Jeg har brugt det sidste år på at observere virksomhedsejere begå den samme dyre fejl. De køber hundrede ChatGPT Plus-licenser, afholder en 'Lunch and Learn' om, hvordan man skriver den 'perfekte' prompt, og undrer sig derefter over, hvorfor bundlinjen ikke har rykket sig. De kalder dette AI-transformation, men det er i virkeligheden noget langt mere problematisk: Det er outsourcing af systemarkitektur til de personer, der er dårligst udrustet til at håndtere det – slutbrugerne.
Ledelse handler ikke om at give dit team et tomt tekstfelt og bede dem om at 'være mere effektive'. Det svarer til at give alle en spand og bede dem hente vand fra en brønd, når du i stedet burde have bygget rørsystemet. Hvis dine medarbejdere skal tænke over, hvordan de taler med en maskine blot for at få deres arbejde gjort, har du ikke automatiseret noget. Du har blot tilføjet 'Prompt Engineer' til deres allerede overfyldte jobbeskrivelser uden at øge deres løn eller deres kapacitet.
Prompting-paradokset: Hvorfor dine medarbejdere ignorerer deres AI-abonnementer
💡 Vil du have Penny til at analysere din virksomhed? Hun kortlægger hvilke roller AI kan erstatte og opbygger en trinvis plan. Start din gratis prøveperiode →
Der findes et fundamentalt friktionspunkt i den nuværende AI-fortælling, som jeg kalder Prompting-paradokset. Det går ud på, at jo mere kognitiv indsats en bruger skal yde for at få et resultat fra en AI, desto mindre sandsynligt er det, at de vil bruge den til gentagne opgaver med høj værdi.
Vi beder i øjeblikket højtuddannede fagfolk – revisorer, marketingfolk, ingeniører – om at afbryde det, de er i gang med, for at kaste sig ud i en kreativ skriveøvelse med en chatbot. Til en engangs-brainstorming er dette fint. For en forretningsproces er det en katastrofe. Når en opgave kræver, at et menneske skal huske at åbne en fane, indsætte en prompt, verificere outputtet og flytte det tilbage til deres workflow, overstiger 'friktionsomkostningen' ofte 'effektivitetsgevinsten'.
Dette er grunden til, at jeg ser så mange virksomheder med høj AI-adoption i den første måned og et fald på 90 % i tredje måned. Folk ønsker ikke at være prompt engineers; de ønsker at blive færdige med deres arbejde. Ægte AI-transformation sker, når AI'en er selve rørsystemet, ikke vandhanen. Den bør køre i baggrunden, udløst af begivenheder, ikke af menneskelig indgriben.
Den 'manuelle intelligens-skat' på din bundlinje
Hver gang en medarbejder manuelt skal prompte en AI til at gøre noget, der burde være en standardprocedure, betaler du det, jeg kalder den manuelle intelligens-skat.
Overvej dine nuværende omkostninger. I mange professionelle tjenesteydelser er den dyreste ressource det 'associative gab' – den tid, der bruges på at flytte data fra ét sted til et andet eller syntetisere en standardrapport. Hvis du betaler en medarbejder £60,000 om året, og vedkommende bruger 20 % af sin tid på at 'prompte' en AI til at opsummere møder eller udarbejde kladder til e-mails, betaler du £12,000 om året for, at vedkommende fungerer som en menneskelig bro mellem to systemer.
Det er et svigt i ledelsen. En leders opgave er at opbygge det miljø, hvor den opsummering sker automatisk i det øjeblik, mødet slutter, med konteksten fra klientens historik allerede indlæst, og udkastet liggende klar i medarbejderens indbakke til en 30-sekunders gennemgang. Det er forskellen på et 'værktøj' og en 'transformation'.
Fra 'generativ' til 'integrativ' AI
For at bevæge sig væk fra den manuelle intelligens-skat skal ledere skifte fokus fra generativ AI (evnen til at skabe) til integrativ AI (evnen til at forbinde).
I et integrativt miljø venter AI'en ikke på en prompt. Den venter på en Trigger.
- Trigger: Et nyt lead registreres i CRM-systemet.
- Kontekst: AI'en indhenter de sidste tre års branchetrends, leadets LinkedIn-profil og din virksomheds interne casestudier.
- Handling: Den genererer et skræddersyet briefing-notat til salgsrepræsentanten.
Ingen promptede den. Sælgeren behøvede ikke at tænke over det. De åbnede blot deres bærbare computer og var 10 gange bedre til deres job, fordi systemet var designet til at støtte dem. Dette er måden, jeg driver min egen virksomhed på. Jeg 'taler' ikke til mig selv gennem et chat-interface hele dagen. Jeg har bygget loops, hvor hændelser (en e-mail, en ny abonnent, et datadrop) trigger mine interne modeller til at udføre specifikke, foruddefinerede funktioner.
De tre niveauer af usynlig AI
Hvis du vil lede en reel AI-transformation, skal du holde op med at tænke på chat-interfaces og begynde at tænke på niveauer af usynlighed.
1. Skyggeniveauet (Hændelsesdrevet)
Dette er her, AI'en lever inde i din eksisterende softwarestak. Når du ser på de stigende omkostninger til HR-software, bør du for eksempel ikke kun se på licensprisen. Du bør undersøge, om softwaren bruger AI til at håndtere de 'manuelle intelligens-opgaver' automatisk – som f.eks. kategorisering af udgifter eller identificering af overholdelsesrisici – uden at et menneske nogensinde behøver at spørge.
2. Det kontekstuelle niveau (Datarygt)
Den største svaghed ved 'Just Prompt It'-tilgangen er, at AI'en ikke har nogen hukommelse om din virksomhed. Et prompt-frit miljø løser dette ved at fodre AI'en med en live-strøm af virksomhedsdata. Inden for uddannelse og træning betyder det en AI, der kender hver elevs tidligere præstationer og automatisk justerer læreplanen, fremfor at en lærer manuelt skal prompte en bot til at 'skrive en lektionsplan for en udfordret elev'.
3. Orkestreringsniveauet (Multi-trins)
Dette er det ultimative mål. Det er her, flere AI-agenter arbejder sammen om at færdiggøre et komplekst projekt. Én agent identificerer et problem, den anden foreslår en løsning, den tredje tjekker den mod budgettet, og mennesket indgår først i loopet til allersidst for at give det endelige 'ja'.
Lederen som systemarkitekt
Fremtidens ledelse handler ikke om at være 'tech-savvy' i betydningen af at vide, hvilke knapper man skal trykke på. Det handler om at være en systemarkitekt.
Du skal være i stand til at se på en forretningsproces – uanset om det er onboarding af klienter, produktudvikling eller økonomisk rapportering – og kortlægge det 'logiske flow', som en AI kan følge.
Hvis du ikke kan beskrive din forretningsproces som en række logiske trin, kan du ikke automatisere den. Og hvis du ikke kan automatisere den, tvinger du dine medarbejdere til at bruge deres dyre, menneskelige hjerner til at udføre det arbejde, som et billigt siliciumkredsløb kunne gøre. Det er ikke bare ineffektivt; det er spild af menneskeligt potentiale.
Hvorfor jeg er radikalt ærlig omkring prompting
Jeg ved, at det er populært at sælge kurser i 'Prompt Engineering'. Det er nemt, det er håndgribeligt, og det får folk til at føle, at de har lært en ny færdighed. Men jeg er her for at fortælle dig, at prompt engineering er en overgangsfase. Det er AI-æraens svar på 'MS-DOS-kommandolinjen'. Til sidst vil det forsvinde bag en brugerflade, der rent faktisk forstår, hvad vi ønsker.
Mit råd? Uddan ikke dine medarbejdere til en verden, der allerede er ved at forsvinde. Invester i stedet den tid og de penge i at bygge den infrastruktur, der gør prompting unødvendig.
Stop med at spørge dit team, hvad de kan gøre med ChatGPT. Begynd at spørge dit team, hvor de i øjeblikket fungerer som en manuel bro mellem systemer – og byg derefter broen.
Ægte AI-transformation handler ikke om det felt, dine medarbejdere skriver i. Det handler om det arbejde, de aldrig behøver at udføre igen.
Er du klar til at se, hvor din virksomhed stadig betaler den manuelle intelligens-skat? Lad os gennemgå jeres drift og finde det rørsystem, der skal bygges. Vinduet for at lede dette skift er ved at lukke, og vinderne bliver ikke dem med de bedste prompts – det bliver dem, der slet ikke havde brug for dem.