Alexandra Instituttet A/S // Aktuelt // Nyheder // Nyheder 2018 // Maskinlæring kræver ledelse, der tør – og medarbejdere, der vil

Maskinlæring kræver ledelse, der tør – og medarbejdere, der vil

Artikel

09-10-2018

Maskinlæring kræver ledelse, der tør – og medarbejdere, der vil

Gode råd indsamlet fra tre virksomheder, der har implementeret maskinlæring.

Implementering af kunstig intelligens er grundlæggende ikke anderledes end implementering af andre teknologier. Dog er der ofte én forskel. Mange har tendens til at tænke, at nu kommer maskinerne og erstatter menneskene. Det skaber utryghed og modstand. Derfor skal ledelsen have medarbejderne med på rejsen. Ellers får man ikke fat i de gode ideer til, hvor det giver mening at implementere teknologien.

Det viser erfaringerne fra en lille undersøgelse, som vi har lavet blandt tre større danske virksomheder, der er i gang med at implementere maskinlæring. 

De tre organisationer bruger maskinlæring til forskellige formål. Det gælder både procesoptimering, beslutningsstøtte og til at skabe bedre service og kvalitet i opgaveløsningen.

Man bruger bl.a. maskinlæring til beslutningsstøtte til virksomheder og borgere, når de skal indrapportere oplysninger. Eller til mail-sortering, så henvendelserne kommer ud til de rigtige. I stedet for at der skal sidde én og vurdere hver henvendelse, så kan med maskinlæring automatisere processen og dermed give en bedre service.

Vi kan se, at der især er seks ting, der går igen i organisationernes måde at søsætte disse projekter.

#1: Gør det til et direktionsanliggende

Erfaringerne fra de tre organisationer viser, at det er helt afgørende, at sådan en satsning forankres på øverste niveau i organisationen. Det er vigtigt, at det understøtter/eller understøttes af den overordnede strategi, man ellers arbejder med i organisationen. Implementering af maskinlæring kan også møde modstand på ledelsesniveau. Projekterne kan skabe store forandringer, og netop derfor skal beslutningerne tages på direktionsniveau, så forandringer ikke blot fejes af bordet, og så organisationen oplever, at det er et fælles projekt. En placering på direktionsniveau er også med til at sikre en tværgående forankring af projekterne og kan være vigtig i forhold til at sikre det fornødne ejerskab.

#2: Skab en fælles positiv vision

Automatisering kan give frygt og bremse udviklingen. Det er meget naturligt, og hvis du ikke bare vil pushe teknologien igennem, så skal den spille sammen med mennesker. Det kræver, at man får organisationen med, og at man får de rette input til udviklingen. Et vigtigt element i dette er at få skabt en positiv fælles vision, som medarbejderne kan købe ind på. Hvad driver udviklingen? Er det ønsket om effektivisering og økonomiske besparelser? Eller er organisationen drevet af et ønske om at levere bedre service og blive nogle af de mange kedelige rutineopgaver kvit? En af virksomhederne har oplevet det som en stor løftestang for implementeringen, at de i øjeblikket ansætter folk, og at der derfor ikke er en frygt i organisationen for, at maskinlæring overtager deres arbejdspladser.

#3: Gør medarbejderne til aktive medspillere

Man kan selvfølgelig vælge at købe teknologien eksternt og pushe implementeringen igennem. Men vil man arbejde strategisk med anvendelse af maskinlæring og få det fulde udbytte af teknologiens potentialer, så er man nødt til at have organisationen med. Det nytter ikke kun at have fokus på teknologien. Man skal også have fokus på organisationen i forhold til, hvad maskinlæring er, og hvad den kan. Man er nødt til at gøre medarbejderne til aktive medspillere. De er fagfolkene, der for alvor kan pege på konkrete anvendelsesmuligheder. Og her er det vigtigt at modne organisationen til at tage aktivt del i processen.

#4: Formidle teknologiens muligheder

Og hvad betyder det så at modne organisationen? Det handler bl.a. om at give organisationen en forståelse for teknologien, så de kan se mulighederne og få en forståelse for, hvordan teknologien kan hjælpe dem i den konkrete opgaveløsning. Man får kun en forståelse for teknologien ved at arbejde med praktiske eksempler og gennem konkret samarbejde. En af virksomhederne har lavet et produktkatalog, hvor de beskriver, hvad maskinlæring kan. Ved at formidle det, kan medarbejderne bedre bidrage med ideer til gode use-cases. Netop derfor bruger de meget krudt på formidlingen, fordi de gode ideer ikke nødvendigvis kommer fra datascientisten. Man skal forstå teknologien. Det er derfor, disse virksomheder bruger rigtig meget tid på at modne organisationen, fordi de håber, at medarbejderne så automatisk kommer med input og gode ideer – netop fordi de rammer rigtigt i forhold til, hvad maskinlæring er.

# 5 Arbejd eksperimenterende

Kunstig intelligens er i høj grad et uprøvet land. Og derfor er det helt afgørende, at direktionen giver organisationen mandat til at eksperimentere og gør det legitimt at fejle. Erfaringerne fra de tre organisationer viser, at det er vigtigt at få lavet et set-up, hvor det er nemt at få afprøvet ideer og testet proof of concepts.

# 6 Skab identitet og mening for den enkelte

Med implementering af kunstig intelligens i organisationer er man ofte inde og ændre voldsomt i medarbejdernes arbejdsrutiner. Her er det vigtigt at være opmærksom på, at det for nogle medarbejdere kan betyde et tab af arbejdsidentitet. Det skaber utryghed og modstand. Derfor er det helt afgørende at inddrage medarbejderne i udviklingen af nye arbejdsprocesser og nye roller i arbejdet. Det er med til at give ejerskab og sikre, at medarbejderne fortsat har identitet i arbejdet.


Denne artikel har været bragt på Datatechs hjemmeside.

Profilbillede af Anne Bøgh Fangel
Principal Organisation Analyst
+45 22 25 53 22
Åbogade 34, 8200 Aarhus N
Hopper bygningen, 3. etage lokale 332
.