Algoritmene former også lederen

Å bruke en chatbot «for inspirasjon» kan gi nyttige svar, men kan også føre til et gradvis tap av handlekraft, forklarer Spoelstra. 

– Språket, perspektivene og ideene begynner etter hvert å speile modellen snarere enn lederen selv. Dette kan også skje med menneskelige rådgivere eller kolleger, men AI-systemer er langt mer tilgjengelige og brukes derfor oftere. Over tid kan ledere miste evnen til å skille mellom egne vurderinger og forslagene fra systemet.

– Vi liker å tro at algoritmer kun støtter beslutningstaking. I praksis er det ikke så enkelt. Algoritmer er med på å forme beslutningene de hjelper ledere å ta, ofte på måter ledere verken ser eller kontrollerer fullt ut. Hvis en leder for eksempel spør en chatbot hvordan man bør håndtere en vanskelig medarbeider, kan modellens selvsikre, men generelle svar gjøre en kompleks situasjon tilsynelatende enklere enn den egentlig er. Det kan føre til standardiserte løsninger i stedet for vurderinger som tar hensyn til den konkrete situasjonen.

Ansvar kan ikke delegeres

Når en leder bruker innhold eller analyser generert av AI, er det likevel lederen som til syvende og sist må ta ansvaret, understreker Spoelstra. 

– Det er en grunnleggende del av lederrollen. Faren ved å miste egen handlekraft er derfor også faren for å miste evnen til å utøve reelt lederskap og utføre jobben på en ansvarlig måte.

– Spørsmålet om ansvar blir særlig komplisert når virksomheter tar i bruk større plattformer, som rekrutteringssystemer (ATS) som Teamtailor eller Workday Recruiting, eller medarbeiderverktøy som Culture Amp eller Microsoft Viva Glint. Ledere har et ansvar for å sette seg inn i hvordan AI-systemene de innfører faktisk fungerer, på samme måte som ved andre store investeringer eller implementeringer. Samtidig er det urealistisk å forvente at noen fullt ut kan forutse alle konsekvensene av å ta i bruk et bestemt system, særlig fordi mange AI-modeller er lite transparente når det gjelder systeminstruksjoner og hvordan konklusjoner trekkes.

Grensene blir uklare

– Når systemene først er implementert, blir grensene mellom ulike former for ansvar uklare. Hvem har ansvaret – personen som bruker systemet, de som vurderte og kjøpte det inn, eller selskapet som utviklet det? Dette handler ikke bare om moralsk ansvar, men også om juridisk ansvar.

– Noen har argumentert for at AI-systemer selv bør kunne ha en form for juridisk ansvar. Det er jeg skeptisk til. En chatbot kan etter mitt syn ikke holdes ansvarlig for sine handlinger på en meningsfull måte, ganske enkelt fordi den ikke har et «selv» som kan stilles til ansvar. Enkelte selskaper, som Anthropic, bidrar til å skape uklarhet ved å antyde at modellene deres kanskje har menneskelignende egenskaper eller til og med en form for bevissthet. Men vi bør være varsomme med å la oss påvirke av denne typen retorikk.

Data er ikke nøytrale

Ifølge Spoelstra overser mange ledere at AI-systemer også kan videreføre eksisterende skjevheter og fordommer.

– Det er en myte at datadrevne beslutninger alltid er mer objektive, i betydningen fri for menneskelige skjevheter. Fordi AI-systemer trenes på menneskeskapte data, gjenskaper de også eksisterende mønstre og fordommer. Det finnes flere kjente eksempler på dette, blant annet Amazons rekrutteringssystem, som diskriminerte kvinner fordi det hadde lært dette fra historiske data preget av kjønnsbias.

– Skjevhetene kan også komme direkte fra utviklerne av modellene, enten bevisst eller ubevisst. Googles Gemini skapte for eksempel debatt i 2024 da forsøk på å sikre større mangfold i modellens resultater førte til historisk feilaktige bilder, som vikinger fremstilt som etnisk mangfoldige. Slike valg, og konsekvensene de kan få, har gjort AI-modeller til en del av dagens kulturkamper. Elon Musk har blant annet løftet frem sin modell Grok som et alternativ til Sam Altmans OpenAI, som han mener er for venstreorientert.

Skjevheter vi ikke legger merke til

– Når vi bruker store språkmodeller (LLM-er) i hverdagen, er slike ideologiske skjevheter ikke alltid like synlige, men de kan likevel snike seg inn uten at vi merker det. Dette blir tydeligere når AI brukes til komplekse oppgaver, men det kan også oppstå i tilsynelatende enkle forespørsler, som å generere et bilde av en «typisk» leder eller en «typisk» medarbeider.

– Mye avhenger derfor av hva vi egentlig mener med en «bedre» beslutning. Begrepet kan forstås både teknisk – som effektivitet eller presisjon – og normativt, altså hva som er ønskelig eller etisk riktig. Disse dimensjonene blandes ofte sammen når ledere legger stor vekt på data.

Menneskelig dømmekraft kan ikke erstattes

Spoelstra mener ledere ikke bør delegere beslutninger til AI-systemer når beslutningene krever ansvar, skjønn og menneskelig dømmekraft.

– Jeg mener det finnes et ganske enkelt prinsipp, selv om det kan være vanskelig å praktisere i virkeligheten: Vi bør ikke delegere beslutninger til teknologi når vi vet at den teknologisk sett ikke er i stand til å håndtere dem.

– Dette henger sammen med spørsmålet om ansvar. Fordi chatbotter og AI-systemer ikke har et «selv» som kan holdes ansvarlig, bør de heller ikke få ta beslutninger som krever individuelt ansvar. Vi vet også at AI-systemer mangler flere av egenskapene vi forbinder med godt lederskap, som autentisitet, moralsk dømmekraft og empati.

Teknologi kan etterligne ledelse

– Samtidig blir AI stadig bedre til å etterligne slike egenskaper, noe som øker fristelsen til å outsource lederoppgaver til teknologien. Nettopp her må ledere trekke en tydelig grense. Det er avgjørende at ekte mennesker representerer disse kvalitetene, i stedet for å overlate dem til simulerte versjoner.

– Dette gjelder særlig situasjoner hvor vi forventer at ledere eller ansatte skal ha en stemme og utøve skjønn. En AI-assistent kan for eksempel være nyttig for å oppsummere medarbeiderundersøkelser eller tilbakemeldinger, men den bør ikke avgjøre hvordan ledelsen skal håndtere bekymringer knyttet til arbeidsbelastning eller kultur. Slike vurderinger krever både menneskelig dømmekraft og en person som er villig til å stå ansvarlig for beslutningen.

Kompetanse blir avgjørende

Spoelstra understreker at ledere må vite både når de kan stole på AI – og når de ikke kan det.

– Det viktigste kjennetegnet ved ledere som lykkes med å bruke AI på en god måte, er at de har kompetansen, erfaringen og treningen som skal til for å kunne vurdere og kontrollere systemenes anbefalinger. Like viktig er evnen til å forstå hvor de faktisk har nok innsikt til å føre tilsyn, og hvor de ikke har det. I situasjoner hvor de mangler tilstrekkelig kompetanse, må AI-resultater møtes med større forsiktighet og skepsis.

– I prinsippet er svaret på når en leder bør overstyre et system ganske enkelt: når lederen vurderer at systemet tar feil. I praksis krever imidlertid slike vurderinger ofte betydelig kompetanse og innsats. Dersom et AI-system for eksempel brukes til å vurdere medarbeiderprestasjoner, forutsetter det at lederen både forstår konteksten og kriteriene systemet bygger vurderingene på.

Selvinnsikt blir en lederkompetanse

– Dette peker også mot et viktig spørsmål: Hva gjør ledere når de mangler kompetansen som skal til for å vurdere om AI-systemets anbefalinger faktisk er gode? Med andre ord: Hva skjer når ledere selv innser at de ikke er i stand til å gjøre en trygg vurdering? Å erkjenne denne begrensningen er i seg selv en viktig form for selvinnsikt.

– I slike situasjoner bør ledere involvere kolleger med relevant kompetanse eller sørge for at systemene er bygget slik at komplekse saker sendes videre til mennesker med riktig ekspertise.

– Det snakkes ofte om viktigheten av å ha et menneske «i loopen» når AI brukes i beslutningsprosesser. Jeg er enig i dette, men det viktigste spørsmålet er egentlig hvem dette mennesket er. Den virkelige utfordringen handler om hvilken kompetanse, erfaring og trening ledere trenger for å kunne føre et meningsfullt tilsyn, og gripe inn når det er nødvendig.

Ledere må styrke egen dømmekraft

Spoelstra mener ledere må utvikle både teknologiforståelse og menneskelig dømmekraft dersom de skal klare å beholde reell kontroll i møte med AI.

– Læring må skje i to retninger. På den ene siden må ledere forstå hva AI faktisk kan gjøre – og like viktig, hva teknologien ikke kan gjøre. På den andre siden må de fortsette å utvikle egen dømmekraft i ikke-digitale sammenhenger. Det innebærer blant annet å søke råd hos kolleger i komplekse eller uklare situasjoner. En erfaren kollega vil ofte gi bedre veiledning enn et AI-system, og er også mer tilbøyelig til å utfordre måten du tenker på.

– Fra et organisatorisk perspektiv er det avgjørende å fortsette å skape rom for ikke-digitale møter og relasjoner. Ledelse handler grunnleggende om mennesker, og ledere lærer fortsatt mer om ledelse fra hverandre enn fra AI-systemer.

Teknologi endrer også organisasjonen

Spoelstra forklarer at det også er viktig å ikke ta i bruk nye AI-verktøy for raskt.

– AI-systemer fungerer sjelden så enkelt som det loves. Forskningen vår viser tydelig at slike verktøy ikke bare støtter ledere og ansatte – de endrer også dynamikken i organisasjonen. De kan være nyttige, men de kan også føre til økt arbeidsbelastning, mer stress for ledere eller større avstand mellom ledere og medarbeidere.

– Når AI-systemer bygger på upålitelige data, kan de også gi misvisende anbefalinger og bidra til dårlig kommunikasjon.

– Selv om AI-verktøy i økende grad tar over enkelte lederoppgaver, mangler de levd erfaring. «Læringen» deres er avledet fra data, ikke fra praksis, og kan derfor ikke erstatte den nyanserte dømmekraften som utvikles gjennom erfaring fra virkelige situasjoner. Ingen mengde data kan fullt ut erstatte dette, avslutter Spoelstra.