Produktivitetsgevinster har begrænset værdi, hvis arbejdet stadig passerer gennem de samme udvalg, godkendelser, overdragelser og funktionssiloer. Flaskehalsen bliver i stigende grad organisatorisk forsinkelse: den tid, organisationen bruger på at træffe beslutninger, ændre processer og omsætte nye muligheder til forretningsresultater.
Arbejde, der tidligere krævede flere specialister, afdelinger eller ugers indsats, kan udføres markant hurtigere. Det ændrer, hvordan teams samarbejder, hvordan beslutninger træffes, og hvor der er behov for ekspertise.
Gevinsterne realiseres fuldt ud, når organisationer gentænker deres design og ser anderledes på arbejdsgange, styring, incitamenter, vidensstrømme og beslutningsstrukturer, så AI-drevne produktivitetsgevinster forstærkes på tværs af virksomheden.
AI-native organisationer har brug for både en stabil rygrad og en tilpasningsdygtig frontlinje, samtidig med at de udnytter menneskers vigtigste evner til at udvise dømmekraft og koordinere handlinger.
På LinkedIn, Substack og andre fora lyder det ofte: »Jeg kan ikke se afkastet af AI.« Efterhånden som reel ibrugtagning tager fart, ser vi dog et betydeligt afkast af AI-løsninger og standardværktøjer som ChatGPT, Codex og Claude. Men pointen er stadig forståelig. Selv om den enkelte kan opnå betydelige produktivitetsgevinster, begrænses de i sidste ende, hvis organisationens arbejdsgange forbliver uændrede. Jeres organisationsdesign skal udvikle sig.
Desværre kan man ikke fremtidssikre en organisation, især ikke med den hastighed, AI udvikler sig. Ingen kan med sikkerhed sige, hvordan en AI-optimeret bank, forsikringsvirksomhed, detailkæde, energivirksomhed eller konsulentvirksomhed bør se ud om tre år. Teknologien, økonomien og arbejdsmønstrene ændrer sig for hurtigt, og derfor bliver tilpasningsevnen en af det kommende årtis afgørende fordele.
Men hvis ekspertviden er tilgængelig med det samme, og AI-agenter kan arbejde selvstændigt i timevis, må man antage, at måden, arbejdet udføres på, både vil og bør ændre sig. Det betyder, at jeres driftsmodel skal ændres, hvis I skal høste fordelene ved teknologien. De organisationer, der hurtigst tilpasser sig nye arbejdsmønstre og nye anvendelser af teknologien, har mest at vinde.
Den enkleste måde at forstå AI's organisatoriske betydning på er at begynde med en simpel antagelse. Antag, at ekspertviden er tilgængelig med det samme for alle i organisationen. Det var svært at forestille sig for to år siden, men er allerede stort set virkelighed. Og selv om den måske endnu ikke er perfekt, er det rimeligt at antage, at den bliver tæt på perfekt inden for meget kort tid.
Føj så endnu en antagelse til. Antag, at autonome agenter kan arbejde sammen i timer, dage og med tiden uger for at udføre omfattende og værdiskabende arbejde. Ikke blot én eller nogle få opgaver, men et reelt, omfattende arbejdsforløb på tværs af flere fagområder. Et tværfagligt team samlet i et hold af agenter, der selv kan finde frem til arbejdsgangen.
Hvis begge dele blot er nogenlunde rigtige, vil måden, arbejdet udføres på, være nødt til at ændre sig. Gennemløbstiden falder, det interne samarbejde ændrer form, og forandringstempoet stiger.
Forandringer i dette tempo favoriserer decentralisering, autonomi og innovation, mens de fleste store organisationer er bygget op omkring det modsatte princip.
Store virksomheder centraliserer magten i funktionsopdelte afdelinger. De opdeler strategi, teknologi, data, risiko, drift, økonomi, HR og forretningen i forskellige strukturer med hver deres prioriteter, incitamenter og – vigtigst af alt – kontrolmekanismer.
Investeringsudvalg, styregrupper, arkitekturråd, risikovurderinger, compliancekontroller, indkøbsprocesser, årlige planlægningscyklusser og business cases styrer forandringer. Nogle forandringsteams fungerer desuden som mellemled for information mellem interessenter uden at tilføre værdi.
Intet af dette er irrationelt, og mekanismerne findes af gode grunde. De håndterer risiko, fordeler kapital, forhindrer dobbeltarbejde, beskytter kunder og skaber ansvarlighed, men de fastlægger også et tempo. Det tempo er sandsynligvis for langsomt i en verden, hvor AI-native konkurrenter langt hurtigere kan teste, lære og gentænke arbejdet.
Det kulturelle signal har også betydning. I mange organisationer belønner incitamenterne stadig medarbejdere for at holde sig inden for deres funktionsområde, uanset hvor ofte en leder siger: »I har mandat til at træffe beslutninger.« Hvorfor? Beskyt teamet. Beskyt budgettet. Beskyt køreplanen. Undgå synlige fejl. Send svære beslutninger videre til et udvalg. Gå ikke for langt uden for den godkendte proces.
Denne centraliserede tilgang giver mening, når forsøg er dyre, og lejlighedsvise ændringer er gradvise snarere end revolutionerende. Men den bliver et problem, når mulighederne forbedres markant med få måneders mellemrum, og de bedste potentialer opdages af teams tæt på arbejdet.
Hvis AI mødes med traditionel centralisering, opstår der forsinkelser, som står i vejen for et mærkbart afkast. Hvis alle ændringer skal gennem flere udvalg, før de når det reelle arbejde, lærer organisationen for langsomt.
Når mulighederne for at udnytte AI begrænses, bliver arbejdspladsen mindre attraktiv for medarbejdere, der vil udvikle sig og rykke hurtigere.
De fleste organisationer begynder med den enkeltes AI-kompetence. Det er det rette sted at begynde. Medarbejderne skal vide, hvordan de instruerer AI, udfordrer den, kontrollerer dens arbejde, beskytter følsomme oplysninger, og hvornår de ikke bør bruge den. De har brug for selvtillid, dømmekraft og praktisk erfaring.
Men den enkeltes kompetence har et loft. En analytiker kan producere fem gange så mange analyser, men beslutningsforummet mødes stadig kun én gang om måneden. En udvikler kan generere mere kode, men processen for gennemgang og udgivelse er uændret. En marketingmedarbejder kan skabe mere indhold, men brandgodkendelsen ligger stadig i den samme kø.
Selv på teamniveau fører en ændret arbejdsgang ikke nødvendigvis til større hastighed, hvis resten af organisationen fortsat arbejder som hidtil.
Den enkelte arbejder altså hurtigere, og teamet gør måske også, men i sidste ende begrænses leverancetempoet af andre led i organisationens samlede proces. Derfor skal AI-rejsen gå fra individuel kompetence til teamkompetence og videre til kompetence på organisationsniveau.
Når virksomheden kan ændre sine strukturer, incitamenter, styring, vidensstrømme og teknologiske mønstre, bliver de lokale gevinster hos enkeltpersoner og teams til værdi for hele virksomheden.
Det er en svær udfordring, men det er her, potentialet for at frigøre værdi ligger. AI-native virksomheder, der er opstået i årene efter lanceringen af ChatGPT, har bygget arbejdsgange med AI integreret fra begyndelsen. Derfor er de fortsat smidige og har flade strukturer. Større virksomheder har derimod føjet AI til eksisterende processer og skabt et kludetæppe, som ikke ændrer, hvordan arbejdet udføres.
AI-native betyder ikke kaotisk, hensynsløs eller besat af værktøjer. Det betyder ikke, at alle medarbejdere frit bruger den nyeste model, som de vil. Og det betyder bestemt ikke, at styring skal erstattes af begejstring, eller at mennesker ikke længere er nødvendige.
Den gamle model for organisationsdesign bygger på, at man kan definere en fremtidig tilstand, tegne strukturen, gennemføre ændringen og stabilisere organisationen. Det er for langsomt til AI.
AI-native organisationer bliver designet til løbende forandring. En AI-native organisation gentænker løbende arbejdet med udgangspunkt i de samlede styrker hos mennesker, AI-systemer, data, arbejdsgange og styring. Den satser ikke alt på én enkelt plan. Den opbygger evnen til hurtigt at afdække, hvilke arbejdsgange der bør ændres, hvilke roller der skal udvikles, hvilke kontroller der kræves, hvilke kompetencer der bliver vigtigere, hvilke mønstre der kan genbruges, og hvilke antagelser der allerede er forældede.
Det kræver to ting på samme tid: en stabil rygrad og en tilpasningsdygtig frontlinje. De skaber balance mellem centralisering og bemyndigelse af teams tæt på arbejdet.
Den stabile rygrad giver organisationen tillid og skala. Hele virksomheden har adgang til godkendte værktøjer, genanvendelige mønstre, dataadgang, evalueringsmetoder, sikkerhedskontroller, styringsprincipper, overvågning, vidensinfrastruktur og tydeligt ejerskab.
Den tilpasningsdygtige frontlinje er dér, hvor arbejdet udføres og ændres ofte og gnidningsfrit. Små, tværfaglige teams tæt på problemet har tilstrækkeligt mandat til at gentænke arbejdsgange, anvende AI, afprøve nye arbejdsformer og dele erfaringerne med organisationen.
Balancen mellem kernen og frontlinjen er vigtig. For meget central kontrol betyder, at organisationen lærer for langsomt. For stor lokal frihed betyder, at organisationen fragmenteres. Den AI-native organisation har brug for disciplin i kernen og tilpasningsevne i frontlinjen.
Den dovne konklusion om automatisering af arbejde er, at AI mindsker behovet for mennesker. På nogle områder vil det ske, eksempelvis rutinepræget vidensarbejde med begrænset kontekst, som bliver komprimeret eller fjernet. Arbejde, der primært består af transaktioner, udfyldning af huller i systemer, flytning af information, indledende analyser, første udkast og svar med begrænset »merværdi«, vil alt sammen komme under pres.
Men den anden side af sagen er, at det menneskelige »bidrag« rykker et niveau op: Når ekspertviden er tilgængelig med det samme, bliver de knappe menneskelige egenskaber, som AI hverken kan eller bør erstatte, dømmekraft, kreativitet, ansvarlighed, kontekstforståelse og tillid.
Organisationer bør i stigende grad fokusere på mennesker, der kan træffe beslutninger i tvetydige situationer. Mennesker, der forstår fagområdet godt nok til at styre AI og opdage, når den tager fejl. Mennesker, der kan stille bedre spørgsmål. Mennesker, der kan forbinde kommercielle, tekniske, driftsmæssige og menneskelige realiteter. Mennesker, der kan opbygge relationer, skabe tryghed og koordinere mange interessenter. Og ikke mindst bliver evnen til hurtigt og korrekt at skifte kontekst og fortolke information endnu vigtigere, når en hel uges arbejde presses sammen til mandag morgen.
Generalister bliver derfor mere værdifulde, ikke mindre, hvis de kan bevare konteksten på tværs af funktioner og koordinere AI-understøttet arbejde. Eksperter kan blive mere værdifulde, ikke mindre, fordi hurtigere arbejde skaber flere situationer, hvor kvalitet og dømmekraft er afgørende. Og ledere skal i mindre grad kontrollere aktiviteter og i højere grad designe systemer, kontekst og tempo.
Man bør ikke kun investere i »AI-kompetencer«. Det gælder også de menneskelige egenskaber, som bliver vigtigere, når AI udfører flere basale opgaver: nysgerrighed, dømmekraft, robusthed, klarhed, kreativitet, beslutsomhed, samarbejdsevne og tryghed ved tvetydighed. Organisationen bør allerede nu ansætte, udvikle og belønne mennesker med disse egenskaber.
Det er intenst at komprimere så meget arbejde, og AI-native organisationer kan ikke arbejde i hæsblæsende tempo hele tiden. De bliver nødt til at skabe luft og overskud, så medarbejderne kan restituere og genetablere kontakten. For at kunne vurdere og beslutte effektivt bør organisationer skabe miljøer, hvor heldige tilfældigheder kan føre til nye idéer.
I dag er mange virksomheder langsomme til at bruge AI til det, der allerede er muligt. Det skaber en voksende kløft mellem forbedringerne af agentbaserede funktioner og forbedringerne i brugen af dem.
Det er normalt. Store organisationer tager langsomt teknologi til sig på grund af ældre systemer, lovkrav, kulturel modstand, fragmenterede data, uklart ejerskab og reelle risici, som alt sammen skal håndteres.
På et tidspunkt vil tilstrækkeligt mange ledere, teams og konkurrenter dog finde ud af, hvordan AI kan anvendes sikkert og gentagne gange i reelle arbejdsgange. Mønstrene modnes, styringen bliver mere integreret, agenterne mere pålidelige, og organisationernes tillid vokser. Kløften mellem det, AI muliggør, og det, virksomheder faktisk anvender, begynder at lukke sig.
Når vendepunktet kommer, går fordelen ikke til virksomhederne med de bedste modeller eller største AI-budgetter, men til de organisationer, der hurtigt kan ændre måden, arbejdet udføres på.
Virksomheder, der centraliserer alle beslutninger, beskytter hver funktion, styrer gennem langsomme udvalg og belønner medarbejdere for »ikke at skabe uro«, får svært ved at følge med.
Virksomheder, der opbygger en stærk rygrad og en tilpasningsdygtig frontlinje, lærer hurtigere. De opdager bedre arbejdsgange tidligere, flytter en sund blanding af generalister, eksperter og ledere over til arbejde med højere værdi og omsætter lokale forsøg til genanvendelige mønstre.
Spørgsmålet er måske lige nu »Hvordan tager vi AI i brug med succes?«, men snart skal det ændres til »Hvor hurtigt kan vores organisation tilpasse sig, når AI ændrer arbejdet?«
En langsom organisation med effektiv AI vil stadig være langsom. En tilpasningsdygtig organisation med effektiv AI vil skabe en selvforstærkende effekt.