Produktivitetsgevinster har begrenset verdi hvis arbeidet fortsatt går gjennom de samme komiteene, godkjenningene, overleveringene og funksjonssiloene. Flaskehalsen blir i økende grad organisatorisk treghet: tiden det tar en organisasjon å fatte beslutninger, endre prosesser og omsette nye evner i forretningsresultater.
Arbeid som tidligere krevde flere spesialister, avdelinger eller ukers innsats, kan fullføres dramatisk mye raskere. Dette endrer hvordan team samarbeider, hvordan beslutninger tas, og hvor det trengs ekspertise.
Gevinstene realiseres fullt ut når organisasjoner revolusjonerer utformingen sin og tenker nytt om arbeidsflyter, styring, insentiver, kunnskapsflyt og beslutningsstrukturer, slik at KI-drevne produktivitetsgevinster forsterkes i hele virksomheten.
KI-native organisasjoner trenger både et stabilt fundament og en høy tilpasningsevne, samtidig som de bruker de mest verdifulle menneskelige ferdighetene til vurdering og samordning av handlinger.
På LinkedIn, Substack og andre fora diskuteres det mye at «jeg ser ikke avkastningen på KI». Etter hvert som reell bruk tar av, ser vi god avkastning både på KI-løsninger og på bruk av standardverktøy som ChatGPT, Codex og Claude. Likevel er poenget forståelig. Selv om den enkeltes produktivitetsgevinst kan være betydelig, begrenses den til syvende og sist dersom organisasjonens arbeidsflyter forblir uendret. Organisasjonsutformingen må utvikles.
Dessverre kan en organisasjon ikke fremtidssikres, særlig med tanke på hvor raskt KI utvikler seg. Ingen kan med sikkerhet si hvordan en KI-optimalisert bank, et forsikringsselskap, en detaljist, et energiselskap eller et konsulentselskap bør se ut om tre år. Teknologien, økonomien og arbeidsmønstrene endrer seg for raskt, noe som gjør tilpasningsevne til et av de avgjørende konkurransefortrinnene det neste tiåret.
Men når ekspertintelligens er umiddelbart tilgjengelig og KI-agenter kan arbeide selvstendig i timevis, må vi anta at måten arbeidet utføres på, både vil og bør endres. Det tyder på at driftsmodellen må endres for at teknologien skal gi gevinster. Organisasjonene som raskest er villige til å tilpasse seg nye arbeidsmønstre og nye bruksområder for teknologien, har mest å vinne.
Den enkleste måten å forstå den organisatoriske virkningen av KI på, er å begynne med en enkel antakelse. Anta at ekspertintelligens er umiddelbart tilgjengelig for alle i organisasjonen. Dette var vanskelig å forestille seg for to år siden, men er nå allerede så godt som en realitet. Og selv om den ennå ikke er perfekt, virker det rimelig å anta at den vil være nær perfekt i svært nær fremtid.
Legg så til en antakelse til. Anta at autonome agenter kan samarbeide i timer, dager og etter hvert uker for å gjennomføre omfattende og meningsfylt arbeid. Ikke én eller noen få oppgaver, men en betydelig arbeidssekvens på tvers av flere fagområder. Et tverrfaglig team samlet i et agentteam som selv kan finne frem til arbeidsflyten.
Hvis begge antakelsene er bare noenlunde riktige, vil måten arbeidet utføres på, måtte endres. Gjennomføringstiden krymper, det interne samarbeidet endrer form, og endringstakten øker.
Endring i dette tempoet favoriserer desentralisering, autonomi og innovasjon, mens de fleste store organisasjoner er bygget på det motsatte prinsippet.
Store virksomheter sentraliserer makten i funksjonsinndelte avdelinger. De skiller strategi, teknologi, data, risiko, drift, økonomi, HR og forretning i ulike strukturer, hver med sine prioriteringer, insentiver og – viktigst av alt – kontrollmekanismer.
Investeringskomiteer, styringsgrupper, arkitekturråd, risikovurderinger, kontrollpunkter for etterlevelse, innkjøpsprosesser, årlige planleggingssykluser og forretningsplaner styrer endringene. Enkelte endringsledelsesteam fungerer i tillegg som unødvendige mellomledd for informasjon mellom interessenter, uten å tilføre verdi.
Igjen: Dette er ikke irrasjonelt, og mekanismene finnes av gode grunner. Samtidig som de håndterer risiko, fordeler kapital, hindrer dobbeltarbeid, beskytter kunder og sikrer ansvarlighet, fastsetter de også et tempo. Det vil trolig være for langsomt i en verden der KI-native konkurrenter kan teste, lære og utforme arbeidet på nytt langt raskere.
Det kulturelle signalet er også viktig. I mange organisasjoner belønner insentivene fortsatt det å holde seg innenfor funksjonsgrensene, uansett hvor ofte en leder sier: «Dere har myndighet til å ta beslutninger.» Hvorfor? Beskytt teamet. Beskytt budsjettet. Beskytt veikartet. Unngå synlige feil. Eskaler vanskelige beslutninger til en komité. Ikke gå for langt utenfor den godkjente prosessen.
Denne sentraliserte tilnærmingen gir mening når det er kostbart å eksperimentere, og sporadiske endringer er evolusjonære snarere enn revolusjonære. Men den blir problematisk når evnene forbedres vesentlig med få måneders mellomrom, og de beste mulighetene oppdages av teamene nærmest arbeidet.
Å møte KI med tradisjonell sentralisering skaper en treghet som hindrer reell avkastning. Hvis enhver endring må gjennom flere komiteer før den når det faktiske arbeidet, lærer organisasjonen for sakte.
Når mulighetene til å utnytte KI begrenses, blir arbeidsplassen mindre attraktiv for ansatte som ønsker å utvikle seg og bevege seg raskere.
De fleste organisasjoner begynner med individuell KI-kompetanse. Det er riktig sted å begynne. Folk må vite hvordan de gir KI instrukser, utfordrer den, kontrollerer arbeidet, beskytter sensitiv informasjon og avgjør når den ikke bør brukes. De trenger trygghet, dømmekraft og praktisk erfaring.
Men individuell kompetanse har et tak. En analytiker kan produsere fem ganger så mange analyser, men beslutningsforumet møtes fortsatt bare én gang i måneden. En utvikler kan generere mer kode, men prosessen for gjennomgang og lansering er ikke endret. En markedsfører kan lage mer innhold, men merkevaregodkjenningen ligger fortsatt i den samme køen.
Selv på teamnivå gir ikke en endret arbeidsflyt nødvendigvis høyere tempo hvis resten av organisasjonen fortsatt arbeider som før.
Den enkelte arbeider altså raskere, og teamet kanskje også, men til syvende og sist begrenses leveransetempoet av andre deler av organisasjonens helhetlige arbeidsflyt. Derfor må KI-reisen gå fra individuell kompetanse til teamkompetanse og videre til kompetanse på organisasjonsnivå.
Når virksomheten kan endre strukturene, insentivene, styringen, kunnskapsflyten og teknologimønstrene, blir de lokale gevinstene hos enkeltpersoner og team til verdi for hele virksomheten.
Det er en krevende utfordring, men det er også her muligheten til å frigjøre verdi ligger. KI-native selskaper som er etablert de siste årene etter lanseringen av ChatGPT, har bygget arbeidsflyter med KI integrert fra starten. Derfor forblir de smidige og har flate strukturer. Større virksomheter har derimot satt KI inn i eksisterende prosesser, noe som skaper et lappeteppe uten å endre hvordan arbeidet utføres.
KI-nativ betyr ikke kaotisk, uforsiktig eller verktøybesatt. Det betyr ikke at alle ansatte bruker den nyeste modellen akkurat slik de selv ønsker. Og det betyr absolutt ikke å erstatte styring med entusiasme eller late som om mennesker ikke lenger trengs.
Den gamle modellen for organisasjonsutforming forutsetter at man kan definere en fremtidig tilstand, tegne strukturen, gjennomføre endringen og stabilisere organisasjonen. Det går for sakte for KI.
KI-native organisasjoner vil bli utformet for kontinuerlig endring. En KI-nativ organisasjon er en organisasjon som kontinuerlig utformer arbeidet på nytt rundt de samlede styrkene til mennesker, KI-systemer, data, arbeidsflyt og styring. Den satser ikke alt på én enkelt plan. Den bygger evnen til raskt å finne ut hvilke arbeidsflyter som bør endres, hvilke roller som må utvikles, hvilke kontrollmekanismer som trengs, hvilke ferdigheter som blir viktigere, hvilke mønstre som kan gjenbrukes, og hvilke antakelser som allerede er utdaterte.
Det krever to ting samtidig: et stabilt fundament og en høy tilpasningsevne. Sammen skaper de balanse mellom sentralisering og myndiggjøring av teamene nærmest arbeidet.
Det stabile fundamentet gir organisasjonen tillit og skalerbarhet. Hele virksomheten har tilgang til godkjente verktøy, gjenbrukbare mønstre, tilgangsveier til data, evalueringsmetoder, sikkerhetskontroller, styringsprinsipper, overvåking, kunnskapsinfrastruktur og tydelig eierskap.
Den fleksible ytterkanten er der arbeidet skjer og endres ofte og uten friksjon. Små, tverrfaglige team nær problemet har nok myndighet til å utforme arbeidsflyter på nytt, bruke KI, teste nye arbeidsmåter og føre læringen tilbake til organisasjonen.
Balansen mellom kjernen og en tilpasningsdyktig front er viktig. Med for mye sentral kontroll lærer organisasjonen for sakte. Med for stor lokal frihet blir organisasjonen fragmentert. Den KI-native organisasjonen trenger disiplin i kjernen og fleksibilitet i fronten.
Den lettvinte konklusjonen om automatisering av arbeid er at KI reduserer behovet for mennesker. På enkelte områder vil det skje, for eksempel i repetitivt kunnskapsarbeid med lite kontekst, som vil bli redusert eller forsvinne. Arbeid som hovedsakelig består av transaksjoner, tetting av hull i systemer, flytting av informasjon, innledende analyser, førsteutkast og svar med begrenset «merverdi», vil bli satt under press.
Men motsatsen er at det menneskelige «bidraget» løftes til et høyere nivå: Når ekspertintelligens er umiddelbart tilgjengelig, blir de knappe menneskelige egenskapene som KI ikke kan og ikke bør erstatte, dømmekraft, kreativitet, ansvarlighet, kontekst og tillit.
Organisasjoner bør i økende grad satse på mennesker som kan ta beslutninger i tvetydige situasjoner. Mennesker som forstår fagområdet godt nok til å styre KI og vite når den tar feil. Mennesker som kan stille bedre spørsmål. Mennesker som kan se sammenhengen mellom kommersielle, tekniske, driftsmessige og menneskelige realiteter. Mennesker som kan bygge relasjoner, skape trygghet og samordne mange interessenter. Og ikke minst blir evnen til raskt å skifte kontekst og tolke informasjon riktig enda viktigere når en hel ukes arbeid presses inn i mandag formiddag.
Generalister blir derfor mer verdifulle, ikke mindre, hvis de kan bevare konteksten på tvers av funksjoner og koordinere KI-støttet arbeid. Eksperter kan bli mer verdifulle, ikke mindre, fordi raskere arbeid skaper flere situasjoner der kvalitet og dømmekraft er avgjørende. Ledere må dessuten bli mindre opptatt av å kontrollere aktivitet og mer opptatt av å utforme systemer, kontekst og tempo.
Ferdighetene det bør investeres i, er ikke bare «KI-ferdigheter». Det er de menneskelige egenskapene som blir viktigere når KI håndterer mer av oppgaveutførelsen på lavere nivå: nysgjerrighet, dømmekraft, motstandskraft, tydelighet, kreativitet, besluttsomhet, samarbeidsevne og trygghet i møte med tvetydighet. Organisasjonen bør allerede nå rekruttere, utvikle og belønne disse egenskapene.
Å komprimere så mye arbeid er intenst, og KI-native organisasjoner kan ikke holde et halsbrekkende tempo hele tiden. De må skape kapasitet og pusterom slik at folk kan hente seg inn og finne tilbake til hverandre. For å vurdere og beslutte effektivt bør organisasjoner fremme miljøer der tilfeldige møter kan føre til nye ideer.
I dag er mange virksomheter trege med å bruke KI til det som allerede er mulig. Det skaper et voksende gap mellom utviklingen i agentbaserte evner og forbedringen i hvordan de brukes.
Det er normalt. Store organisasjoner tar teknologi sakte i bruk på grunn av eldre systemer, regulatoriske begrensninger, kulturell motstand, fragmenterte data, uklart eierskap og reell risiko som må håndteres.
På et tidspunkt vil imidlertid nok ledere, team og konkurrenter finne ut hvordan KI kan brukes trygt og gjentatte ganger i reelle arbeidsflyter. Mønstrene vil modnes, styringen bli mer integrert, agentene mer pålitelige og organisasjonenes tillit større. Gapet mellom det KI muliggjør, og det virksomhetene faktisk bruker, vil begynne å tettes.
Når dette vendepunktet kommer, vil fordelen ikke tilfalle selskapene med de beste modellene eller de største KI-budsjettene, men organisasjonene som raskt kan endre hvordan arbeidet utføres.
Selskaper som sentraliserer alle beslutninger, verner om hver funksjon, styrer gjennom langsomme komiteer og belønner ansatte for å «ikke skape uro», vil slite med å holde tritt.
Selskapene som bygger et solid fundament og en høy tilpasningsevne, vil lære raskere. De vil oppdage bedre arbeidsflyter tidligere, flytte en sunn blanding av generalister, eksperter og ledere over til arbeid med høyere verdi og gjøre lokale eksperimenter til gjenbrukbare mønstre.
Spørsmålet nå er kanskje «Hvordan lykkes vi med å ta i bruk KI?», men snart må det bli «Hvor raskt kan organisasjonen vår tilpasse seg når KI endrer arbeidet?»
En langsom organisasjon med kraftig KI vil fortsatt være langsom. En tilpasningsdyktig organisasjon med kraftig KI vil oppnå en selvforsterkende effekt.