Hvorfor IT-systemer fejler, når de ignorerer menneskelig adfærd

Hvorfor IT-systemer fejler, når de ignorerer menneskelig adfærd

Mange store IT-initiativer fejler af en bemærkelsesværdigt simpel årsag:
de passer ikke til, hvordan mennesker faktisk handler.

Gennem årene har jeg set ambitiøse systemer med stærke business cases, solid arkitektur og opbakning fra ledelsen stille og roligt dø efter lancering. Ikke fordi de var dårligt bygget, men fordi løsningerne ignorerede eksisterende brugeradfærd og ikke tog højde for den.

To meget forskellige oplevelser, adskilt af mere end tyve år, illustrerer dette mønster tydeligt.

En læring fra telebranchens tidlige dage

For mere end to årtier siden stod jeg i spidsen for et team hos TDC, der byggede en løsning til at identificere huller i mobilnetværkets dækning.

Idéen var god på papiret. På det tidspunkt havde TDC omkring 17.500 medarbejdere fordelt over hele landet. Hvorfor ikke gøre dem til et distribueret netværk af “menneskelige målepunkter”? Når nogen oplevede dårlig mobildækning, kunne de rapportere det via en simpel webgrænseflade. I teorien ville det skabe værdifulde data fra virkeligheden, som kunne bruges til at udbygge netværket.

I praksis havde systemet aldrig en chance.

På det tidspunkt kunne man ikke rapportere direkte fra mobilen. Nokia 3120 var state of the art, og det mest avancerede ved telefonen var, at man kunne ringe – og spille Snake. Det betød, at medarbejderne skulle opdage problemet, huske præcis hvor de var, måske skrive det ned, og senere sætte sig ved en computer for at rapportere det. Processen var alt andet end gnidningsfri.

Alligevel skete der noget interessant i starten. Folk ville faktisk gerne hjælpe. I de første uger strømmede rapporterne ind. Medarbejderne gjorde en indsats for at bidrage.

Men to ting manglede.

For det første passede systemet ikke til naturlig adfærd. Det krævede forsinket rapportering, præcis hukommelse og ekstra arbejde løsrevet fra selve oplevelsen.

For det andet var workflowet ikke tænkt end-to-end. Der var ingen feedback-loop. Bidragyderne fik aldrig at vide, hvad der skete med deres input, om det påvirkede planlægningen, eller om der overhovedet var planer om forbedringer i deres område.

Resultatet var uundgåeligt. Brugen faldt hurtigt og markant. Ikke fordi folk ikke ville, men fordi systemet krævede indsats uden at passe ind i hverdagen eller skabe synlig værdi.

Det var en teknisk solid løsning, der fejlede adfærdsmæssigt.

Et lille eksperiment derhjemme

For nylig lavede jeg et langt mindre eksperiment i min egen husstand.

Vi er fem voksne, der bor sammen: to forældre og tre unge mennesker. Der er konstant koordinering. Indkøb, madplan, hvem der går med hunden, hvad vi mangler osv.

I årevis foregik det på post-its på køleskabet. Det fungerede nogenlunde – indtil det ikke gjorde. Nogen brugte det sidste af noget og glemte at skrive det ned. Vi løb jævnligt tør for basale varer.

Systemet virkede kun, hvis man stod i køkkenet på det rigtige tidspunkt eller huskede at gå tilbage senere. Sådan fungerer opmærksomhed ikke i praksis – i hvert fald ikke hos os.

Med nysgerrighed på de nye AI-drevne udviklingsværktøjer fandt jeg mine gamle kodeevner frem og omdannede post-its til en simpel, delt digital løsning til telefonen: indkøbsliste, madplan, hundeluftning, budgetstatus og fælles påmindelser. Ikke noget avanceret. Bare en let løsning, der spejlede det, vi allerede gjorde.

Nu er det ikke længere afhængigt af at stå i køkkenet for at tilføje noget. Står man i supermarkedet, er det nemt at tjekke, hvad vi mangler. Og opdager man senere på dagen, at noget er brugt op, kan det tilføjes med det samme.

Adoptionen krævede ingen forklaring. Ingen træning. Ingen regler. Ingen håndhævelse.

Nu løber vi sjældent tør for basale varer. Ikke fordi vi er blevet mere strukturerede, men fordi systemet ikke længere arbejder imod vores adfærd.

Mønstret bag begge eksempler

De to cases kunne næsten ikke være mere forskellige i skala. Den ene handlede om tusindvis af medarbejdere og kritisk infrastruktur. Den anden om en husstand.

Alligevel fejler og lykkes de af samme grund.

Systemer bryder sammen, når de kræver perfekt timing eller fejlfri disciplin. Når de forventer, at folk husker noget senere. Når de tilfører ekstra arbejde uden at skabe øjeblikkelig værdi. Og når de ikke lukker loopet og viser, at bidrag faktisk gør en forskel.

Omvendt fungerer systemer, når de indlejres i eksisterende vaner. Når de dukker op dér, hvor opmærksomheden allerede er. Når de reducerer friktion i stedet for at øge den. Og når de understøtter vaner i stedet for at forsøge at ændre dem.

Ledelsesspørgsmålet

Når vi i dag kan eksperimentere hurtigere end nogensinde, er det centrale spørgsmål ikke længere:

“Kan vi bygge det?”
eller “Kan AI bygge det for os?”

Men:

Er vi tydelige på, hvordan systemet understøtter eksisterende adfærd – eller på hvilke strukturelle ændringer der skal til, for at ny adfærd føles naturlig?

Hvis et system passer til, hvordan mennesker allerede arbejder, sker adoptionen ofte stille og roligt. Hvis ikke, skal ledelsen være tydelig omkring, hvad der skal ændres: roller, arbejdsgange, incitamenter, beslutningsrettigheder eller feedbackloops.

Træning og kultur kan hjælpe. Men hvis hverken adfærd eller struktur adresseres, fejler systemer ofte.

Jeg har set det i store, veldrevne initiativer.
Og jeg har set det modsatte lykkes i små sammenhænge.

Afsluttende refleksion

På et mere personligt plan er vi faktisk ret glade for vores lille digitale familie-basecamp (billedet nedenfor). Den har fjernet hverdagsfriktion uden, at nogen rigtig tænker over det. Det er nok den største ros, et system kan få.

For mig var det også overraskende tilfredsstillende at vende tilbage til at bygge noget. At eksperimentere, observere adfærd, lære og justere. Selvom AI klarede det meste af arbejdet, mindede det mig om, hvorfor jeg i sin tid blev fascineret af udvikling.

Et øjebliksbillede af vores webapp.

Billedkredit: ChatGPT og mig.