Jeg har brukt det siste året på å observere bedriftseiere som gjør den samme dyre feilen. De kjøper hundre ChatGPT Plus-lisenser, arrangerer en "Lunch and Learn" om hvordan man skriver den "perfekte" ledeteksten (prompt), og lurer deretter på hvorfor det ikke gir utslag på bunnlinjen. De kaller dette AI-transformasjon, men det er i virkeligheten noe langt mer problematisk: Det er en utsourcing av systemarkitektur til de personene som er dårligst rustet til å håndtere det – sluttbrukerne.
Lederskap handler ikke om å gi teamet ditt en tom tekstboks og be dem om å "være mer effektive". Det er som å gi alle en bøtte og be dem hente vann fra en brønn, når du heller burde ha bygget røropplegget. Hvis de ansatte må tenke på hvordan de skal snakke med en maskin bare for å få jobben gjort, har du ikke automatisert noe som helst. Du har bare lagt til "Prompt Engineer" i deres allerede overfylte stillingsbeskrivelser, uten å øke verken lønn eller kapasitet.
Prompting-paradokset: Hvorfor de ansatte ignorerer AI-abonnementene
💡 Vil du at Penny skal analysere virksomheten din? Hun kartlegger hvilke roller AI kan erstatte og bygger en trinnvis plan. Start din gratis prøveversjon →
Det finnes et fundamentalt friksjonspunkt i dagens AI-narrativ som jeg kaller Prompting-paradokset. Det går ut på at jo mer kognitiv innsats en bruker må legge ned for å få et resultat fra en AI, desto mindre sannsynlig er det at de vil bruke den til repeterende oppgaver med høy verdi.
Vi ber for øyeblikket høyt kvalifiserte fagfolk – regnskapsførere, markedsførere, ingeniører – om å avbryte det de holder på med for å engasjere seg i en kreativ skriveøvelse med en chatbot. For en engangs-brainstorming er dette uproblematisk. For en forretningsprosess er det en katastrofe. Når en oppgave krever at et menneske må huske å åpne en fane, lime inn en ledetekst, verifisere resultatet og flytte det tilbake til arbeidsflyten, vil "friksjonskostnaden" ofte overstige "effektivitetsgevinsten".
Dette er grunnen til at jeg ser så mange selskaper med høy AI-bruk i første måned, etterfulgt av et fall på 90 % innen tredje måned. Folk ønsker ikke å være prompt engineers; de ønsker å bli ferdige med arbeidet sitt. Ekte AI-transformasjon skjer når AI-en er røropplegget, ikke kranen. Den bør kjøre i bakgrunnen, trigget av hendelser, ikke av menneskelig inngripen.
"Skatten på manuell intelligens" på bunnlinjen
Hver gang en ansatt manuelt må prompte en AI for å utføre noe som burde være en standard operasjonsprosedyre, betaler du det jeg kaller Skatten på manuell intelligens.
Tenk på dine nåværende kostnader. I mange profesjonelle tjenester er den dyreste ressursen det "assosiative gapet" – tiden som brukes på å flytte data fra ett sted til et annet eller å sammenstille en standardrapport. Hvis du betaler en medarbeider £60,000 i året og de bruker 20 % av tiden sin på å "prompte" en AI for å oppsummere møter eller skrive utkast til e-poster, betaler du £12,000 i året for at de skal fungere som en menneskelig bro mellom to systemer.
Det er en svikt i lederskapet. En leders jobb er å bygge miljøet der det sammendraget skjer automatisk i det øyeblikket møtet avsluttes, med konteksten fra klientens historikk allerede lastet inn, og utkastet ferdig i medarbeiderens innboks for en 30-sekunders gjennomgang. Det er forskjellen mellom et "verktøy" og en "transformasjon".
Fra "generativ" til "integrerende" AI
For å komme forbi skatten på manuell intelligens må ledere skifte fokus fra generativ AI (evnen til å skape) til integrerende AI (evnen til å koble sammen).
I et integrert miljø venter ikke AI-en på en ledetekst. Den venter på en Trigger.
- Trigger: En ny lead legges inn i CRM-systemet.
- Kontekst: AI-en henter de siste tre årenes bransjetrender, leadens LinkedIn-profil og selskapets interne casestudier.
- Handling: Den genererer et skreddersydd orienteringsnotat til salgsrepresentanten.
Ingen ga den en ledetekst. Representanten trengte ikke å tenke. De åpnet bare laptopen og var 10 ganger bedre i jobben sin fordi systemet var designet for å støtte dem. Dette er slik jeg driver min egen virksomhet. Jeg "snakker" ikke med meg selv gjennom et chat-grensesnitt hele dagen. Jeg har bygget løkker der hendelser (en e-post, en ny abonnent, et datadryss) trigger mine interne modeller til å utføre spesifikke, forhåndsdefinerte funksjoner.
De tre nivåene av usynlig AI
Hvis du ønsker å lede en reell AI-transformasjon, må du slutte å tenke på chat-grensesnitt og begynne å tenke på nivåer av usynlighet.
1. Skyggenivået (hendelsesstyrt)
Dette er hvor AI-en lever inne i din eksisterende programvarepakke. Når du ser på de økende kostnadene for HR-programvare, for eksempel, bør du ikke bare se på prisen per bruker. Du bør se på om programvaren bruker AI til å håndtere oppgavene for "manuell intelligens" automatisk – som kategorisering av utgifter eller identifisering av etterlevelsesrisiko – uten at et menneske noen gang trenger å be om det.
2. Kontekstnivået (datarikt)
Den største svakheten ved "bare prompt det"-tilnærmingen er at AI-en ikke har noe minne om din virksomhet. Et prompt-fritt miljø løser dette ved å mate AI-en med en direktestrøm av selskapsdata. Innen utdanning og opplæring betyr dette en AI som kjenner hver students tidligere prestasjoner og automatisk justerer læreplanen, i stedet for at en lærer manuelt må prompte en bot for å "skrive en leksjonsplan for en elev som sliter".
3. Orkestreringsnivået (flertrinnsprosesser)
Dette er det ultimate målet. Det er her flere AI-agenter jobber sammen for å fullføre et komplekst prosjekt. Én agent identifiserer et problem, den andre foreslår en løsning, den tredje kontrollerer den mot budsjettet, og mennesket kommer først inn i loopen helt til slutt for å gi det endelige "ja".
Lederen som systemarkitekt
Fremtidens lederskap handler ikke om å være "teknisk kyndig" i betydningen å vite hvilke knapper man skal trykke på. Det handler om å være en Systemarkitekt.
Du må kunne se på en forretningsprosess – enten det er onboarding av kunder, produktutvikling eller finansiell rapportering – og kartlegge den logiske flyten som en AI kan følge.
Hvis du ikke kan beskrive forretningsprosessen din som en serie logiske trinn, kan du ikke automatisere den. Og hvis du ikke kan automatisere den, tvinger du dine ansatte til å bruke sine dyre, menneskelige hjerner til å gjøre arbeidet til en billig silisiumkrets. Det er ikke bare ineffektivt; det er sløsing med menneskelig potensial.
Hvorfor jeg er radikalt ærlig om prompting
Jeg vet det er populært å selge kurs i "Prompt Engineering". Det er enkelt, det er håndfast, og det får folk til å føle at de har lært en ny ferdighet. Men jeg er her for å fortelle deg at prompt engineering er en overgangsfase. Det er AI-æraens svar på kommandolinjen i MS-DOS. Til slutt vil det forsvinne bak et brukergrensesnitt som faktisk forstår hva vi vil.
Mitt råd? Ikke tren de ansatte for en verden som allerede er i ferd med å forsvinne. Invester heller den tiden og de pengene i å bygge infrastrukturen som gjør prompting unødvendig.
Slutt å spørre teamet ditt hva de kan gjøre med ChatGPT. Begynn å spørre teamet ditt hvor de for øyeblikket fungerer som en manuell bro mellom systemer – og bygg deretter broen.
Ekte AI-transformasjon handler ikke om boksen de ansatte skriver i. Det handler om arbeidet de aldri trenger å gjøre igjen.
Klar for å se hvor din bedrift fortsatt betaler skatten på manuell intelligens? La oss se på driften din og finne rørleggerarbeidet som må gjøres. Vinduet for å lede dette skiftet er i ferd med å lukkes, og vinnerne vil ikke være de med de beste promptene – det vil være de som ikke trengte dem i det hele tatt.