5 avgörande nyckelkompetenser som krävs för att driva kvalitet från AI-satsningen

– Vår erfarenhet och den här studien visar att organisationer som får verklig effekt inte ser AI som ett teknikinköp, utan som en verksamhetstransformation, säger Robert Lingemark.

Konkret innebär en sådan transformation att investeringar styrs av affärsvärde, inte av individuella teknikexperiment. Framgångsrika organisationer börjar med att identifiera de flöden som bäst kan förstärkas med AI, förklarar Lingemark.

– Budgeten måste fördelas brett, inte bara till teknik utan också till kompetensutveckling, förändringsledning och nya arbetssätt. Frontgruppen bör investera lika mycket i lärande och strukturer som i själva AI-plattformarna, säger han, och tillägger:

– Effekten måste mätas, inte bara aktiviteten. Ledande organisationer följer upp vad AI faktiskt levererar i form av effektivitet, kvalitet och kostnad i verksamheten.

För att säkerställa att den valda AI-satsningen faktiskt genererar någon form av avkastning är det bäst att bygga in AI i befintliga processer och låta tekniken styras som en produktiv resurs, inte testas som ett sidoprojekt.

Enligt Robert Lingemark finns det några återkommande misstag hos organisationer som inte lyckas med sina AI-initiativ. Primärt är det fyra återkommande områden som sticker ut:

1. Verksamheten har för stort fokus på teknik och piloter, istället för skalning och affärsnytta. Många fastnar i experiment utan att integrera AI i kärnprocesser.
2. Många organisation har en operationell modell och styrning där IT tar ägandeskap istället för verksamheten. vilket gör att initiativen saknar affärsdriv och strategisk riktning.
3. Det finns en brist på på styrning och gemensamma principer, vilket skapar osäkerhet kring ansvar, säkerhet och hur AI får användas.
4. Många jobbar fortfarande primärt med AI för individuellt bruk, som ett personligt hjälpmedel, istället för organisatoriskt som en gemensam “digital arbetskraft”. Notera att det är inget snack om att AI driver individuell produktivitet men det slutar inte där.

Du framhåller att framgångsrika organisationer ofta börjar med styrning och struktur snarare än stora teknikprojekt. Vad innebär det i praktiken?

Framgångsrika organisationer investerat sina operationella modeller. Rent praktiskt innebär det att affären sätter riktningen, alltså att ledningen definierar mål, prioriteringar och värdeströmmar där AI ska göra skillnad. Hela verksamheten äger AI-användningen, medan IT säkerställer plattform, säkerhet och skalbarhet.

– Gemensamma arbetssätt och principer införs, exempelvis för ansvarstagande AI, datadelning och agent-styrning, och AI hanteras som en långsiktig förmåga, inte som ett tidsbegränsat projekt – med kontinuerlig utveckling och lärande.

Ledningens kompetens och engagemang är avgörande för att lyckas med AI-transformationen, menar Robert Lingemark.

Han lyfter fram fem nyckelkompetenser som blir mycket viktiga att etablera:

• Grundläggande teknologiförståelse, inte på detaljnivå, men tillräckligt för att förstå möjligheter, risker och konsekvenser.  Det bör även betonas att definitioner är mycket viktiga (Precis som vid vilket teknikskifte som helst men vi upplever att många ännu inte har koll på begrepp och definitioner)

• Förändrings- och transformationsledning, där AI ses som en drivkraft för nya arbetssätt, inte bara effektivisering.

• Affärsdriven prioritering, dvs. att kunna koppla AI-initiativ till kundvärde, konkurrenskraft och långsiktig strategi.

• Kulturellt ledarskap, som skapar trygghet, lärande och optimism kring AI.

• Förmågan att leda en hybrid arbetsstyrka, där både människor och AI-agenter utför arbete

– Ledare behöver inte bli tekniska experter – men de måste kunna styra, prioritera och ta ansvar för AI som en central affärsförmåga, avslutar Robert Lingemark.