AI – en introduktion

AI kan hurtigt strukturere information og foreslå muligheder. Mennesker bidrager med relationer, situationssans og etiske vurderinger. Et brugbart AI-svar fritager ikke lederen for at forstå konteksten og tage ansvar.

Et muligt svar er at undersøge datagrundlag, arbejdsforhold, erfaring, trivsel og opgavernes forskellighed. Inddrag medarbejdernes perspektiver. Brug analysen som beslutningsstøtte, og begrund selv den endelige vurdering.

Floridi-perspektivet tydeliggør, at AI medskaber indhold frem for blot at overføre det. Luhmann-perspektivet fremhæver, at kommunikation også handler om forståelse og gensidige forventninger. Slidesene problematiserer, om AI-samtalen rummer samme gensidighed som en menneskelig samtale.

Undersøg for eksempel, om AI har ændret budskabets betydning, udeladt forbehold eller gjort tonen mere sikker end grundlaget tillader. Overvej modtagernes forhåndsopfattelser og den lokale kontekst, og giv plads til spørgsmål og feedback.

Antropomorfisering omfatter tilskrivning af eksempelvis følelser og intentioner. ELIZA-effekten handler mere specifikt om oplevet forståelse i dialogen. Navne, ikoner, personligt sprog og sammenhængende svar kan styrke begge oplevelser, også når systemet bliver mere avanceret.

En mulighed er at anerkende oplevelsen og undersøge, hvad medarbejderen savner i den menneskelige dialog. Tal om forskellen mellem hjælpsomme svar og menneskelig forståelse, og fasthold adgang til samtaler med personer, der kan tage ansvar og handle.

Turing-testen retter sig mod samtalens fremtræden. Searles argument er, at korrekt symbolbehandling ikke i sig selv er forståelse. Chalmers spørger til subjektiv oplevelse; Dreyfus fremhæver erfaringsbaseret kunnen; Strümke fremhæver kropslig og social forankring; Seth beskriver oplevelse gennem forudsigelser og sansning. Det er perspektiver i materialet, ikke en endelig afgørelse af AI-bevidsthed.

Der efterlignes et kommissiv: et løfte om fremtidig handling. Et muligt ledelsesgreb er at sikre, at en ansvarlig person faktisk overtager opfølgningen. Undersøg, om formuleringen skaber forventninger, organisationen kan indfri, og gør ansvar og næste skridt tydelige.

Forståelighed handler om klart og meningsfuldt sprog; sandhed om overensstemmelse med virkeligheden; oprigtighed om ærlig og autentisk kommunikation; normativ korrekthed om normers berettigelse gennem åben dialog med berørte parter. Et klart svar kan stadig være forkert, give indtryk af en intention eller overse relevante menneskers hensyn.

Kontrollér for eksempel sprogets klarhed og oplysningerne om politikken. Vurdér, om den empatiske tone lover mere forståelse eller handling, end der er grundlag for. Giv medarbejderen adgang til en ansvarlig person og reel mulighed for at drøfte og påvirke de relevante hensyn.

En hurtig opsummering eller FAQ er eksempler på varm brug i materialet. En dialog, hvor brugeren selv argumenterer, får modspørgsmål og forbedrer sit svar, er kølig brug. Hvis man konsekvent overlader arbejdet med at huske og tænke til teknologien, risikerer man at få mindre øvelse i selv at gøre det.

En mulig kombination er en chatbot til praktiske oplysninger, en case med modspørgsmål til den nye medarbejder og en samtale med en kollega om lokale dilemmaer. Bed medarbejderen forklare centrale pointer med egne ord og anvende dem i en opgave. Det understøtter aktiv læring frem for blot at modtage svar.

Automatisering kan være at generere et standardudkast til mødenoter; assistering kan være at sammenligne materiale, som en leder derefter vurderer; augmentation kan være at udfordre en strategisk idé med alternative perspektiver. Forskellen ligger i opgaven og samspillet mellem AI og menneske, ikke blot i hvilket værktøj der bruges.

Brug felter for hvad der blev drøftet eller besluttet, hvem der deltog og har ansvar, hvornår møde og frister ligger, hvor mødet fandt sted, hvordan opgaver løses, og hvorfor beslutninger blev taget. Kontrollér især beslutninger, ansvar og frister mod det faktiske møde; manglende oplysninger bør afklares frem for at blive gættet.

Kendte, regelstyrede opgaver kan egne sig til automatisering. Analyserbare opgaver kræver analyse og faglig vurdering med AI som støtte. Komplekse problemer rummer mange relationer og ingen sikker løsning, så AI kan bidrage med perspektiver. Et Minimum Viable Product er en basal version, der testes for at indsamle feedback og lære. Guiden er materialets forenkling af Cynefin.

Et muligt forsøg er at bygge en afgrænset FAQ, måle svarkvalitet og brugernes erfaringer og justere på baggrund af feedback. Aftal på forhånd, hvad der tæller som en forbedring. Behandl mistrivsel som en kompleks problemstilling: AI kan hjælpe med spørgsmål og perspektiver, mens en ansvarlig person undersøger konteksten og følger op.

Individniveauet synliggør blandt andet kontrol, tryghed og faglig udvikling. Gruppeniveauet undersøger samarbejde, videndeling og afhængighed. Organisationsniveauet handler blandt andet om samlet værdi, rammer, læringsressourcer og kultur. Tidsbesparelse alene viser ikke, om arbejdet bliver meningsfuldt, eller om kompetencer og relationer svækkes.

Spørg for eksempel den enkelte, om vedkommende bevarer kontrol og lærer nyt; teamet, om AI styrker samarbejdet; og organisationen, om der er tid og ressourcer til kompetenceudvikling. Mulige tiltag er fælles faglig gennemgang, kollegial sparring og opgaver, hvor medarbejderne selv argumenterer og træffer valg. Følg op på både kvalitet, trivsel og tidsforbrug.