Kunstig intelligens kan være effektiv på nogle opgaver og overraskende svag på andre. Derfor bør du ikke kun spørge, om organisationen skal bruge AI. Du bør i stedet spørge, hvor teknologien egner sig til opgaven, og hvor den risikerer at blive en usynlig genvej.
Der er lige nu stor hype omkring potentialet i at anvende kunstig intelligens til at løse opgaver. Mange ledere forholder sig allerede til en fremtid, hvor AI bliver en fast del af arbejdspladsen. Måske som en hjælp til medarbejdere. Måske som en måde at effektivisere arbejdet på. Og måske som noget, der på sigt kan ændre hele måden, opgaver bliver løst på.
Læs også: 4 arketyper du vil møde, når du skal lede AI
Dyre eksperimenter
Men selvom teknologien kan være imponerende, er det langt fra sikkert, at den skaber værdi, bare fordi den bliver implementeret. Mange AI-projekter risikerer at ende som dyre eksperimenter, hvis du ikke fra begyndelsen har gjort dig klart, hvilke opgaver teknologien egner sig til, og hvilke den ikke egner sig til.
En af årsagerne er det, som forskere inden for kunstig intelligens kalder ‘jagged AI’ – eller på dansk ‘savtakket AI’. Begrebet beskriver, at kunstig intelligens ikke præsterer jævnt. Den kan være meget stærk på nogle opgaver og overraskende svag på andre, der umiddelbart ligner.
Læs også: Fra frygt til engagement: En guide til at lykkes med AI
Ledelsesmæssig dømmekraft
Man kan tænke på det som et bjerglandskab med spidse toppe og dybe dale. På nogle områder kan AI præstere på meget højt niveau. På andre områder halter den stadig langt bagefter, især når opgaven kræver dyb forståelse, kontekst, sund fornuft eller faglig dømmekraft.
Derfor kræver AI ikke kun teknologisk nysgerrighed. Det kræver ledelsesmæssig dømmekraft. Du skal kunne vurdere, hvornår AI kan styrke opgaveløsningen, og hvornår teknologien i stedet kan skjule fejl, flytte ansvar eller skabe falsk tryghed.
Her er fem spørgsmål, du bør stille, før AI bliver en del af opgaveløsningen.
Læs også: Undgå et A- og B-hold: Få alle med på AI‑rejsen
1. Er opgaven tydeligt afgrænset?
AI fungerer bedst, når opgaven er tydelig og afgrænset. Det kan for eksempel være at opsummere et langt dokument, lave et første udkast til en intern besked, strukturere noter fra et møde eller samle hovedpointer fra mange skriftlige input.
Problemerne opstår ofte, når opgaven bliver for bred, uklar eller afhængig af mange forhold, som ikke står direkte i teksten. Hvis AI skal forstå en kompleks sag, vurdere hensyn eller tage højde for lokale forhold, stiger risikoen for fejl.
Derfor bør dit første spørgsmål være: Er opgaven konkret nok til, at AI overhovedet kan løse den fornuftigt?
2. Kan en fagperson vurdere kvaliteten?
Det farlige er ikke kun, at AI kan tage fejl. Det farlige er, hvis ingen opdager det.
Hvis AI bruges til at lave et udkast, en opsummering eller en analyse, skal der være en fagperson, som kan vurdere, om resultatet er korrekt, relevant og brugbart. Ellers kan organisationen ende med at stole på et svar, der lyder overbevisende, men som ikke holder fagligt.
Det gælder især ved juridiske tekster, sundhedsfaglige vurderinger, personalesager, borgerrettet kommunikation eller andre opgaver, hvor fejl kan få reelle konsekvenser.
Du bør derfor altid spørge: Hvem kan kvalitetssikre det, AI producerer?
3. Hvad sker der, hvis AI tager fejl?
Ikke alle AI-fejl er lige alvorlige. En dårlig idé i en brainstorm er sjældent et stort problem. En forkert formulering i en afgørelse, en misvisende vurdering eller en fejl i en tekst til en borger kan derimod få langt større betydning.
Derfor bør du skelne mellem opgaver med lav og høj risiko.
Lavrisiko-opgaver kan være idéudvikling, mødeforberedelse, interne udkast eller hjælp til at skabe overblik. Højrisiko-opgaver kan være afgørelser, beslutningsstøtte, håndtering af følsomme oplysninger eller kommunikation, hvor fejl kan skade tillid, retssikkerhed eller relationer.
Jo større konsekvensen af en fejl er, desto stærkere skal den menneskelige kontrol være.
4. Kræver opgaven kontekst og sund fornuft?
AI kan ofte formulere noget, der lyder rigtigt. Men det betyder ikke nødvendigvis, at systemet forstår situationen.
En AI kan måske skrive et pænt svarudkast til en borger, medarbejder eller pårørende. Men den kender ikke nødvendigvis den konkrete relation, tidligere forløb, lokale hensyn eller de små nuancer, der gør sagen særlig.
Det er netop her, ‘jaggedness’ bliver vigtigt. AI kan være god til sproget, men svag til forståelsen bag sproget. Derfor bør du være særligt varsom med opgaver, hvor det ikke kun handler om at formulere sig godt, men om at forstå den samlede situation.
5. Har du designet arbejdsgangen omkring AI?
AI skal ikke bare kobles på en eksisterende arbejdsgang og forventes at skabe værdi. Arbejdsgangen skal designes, så det er tydeligt, hvad AI må gøre, hvem der kontrollerer outputtet, og hvem der har ansvaret, hvis noget går galt.
For nogle opgaver kan det være nok, at én fagperson tjekker resultatet. For andre kræver det flere led i kvalitetssikringen. Det afgørende er, at AI ikke bliver en usynlig genvej, hvor ansvaret forsvinder mellem systemet og medarbejderen.
Pointen er ikke, at du som leder skal være bange for AI. Pointen er, at teknologien kræver ledelsesmæssig dømmekraft. AI kan skabe værdi, men kun når opgaven, risikoen og den menneskelige kvalitetssikring er tænkt med fra start.
