Den operativa förtroendebottensäcken: Varför anställda verkligen motstår AI på arbetsplatsen

AI har varit en dominerande kraft under de senaste åren och har förändrat grunderna för hur arbetet utförs. Framåt ser utsikterna för chefer fortfarande mycket starka ut, med 92% av företagen som planerar att öka sin investering i AI till 2028. Bland anställda är känslan kring AI dock mycket mer blandad.

Enligt en nylig rapport är 52% av arbetarna oroliga för hur AI kommer att påverka arbetsplatsen och ytterligare 32% tror att det kommer att leda till färre jobbmöjligheter. Detta motstånd mot AI på arbetsplatsen är ett vanligt, men bestående, hinder för en framgångsrik AI-antagning. Det är också ett som ofta kartläggs tillbaka till luckor i anställdas färdigheter eller en organisations tekniska beredskap. Det är sant att båda faktorerna spelar en roll i att bränsle motstånd mot AI. Den verkliga roten till problemet är dock operativt förtroende.

Var borde AI-motstånd och risk verkligen bo

Motstånd är ett symptom på osäkerhet – över hur AI kommer att förändra beslutsfattandet, vem som kommer att ta ansvar när saker går fel, eller vilka kontroller och skyddsanordningar som finns på plats. Denna nedbrytning av operativt förtroende påverkar inte bara anställda. Arbetsgivare är inte heller immuna.

Deloitte fann nyligen att medan 42% av företagen tror att deras affärsstrategi är väl förberedd för AI-antagning, känner de sig mindre förberedda när det gäller infrastruktur, data, risk och talang. Oavsett senioritetsnivå, brist på kontroll över eller förlust av data, upprätthållande av regelefterlevnad och potentiella störningar i etablerade arbetsflöden sitter högst upp i tankarna. Dessa problem är särskilt giltiga i högt reglerade branscher där felaktiga AI-beslut har en mycket större potential för förlust.

Det finns också en verklig risk med att automatisera arbetsflöden som redan är felaktiga eller saknar tydlig styrstruktur. I dessa scenarier blir AI fokuspunkten för misslyckande, ofta skapar mer friktion och förstärker befintliga exekveringsfel. Efter allt, ett dåligt system är fortfarande dåligt även om det backas upp av AI. AI fixar inte trasiga system. Det utför dem snabbare. Här är var företag tenderar att träffa en verklig knäckpunkt.

Många ser AI-verktygen själva som den primära källan till risk. I verkligheten bor riskerna i den operativa modell som dessa verktyg introduceras i. I praktiken utgör den större hotet från att lägga till AI på operativa modeller som aldrig var designade för att stödja avancerad automatisering från början. Särskilt i stor skala. Detta tillvägagångssätt är ett recept för att accelerera de problem som organisationen försöker lösa.

Inbäddad AI och den mänskliga bedömningsfaktorn

AI är som bäst när det inte tar bort mänsklig bedömning från ekvationen, utan omfördelar var bedömningen bor och hur den stöds. Med detta tillvägagångssätt är beslutsgränserna tydligare, mer konsekventa och mer skalbara, med AI som fungerar som ett verktyg för att hjälpa organisationer att sprida rikedommen av deras mänskliga expertis mer effektivt och effektivt.

Vi är långt ifrån en AI-era där mänskligt inmatning inte längre behövs. Ändå har branschen nått en punkt där mänsklig bedömning behöver tillämpas annorlunda, och mer genomtänkt, för att göra det mesta av AI. Den gyllene standarden för mänsklig-AI-relation är en där tekniken tillhandahåller insikt och kontext i hastighet baserat på data för att vägleda arbetare i högre nivås beslutsfattande och frigöra tid för det arbete som verkligen betyder något.

När AI distribueras som en fristående initiativ, är förbättringarna inkrementella. Det kommer sannolikt att påskynda upprepningsbara uppgifter eller minska manuellt arbete i områden som administrativt arbete, men det är bara att skrapa på ytan av AI:s potentialvärde. Äkta transformation sker när AI är inbäddat direkt i arbetsflöden, orkestrerar hur information flyttas, från topp till botten.

Tydlighet är nyckeln till hållbar AI-antagning

Bara 41% av människor i USA är villiga att lita på AI. Med tanke på att dessa system påverkar hur anställda arbetar, hur deras prestationer utvärderas och deras framtida jobbmöjligheter, är tveksamheten inte förvånande, men den kan inte tillåtas att bestå. Företag måste bygga anställdas köp, och utbildning kan inte bära bördan ensam. Operativ tydlighet är nyckeln.

Anställda måste förstå var AI bidrar till rekommendationer och var mänsklig bedömning förblir auktoritativ från början. De behöver också veta vem som äger beslutet när AI är inblandat. Synlighet gör det lättare att verifiera tillförlitligheten av AI-utdata och etablerar en känsla av kontroll och ansvar, liksom tydligt etablerade åsidosättningsprotokoll. Dessa element är grunden för starkt operativt förtroende. Utan dem kan även väl utformade system kämpa, med arbetare som tvivlar på rekommendationer eller till och med överger tekniken helt och hållet till förmån för de ursprungliga manuella processerna. Detta minskar bara det totala värdet av AI-investeringar och förstärker uppfattningen att AI är mer störande än möjliggörande.

Att hantera denna dynamik tidigt i distributionen är avgörande. De organisationer som ser den största framgången med AI-antagning behandlar inte AI som en engångsdistribution eller ett isolerat IT-projekt. Istället närmar de sig det som en utveckling av den operativa modellen – börjar med att ompröva arbetsflöden, omdefiniera roller och etablera delad ansvarighet över hela företaget.

Företagsledare, tekniska team och plattformsparter bidrar alla med en annan bit av pusslet. Utmaningen är inte expertis, utan anpassning. Företagsledare förstår vilka resultat som betyder mest och hur de knyter an till långsiktig strategi. Ingenjörer och IT-chefer förstår teknologins förmågor och begränsningar. Plattformsparter bidrar med verklig världserfarenhet av att distribuera AI i produktionsmiljöer. När dessa grupper utformar arbetsflöden tillsammans blir AI genomförbart. När de inte gör det förblir det teoretiskt.

Uppfattningen att AI är något som påtvingas snarare än ett hjälpmedel som utvecklats med input från de människor som kommer att använda det är en annan betydande drivkraft bakom motstånd på arbetsplatsen. Att involvera frontlinjeteam i arbetsflödesomdesign vänder på manuskriptet. Anställda ges möjlighet att identifiera sina mest betydande smärtor och bli aktiva bidragsgivare i att bestämma hur AI tillämpas dagligen.

Verkliga resultat kommer alltid att vara mer kraftfulla än utlovad lättnad. Om anställda ser påtagliga bevis för att AI förbättrar deras arbetsliv – antingen genom att eliminera tråkigt arbete eller hjälpa dem att gräva djupare i det högt kvalificerade arbetet de är passionerade om – är de mer benägna att engagera sig i det. I själva verket, när förtroendet för AI är högt, är arbetare 2,8 gånger mer benägna att använda tekniken dagligen och spara i genomsnitt 2 timmar per vecka, enligt Deloitte.

AI-motstånd är i slutändan en operativ utmaning. De organisationer som flyttar förbi det kommer inte att vara de med de mest avancerade modellerna, utan de som omformar hur arbetet faktiskt utförs och gör det arbetet genomförbart, ansvarigt och tydligt.

Denna förändring sker inte i isolering. Det kräver ett åtagande till tvärfunktionellt samarbete över hela företaget och en vilja att vara anpassningsbar och ompröva långvariga processer. När interna system optimeras för att passa hur människor som bor i dem faktiskt arbetar, följer förtroendet, köpet och den hållbara antagandet naturligt.