Enden på produktivitetsteateret: Hvorfor vi må omdefinere hva som gjør en “god arbeider” i AI-æraen

I årevis har organisasjoner koblet produktivitet med synlig innsats: arbeidstimer, fulle kalendere, raske e-postbeskjeder og lange oppgavelister. Data viser at ansatte arbeider lengre enn noen gang, med nesten en tredjedel av arbeidere tilbake i innboksen sin ved 22.00. Likevel oversettes mer aktivitet ikke nødvendigvis til større innvirkning.

Kunstig intelligens (AI) avslører at vi har blitt usedvanlig gode til å måle aktivitet mens vi ofte overse hva som fremmer bedriften. Når ansatte kan automatisere timer med repetert arbeid og omdirigere den tiden mot å løse høyere-verdi-problemer, bør vi omdefinere produktivitet.

Denne endringen omdefinerer hva det betyr å være en “god arbeider”. Mer enn noen gang må ledere spørre hvem som skaper den største verdien for bedriften, i stedet for hvem som gjør mest arbeid.

Produktivitetsteateret blir umulig å skjule

Hver organisasjon har oppgaver som holder folk opptatt uten å skape mye verdi.

Å planlegge møter over flere kalendere. Å jage godkjenninger. Å kopiere informasjon mellom systemer.

Med AI endrer dette seg raskt. Routinemessig arbeid kan fullføres på sekunder. Som et resultat forteller måling av ansatte etter volumet av disse oppgavene lite om deres bidrag. Med produktivitetsteateret som blir avdekket, er det viktig å forstå hvordan ansatte bruker tiden de har vunnet fra AI-efektivitet til å forbedre arbeidet og bidragene sine.

Hva gjør en “god arbeider” i AI-æraen

Den virkelige muligheten med AI ligger i å skille mellom arbeid som ikke lenger eller fortsatt krever menneskelig innsats.

Ta rekruttering. Å koordinere intervjuer over flere ansattesjefer, kandidater og tidszoner kan forbruke timer hver uke. Det er nødvendig, men krever ikke strategisk tenkning. Når rekrutteringskoordinatorer erkjenner dette og automatiserer planlegging, vinner de tid til å bygge relasjoner med kandidater, rådgive ansattesjefer og forbedre rekrutteringsbeslutninger.

Forskning støtter denne endringen. PwC’s 2025 AI Jobs Barometer fant at bransjer som er mest utsatt for AI, har opplevd nesten fire ganger høyere produktivitetsvekst siden generativ AI ble mainstream, mens omsetning per ansatt har vokst tre ganger raskere enn i bransjer som er mindre utsatt for AI.

Ansattes som trives i AI-æraen vil uten tvil bli raskere. Mer viktig er likevel at de vil utvikle en sterkere instinkt for hvor menneskelig ekspertise skaper den største verdien og hvor teknologi bør håndtere deres rutinemessige arbeid.

De vil også være nysgjerrige nok til å eksperimentere med nye måter å arbeide med AI, kontinuerlig bygge opp sin AI-ferdighet og åpenlyst dele hva som fungerer og hva som ikke fungerer med sine team for å hjelpe alle å gå raskt fremover.

Å hjelpe flere ansatte med å utvikle denne tankemåten er der organisasjonene har en stor mulighet.

Utstyr ansatte med riktige AI-strategier for bedre produktivitet

Det er ikke nok å gi ansatte tilgang til AI-verktøy for å oppnå meningsfulle produktivitetsgevinster.

Mange organisasjoner har brukt de siste to årene på å introdusere AI-assistenter, chatbott og copiloter. Mens disse verktøyene kan spare tid, endrer tillegging av isolerte AI-løsninger til eksisterende måter å arbeide sjelden resultater på egen hånd.

Den større muligheten ligger i å redesigne hvordan arbeid skjer.

Boston Consulting Group fant at 80 % av ansatte som arbeider innenfor en tydelig AI-strategi, rapporterte målbare forretningsresultater, sammenlignet med 60 % av ansatte som hadde tilgang til AI-verktøy uten en tydelig strategi. Gartner har liknende advart at mange organisasjoner sliter med å realisere meningsfulle produktivitetsgevinster fordi de ikke har fundamentalt redesignet arbeidet rundt AI.

De største gevinstene kommer fra å designe gjentakende arbeidsflyter som tillater AI å håndtere rutinemessig arbeid over hele prosessen, mens ansatte forblir ansvarlige for tilsyn, beslutning og unntak. Agent-arbeidsflyter gjør dette mulig ved å koordinere flere handlinger i en enkelt sammenhengende prosess, i stedet for å behandle AI som et annet selvstendig verktøy.

Vurdér kundeservice. Hvis en kunde trenger å endre en bestilling, tilbringer tradisjonelt en servicerepresentant verdifull tid på å bekrefte kontoopplysninger, sjekke lager, oppdatere et ordrebehandlingsystem, prosessere endringer av betaling og arrangere frakt. AI kan orkestrere disse rutinemessige trinnene over flere systemer i en enkelt arbeidsflyt.

Å ha denne gjentakende arbeidsflyten endrer ansattes rolle. Tid kan nå investeres i å løse komplekse problemer og sikre at hver interaksjon ender med det beste mulige resultat. Disse er øyeblikkene kundene husker og som påvirker lojalitet, oppretthold og forretningsresultat.

Menneskelig dømmekraft og ekspertise blir viktigere

Ettersom organisasjoner bygger mer hybrid-arbeidsstyrker – hvor menneskelige ansatte samarbeider med AI – øker menneskenes konkurransefordel mot unikt menneskelige evner.

Et AI-system kan anbefale den raskeste løsningen, men mennesker forstår om det er riktig. Mennesker kan veie konkurranseprioriteringer, gjenkjenne organisatorisk og kulturell kontekst, bygge tillit med kunder og kolleger og vite når en situasjon krever fleksibilitet i stedet for å følge standardprosessen.

AI-litteratur blir raskt en arbeidsplassferdighet. Hva skiller høytytende ansatte er deres evne til å gjenkjenne hvor teknologi fjerner friksjon og hvor deres egen ekspertise har den største innvirkningen på kunder, kolleger og forretningsresultater.

Hvis dette er hva høy ytelse og en “god arbeider” ligner, må organisasjoner omdefinere hvordan de anerkjenner og belønner dette arbeidet.

Lederne må omdefinere suksess

Ettersom AI utvider måtene ansatte kan skape verdi på, bør HR-ledere vurdere om deres nåværende prestasjonsrammer fullstendig fanger disse bidragene. Aktivitetsbaserte mål som arbeidstimer, lukkede billetter og responsivitet har lenge vært nyttige indikatorer, men de forteller nå bare en del av historien i AI-drevne organisasjoner.

AI hjelper ikke bare ansatte med å fullføre samme arbeid mer effektivt. Ettersom rutinemessig arbeid blir automatisert, har ansatte større kapasitet til å gå inn i mer strategisk arbeid: løse komplekse utfordringer, redusere forretningsrisiko og avdekke helt nye vekstmuligheter. Disse bidragene har ofte en bredere og lengrevarig innvirkning på forretningsresultatet enn de enkelte oppgavene AI har tatt av deres plate.

Prestasjonsdiskusjoner bør utvikle seg til å anerkjenne de ekstra måtene ansatte skaper verdi på. Ved siden av etablerte forretningsresultat-mål og tradisjonelle mål, bør ledere anerkjenne ansatte som bruker AI til å skape verdi som hjelper hele organisasjonen til å tilpasse seg raskere.

Arbeidsstyrkeplanlegging trenger også å utvikle seg for den hybrid-arbeidsstyrken. Beslutninger om rekruttering, stillingsdesign og karriereutvikling kan ikke lenger skje uavhengig av teknologi-planlegging. Før organisasjoner bestemmer hvilke roller de trenger i morgen, må de først forstå hvilke arbeidsflyter AI kan automatisere og hvor menneskelig ekspertise skaper den største verdien.

Etterspørsel etter AI-ferdighet — evnen til å bruke og håndtere AI-verktøy — har vokst syv ganger på to år, raskere enn for noen annen ferdighet i amerikanske jobbannonser. Men å skape en AI-ferdig arbeidsstyrke krever mer enn at organisasjoner gir tilgang til de nyeste verktøyene. Mennesker er naturlig forsiktige med endringer, spesielt når det påvirker hvordan deres arbeid måles. Ledere har en plikt til å gi praktisk veiledning og opplæring, gi ansatte muligheter til å eksperimentere med AI og lære av hverandre, og sette tydelige forventninger til hvordan suksessmål utvikler seg.

Et eksempel på praktisk veiledning er gjennom en hub-og-NAV-modell. En sentral styringskomité kan etablere ansvarlige AI-praksiser og strategiske prioriteringer, mens AI-ambassadører over ulike forretningsfunksjoner kan identifisere bruksområder for å eksperimentere med å bruke AI. Dette lar bedrifter skalerer AI-tilpasning konsistent mens de tillater fleksibilitet til å løse de unike utfordringene hver forretningsfunksjon møter.

Til slutt er definisjonen av en “god arbeider” i ferd med å endre seg i denne nye omgangen. Ansattene som skiller seg ut, vil fortsette å bygge opp sin AI-ferdighet, forstå hvor teknologi skaper effektivitet og hvor deres egen ekspertise gjør den største forskjellen, og dele sine erfaringer og beste måter å arbeide på med andre.

Organisasjoner har en kritisk rolle å spille i å hjelpe ansatte med å oppnå denne nye suksessen. Ved å redesigne arbeidsflyter, modernisere prestasjonsmål og fremme en kultur hvor læring og eksperimentering med AI er oppmuntret, kan de skape arbeidsstyrker som er mer produktive, større bidragsytere til forretningsverdi og bedre forberedt på fremtiden.