Lokdeep Singh, administrerende direktør i Unily – Intervjuserie

Lokdeep Singh har mer enn 20 års erfaring med å lede høyvekstende bedriftsprogramvare‑selskaper. Sist var han seniorrådgiver i Providence Equity Partners, hvor han støttet porteføljeselskaper med AI‑strategi, operasjonell fortreffelighet og akselerasjon av go‑to‑market. Før det var han administrerende direktør i Talkwalker, en global leder innen bedriftsforbrukerintelligens, hvor han ledet transformasjonen for å oppnå bærekraftig, lønnsom vekst; og i Synchronoss Technologies som generaldirektør.

Unily er en bedriftsplattform for ansattopplevelse designet for å hjelpe store organisasjoner med å knytte ansatte sammen, strømlinjeforme intern kommunikasjon og samle arbeidsverktøy, kunnskap og tjenester i et samlet digitalt miljø. Grunnlagt i 2006, betjener selskapet globale virksomheter med distribuert, kontor‑ og frontlinjearbeidsstyrke, og kombinerer intranett‑funksjoner, ansattkommunikasjon, søk, analyser, integrasjoner og personalisering i én plattform. Unily posisjonerer i økende grad sin teknologi som AI‑native, og bruker styrt kunstig intelligens til å automatisere innholdsadministrasjon, fremheve relevant informasjon, personalisere ansattopplevelser og gjøre det mulig for arbeidere å samhandle med tilkoblede bedriftsapplikasjoner via konversasjonsgrensesnitt. Plattformen integreres med mye brukte arbeidsverktøy som Microsoft 365 og Teams og er bygget for organisasjoner med komplekse teknologimiljøer, regulatoriske krav og store flerspråklige arbeidsstyrker.

Du startet karrieren dypt innen telekom‑ingeniørarbeid og nettverksinfrastruktur før du gikk over i roller som CTO, produkt, generell ledelse og administrerende direktør, og til slutt ledet Talkwalker gjennom en vellykket exit og nå tar roret i Unily. Hvordan har den utviklingen påvirket ditt syn på hva som faktisk kreves for at ansatte skal stole på og ta i bruk en transformativ teknologi som AI?

Karrieren min har gitt meg et perspektiv som befinner seg mellom teknologi og menneskene som forventes å bruke den. Tidlig var jeg fokusert på infrastruktur, og sørget for at systemene fungerte pålitelig, sikkert og i skala. Etter hvert som jeg gikk over i produkt, generell ledelse og til slutt administrerende direktør‑roller, lærte jeg at teknisk kapasitet kun er én del av om en teknologi lykkes.

Ansatte vil kun ta i bruk en ny teknologi når de forstår hvordan den påvirker arbeidet deres, tror den vil hjelpe snarere enn skade dem, og har tillit til at den vil oppføre seg forutsigbart.

Den største feilen ledere kan gjøre er å behandle AI‑adopsjon som en programvareutrulling. Du kan distribuere den beste modellen i verden, men hvis ansatte ikke stoler på informasjonen den leverer, ikke forstår hva den har lov til å gjøre, eller ikke kjenner grensene, vil adopsjonen forbli overfladisk. Tillit må bygges inn i ansattopplevelsen fra starten av.

AI‑kapasiteter forbedres usedvanlig raskt, men tilliten i organisasjoner ser ofte ut til å utvikle seg mye langsommere. Hva driver dette økende gapet mellom hva AI teknisk sett kan gjøre og hva ansatte faktisk er komfortable med å tillate at den gjør?

Tillitgapet eksisterer fordi organisasjoner har investert tungt i å gjøre AI kapabel, men ikke i samme tempo i å gjøre den forståelig, ansvarlig og forankret i pålitelig informasjon.

AI kan nå resonere, generere innhold og handle, men mange organisasjoner mangler fortsatt et autoritativt register for kunnskap og innhold. Når ansatte ikke vet hvor AI henter sine svar fra, om informasjonen er oppdatert, eller hvem som eier den, forsvinner tilliten raskt.

Å lukke gapet krever mer enn bedre modeller. Det krever sterk innholdsforvaltning og et pålitelig kunnskapsgrunnlag som sikrer at AI arbeider med nøyaktig, sikker og oppdatert informasjon. De organisasjonene som lykkes vil være de som gjør tillit til en del av AI‑opplevelsen i seg selv, ikke en ettertanke.

Bedrifter nærmer seg ofte bedrifts‑AI som et teknologisk utrullingsproblem med fokus på modeller, integrasjoner, sikkerhet og infrastruktur. Hvorfor mener du at den vanskeligere utfordringen i siste ende er en menneskelig og organisatorisk?

AI endrer forholdet mellom mennesker og teknologi. Tidligere bedrifts‑teknologier ventet i stor grad på at ansatte skulle fortelle dem hva de skulle gjøre. AI kan tolke intensjon, komme med anbefalinger og i økende grad handle.

Dette gjør AI‑adopsjon til en fremtid‑for‑arbeid‑utfordring, ikke bare en teknologisk utfordring. Det endrer hvordan arbeidet utføres, hvordan beslutninger tas, og hvordan team samarbeider. Organisasjoner kan ikke bare distribuere AI og forvente at transformasjon følger. Ansatte må forstå hvor AI passer inn i arbeidsflytene deres og føle seg styrket til å bruke den effektivt.

De mest vellykkede AI‑initiativene drives av grasrot‑adopsjon, ikke topp‑ned‑pålegg. Når ansatte ser klar verdi i sitt daglige arbeid, akselererer adopsjonen naturlig.

Det er derfor rammverket for AI‑avkastning (ROI) enkelt handler om tillit, myndiggjøring og styring. Bygg tillit gjennom åpenhet og pålitelig kunnskap, gi ansatte verktøy som forbedrer hvordan de arbeider, og etabler styring som sikrer at AI brukes ansvarlig. Teknologi muliggjør endringen, men mennesker, prosesser og kultur bestemmer til slutt suksessen.

Organisasjoner trenger styring, men altfor restriktive retningslinjer kan drive ansatte mot uautoriserte verktøy eller avskrekke eksperimentering helt. Hvordan ser en effektiv AI-styringsramme ut hvis målet er å øke både tillit og adopsjon snarere enn bare å kontrollere bruken?

God styring bør føles som rekkverk som lar ansatte bevege seg raskere på en sikker måte.

Det betyr at man må være svært tydelig på hva ansatte kan bruke AI til, hvilken informasjon de kan gi til AI‑systemer, og hvilke handlinger AI har lov til å utføre. Reglene bør være forståelige for en ansatt, ikke begravd i et langt retningslinjedokument.

Styringen må også være dynamisk. Risikoen knyttet til at AI lager et førsteutkast er svært forskjellig fra at AI godkjenner en betaling, endrer en ansattpost eller kommuniserer med en kunde. Graden av menneskelig tilsyn bør tilsvare den potensielle konsekvensen.

Målet bør i siste instans ikke være å minimere AI‑bruk, men å maksimere ansvarlig bruk.

Unily‑forskning fant at 52 % av de ansatte rapporterte at de ikke hadde noen kjent AI‑policy i sin organisasjon, mens noen ansatte innrømmet å ha lagt inn sensitiv informasjon i uautoriserte AI‑verktøy. I hvilken grad er fremveksten av «shadow AI» egentlig et kommunikasjons‑ og styringssvikt snarere enn et problem med ansattes atferd?

Vi bør være forsiktige med å fremstille shadow AI som et problem med dårlige ansatte. En betydelig årsak til bruk av shadow AI er at det er et symptom på udekket etterspørsel. Ansatte finner måter å løse problemer på som organisasjonene deres ennå ikke har gitt godkjente verktøy for, noe som er en naturlig menneskelig atferd.

I stedet for å forvente at de ignorerer teknologi som endrer hvordan arbeidet utføres, er svaret å gi ansatte en trygg, godkjent vei for eksperimentering, inkludert klare grenser og opplæring.

Gjennomsiktighet og forklarbarhet blir ofte presentert som essensielt for pålitelig AI, men ansatte trenger ikke nødvendigvis å forstå hvordan en stor språkmodell fungerer internt. Hvilken informasjon bør et AI‑system gi slik at en ansatt kan ta en informert beslutning om hvorvidt de skal stole på svaret eller anbefalingen?

Et bedrifts‑AI‑system bør tydeliggjøre hvor informasjonen kommer fra, når den sist ble oppdatert, hvilke kilder eller bedriftsystemer som ble brukt, og hvorfor en bestemt anbefaling ble gitt.

Det bør også være ærlig om usikkerhet. Et av de viktigste tillitsignalene er at et AI‑system sier, i praksis, «Jeg har ikke nok informasjon til å svare på dette med sikkerhet.»

Tilliten kommer ikke fra at AI later som om den er sikker. Den kommer fra at ansatte får nok kontekst til å bruke sin egen dømmekraft.

Unily Glass er designet for å flytte bedrifts‑AI fra å svare på spørsmål til å utføre handlinger på tvers av systemer som HR, IT og CRM‑plattformer. Etter hvert som AI går fra å levere informasjon til faktisk å handle, hvordan skal organisasjoner bestemme hvilke beslutninger agenter kan ta autonomt og hvilke som fortsatt må kreve menneskelig godkjenning?

Det viktigste prinsippet bør være risikoproporsjonalitet. Hvis en AI‑agent planlegger et møte eller finner informasjon, er ulempen ved en feil handling relativt begrenset. Da kan du gi den mye mer autonomi. Men hvis en agent godkjenner en finansiell transaksjon, endrer en ansatts lønn, avslutter tilgang eller tar en viktig kundebeslutning, bør terskelen være dramatisk høyere.

Organisasjoner bør etablere eksplisitte nivåer av autonomi basert på faktorer som økonomisk påvirkning, regulatorisk eksponering, reversibilitet og påvirkning på mennesker. Jo mer konsekvens eller irreversibel handlingen er, desto viktigere blir menneskelig godkjenning.

Målet er å holde mennesker meningsfullt i kontroll der det er viktig.

Bedrifter distribuerer i økende grad flere copiloter, spesialiserte agenter, store språkmodeller og AI‑aktiverte applikasjoner på tvers av teknologistabelen. Hvordan kan organisasjoner hindre at dette skaper et nytt lag med fragmentering, og forventer du at et sentralisert tillits‑ eller orkestreringslag blir essensielt?

Vi risikerer å gjenskape den samme fragmenteringen som bedriftsprogramvare har skapt de siste tiårene, men nå kan hver applikasjon ha sitt eget AI‑grensesnitt og sin egen agent.

Ansatte skal ikke måtte forstå hvilken modell som ligger bak hvilken applikasjon eller huske hvor hver organisasjons AI befinner seg. De skal kunne samhandle med AI i konteksten av arbeidet sitt og få riktig informasjon og funksjonalitet samlet for seg.

Det er nettopp her et orkestrerings‑ og tillitslag blir stadig viktigere. Det kan tilby en konsistent måte å håndtere identitet, tillatelser, kontekst, datatilgang og handlinger på tvers av ulike AI‑systemer.

Det vil sannsynligvis ikke bli én modell eller én AI‑plattform som eier alt, men organisasjoner vil i økende grad trenge et felles lag som får alle disse systemene til å samarbeide ansvarlig.

Mange organisasjoner kan måle hvor ofte ansatte bruker et AI‑verktøy, men bruk alene beviser ikke at investeringen skaper verdi. Hvilke måleparametere bør ledere følge for å fastslå om AI virkelig forbedrer produktivitet, beslutningstaking, ansattes opplevelse eller forretningsresultater?

Bruk er et interessant utgangspunkt, men det er ikke resultatet. Ledere bør spørre om AI reduserer tiden det tar å fullføre viktige arbeidsflyter, eliminerer repeterende arbeid, forbedrer kvaliteten eller hastigheten på beslutninger, og reduserer friksjon for ansatte.

Jeg vil se på måleparametere som tid spart per arbeidsflyt, oppgavefullføringsgrad, feilrate, ansattes tilfredshet, tid til løsning, og til slutt forretningsmåleparametere knyttet til den spesifikke funksjonen som implementerer AI.

De sterkeste organisasjonene vil knytte AI‑måleparametere direkte til forretningsresultater i stedet for å feire aktivitet for aktivitetens skyld.

Etter hvert som bedrifts‑AI utvikler seg fra assistenter som genererer innhold til agenter som kan utføre stadig mer komplekse arbeidsflyter, hva mener du at forretningsledere fortsatt undervurderer når det gjelder forholdet mellom AI‑kapasitet, ansattes tillit og vellykket adopsjon?

Mange ledere undervurderer fortsatt hvor mye tillit bestemmer taket for AI‑adopsjon.

Selskaper snakker ofte om AI‑kapasitet som om mer kapasitet automatisk betyr mer verdi. Det gjør de ikke. Et utrolig kapabelt system som ansatte ikke stoler på, kan skape mindre verdi enn et mer begrenset system som de forstår og bruker med selvtillit.

Dette krever at selskaper tenker på teknologi, styring, ansattes opplevelse og organisasjonsendring som ett system. Selskaper må finne ut hvordan de kan gjøre AI tilstrekkelig pålitelig til faktisk å endre måten folk jobber på.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Unily.