Rädslan är ett införandeproblem, inte ett personalproblem
Det mesta motståndet mot AI på jobbet är rationellt. Så här genomför du ett införande som ditt team litar på, från det första användningsfallet till uppföljningen efter nittio dagar.
De flesta AI-införanden kör fast på samma ställe. Verktyget fungerar, pilotprojektet såg bra ut, och sex veckor senare är det tre personer som använder det. Ledningen tolkar det som motstånd mot förändring. Så är det oftast inte. Det är en rationell reaktion på ett otydligt upplägg.
När du ger någon ett system som gör en del av deras jobb och inte säger något mer, kommer de att fylla tystnaden själva. De utgår från den värsta tolkningen, avvaktar och fortsätter göra arbetet på det gamla sättet ifall det nya sättet får dem att framstå i dålig dager. Det beteendet är billigt för dem och dyrt för dig.
Besvara jobbfrågan innan någon hinner ställa den
Det första ditt team vill veta är om det här ersätter dem. Om du inte säger det, avgör de svaret utan dig.
Så säg det, konkret, på ett sätt du kan hållas ansvarig för. "Ingen förlorar jobbet på grund av det här systemet under de kommande tolv månaderna" är en mening en chef kan förbinda sig till. "AI kompletterar snarare än ersätter" är det inte — folk har hört den och vet att den inte betyder något.
Om antalet anställda kommer att förändras, säg det också, och säg vad som händer med dem som berörs. Ett obekvämt svar som ges tidigt kostar dig mindre än ett vagt svar som läcker under ett halvår. Och om du inte kan förbinda dig till någonting alls är du inte redo att införa något; du är redo att ha ett annat samtal med din styrelse.
Börja med arbete folk redan ogillar
Instinkten är att välja den process som ger mest värde. Välj den mest irriterande i stället.
Att stämma av två kalkylblad som aldrig matchar. Att skriva om samma standardtext i offert efter offert. Att läsa fyrtio supportärenden för att hitta de tre som betyder något. Ingen försvarar det arbetet, ingens yrkesidentitet hänger på det, och alla märker när det försvinner. Du får dina första förespråkare gratis.
Den värdefulla processen finns kvar i månad fyra, och då har du ett team som har sett saken fungera och har åsikter om vart den ska ta vägen härnäst.
Skriv ner reglerna, på en sida
Det är otydligheten som gör folk försiktiga. Det mesta av den reder ut sig med ett kort dokument som på vanlig svenska besvarar:
- Vad du får mata in i systemet och vad du inte får — kundnamn, avtal, löneuppgifter, källkod
- Vilka resultat som kräver mänsklig granskning innan någon utanför företaget ser dem
- Vem man ska säga till när något blir fel, och vad som händer sedan
- Om det påverkar bedömningen av ditt arbete att du använder det, eller låter bli
Den sista punkten spelar större roll än de tre andra. Om folk misstänker att AI-användning mäts och betygsätts kommer de att använda det defensivt och dåligt. Säg rakt ut hur det vägs in i utvärderingen, även om svaret är "det gör det inte".
Rekrytera skeptikern, inte entusiasten
Dina entusiaster antar vad som helst och övertygar ingen. Den du vill ha med i piloten är den erfarna, respekterade personen som tror att det här förmodligen är överreklamerat.
De hittar de verkliga felkällorna på en vecka, för de vet hur ett korrekt resultat ser ut. Och om de till slut säger "det här sparar mig en eftermiddag" väger det tyngre än något ledningen kan köpa sig till. Ge dem en verklig kanal för att rapportera problem, och åtgärda sedan problemen snabbt nog för att det ska kännas meningsfullt att rapportera.
Gör det enkelt att säga att systemet hade fel
Alla AI-system producerar självsäkra fel. Ett införande står och faller med vad som händer sedan.
Om det krävs ett mejl till IT för att flagga ett dåligt resultat är det ingen som flaggar något, felen ackumuleras i tysthet och förtroendet rinner ut. Lägg rapportknappen i verktyget. Ha en namngiven person som läser rapporterna. Publicera vad ni ändrade. Team förlåter system som ibland har fel; de förlåter inte att bli ignorerade när de säger till.
Bedöm införandet, inte tekniken
Efter nittio dagar handlar de användbara frågorna om beteende. Hur många använde det de senaste två veckorna, inte sedan lanseringen. Vilka team slutade använda det, och vad sa de när du frågade varför. Hur lång tid tar det att få svar på ett flaggat fel. Var har någon i tysthet gått tillbaka till den gamla processen, och gjorde de rätt i det.
De siffrorna säger dig om förändringen landade. Modellernas benchmarkresultat gör det inte.
Att bära den bördan — policyn, pilotens utformning, det första obekväma samtalet — är merparten av arbetet, och det är den del som hoppas över. Det är också den del vi lägger mest tid på med våra kunder.
Sköts det bra slutar införandet att kännas som ett påbud och börjar kännas som ett verktyg folk bad om.