Når opgaverne flytter sig, skal ansvaret følge med

Det mest interessante ved kunstig intelligens på arbejdspladsen er ikke længere, om den kan skrive en tekst. Det er, at medarbejdere begynder at løse opgaver, som tidligere lå hos en anden kollega eller afdeling.

OpenAI har undersøgt mere end 800.000 arbejdsrelaterede beskeder fra amerikanske ChatGPT-brugere. Analysen peger på, at 43,5 procent af de beskeder, der kunne knyttes til en bestemt faglig rolle, handlede om opgaver uden for brugerens eget fagområde. Det kan være en sælger, der undersøger kundedata, en mindre virksomhedsejer, der laver en økonomisk analyse, eller en kommunikationsmedarbejder, der løser et teknisk problem på hjemmesiden.

Tallet skal læses med forbehold. Det kommer fra OpenAI selv, det bygger på amerikanske brugsmønstre, og en besked er ikke det samme som en færdig arbejdsopgave. Men retningen er genkendelig. Kunstig intelligens gør ikke kun en gammel opgave hurtigere. Den flytter også grænsen for, hvem der kan tage den.

Den lille virksomhed mærker det først

I en stor organisation kan en medarbejder sende opgaven videre til jura, økonomi, kommunikation eller it. I en mindre virksomhed står den samme person ofte med problemet fra begyndelsen.

OpenAI finder i sin analyse en lidt større andel af opgaver på tværs af faggrænser i små arbejdsrum end i arbejdsrum med over 100 brugere. Det beviser ikke, at små virksomheder får mere værdi. Men det passer med en enkel hverdagserfaring: Når specialisten ikke sidder på næste kontor, bliver kunstig intelligens en måde at komme videre på.

Det kan være godt. En medarbejder kan få undersøgt en fejl, sorteret et regneark eller bygget et første overblik uden at vente tre dage på hjælp. Men der opstår også en ny ledelsesopgave. Den, der kan få lavet arbejdet, har ikke nødvendigvis fået fagligheden til at vurdere alle dele af resultatet.

En salgskonsulent kan godt få en agent til at analysere kundedata. Det betyder ikke automatisk, at datagrundlaget, beregningen eller konklusionen er rigtig. En mindre virksomhedsejer kan få gennemgået en kontrakt, men bør stadig vide, hvornår den skal forbi en jurist. Muligheden for at løse opgaven og retten til at træffe den endelige beslutning er to forskellige ting.

Fra chatvindue til agentarbejde

Mange begynder i ChatGPT eller Copilot med en afgrænset besked: Skriv et svar, opsummér et dokument eller foreslå tre muligheder. Her er det tydeligt, at mennesket tager svaret tilbage og arbejder videre med det.

Agentarbejde går længere. Agenten kan hente materiale, bruge flere programmer, gennemføre en række trin og aflevere et resultat, der ligner en færdig opgave. OpenAI beskrev i juni, hvordan brugere i stigende grad giver Codex opgaver, der vurderes til at vare mere end en time, og hvordan ikke-tekniske medarbejdere bruger agenten til blandt andet dataarbejde, automatisering og fejlfinding.

Det er netop derfor, menneskelig ledelse skal bygges ind fra begyndelsen. Ikke som et ritual, hvor alt kontrolleres lige meget, men som en bevidst beslutning om, hvad agenten må gøre selv, hvor den skal stoppe, og hvilket bevis den skal aflevere.

Giv opgaven tre grænser

En virksomhed behøver ikke starte med et stort regelsæt. Tag én rigtig opgave, og skriv tre grænser på den.

Den første er målet. Hvad skal være bedre bagefter? Hvis opgaven er at finde fejl i et regneark, er målet ikke en flot rapport. Det er en kort liste over de rækker, der kræver en faglig vurdering.

Den anden er beviset. Hvad skal agenten vise, så en medarbejder kan forstå resultatet? Det kan være kilder, beregninger, ændrede celler eller en log over de trin, den har gennemført.

Den tredje er stoppet. Hvornår må arbejdet ikke gå videre uden et menneske? En analyse kan godt laves automatisk, mens en betaling, en kundemail, en kontraktændring eller en offentlig publicering venter på godkendelse.

De tre grænser gør opgaveflytningen synlig. Medarbejderen får lov til at bruge kunstig intelligens til mere, men virksomheden lader ikke ansvaret flytte med over i maskinen.

Jobtitlen ændrer sig langsommere end hverdagen

Stillingsbeskrivelser bliver sjældent skrevet om, hver gang et nyt værktøj lander. Derfor vil den reelle forandring først kunne ses i de opgaver, folk tager på sig.

En kommunikationsmedarbejder løser lidt mere dataarbejde. En økonomimedarbejder bygger en lille automatisering. En leder får undersøgt flere muligheder, før hun træffer en beslutning. Det er ikke nødvendigvis en ny stilling. Det er en ny sammensætning af arbejdsdagen.

Den praktiske opgave for ledelsen er derfor ikke at gætte alle fremtidens jobtitler. Den er at opdage, hvilke opgaver der allerede flytter sig, og sørge for, at mål, faglig sparring og stopgrænser følger med.

Kunstig intelligens kan gøre flere medarbejdere i stand til at tage fat dér, hvor problemet opstår. Det er en reel gevinst.

Men den bedste arbejdsdeling er ikke den, hvor agenten gør mest muligt. Det er den, hvor opgaven kommer sikkert videre, og hvor det stadig er tydeligt, hvem der leder arbejdet.