Inga produkter i varukorgen.
Vi människor är inte så förändringsbenägna som vi tror
Debatt Kundvärde och verksamhetsnytta är oftast häpnadsväckande frånvarande i själva AI-diskussionen. Medarbetarna som faktiskt ska använda de nya verktygen kan oftast inte se någon konkret verksamhetsnytta med dem.
För några år sedan började det dyka upp så kallade smarta kylskåp. Det här var högteknologiska produkter med inbyggd internetuppkoppling och AI-funktioner. De kunde föreslå recept, varna för att mjölken tagit slut och till och med beställa ny på egen hand.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Helt enkelt framtidens kylskåp. Eller kanske inte, för i en undersökning av vitvaror hamnade det sist i kundernas ranking. Ingen förstod nyttan med det smarta kylskåpet.
Martin Linder, tidigare ordförande för Unionen, använder just kylskåpet när han pratar om nyttan med AI. Det är en bra historia, för den säger något som är lätt att glömma i all AI-hets: att tekniskt möjligt inte är samma sak som efterfrågat.
Kundvärde och verksamhetsnytta, konstaterar Linder, är oftast häpnadsväckande frånvarande i själva AI-diskussionen. Vi pratar om effektivitet, kostnader och pilotprojekt – men sällan om vem som faktiskt bad om lösningen.
Det här förklarar kanske också varför så många AI-satsningar rinner ut i sanden. Siffran som brukar nämnas är att upp till 95 procent av företagens AI-piloter aldrig ger någon mätbar effekt på lönsamheten.
Medarbetarna som faktiskt ska använda de nya verktygen kan oftast inte se någon konkret verksamhetsnytta med dem.
Fenomenet är tyvärr inte unikt för AI. Vid varje teknikskifte uppstår en eufori kring möjligheterna, som sedan antingen aldrig genomförs, eller så tar det väldigt mycket längre tid än planerat.
Visar på ett mycket vanligt grundläggande fel
Vi människor är inte så förändringsbenägna som vi tror. Det här visar också på ett mycket vanligt grundläggande fel. Vi fokuserar på tekniken och möjligheterna, men vi glömmer bort behoven och användarna. Det leder till misslyckade projekt och dyra investeringar som inte går ihop.
Fakta
Källa till faktaunderlag
Martin Linder, ”AI, produktivitet och MBL 2.0”; Business Insider (Shubham Agarwal); samt Harvard Business Review.
Svensk offentlig sektor har en stor skuld till detta fenomen. Här finns en stor faiblesse för ny teknik (gemensamt journalsystem inom vården t.ex.) liksom tomma modeord och managementfloskler, såsom innovation, tillitsbaserat, självstyrande m.m. som skrivs in i olika policydokument. Men det är sällan de genomförs och när de testas visar de sig sällan fungera i den bistra verkligheten.
Intressant är att Linder pekar på en enkel lösning: medbestämmandelagen och utvecklingsavtalet passar förvånansvärt bra för att hantera hur AI införs på en arbetsplats. Inte som ett nytt regelverk att uppfinna, utan som ett sätt att faktiskt fråga dem som är närmast verksamheten (=förankra) varför och hur man ska använda AI, innan man bestämmer.
Att svensk konsensuskultur, som ofta målas upp som långsam och lite töntig, faktiskt kan vara en konkurrensfördel hörs sällan i AI-debatten. En organisation som frågar efter syftet innan den frågar efter volymen hamnar sällan i situationen att ha lanserat ett kylskåp ingen bad om, eller en AI-pilot ingen minns varför den startades.
