EN
Alle perspektiver Læs på engelsk

AI StrategiUdgivet

Psykologien bag AI-transformation: fem mønstre fra 14 års forandring

Denne artikel er oversat fra engelsk med AI. Læs originalen

How I apply my psychology study to AI transformation

I 14 år har jeg ledet og rådgivet agile transformationer. Leveranceorganisationer, ledelsesteams, scale-ups og etablerede virksomheder. Ét mønster har holdt hver gang. Planlægning, sprints og dailies er nemme at forstå og nemme at komme i gang med. Det er den menneskelige faktor, der afgør, om noget af det holder. Med andre ord er transformation mest af alt psykologi.

Det lærte jeg på den hårde måde. For år tilbage så jeg seks måneders stabil agil fremgang smuldre, da en kunde ansatte en ny direktør, der var rundet af en helt anden skole. Jeg var millimeter fra at sparke hans dør ind eller kaste håndklædet i ringen og løbe skrigende bort. Jeg gjorde ingen af delene. I stedet begyndte jeg at spørge, hvorfor den menneskelige side havde været så skrøbelig. Det spørgsmål har jeg stillet lige siden.

AI skruer op for tempoet. Det, der før tog et år, sker nu på et kvartal. Det gør ikke den menneskelige faktor mindre vigtig. Det gør den vigtigere, fordi der er mindre tid til at tage fejl.

Jeg læser i øjeblikket organisationspsykologi som en del af min MBA på Edinburgh Business School. Meget lidt af det har været nyt for mig i praksis. Det, studiet har givet mig, er et ekstra sprog og evidens for mønstre, jeg har set i transformation efter transformation.

Det starter med diagnosen. McCalman og Patons TROPICS-test placerer en forandring på en skala fra hård til blød: tidshorisont, ressourcer, mål, opfattelse, interesser, kontrol og kilde.

AI lander næsten altid på den bløde side. Uklare tidslinjer, skiftende mål, mennesker der ser problemet meget forskelligt. Bløde forandringer kræver retning og deltagelse, ikke en detaljeret masterplan. Så hvad sker der, hvis vi holder op med at behandle AI som en maskine, der skal installeres, og i stedet ser det som en forandring i måden, mennesker forholder sig til deres arbejde på?

Forskningen i forandringsparathed giver et brugbart svar. Den peger på fire drivere: troen på at organisationen kan håndtere forandringen, tillid til kolleger og ledere, deltagelse og relationer.

Jeg har set alle fire gøre eller bryde agile programmer. Ingen af dem handler om teknologi. De former resten af dette indlæg, sammen med en femte, der holder dem sammen: ledelse.

1. Tro: line of sight før værktøjer

De agile transformationer, der gik i stå, fejlede sjældent på frameworket, måske med SAFe som undtagelsen. De fejlede, når teams ikke længere kunne se, hvordan deres sprint hang sammen med strategien. Fart uden retning er bare at løbe hurtigt i ring. Folk tror kun på, at en organisation kan håndtere en forandring, når de kan se, hvor den er på vej hen.

AI gør den risiko større. Det er nemt at sætte tyve piloter i gang. Det er svært at forklare, hvilket strategisk resultat hver af dem tjener. En transformationsleders første opgave er at holde den line of sight: fra strategi, til værdistrøm, til den konkrete opgave, AI skal ændre.

2. Tillid: folk modstår ikke forandring, de modstår en brudt aftale

Jeg har set teams stritte voldsomt imod forandringer, der så harmløse ud på papiret. En ny rolle, et nyt board, en ny kadence. Det handlede sjældent om selve forandringen. Det handlede om, hvad forandringen sagde om deres status, deres autonomi og deres fremtid.

Psykologien kalder det den psykologiske kontrakt: den uskrevne aftale mellem medarbejder og organisation. AI rører ved hver eneste linje i den på én gang. Når ledere siger "effektivisering", regner folk på deres egen rolle. Stille og roligt. Typisk på vej hjem fra arbejde.

Litteraturen om organisatorisk retfærdighed gav mig en brugbar opdeling:

  • fordelingsmæssig: hvem får de timer, AI sparer, og hvem bærer det ekstra arbejde
  • procedural: om folk kan se, hvordan use cases bliver valgt, og hvordan beslutninger om at stoppe eller skalere bliver truffet
  • interaktionel: om folk får sandheden, tidligt og med respekt

Procedural retfærdighed viser sig at forudsige engagement i forandringen. Det stemmer med min erfaring. Folk accepterer et hårdt resultat fra en fair proces. De accepterer sjældent et godt resultat fra en skjult proces. Derfor skal "augment before replace" være mere end et designprincip. Det skal siges højt, som et løfte, ledelsen er villig til at blive holdt op på. Tillid bygges på det løfte, eller tabes på det.

3. Deltagelse: start med afslutningen

I agile transformationer lærte jeg tidligt, at projektlederen, der mistede sit Gantt-kort, mistede mere end et værktøj. Vedkommende mistede en del af sig selv.

William Bridges gav mig de bedre ord. Forandring er den nye situation. Transition er den indre proces med at komme derhen, og enhver transition starter med en afslutning. Springer man afslutningen over, holder folk fast i den gamle identitet og kalder det skepsis.

AI afslutter ting hurtigere og for flere mennesker. Sagsbehandleren, der kunne alle regler udenad. Analytikeren, hvis værdi lå i det første udkast. Bridges siger, at mennesker har brug for fire ting for at begynde igen: et formål, et billede af hvordan det vil se ud og føles, en plan og en rolle at spille. De fleste AI-programmer leverer planen til perfektion. Billedet og rollen mangler ofte. Den rolle er det, deltagelse i virkeligheden betyder. Ikke en invitation til en workshop, men en rolle i at forme det, der kommer.

Studiet bekræftede også noget, jeg har set i alle teams: mennesker reagerer på forandring i forskelligt tempo. De, der tror på, at de kan gøre en forskel, og at resultatet afhænger af dem selv, prøver hvad som helst. Andre har brug for at øve sig i trygge rammer, før de tror på det. I en løbegruppe vinder man ikke ved at råbe ad den langsomste løber. Man sætter et tempo, gruppen kan holde.

4. Relationer: pas på de seje børns bord

De fleste agile transformationer starter med et pilotteam. Jeg har set pilotteams blive rollemodeller, og jeg har set dem blive en ø. Forskellen var sjældent talent. Det var, hvordan resten af organisationen forholdt sig til dem. Parathed bor i relationer, ikke i organisationsdiagrammer.

Social identitetsteori forklarer hvorfor. Sæt et skarpt team i et rum med nye værktøjer og en direkte linje til direktionen. Inden for få uger har du en inde-gruppe og en ude-gruppe. Piloten bliver "dem". Alle andre bliver "dem, der ikke har forstået det". Med AI er et lille ekspertlab det naturlige udgangspunkt, så risikoen er indbygget.

Kotter så den samme fælde. Hans tidlige model drev forandring gennem en lille, magtfuld kerne. Hans senere arbejde argumenterede for et andet operativsystem: et netværk af frivillige fra oven, nedefra og på tværs af hierarkiet. For AI betyder det ambassadører i værdistrømmene, fælles demoer og en forretningsejer for hvert eksperiment.

Og psykologisk tryghed går fra at være rart at have til at være en forudsætning. Hvis det skader din karriere at rapportere en hallucination eller et mislykket eksperiment, får du polerede demoer og skjulte problemer. Små, begejstrede teams avler også gruppetænkning. Ethvert AI-team har brug for en, hvis opgave er at spørge, om vi løber det rigtige løb.

5. Ledelse: lær to gange, og fejr stoppet

Tro, tillid, deltagelse og relationer opstår ikke af sig selv. Ledere skaber betingelserne for dem.

Agile organisationer er gode til at forbedre måden, de arbejder på. Retrospektiver retter processen. Det, jeg langt sjældnere har set, er teams, der spørger, hvorfor arbejdet overhovedet findes.

Argyris kalder det forskellen på single-loop og double-loop learning. Single loop: prompten fejlede, så ret prompten. Double loop: bør denne proces overhovedet eksistere? Hvorfor godkender vi denne beslutning tre gange? Det andet loop er der, hvor AI skaber strategisk værdi og ikke bare effektivisering. Det kræver tre ting af mennesker: selvindsigt, ærlighed og at tage ansvar.

Edgar Schein tilføjer ledelsesdelen. Mennesker lærer kultur af det, ledere er opmærksomme på, måler og belønner, og af hvordan de reagerer, når noget går galt. Ikke af værdiplakater. I min masterafhandling kaldte jeg (agil) ledelse en kontaktsport. Ledere kan ikke stå på sidelinjen og installere agilitet (eller AI) i andre. De skal være på banen.

Én direktørs reaktion på en fejl kan sætte tonen i årevis. Hvis direktionen kun klapper ad den AI-pilot, der skalerer, lærer folk at skjule dem, der burde stoppes. En velbegrundet beslutning om at stoppe fortjener det samme bifald. Sådan bliver en eksperimenterende kultur virkelig.

Transformationslederens egentlige opgave

Enhver AI-transformation kører to loops på én gang. Det ene handler om teknologien: eksperimentér, mål, beslut, skalér. De fleste organisationer bliver bedre til det.

Det andet handler om mennesker og retning. Om teams kan se strategien i deres daglige arbejde. Om de har tillid til processen. Om de stadig kan se sig selv i den fremtid, der bliver bygget. Det loop afgør, om det første nogensinde betaler sig.

Det er den opgave, jeg ser for en transformationsleder. Ikke kun at fokusere på AI-værktøjerne, men at eje forbindelsen mellem strategi, organisation og de mennesker, der gør det virkeligt, i det tempo AI nu kræver.

Det er også derfor, jeg samler det hele i en AI Transformation Playbook. Den kombinerer 14 års transformationsledelse, mit MBA-studie i organisationspsykologi og praktisk erfaring med at implementere AI. To loops, én rytme. Mere om det snart. Hvis du gerne vil have et kig ind i den inden da, så ræk ud.

Efter 14 år med at lede transformationer er mekanismerne velkendte, men tempoet er nyt. Og jo mere sprog jeg får for den menneskelige side, jo mere respekterer jeg de mennesker, der står i centrum af den. Hver eneste en forskellig, med sit eget udgangspunkt og i sit eget tempo.

Hvad har du taget med fra tidligere transformationer ind i dit AI-arbejde?

Et par links, hvis du vil dykke dybere

Tænkerne bag idéerne i dette indlæg: