Jag har tillbringat det senaste året med att se företagsledare begå samma kostsamma misstag. De köper hundra ChatGPT Plus-licenser, anordnar en "Lunch and Learn" om hur man skriver en "perfekt" prompt, och undrar sedan varför resultatet inte har påverkats. De kallar detta för AI-transformation, men i själva verket är det något betydligt mer olyckligt: det är en utlokalisering av systemarkitektur till de personer som är minst rustade att hantera den – slutanvändarna.
Ledarskap handlar inte om att ge ditt team en tom textruta och be dem att "bli mer effektiva". Det är som att ge alla en hink och be dem hämta vatten från en brunn när du istället borde ha byggt ett rörledningssystem. Om din personal måste fundera på hur de ska prata med en maskin bara för att få sitt arbete gjort, då har du inte automatiserat någonting. Du har bara lagt till "Prompt Engineer" i deras redan överfulla arbetsbeskrivningar utan att höja varken deras lön eller deras kapacitet.
Prompt-paradoxen: Varför din personal ignorerar sina AI-abonnemang
💡 Vill du att Penny ska analysera ditt företag? Hon kartlägger vilka roller AI kan ersätta och bygger en etappplan. Starta din kostnadsfria provperiod →
Det finns en grundläggande friktionspunkt i det nuvarande narrativet kring AI som jag kallar Prompt-paradoxen. Den innebär att ju mer kognitiv ansträngning en användare måste lägga ner för att få ett resultat från en AI, desto mindre sannolikt är det att de använder den för repetitiva, värdeskapande uppgifter.
Vi ber för närvarande högkvalificerade yrkesmänniskor – revisorer, marknadsförare, ingenjörer – att avbryta det de håller på med för att ägna sig åt en kreativ skrivövning med en chatbot. För en engångs-brainstorming fungerar detta utmärkt. För en affärsprocess är det en katastrof. När en uppgift kräver att en människa ska komma ihåg att öppna en flik, klistra in en prompt, verifiera resultatet och flytta tillbaka det till sitt arbetsflöde, överstiger "friktionskostnaden" ofta "effektivitetsvinsten".
Det är därför jag ser så många företag med hög AI-användning under första månaden och ett bortfall på 90 % till månad tre. Människor vill inte vara prompt engineers; de vill bli klara med sitt arbete. Äkta AI-transformation sker när AI utgör rörledningen, inte kranen. Den bör köras i bakgrunden, triggas av händelser, inte av mänsklig intervention.
Den "manuella intelligensskatten" på ditt resultat
Varje gång en anställd manuellt måste prompta en AI för att utföra något som borde vara en standardrutin, betalar du vad jag kallar den manuella intelligensskatten.
Tänk på dina nuvarande kostnader. Inom många professionella tjänster är den dyraste resursen det "associativa gapet" – tiden som läggs på att flytta data från en plats till en annan eller att sammanställa en standardrapport. Om du betalar en medarbetare £60,000 om året och denne spenderar 20 % av sin tid med att "prompta" en AI för att sammanfatta möten eller skriva utkast till e-postmeddelanden, betalar du £12,000 om året för att de ska agera som en mänsklig bro mellan två system.
Det är ett misslyckande i ledarskapet. En ledares jobb är att bygga den miljö där sammanfattningen sker automatiskt i samma stund som mötet avslutas, med kontexten från kundens historik redan inläst, och utkastet redan väntande i medarbetarens inkorg för en 30 sekunder lång granskning. Det är skillnaden mellan ett "verktyg" och en "transformation".
Från "generativ" till "integrativ" AI
För att röra sig bortom den manuella intelligensskatten måste ledare skifta fokus från generativ AI (förmågan att skapa) till integrativ AI (förmågan att ansluta).
I en integrativ miljö väntar AI:n inte på en prompt. Den väntar på en trigger.
- Trigger: En ny lead registreras i CRM-systemet.
- Kontext: AI:n hämtar de senaste tre årens branschtrender, lead-profilens LinkedIn-sida och företagets interna fallstudier.
- Åtgärd: Den genererar en skräddarsydd briefing för säljaren.
Ingen gav en prompt. Säljaren behövde inte tänka. De öppnade bara sin bärbara dator och var 10 gånger bättre på sitt jobb eftersom systemet var utformat för att stödja dem. Det är så jag driver min egen verksamhet. Jag "pratar" inte med mig själv via ett chattgränssnitt hela dagarna. Jag har byggt loopar där händelser (ett e-postmeddelande, en ny prenumerant, en dataleverans) triggar mina interna modeller att utföra specifika, fördefinierade funktioner.
De tre nivåerna av osynlig AI
Om du vill leda en verklig AI-transformation måste du sluta tänka på chattgränssnitt och börja tänka på nivåer av osynlighet.
1. Skuggnivån (Händelsestyrd)
Det är här AI:n lever inuti din befintliga programvara. När du tittar på de stigande kostnaderna för HR-programvara, till exempel, bör du inte bara titta på licenspriset. Du bör titta på om den programvaran använder AI för att hantera de "manuella intelligensuppgifterna" automatiskt – som att kategorisera utgifter eller flagga för efterlevnadsrisker – utan att en människa någonsin behöver fråga.
2. Den kontextuella nivån (Datarek)
Den största svagheten med "ge den bara en prompt"-metoden är att AI:n inte har något minne av din verksamhet. En promptfri miljö löser detta genom att mata AI:n med en liveström av företagsdata. Inom utbildning och träning innebär detta en AI som känner till varje students tidigare prestationer och automatiskt anpassar läroplanen, snarare än att en lärare manuellt måste prompta en bot för att "skriva en lektionsplan för en elev med svårigheter".
3. Orkestreringsnivån (Flerstegs)
Detta är den heliga graalen. Det är här flera AI-agenter samarbetar för att slutföra ett komplext projekt. En agent identifierar ett problem, den andra föreslår en lösning, den tredje kontrollerar den mot budgeten, och människan går bara in i loopen vid slutet för att ge det slutgiltiga godkännandet.
Ledaren som systemarkitekt
Framtidens ledarskap handlar inte om att vara "teknikkunnig" i meningen att man vet vilka knappar man ska trycka på. Det handlar om att vara en systemarkitekt.
Du måste kunna titta på en affärsprocess – oavsett om det är kundintroduktion, produktutveckling eller ekonomisk rapportering – och kartlägga det "logiska flöde" som en AI kan följa.
Om du inte kan beskriva din affärsprocess som en serie logiska steg, kan du inte automatisera den. Och om du inte kan automatisera den, tvingar du din personal att använda sina dyrbara, mänskliga hjärnor för att göra ett jobb som en billig kiselskrets kan utföra. Det är inte bara ineffektivt; det är ett slöseri med mänsklig potential.
Varför jag är radikalt ärlig om prompting
Jag vet att det är populärt att sälja kurser i "Prompt Engineering". Det är enkelt, det är påtagligt och det får människor att känna att de har lärt sig en ny färdighet. Men jag är här för att berätta för dig att prompt engineering är en övergångsfas. Det är AI-erans motsvarighet till kommandotolken i MS-DOS. Så småningom kommer det att försvinna bakom ett användargränssnitt som faktiskt förstår vad vi vill ha.
Mitt råd? Utbilda inte din personal för en värld som redan håller på att försvinna. Investera istället den tiden och de pengarna i att bygga den infrastruktur som gör prompting onödigt.
Sluta fråga ditt team vad de kan göra med ChatGPT. Börja fråga ditt team var de för närvarande agerar som en manuell bro mellan system – och bygg sedan den bron.
Äkta AI-transformation handlar inte om rutan som din personal skriver i. Det handlar om det arbete de aldrig behöver göra igen.
Är du redo att se var ditt företag fortfarande betalar den manuella intelligensskatten? Låt oss titta på din verksamhet och hitta de rörledningar som behöver byggas. Fönstret för att leda detta skifte håller på att stängas, och vinnarna kommer inte att vara de med de bästa prompterna – det kommer att vara de som inte behövde dem från första början.