Det er sæson for håb og løfter om frelse. Men hvilken slags håb og løfter florerer i organisationer? Og hvordan kan særligt ledere arbejde mere bevidst med mekanismerne bag løfter og håb?
I øjeblikket er det oplagt at se på kunstig intelligens (AI), hvis man er interesseret i at lære noget om, hvordan løfter fungerer i en organisatorisk sammenhæng. For der bliver afgivet mange af dem i en tid, hvor AI bringer løfter om at kunne løse problemer, som virksomheder har kæmpet med i årtier. Håbet er, at AI kan hjælpe med at løse klimakrisen, rekrutteringskrisen og andre globale udfordringer på den store skala, og samtidig knytter der sig forhåbninger til, at nye intelligente teknologier kan forbedre organisationers effektivitet og kvaliteten i deres produkter og ydelser. Ifølge konsulentfirmaet McKinsey kan helt op til 60 – 70% af alle arbejdsopgaver automatiseres ved hjælp af AI og anden digitalisering. Håb bliver her de forventninger om indfrielse, vi knytter til løfterne. Med så mange og accelererende løfter er det ikke underligt, hvis en del af dem ikke lader sig opfylde, eller kun bliver opfyldt i en modificeret form, hvor ambitionerne bliver ændrede eller reducerede.
Det ræsonnerer med det, Gartner – en anden indflydelsesrig konsulentvirksomhed – beskriver med deres såkaldte hype-cyklus – en model, der beskriver et standardforløb, som nye teknologier gennemgår: I halen af første innovationsstadium bevæger forventningerne sig op til et tårnhøjt niveau og rammer et højdepunkt af oppustede forventninger. Derefter kommer skuffelserne, når det viser sig, at disse ikke lader sig indfri. Dette er ’desillusionens dyb’, som man cirka kan oversætte Gartners ’troug of disillusionment’ med. Derefter kommer der en lille stigning, hvor man faktisk ser teknologiske fremskridt, og endelig rammer man et realistisk niveau, hvor teknologierne kan tages i brug og gøre nytte. Gartners rapporter har talrige gange plottet løfterige teknologier ind i denne model, som på et overordnet plan ofte giver et udmærket billede af, hvordan en given teknologi på et tidspunkt har været hvirvlet ind i hype for på et senere tidspunkt at ramme et mere realistisk niveau og glide ind i hverdagsanvendelse. Det siger sig selv, at generativ AI lige nu er på sit højdepunkt af oppustede forventninger ifølge Gartner.
Disse makroanalyser giver imidlertid ikke indsigt i, hvordan ledere i dagligdagen håndterer forholdet mellem ambitiøse løfter og deres forandrede, forsinkede, nedskalerede eller helt manglende realisering. Men det er en vigtig ledelsesopgave at håndtere løfter, så lad os dykke ned i, hvordan ledere gør det i deres daglige praksis. Dette har vi studeret i danske organisationer, hvor der eksperimenteres på livet løs med AI. AI er karakteriseret ved at være et mangehovedet uhyre, som både dækker over den spektakulære generative AI som ChatGPT eller DALL-E, der fremtryller tekst og billeder på sekunder, og så mere undseelig maskinlæring som hjælper med mønstergenkendelse i store mængder data. Disse sidstnævnte indgår også i kompleks beslutningstagning og for alle eksemplerne gælder, at datasituationen, kodning og brug af output sjældent er afklaret. Fordi AI er en samlebetegnelse for utroligt mange forskellige teknologiske løsninger på forskellige typer problemer i forskellige type organisationer, så er det ikke en nem ledelsesopgave at gennemskue, hvordan AI kan bruges til at løse opgaver og problemer i en organisation, på en måde som er konkret i forhold til organisationens opgave og tilstrækkeligt tilpasset til organisationens måde at fungere på. Det vælter frem med ideer, og der afgives løfter på stribe, når der skal rejses midler til at lave udvikling for. Det siger sig selv (med hype-cyklussen in mente), at mange af disse løfter ikke kan indfries. Hvad sker der så, når der skal afrapporteres til sponsorer, når resultater skal fremvises, når erfaringerne skal deles?