med AI bör vara positiv. Det gäller både kunden i kundupplevelsen och medarbetaren i medarbetarupplevelsen.

Jag tänkte fråga om er filosofi kring förändringsledning. ETS Labs är en tjänsteorganisation och ni hjälper kunder med detta, även om ni kanske inte alltid ser förändringsledningen från början till slut. Vilka rekommendationer ger ni kunderna om hur förändringsledning kan få ett projekt att lyckas eller misslyckas före, under och efter införandet av era tjänster och lösningar?

Jim Iyoob: Manu är hjärnan bakom det. Jag låter honom ta den frågan.

Manu Dwievedi: Jag börjar med något som Jim alltid säger: Om man överraskar människor genom att plötsligt säga att detta är AI och att det ska hjälpa dem, kommer det alltid att finnas tvivel. Människor är rädda för det de inte känner till, men de stödjer sådant de har hjälpt till att skapa. Det är mycket viktigt vid förändringsledning.

Oavsett om man får stöd uppifrån eller underifrån spelar det ingen roll om inte alla i organisationen är delaktiga. De måste förstå att förändringen kommer att hjälpa dem och hur den kommer att fungera. De måste också förstå AI så att de inte är rädda för att det ska få dem att göra något fel som påverkar dem.

Vi har talat om detta på CCW också: 80 procent av en AI-implementering handlar om förändringsledning och endast 20 procent om teknik. Man måste utbilda människor och se till att de får bidra med sina egna synpunkter.

Tänk på en agentgrupp. Det finns agenter i världen som har fått påföljder för stavfel eller grammatiska fel i ett ärende, trots att de aldrig behövde sammanfatta en kvalitetsbedömning. Det händer fortfarande.

När man säger till en agent: Det här hjälper dig. Du behöver aldrig skriva de här anteckningarna igen. Du behöver inte oroa dig för stavning eller grammatik. Det blir korrekt och anteckningarna skickas vidare. Du kan gå vidare till nästa problem. Säg mig namnet på den agent som inte vill ha det.

Problemet är att man aldrig förklarade det eller utbildade dem tillräckligt. De vet bara att AI ska införas, samtidigt som det cirkulerar nyheter om att 95 procent av AI-projekten misslyckas enligt en MIT-rapport.

Ingen gick in i rapporten och läste den faktiskt. Rapporten säger att 95 procent av projekten misslyckas på grund av förändringsledning eller problem med människor och ledarskap. Men den mer lockande rubriken var att 95 procent misslyckas.

Berättelsen drivs antingen av rädsla för AI eller av företag som säger att AI fungerar fantastiskt, och det skapar i sin tur rädsla bland frontlinjepersonalen. Människor är redan rädda.

Så den första punkten är: utbilda. Se till att ni förstår vad ni vill införa och varför. Ha en mycket tydlig och avgränsad bild av användningsfallet. Jag vill införa AI för att spara de 60 sekunder som en agent använder efter varje samtal för att skriva ner saker.

Nu har du ett mycket tydligt användningsfall. Det hjälper också kunderna, eftersom de 60 sekunderna används till att göra väntetiden kortare för nästa kund. Det hjälper kunderna eftersom agenterna inte längre gör grammatiska fel eller glömmer att skriva något i ett ärende.

När nästa agent tar över ett samtal vet han eller hon exakt vad problemet var. Vad leder allt detta till? Du sparar 60 sekunder per samtal.

Galen Low: Och ingen får en påföljd för ett skrivfel.

Manu Dwievedi: Precis, och ingen får en påföljd. Som företag har du då löst ett problem för personalen och kunderna och samtidigt tjänat pengar på det.

När man hanterar förändringsledning på det här sättet utbildar man människor, hittar rätt användningsfall, går mycket smalt, inför lösningen, upprepar processen, åtgärdar problemen och breddar sedan arbetet. Det fungerar alltid. Det är vad vi ser överallt.

Galen Low: Det är roligt att du nämnde rubriken från MIT-rapporten. Jag har inte den tidigare statistiken, men jag är beredd att slå vad om att samma procentandel nästan gäller för alla projekt, oavsett om de handlar om AI eller inte, på grund av förändringsledningen.

Vissa som lyssnar kanske tänker: Jag förstår att förändringsledning är viktig. Men det jag gillar med det du sade är att man tidigt ska visa vad AI kan göra, tidigt berätta vad målet är och skapa en positiv AI-upplevelse.

Det är inte ett oärligt säljsnack. Verkligheten är att man uppriktigt vill lösa problem för agenterna eller personalen, oavsett bransch. Men man måste visa dem i stället för att bara berätta, eftersom det är där mycket av misstron finns.

Vissa i mitt nätverk har knappt börjat använda AI. De tänker: Jag vet att jag borde öppna dörren till AI, men jag har inte gjort det än. Jag använder Gemini för att planera måltider, och det är så långt jag har kommit eftersom jag är rädd och inte vet vad det kan göra. Då kan man säga: Låt mig visa dig.

Jim Iyoob: Låt mig anteckna det. Menar du att Gemini kan planera måltider? Det är något jag aldrig har använt AI till, men det kanske jag måste börja göra.

Galen Low: Jag använder faktiskt olika stora språkmodeller för olika saker. Gemini hittar mest på sånger om Pokémon eller Minecraft som jag sedan kan spela in tillsammans med mitt barn.

Jim Iyoob: Vad roligt.

Galen Low: Och ChatGPT använder jag till allt som rör arbetet, medan Claude är min andra uppdelning av arbetet bland mina AI-verktyg. Jag tycker att det är intressant att vissa beskriver AI-omvandling som något helt nytt.

Det är annorlunda, alla måste förstå det och naturligtvis kommer vi att misslyckas. Men det är inte nödvändigtvis sant. Det som däremot stämmer är att man förmodligen bör gå igenom nästan samma process som vid vilken storskalig omvandling som helst.

Jim Iyoob: Det är roligt att du säger det. När interaktiva röstsvarssystem kom sade man vadå? Att de skulle ersätta alla agenter. Skitsnack. Sedan kom chatten: Agenterna kommer att kunna hantera två eller tre chattar samtidigt, så ni behöver inte lika många människor. Skitsnack.

Nu säger man samma sak igen. Det är bara en annan berättelse, och det som görs med AI:s skrämselpropaganda stämmer inte.

Jag vet inte om du såg den senaste videon med roboten som slog de människor som arbetade med den. Den var rolig. Jag tänker använda den i Las Vegas nästa år. Roboten blev galen och började slå dem som arbetade med den. Jag såg videon kanske 15 gånger eftersom den var hysteriskt rolig. Jag tänkte att den som programmerade den inte hade programmerat den rätt.

Det går tillbaka till mänsklig intelligens.

Galen Low: Jag vill återkomma till något eftersom jag tycker att det är viktigt och realistiskt. Du sade att man ibland kan behöva förlora människor. Det är inte en utopi där det bara skapas fler och fler jobb. Etech har lyckats skapa fler jobb, men det är inte säkert att alla kan behålla sina jobb.

Du nämnde också att personer som inte presterar bra förmodligen kommer att förlora sina jobb. Men orsakssambandet går längre tillbaka. Det är inte bara på grund av AI, utan för att de presterar dåligt, inte tar arbetet på allvar och inte lär sig eller utvecklas.

Det är alltså inte egentligen AI:s fel. AI är bara utlösaren. Samtidigt behöver vi människor för att bygga dessa system och programmera dem. Jag ser människor som jag aldrig trodde skulle programmera skapa appar och arbeta med så kallad intuitiv programmering.

Internt genomförde vi nyligen en stor hackathonvecka där alla gjorde ett AI-experiment och presenterade resultatet. Jag tror att vissa lyssnare tänker: Jaha, så en kontaktcenteragent ska bli AI-utvecklare? Är det ett logiskt steg, en överdrift eller är det så arbetskraften kommer att förändras?

Jim Iyoob: Det är en bra fråga. Jag brukar säga: Om du har viljan kan man lära dig färdigheten. Men du måste ha viljan först.

Manu var agent och är programmerare i dag. Det beror på att han hade viljan att lära sig andra färdigheter. Det är som med min dotter. Hon tog examen från universitetet och vill nu bli jurist. Jag sade till henne att ChatGPT inte kommer att hjälpa henne att klara antagningsproven till juristutbildningen.

I teorin kanske det kan hjälpa, men när du skriver det riktiga provet måste du förstå det du har lärt dig. Nu ser jag många i samhället som använder AI i skolan. Min 17-åriga dotter går sista året och hennes telefon har förbjudits i skolan. Nu måste hon faktiskt tänka själv.

Galen Low: Det är faktiskt ett intressant användningsfall. Man kan jämföra med miniräknaren. När jag gick i skolan fick man en Texas Instruments-miniräknare, och någon sade senare att man inte behöver kunna all matematik eftersom man i arbetslivet har en miniräknare.

Jim Iyoob: Jag minns Texas Instruments-miniräknaren.

Galen Low: TI-83. Och någon gång tänker man att man inte behöver kunna all matematik eftersom man har en miniräknare i telefonen hela tiden. Nu har vi AI-assistenter i kontaktcenter.

Finns det en tänkbar framtid där din dotter faktiskt är jurist med en holografisk AI-assistent som har lagen tillgänglig och säger: Menade du den här delen av lagstiftningen? Ja. Då kan vi kanske hävda detta. Måste hon verkligen kunna allt själv?

Jim Iyoob: Ja. Här är varför. Det finns massor av artiklar om AI som ger fel svar. Därför behöver man en människa. Det är därför vi säger att AI inte ersätter, utan assisterar.

Jag använder AI hela tiden och har fem olika plattformar för olika saker, precis som du. Problemet är att allt bygger på vem som har programmerat systemet och vad det förstår. Ja, AI kan med tiden lära sig din personlighet, ditt sätt att tala och ditt sätt att skriva.

Men i slutändan måste du fortfarande läsa texten eftersom AI gör misstag. Jag märker det när människor skickar saker till mig. På LinkedIn ser man att det är AI-genererat eftersom det innehåller emojier och annat som inte betyder något för mig. De har bara kopierat och klistrat in.

Jag får företag som kontaktar mig på LinkedIn och säger att de har läst min profil och ser att jag arbetar inom logistik. Det gör jag inte alls. De försöker sälja sina tjänster till mig. Det visar att personen inte ens läste texten utan bara kopierade och klistrade in den, förmodligen till alla.

Det är därför man alltid behöver den mänskliga delen. Så ser jag på saken.

Galen Low: Det är en tydlig bild av framtiden: arbetskraften förändras, utbildning är viktig, människor behöver kompetensutvecklas och vi måste stödja dem i det. Det måste finnas en vilja att göra det.

Om du saknar den viljan och presterar dåligt är du förmodligen på väg att förlora jobbet, och det är kanske faktiskt ditt eget ansvar. Men det är inte AI:s fel. Målet är att göra AI bättre och förhoppningsvis inte låta den ta över världen.

Det finns en harmoni som kan uppnås. Även om man genomför ett stort AI-omvandlingsprojekt som påverkar människors liv och vissa kommer att hata det medan andra kommer att älska det, handlar det i slutändan om samma sak som all annan förändring och omvandling.

Oavsett om det gäller ett interaktivt röstsvarssystem, pandemin eller AI är angreppssättet i grunden detsamma. Det finns fortfarande en människa i loopen, och det handlar fortfarande om människor.

Jag vill ställa en sista fråga på en praktisk nivå. Jag tänker på lyssnare som är avdelningschefer eller projektledare och redan befinner sig mitt i ett omvandlingsprojekt där AI införs i en central affärsfunktion.

De lyssnar och tänker: Jag borde ha hört det här innan jag började. Är jag körd? Vad kan jag göra mitt under projektet för att se till att förändringen gör mer nytta än skada ur ett förändringslednings-, teknik- och verksamhetsperspektiv?

Jim Iyoob: Jag skulle säga att domänkunskap betyder mer än teknisk kunskap. Nummer ett: kryp, gå och spring. Alla försöker automatisera allt.

Skitsnack. Välj tre saker som håller dig vaken om nätterna. Börja där. När du har infört AI i en kontrollerad miljö kan du ta dig an fler saker.

Jag skulle börja med lågt hängande frukter. Det är där alla gör fel, eftersom sådana projekt tar sex, nio eller tolv månader innan man ser avkastning på investeringen.

Du bör se en avkastning inom 30 till 45 dagar om du gör det ordentligt. Om du inte går in med inställningen att automatisera hela verksamheten utan i stället automatiserar en del av den, blir resultatet tydligare. Om jag minskar samtalsvolymen med fem procent är det riktiga pengar och riktiga besparingar. Sedan skalar man upp.

Det är där alla gör fel. De tror att de måste göra allt, och därför kommer projektet aldrig igång. Jag säger hela tiden till våra kunder: Jag vill göra det här. Bra för dig. Låt oss välja tre saker. Låt oss börja med dem, se till att det fungerar och sedan skala upp.

När man väl har fått kontroll över det lär man sig mer. Och lär av misslyckandena. Misslyckanden betyder inte att något är dåligt. Det betyder att det sätt du provade inte fungerade. Låt oss prova något annat.

När du gör det med tre, fyra eller fem små saker är det mycket lättare att vara flexibel och smidig än om du försöker göra allt.

Det sista jag vill säga är: kopiera inte processen. Om processen inte fungerar i dag, skala inte upp den och automatisera den.

Galen Low: Skala inte upp misslyckandet och automatisera det.

Jim Iyoob: Precis. Manu, vad vill du lägga till?

Manu Dwievedi: Det är exakt så. Om du startar en AI-process bör du skriva ut det här och sätta upp det någonstans, för om du gör dessa tre saker kommer allt att fungera och skapa vinst.

En vän till mig experimenterar just nu med GPT-5 i en äldre redovisningsbyrå. De försöker införa AI internt för felsökning i helpdeskverksamheten. Han ringde mig för några veckor sedan och sade: GPT-5 är fantastisk. Den gick faktiskt igenom felsökningssteg för en av mina interna medarbetare, trots att jag inte hade utbildat den alls.

Sedan frågade han hur han kunde få den att göra rätt varje gång. Men det är ditt problem. Du beslutade att ta en bot och säga: Felsök åt människor. Och sedan ska den göra det varje gång. Nej. Du måste definiera ett mycket specifikt användningsfall.

Min Outlook fungerar inte. Det är det användningsfall du arbetar med. Det är ett av de stora problemen. Människor använder AI som en trollstav som ska lösa allt så fort de säger ordet AI.

Men så fungerar det inte.

Galen Low: Jag älskar det. Det är nästan poetiskt men samtidigt logiskt att vägen till makroförändring faktiskt går genom mikroförändringar.

Vi måste gå igenom de här stegen och förstå våra mål. Om vi inte först tar reda på vad vi försöker uppnå i stor skala blir en genomgripande omvandling svår.

Storskalig omvandling har alltid varit svårt, även under den första vågen av digital omvandling. Jag känner organisationer som fortfarande går över till molnet, försöker byta CRM-system eller digitalisera delar av verksamheten tio eller tolv år senare.

Verkligheten är att saker kommer att förändras i AI-världen och arbetslivet under den tiden. Vi måste tänka i kortare cykler.

Manu Dwievedi: Håller med.

Jim Iyoob: Ja.

Galen Low: Fantastiskt. Jim, tack så mycket för att du tog dig tid att prata med mig i dag. Det här har varit väldigt roligt. Innan jag släpper iväg dig, var kan människor läsa mer om dig?

Jim Iyoob: Det är enkelt för mig: LinkedIn, Jim Iyoob. Jag publicerar ett anmärkningsvärt CX-nyhetsbrev en gång i månaden. Prenumerera på min blogg. Jag säger sådant som människor tänker men inte säger. Jag berättar för människor vad de behöver höra, inte vad de vill höra. Det är utbildande innehåll, och man kan absolut ha roligt med det.

Det är förmodligen det enklaste sättet att hitta oss. Försök bara inte sälja något till mig på LinkedIn. Om du gör det kommer jag att kritisera dig, precis som jag gjorde i morse.

Galen Low: Gör din research.

Jim Iyoob: Gör din research innan du kontaktar mig på LinkedIn. Du kan ansluta till mig när som helst, men om du försöker sälja något till mig på LinkedIn bör du göra din research först. Annars får du ett svar från mig där jag kritiserar hur du gjorde det.

Galen Low: Fantastiskt.

Jim Iyoob: Manu.

Manu Dwievedi: Du hittar mig också på LinkedIn. Det är nog det enklaste sättet. Sök på Manu AI eller gå till linkedin.com/in/manuai/.

Galen Low: Det är en riktigt bra LinkedIn-adress.

Jim Iyoob: Ja, den borde ni alla ha.

Galen Low: Fantastiskt. Jag lägger till alla länkar i programanteckningarna.

Och tack igen för att ni medverkade, delade med er av er kunskap och era insikter. Det här har varit fantastiskt.

Jim Iyoob: Tack så mycket.

Manu Dwievedi: Tack. Tack för att ni bjöd in oss.

Galen Low: Och det var allt för dagens avsnitt av The Digital Project Manager Podcast. Om du uppskattade samtalet, prenumerera där du lyssnar. Om du vill ha ännu fler praktiska insikter, fallstudier och handlingsplaner kan du gå till thedigitalprojectmanager.com.

Tills nästa gång, tack för att du lyssnade.