Nei-sigerne har ofte rett om noe

Alle som har forsøkt å innføre noe nytt i en bedrift med lang historikk, har møtt dem. Formannen som har bygget i 30 år og sier at dette har han sett før. Økonomisjefen som stoler på sitt eget regneark, uansett hva systemet sier. Prosjektlederen som ikke har tid til å lære noe nytt midt i en fase.

Det er fristende å kalle dem motstandere og planlegge rundt dem. Det er nesten alltid en feil.

Skepsis er informasjon

Den som sier «det der fungerer ikke hos oss», har som regel en grunn. Ofte er den god. Hun vet om leverandøren som alltid leverer delvis, om byggherren som krever endringsmeldinger i et bestemt format, eller om unntaket som gjelder hver gang det er frost i grunnen.

Den kunnskapen står sjelden i noe system. Den står i hodet til folk som har gjort jobben lenge, og den er akkurat det en AI-agent trenger for å gjøre en god jobb. Behandles skepsisen som motstand som skal overvinnes, går man glipp av den. Behandles den som informasjon, blir den en del av løsningen.

Nei-sigerne har ikke alltid rett. Men de har nesten alltid rett om noe.

Hvorfor det stopper opp

Når AI-prosjekter stopper opp etter piloten, er det sjelden fordi teknologien sviktet. Det er oftere én av disse:

1. Løsningen passer ikke arbeidsdagen. Den krever et ekstra skjermbilde, en ekstra innlogging eller en ekstra runde, for folk som allerede har nok.
2. De erfarne ble ikke spurt. Løsningen er tegnet av noen som ikke kjenner unntakene, og den faller på det første.
3. Ingen vet hvem som har ansvaret. Når AI foreslår noe, hvem godkjenner? Uten et svar blir forslaget liggende.
4. Gevinsten havner et annet sted. Ledelsen får bedre rapporter, mens de som gjør jobben, får mer å registrere.

Alle fire handler om mennesker, ikke om modeller.

Begynn der det gjør vondt

Det vanligste feilgrepet er å begynne der det ser best ut for ledelsen: et dashbord, en rapport, en imponerende demo. Den som skal bruke løsningen hver dag, merker da bare at det har kommet enda en ting.

Begynn heller der det gjør vondt for dem. Purringene ingen liker å sende. Timelistene som må jages inn hver fredag. Endringsmeldingen som må skrives på nytt fra en lang e-posttråd. Når en agent tar det bort, trenger ingen å overbevises. De merker det.

Det er også her de mest skeptiske ofte snur. Ikke fordi noen argumenterte godt, men fordi fredag ettermiddag ble litt lettere.

Agentene tar rutinen, menneskene bestemmer

Mye av frykten for AI i tradisjonelle bransjer handler om fagkunnskap. Om det man har lært gjennom 30 år, blir mindre verdt når en maskin kan skrive et tilbud på ti sekunder.

Svaret er å være tydelig på arbeidsdelingen. Agentene tar rutinen: de purrer, sammenstiller, klargjør og dokumenterer. Menneskene tar vurderingene, relasjonene og ansvaret. Alt en agent foreslår, er merket som forslag, og et menneske godkjenner. Det er ikke en pen formulering. Det er slik løsningen må være bygget, ellers blir den ikke brukt.

Da blir fagkunnskapen mer verdt, ikke mindre. Den erfarne prosjektlederen slipper å bruke tiden på å lete etter tall, og kan bruke den på det bare hun kan.

Fem ting som faktisk hjelper

1. Involver de mest erfarne tidlig. Spør hva som irriterer dem, og hvor systemene tar feil. Ta med svarene inn i løsningen.
2. Vis resultater i deres egne prosjekter. En demo med oppdiktede tall overbeviser ingen. Et riktig svar om deres egen byggeplass gjør det.
3. Gjør ansvaret tydelig. Hvem godkjenner hva, og hva agenten ikke har lov til. Skriv det ned.
4. Ikke ta noe bort før det nye virker. La det gamle stå til det nye har bevist seg. Det er en av grunnene til at vi bygger et lag oppå og ikke river det som virker.
5. Gi det tid. Vaner endres på uker og måneder, ikke på et oppstartsmøte.

Endring i analoge bedrifter er ikke et teknologiprosjekt med litt opplæring på slutten. Det er et menneskeprosjekt med litt teknologi i midten.