Lokdeep Singh, CEO for Unily – Interviewserie

Lokdeep Singh har mere end 20 års erfaring med at lede hurtigtvoksende enterprise-softwarevirksomheder. Senest som Senior Advisor hos Providence Equity Partners, hvor han støttede porteføljeselskaber med AI-strategi, operationel ekspertise og acceleration af go-to-market. Før det var han CEO for Talkwalker, en global leder inden for enterprise consumer intelligence, hvor han ledede transformationen for at opnå bæredygtig, profitabel vækst; og hos Synchronoss Technologies som General Manager.

Unily er en enterprise‑medarbejderoplevelsesplatform designet til at hjælpe store organisationer med at forbinde medarbejdere, strømline intern kommunikation og samle arbejdspladsværktøjer, viden og tjenester i et samlet digitalt miljø. Grundlagt i 2006 betjener virksomheden globale virksomheder med distribuerede, kontor‑ og frontlinjearbejdere, og kombinerer intranetfunktioner, medarbejderkommunikation, søgning, analyse, integrationer og personalisering i én platform. Unily positionerer i stigende grad sin teknologi som AI‑native ved at bruge styret kunstig intelligens til at automatisere indholdsstyring, fremhæve relevant information, personalisere medarbejderoplevelser og gøre det muligt for medarbejdere at interagere med tilknyttede virksomheds‑applikationer via samtale‑grænseflader. Platformen integreres med udbredte arbejdsplads‑systemer såsom Microsoft 365 og Teams og er bygget til organisationer med komplekse teknologimiljøer, regulatoriske krav og store flersprogede arbejdsstyrker.

Du startede din karriere dybt inde i telekommunikations‑engineering og netværksinfrastruktur, før du gik videre til CTO‑, produkt‑, generel ledelses‑ og CEO‑roller, hvilket til sidst førte dig til at lede Talkwalker gennem en succesfuld exit og nu tage roret hos Unily. Hvordan har den udvikling påvirket din opfattelse af, hvad der egentlig kræves for, at medarbejdere kan stole på og tage en transformerende teknologi som AI i brug?

Min karriere har givet mig et perspektiv, der befinder sig mellem teknologi og de mennesker, der forventes at bruge den. Tidligt var jeg fokuseret på infrastruktur og sikrede, at systemerne fungerede pålideligt, sikkert og i stor skala. Da jeg gik videre til produkt, generel ledelse og til sidst CEO‑roller, lærte jeg, at teknisk kapacitet kun er én del af, om en teknologi får succes.

Medarbejdere vil kun tage en ny teknologi i brug, når de forstår, hvordan den påvirker deres arbejde, tror den vil hjælpe snarere end skade dem, og har tillid til, at den opfører sig forudsigeligt.

Den største fejl, ledere kan begå, er at behandle AI‑adoption som en software‑udrulning. Du kan implementere den bedste model i verden, men hvis medarbejderne ikke stoler på den information, den leverer, ikke forstår, hvad den må gøre, eller ikke kender grænserne, vil adoptionen forblive overfladisk. Tillid skal indbygges i medarbejderoplevelsen fra starten.

AI‑kapaciteter forbedres ekstraordinært hurtigt, men tilliden i organisationer synes ofte at udvikle sig meget langsommere. Hvad driver dette voksende hul mellem, hvad AI teknisk kan gøre, og hvad medarbejderne faktisk er komfortable med at tillade det at gøre?

Tillidskløften eksisterer, fordi organisationer har investeret kraftigt i at gøre AI kapabel, men ikke i samme tempo i at gøre den forståelig, ansvarlig og forankret i pålidelig information.

AI kan nu ræsonnere, generere indhold og handle, men mange organisationer mangler stadig et autoritativt registreringssystem for viden og indhold. Når medarbejderne ikke ved, hvor AI henter sine svar fra, om informationen er aktuel, eller hvem der ejer den, forsvinder tilliden hurtigt.

At lukke kløften kræver mere end bedre modeller. Det kræver stærk indholds‑governance og et pålideligt vidensgrundlag, der sikrer, at AI arbejder ud fra nøjagtig, sikker og opdateret information. De organisationer, der lykkes, vil være dem, der gør tillid til en del af AI‑oplevelsen selv, ikke en eftertanke.

Virksomheder nærmer sig ofte enterprise‑AI som et teknologisk implementeringsproblem med fokus på modeller, integrationer, sikkerhed og infrastruktur. Hvorfor mener du, at den sværere udfordring i sidste ende er en menneskelig og organisatorisk én?

AI ændrer forholdet mellem mennesker og teknologi. Tidligere enterprise‑teknologier ventede i høj grad på, at medarbejderne fortalte dem, hvad de skulle gøre. AI kan fortolke intentioner, give anbefalinger og i stigende grad handle.

Det gør AI‑adoption til en fremtid‑for‑arbejde‑udfordring, ikke kun en teknologisk udfordring. Det ændrer, hvordan arbejdet udføres, hvordan beslutninger træffes, og hvordan teams samarbejder. Organisationer kan ikke blot implementere AI og forvente, at transformationen følger. Medarbejderne skal forstå, hvor AI passer ind i deres arbejdsprocesser, og føle sig bemyndigede til at bruge den effektivt.

De mest succesfulde AI‑initiativer drives af græsrods‑adoption, ikke top‑down‑mandater. Når medarbejderne ser klar værdi i deres daglige arbejde, accelererer adoptionen naturligt.

Derfor er rammeværket for AI‑ROI simpelthen baseret på tillid, empowerment og governance. Byg tillid gennem gennemsigtighed og pålidelig viden, styrk medarbejderne med værktøjer, der forbedrer deres arbejdsmetoder, og etabler governance, der sikrer, at AI bruges ansvarligt. Teknologi muliggør forandringen, men mennesker, processer og kultur bestemmer i sidste ende dens succes.

Organisationer har brug for styring, men alt for restriktive politikker kan skubbe medarbejdere mod uautoriserede værktøjer eller afskrække eksperimentering helt. Hvordan ser en effektiv AI‑styringsramme ud, hvis målet er at øge både tillid og adoption i stedet for blot at kontrollere brugen?

God styring bør føles som sikkerhedsbarrierer, der gør det muligt for medarbejdere at arbejde hurtigere og sikkert.

Det betyder, at man skal være meget klar over, hvad medarbejdere må bruge AI til, hvilken information de må give til AI‑systemer, og hvilke handlinger AI må udføre. Disse regler skal være forståelige for en medarbejder og ikke gemt væk i et langt politikdokument.

Styringen skal også være dynamisk. Risikoen ved, at AI genererer et første udkast, er meget anderledes end AI, der godkender en betaling, ændrer en medarbejderpost eller kommunikerer med en kunde. Niveauet af menneskelig kontrol bør svare til den potentielle konsekvens.

I sidste ende bør målet ikke være at minimere AI‑brug, men at maksimere ansvarlig brug.

Unily‑forskning viste, at 52 % af medarbejderne rapporterede, at deres organisation ikke havde nogen kendt AI‑politik, mens nogle medarbejdere indrømmede at indtaste følsomme oplysninger i uautoriserede AI‑værktøjer. I hvilken grad er stigningen i “shadow AI” faktisk et kommunikations‑ og styringsproblem frem for et medarbejderadfærdsproblem?

Vi bør være forsigtige med at fremstille shadow AI som et problem med dårlige medarbejdere. En væsentlig årsag til brug af shadow AI er et symptom på uopfyldt efterspørgsel. Medarbejdere finder måder at løse problemer på, som deres organisationer endnu ikke har givet dem godkendte værktøjer til, hvilket er en naturlig menneskelig adfærd.

I stedet for at forvente, at de ignorerer teknologi, der ændrer måden arbejdet udføres på, er svaret at give medarbejderne en sikker, godkendt vej til at eksperimentere, inklusive klare grænser og uddannelse.

Gennemsigtighed og forklarbarhed præsenteres ofte som væsentlige for pålidelig AI, men medarbejdere behøver ikke nødvendigvis at forstå, hvordan en stor sprogmodel fungerer internt. Hvilken information skal et AI‑system give, så en medarbejder kan træffe en informeret beslutning om, hvorvidt de skal stole på dets svar eller anbefaling?

Et enterprise‑AI‑system bør tydeligt angive, hvor informationen stammer fra, hvornår den sidst blev opdateret, hvilke kilder eller virksomheds‑systemer der blev brugt, og hvorfor en bestemt anbefaling blev givet.

Det bør også være ærligt om usikkerhed. Et af de vigtigste tillidssignaler er, når et AI‑system i praksis siger: “Jeg har ikke nok information til at besvare det med sikkerhed.”

Tillid opstår ikke ved, at AI foregiver at være sikker. Den opstår ved at give medarbejderne nok kontekst til at udøve deres egen dømmekraft.

Unily Glass er designet til at flytte enterprise‑AI fra blot at besvare spørgsmål til at udføre handlinger på tværs af systemer som HR, IT og CRM‑platforme. Når AI går fra at levere information til faktisk at handle, hvordan skal organisationer beslutte, hvilke beslutninger agenter kan træffe autonomt, og hvilke der fortsat skal kræve menneskelig godkendelse?

Det grundlæggende princip bør være risikopropotionalitet. Hvis en AI‑agent planlægger et møde eller finder information, er konsekvensen af en forkert handling relativt begrænset. Man kan give den meget mere autonomi. Men hvis en agent godkender en finansiel transaktion, ændrer en medarbejders løn, ophæver adgang eller træffer en væsentlig kundebeslutning, bør tærsklen være markant højere.

Organisationer bør etablere eksplicitte niveauer af autonomi baseret på faktorer som økonomisk påvirkning, regulatorisk eksponering, reversibilitet og påvirkning på mennesker. Jo mere væsentlig eller irreversibel handlingen er, desto vigtigere bliver menneskelig godkendelse.

Målet er at holde mennesker meningsfuldt i kontrol, hvor det betyder noget.

Virksomheder implementerer i stigende grad flere copilots, specialiserede agenter, store sprogmodeller og AI‑aktiverede applikationer på tværs af teknologistakken. Hvordan kan organisationer forhindre, at dette skaber et yderligere lag af fragmentering, og forventer du, at et centralt tillids‑ eller orkestreringslag bliver essentielt?

Vi risikerer at genskabe den samme fragmentering, som enterprise‑software har skabt i løbet af de sidste årtier, men nu kan hver applikation have sit eget AI‑interface og sin egen agent.

Medarbejdere bør ikke skulle forstå, hvilken model der ligger bag hvilken applikation, eller huske, hvor hver organisations AI befinder sig. De skal kunne interagere med AI i deres arbejds‑kontekst og få den rette information og funktionalitet samlet for sig.

Det er her, et orkestrerings‑ og tillidslag bliver stadig vigtigere. Det kan give en ensartet måde at håndtere identitet, tilladelser, kontekst, dataadgang og handlinger på tværs af forskellige AI‑systemer.

Der vil sandsynligvis ikke være én model eller én AI‑platform, der ejer alt, men organisationer vil i stigende grad have brug for et fælles lag, der får alle disse systemer til at arbejde sammen på en ansvarlig måde.

Mange organisationer kan måle, hvor ofte medarbejdere bruger et AI‑værktøj, men brug alene beviser ikke, at investeringen skaber værdi. Hvilke målinger bør ledere følge for at afgøre, om AI virkelig forbedrer produktivitet, beslutningstagning, medarbejderoplevelse eller forretningsresultater?

Brug er et interessant udgangspunkt, men det er ikke resultatet. Ledere bør spørge, om AI reducerer den tid, det tager at gennemføre vigtige arbejdsprocesser, eliminerer gentagne opgaver, forbedrer kvaliteten eller hastigheden af beslutninger og mindsker friktionen for medarbejderne.

Jeg vil kigge på målinger såsom tid sparet pr. arbejdsproces, opgavefuldførelsesrater, fejlprocenter, medarbejdertilfredshed, tid til løsning og i sidste ende forretningsmålinger knyttet til den specifikke funktion, der implementerer AI.

De stærkeste organisationer vil forbinde AI‑målinger direkte til forretningsresultater i stedet for at fejre aktivitet for sin egen skyld.

Efterhånden som enterprise‑AI udvikler sig fra assistenter, der genererer indhold, til agenter, der kan udføre stadig mere komplekse arbejdsprocesser, hvad mener du, at forretningsledere stadig undervurderer ved forholdet mellem AI‑kapacitet, medarbejdernes tillid og en vellykket adoption?

Mange ledere undervurderer stadig, hvor meget tillid bestemmer loftet for AI‑adoption.

Virksomheder taler ofte om AI‑kapacitet, som om mere kapacitet automatisk betyder mere værdi. Det gør den ikke. Et yderst kapabelt system, som medarbejderne ikke har tillid til, kan skabe mindre værdi end et mere begrænset system, som de forstår og trygt bruger.

Dette kræver, at virksomheder tænker på teknologi, governance, medarbejderoplevelse og organisatorisk forandring som ét system. Virksomheder skal finde ud af, hvordan AI kan gøres tilstrækkeligt betroet til faktisk at ændre den måde, folk arbejder på.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge Unily.