När AI gör jobbet – hur lär vi oss då att göra det själva?

Erfarenhet byggs inte bara av framgång

Tänk på hur den egna yrkesskickligheten en gång växte fram. Sannolikt inte genom att alltid få det rätta svaret serverat från början. Analyser visade sig vara ofullständiga, första utkast behövde arbetas om och missförstånd ledde till återkoppling, nya insikter och nya försök.

Med tiden växte förmågan att känna igen mönster, ställa bättre frågor och upptäcka när något inte riktigt stämde, även när siffrorna såg bra ut. Det är så erfarenhet växer fram. Vi lär oss inte bara av svaren utan av vägen fram till dem. Och det är just delar av den vägen som AI nu kan göra åt oss.

När friktionen försvinner kan också lärandet minska

Det finns mycket i arbetslivet som med fördel kan automatiseras. Få kommer att sakna onödig administration eller tidskrävande rutinuppgifter. Men all friktion är inte av ondo. När vi själva försöker formulera ett resonemang tvingas vi tänka, och genom att analysera ett material tränar vi förmågan att skilja det viktiga från det oviktiga. Ett första utkast blir samtidigt ett sätt att upptäcka vad vi faktiskt har förstått och var det fortfarande finns luckor.

När AI tar över delar av den processen kan resultatet både bli bättre och komma snabbare. Risken är att vi samtidigt går miste om en del av det tänkande och lärande som vägen fram till resultatet tidigare krävde. Vi får svaret utan att fullt ut ha gjort resan dit. Det behöver inte vara ett problem om vi redan har den erfarenhet som krävs för att värdera resultatet. Men för den som fortfarande håller på att bygga sin kompetens är situationen en annan.

Hur blir den juniora medarbetaren senior?

Här finns kanske en av de mest underskattade frågorna i diskussionen om AI och kompetens. Många av de arbetsuppgifter som AI är särskilt bra på är sådant som traditionellt har utförts av yngre eller mindre erfarna medarbetare: informationssökning, sammanställningar, enklare analyser, dokumentation och första utkast.

Uppgifterna kan ibland uppfattas som rutinmässiga, men de har också fungerat som viktiga träningsarenor. Den unga juristen som går igenom hundratals dokument lär sig så småningom att se vad som avviker, medan kommunikatören genom sina första texter utvecklar en känsla för ton, målgrupp och sammanhang. På samma sätt bygger analytikern gradvis upp en förståelse för vilka frågor som behöver ställas innan det går att dra välgrundade slutsatser.

Om AI gör allt mer av detta arbete uppstår därför en paradox: Vi kan bli mer produktiva idag – samtidigt som vi försvagar den process som bygger morgondagens expertis.

Vad händer med framtidens seniora kompetens om människor inte längre får göra det arbete som tidigare gjorde dem seniora?

Omdöme går inte att ladda ner

Det är lätt att tala om omdöme som om det vore ytterligare en kompetens vi kan tillägna oss genom en utbildning. Men gott omdöme växer till stor del fram genom erfarenhet, när vi ställs inför situationer där svaren inte är självklara och där olika hänsyn behöver vägas mot varandra.

Det finns ett gammalt uttryck som fångar detta med en viss självironi: ”Omdöme får man av att göra det som man inte skulle ha gjort om man haft omdöme.”

Det ligger något i det. Genom att fatta beslut, se konsekvenserna och ibland behöva ompröva våra slutsatser utvecklar vi gradvis en djupare förståelse för sammanhang och en förmåga att hantera sådant som inte enkelt låter sig reduceras till regler eller data.

En erfaren ledare kan ibland känna att något inte stämmer långt innan problemet syns i rapporterna. Inte för att personen har tillgång till någon mystisk intuition, utan därför att många års erfarenheter har byggt upp en förmåga att känna igen mönster och signaler.

AI kan ge oss mer information att bygga våra beslut på. Men för att kunna bedöma kvaliteten i det AI producerar behöver vi själva ha tillräcklig kunskap och erfarenhet. Det skapar ytterligare en paradox: Ju bättre AI blir på att ge oss svar, desto viktigare kan vår egen förmåga att värdera svaren bli.

Ledarens uppgift blir att skydda lärandet

Därför behöver diskussionen om AI i organisationer handla om mer än vilka processer som kan effektiviseras. Ledare och HR behöver också fråga:

Vilka erfarenheter behöver våra människor fortfarande få göra själva?

Det betyder inte att vi ska behålla ineffektiva arbetssätt bara för lärandets skull. Däremot behöver vi förstå skillnaden mellan uppgifter som enbart tar tid och sådana som också utvecklar människors kompetens. Men det betyder att vi behöver förstå skillnaden mellan arbete som enbart tar tid och arbete som samtidigt utvecklar kompetens.

En junior medarbetare kan exempelvis behöva göra sin egen analys innan AI används för att utmana eller komplettera den. På samma sätt kan det vara värdefullt att ibland låta det första utkastet komma från människan och därefter använda AI som bollplank. För ledaren handlar det också om att visa intresse för hur medarbetaren har kommit fram till sina slutsatser, snarare än att enbart bedöma kvaliteten på slutresultatet.

På så sätt kan AI bli ett verktyg som stärker lärandet i stället för en genväg förbi det. Men det förutsätter att vi medvetet skapar utrymme för lärande i det dagliga arbetet.

Från kunskapsöverföring till erfarenhetsöverföring

Det förändrar också ledarens och den erfarna medarbetarens roll. När kunskap blir allt lättare att få tillgång till blir det mindre viktigt att den erfarne bara överför information. AI kan redan ge tillgång till enorma mängder kunskap på några sekunder.

Det som blir svårare att ersätta är erfarenheten bakom kunskapen. Därför behöver samtalen mellan erfarna och mindre erfarna medarbetare i högre grad handla om hur bedömningar växer fram. Varför valdes just den lösningen? Vilka signaler väckte tveksamhet? Vad hade kunnat göras annorlunda och hur visste man när det var dags att agera?

Genom sådana samtal får yngre medarbetare möjlighet att förstå inte bara vad en erfaren person gör, utan också hur personen tänker, resonerar och väger olika alternativ mot varandra. Mentorskap, reflektion och återkoppling kan därför bli viktigare, inte mindre, när AI blir en självklar del av arbetslivet.

Effektivitet idag eller kompetens för morgondagen?

Det finns en begriplig lockelse i att automatisera allt som går att automatisera. Vinsterna är synliga och går ofta att mäta direkt: kortare ledtider, lägre kostnader och högre produktivitet. Förlusten av lärande är svårare att se.

Den visar sig kanske först flera år senare när organisationen upptäcker att färre människor har den erfarenhet som krävs för att göra självständiga bedömningar, hantera undantagen eller ifrågasätta systemets rekommendationer.

Därför behöver vi börja betrakta lärande som något vi medvetet skapar förutsättningar för i arbetet, snarare än något vi tar för givet ska uppstå medan arbetet pågår.

AI ska inte bara göra oss effektivare – utan bättre

Den avgörande frågan är därför inte om vi ska använda AI. Självklart ska vi dra nytta av teknik som kan frigöra tid, höja kvaliteten och hjälpa människor att göra ett bättre arbete. Men vi behöver samtidigt vara vaksamma på vad vi automatiserar bort.

Om AI frigör tid bör en del av den tiden kanske investeras i det som bygger människors långsiktiga förmåga: reflektion, återkoppling, mentorskap, träning och svårare uppgifter som kräver eget tänkande. Då kan AI bli mer än ett effektiviseringsverktyg. Det kan bli en katalysator för mänsklig utveckling.

Men det sker inte automatiskt. Det kräver ledare som förstår att organisationens uppgift inte bara är att få dagens arbete gjort så effektivt som möjligt, utan också att utveckla de människor som ska kunna möta morgondagens utmaningar.

Kanske är därför den viktigaste frågan inte vilka arbetsuppgifter AI kan ta över, utan vilka erfarenheter människor fortfarande behöver få göra själva för att utvecklas till de specialister och ledare som organisationen kommer att behöva i framtiden.

Reflektionsfrågor

När ni inför AI i fler delar av verksamheten:

• Vilka arbetsuppgifter effektiviserar ni, och vilka former av lärande riskerar samtidigt att försvinna?
• Vilka erfarenheter behöver yngre eller mindre erfarna medarbetare fortfarande få göra själva för att utveckla sitt omdöme?
• Hur kan ni använda AI som bollplank och lärpartner snarare än som ersättare för eget tänkande?

Och kanske viktigast: Mäter ni bara vad AI hjälper er att producera idag – eller också vilken kompetens ni behöver bygga för morgondagen?

Men AI förändrar inte bara hur vi lär oss och utvecklar vår kompetens. Tekniken utmanar också själva ledarskapet. Hur skapar vi trygghet och riktning när inte ens ledaren kan veta vad framtiden kommer att innebära?

Den frågan återkommer vi till i en kommande artikel.