Enden på produktivitetsteatret: Hvorfor vi skal omdefinere, hvad der gør en “god arbejder” i AI-æraen

I årevis har organisationer koblet produktivitet sammen med synlig indsats: arbejdstimer, fyldte kalendere, hurtige e-mail-svar og lange opgavelister. Data viser at medarbejdere arbejder længere end nogensinde før, hvor næsten en tredjedel af arbejderne er tilbage i deres indbakke kl. 22.00. Men mere aktivitet oversætter sig ikke nødvendigvis til større indflydelse.

Kunstig intelligens (AI) afslører, at vi er blevetremarkabelt gode til at måle travlhed, mens vi ofte overseer, hvad der driver forretningen fremad. Når medarbejdere kan automatisere timer med repetitivt arbejde og omdirigere den tid mod at løse mere værdifulde problemer, skal vi omdefinere produktivitet.

Denne ændring omdefinerer, hvad det vil sige at være en “god arbejder”. Lederne skal mere end nogensinde spørge, hvem der skaber den største værdi for virksomheden, snarere end hvem der udfører mest arbejde.

Produktivitetsteatret bliver umuligt at skjule

Hver organisation har opgaver, der holder mennesker beskæftiget uden at skabe megen værdi.

At planlægge møder på tværs af multiple kalendere. At jagte godkendelser. At kopiere information mellem systemer.

Med AI ændrer det sig hurtigt. Routinearbejde kan udføres på få sekunder. Derfor fortæller det os lidt om deres bidrag, når vi måler medarbejdere efter mængden af disse opgaver. Da produktivitetsteatret bliver afsløret, er det vigtigt at forstå, hvordan medarbejdere bruger den tid, de har fået fra AI-effektiviteten til at forbedre deres arbejde og bidrag.

Hvad gør en “god arbejder” i AI-æraen

Den virkelige mulighed med AI ligger i at differentiere mellem arbejde, der ikke længere eller stadig kræver menneskelig indsats.

Tag rekruttering. At koordinere interviews på tværs af multiple rekrutteringschefer, kandidater og tidszoner kan forbruge timer hver uge. Det er nødvendigt, men kræver ikke strategisk tænkning. Når talentkoordinatorer erkender dette og automatiserer planlægning, får de tid til at bygge relationer med kandidater, rådgive rekrutteringschefer og forbedre rekrutteringsbeslutninger.

Forskning støtter denne ændring. PwC’s 2025 AI Jobs Barometer fandt, at brancher, der er mest udsat for AI, har oplevet næsten fire gange højere produktivitetsvækst, siden generativ AI blev mainstream, mens omsætning pr. medarbejder er vokset tre gange hurtigere end i brancher, der er mindre udsat for AI.

Medarbejdere, der trives i AI-æraen, vil sandsynligvis blive hurtigere. Men vigtigere endnu, de vil udvikle en stærkere intuition for, hvor menneskelig ekspertise skaber den største værdi, og hvor teknologi bør håndtere deres routinearbejde.

De vil også være nysgerrige nok til at eksperimentere med nye måder at arbejde med AI, kontinuerligt bygge deres AI-kompetence og åbent dele, hvad der virker og hvad der ikke virker, med deres teams for at hjælpe alle med at gå hurtigt fremad.

At hjælpe flere medarbejdere med at udvikle denne mindset er, hvor organisationer har en stor mulighed.

Udstyr medarbejdere med de rette AI-strategier for bedre produktivitet

At give medarbejdere adgang til AI-værktøjer er ikke nok til at levere meningsfulde produktivitetsgevinster.

Mange organisationer har brugt de sidste to år på at introducere AI-assistenter, chatbots og copiloter. Mens disse værktøjer kan spare tid, ændrer tilføjelsen af isolerede AI-løsninger til eksisterende arbejdsmetoder sjældent resultaterne på egen hånd.

Den større mulighed kommer fra at redesigne, hvordan arbejdet udføres.

Boston Consulting Group fandt, at 80% af medarbejderne, der arbejder inden for en klar AI-strategi, rapporterede om målbart forretningsindflydelse, sammenlignet med 60% af medarbejderne, der havde adgang til AI-værktøjer uden en klar strategi. Gartner har ligeledes advaret om, at mange organisationer kæmper for at realisere meningsfulde produktivitetsgevinster, fordi de ikke har fundamentalt redesigneret arbejdet omkring AI.

De største gevinster stammer fra at designe gentagne arbejdsprocesser, der tillader AI at håndtere routineopgaver på tværs af en hel proces, mens medarbejderne forbliver ansvarlige for oversigt, beslutningstagning og undtagelser. Agente arbejdsprocesser gør dette muligt ved at koordinere multiple handlinger i en enkelt forbundet proces i stedet for at behandle AI som endnu et selvstændigt værktøj.

Overvej kundeservice. Hvis en kunde har brug for at ændre en ordre, kan en servicerepræsentant traditionelt bruge værdifuld tid på at bekræfte kontoinformation, tjekke lager, opdatere et ordrestyringssystem, behandle betalingsændringer og arrangere levering. Agente AI kan orkestrere disse routine-trin på tværs af multiple systemer i en enkelt arbejdsproces.

At have denne gentagne arbejdsproces ændrer medarbejdernes rolle. Tiden kan nu investeres i at løse komplekse problemer og sikre, at hver interaktion ender med det bedste mulige resultat. Det er de øjeblikke, kunderne husker, og som påvirker loyalitet, retention og forretningspræstation.

Menneskelig dømmekraft og ekspertise bliver mere vigtig

Da organisationer bygger mere hybrid-arbejdsstyrker – hvor menneskelige medarbejdere samarbejder sammen med AI – skifter menneskers konkurrencemæssige fordel mere og mere mod unikt menneskelige evner.

Et AI-system kan anbefale den hurtigste løsning, men mennesker forstår, om det er den rigtige løsning. Mennesker kan veje konkurrerende prioriteringer, genkende organisations- og kulturel kontekst, bygge tillid med kunder og kolleger og vide, når en situation kræver fleksibilitet i stedet for at følge standardprocessen.

AI-litteracitet er hurtigt på vej til at blive en grundlæggende arbejdsmarkedsfærdighed. Det, der adskiller højpræsterende medarbejdere, er deres evne til at genkende, hvor teknologi fjerner friktion, og hvor deres egen ekspertise har den største indvirkning på kunder, kolleger og forretningsresultater.

Hvis dette er, hvad høj præstation og en “god arbejder” ligner, skal organisationer omdefinere, hvordan de anerkender og belønner dette arbejde.

Lederne skal omdefinere succes

Da AI udvider de måder, medarbejderne kan skabe værdi på, skal HR-ledere genoverveje, om deres nuværende præstationsrammer fuldt ud fanger disse bidrag. Aktivitetsbaserede mål som arbejdstimer, lukkede billetter og responsivitet har længe været nyttige indikatorer, men de fortæller kun en del af historien i AI-drevne organisationer.

AI hjælper ikke kun medarbejderne med at udføre det samme arbejde mere effektivt. Da routineopgaver bliver automatiseret, har medarbejderne en større kapacitet til at gå ind i mere strategisk arbejde: løse komplekse udfordringer, reducere forretningsrisici og afsløre helt nye vækstmuligheder. Disse bidrag har ofte en bredere og mere varig indvirkning på forretningsresultaterne end de enkeltstående opgaver, AI har fjernet fra deres tallerken.

Præstationsdiskussioner skal udvikle sig til at anerkende de ekstra måder, medarbejderne tilføjer værdi på. Ved siden af etablerede forretningsresultat-mål og traditionelle mål skal ledere anerkende medarbejdere, der bruger AI til at skabe værdi, der hjælper hele organisationen med at tilpasse sig hurtigere.

Arbejdsstyrkeplanlægning skal også udvikle sig i hybrid-arbejdsstyrken. Beslutninger om rekruttering, jobdesign og karriereudvikling kan ikke længere ske uafhængigt af teknologi-planlægning. Før organisationer beslutter, hvilke roller de har brug for i morgen, skal de først forstå, hvilke arbejdsprocesser AI kan automatisere, og hvor menneskelig ekspertise skaber den største værdi.

Efterspørgsel efter AI-kompetence – evnen til at bruge og styre AI-værktøjer – er vokset syv gange på to år, hurtigere end for nogen anden færdighed i amerikanske jobannoncer. Men at skabe en AI-kompetent arbejdsstyrke kræver mere end, at organisationer giver adgang til de nyeste værktøjer. Mennesker er naturligvis forsigtige over for ændringer, især når det påvirker, hvordan deres arbejde måles. Ledere har en ansvarlig rol i at give praktisk vejledning og træning, give medarbejderne mulighed for at eksperimentere med AI og lære af hinanden, og fastsætte klare forventninger til, hvordan succesmål udvikler sig.

Et eksempel på praktisk vejledning er gennem en hub- og-talmodel. En central styregruppe kan etablere ansvarlige AI-praktikker og strategiske prioriteter, mens AI-ambassadører på tværs af forskellige forretningsfunktioner kan identificere brugstilfælde til at eksperimentere med anvendelse af AI. Dette giver virksomhederne mulighed for at skala AI-adoptionskonsistensen, samtidig med at der gives fleksibilitet til at løse de unikke udfordringer, hver forretningsfunktion står over for.

Til sidst er definitionen af en “god arbejder” under udvikling i denne nye omgang. De medarbejdere, der vil udskille sig, vil fortsat bygge deres AI-kompetence, forstå, hvor teknologi skaber effektivitet, og menneskelig ekspertise har den største indvirkning, og dele deres erfaringer og bedste arbejdsmetoder med andre for at hjælpe alle med at gå hurtigt fremad.

Organisationer har en kritisk rol i at hjælpe medarbejderne med at opnå denne nye succes. Ved at redesigne arbejdsprocesser, modernisere præstationsmål og fremme en kultur, hvor læring og eksperimentering med AI er opmuntret, kan de skabe arbejdsstyrker, der er mere produktive, større bidragydere til forretningsværdi og bedre forberedt på fremtiden.