Lokdeep Singh, VD för Unily – Intervjuserie

Lokdeep Singh har mer än 20 års erfarenhet av att leda snabbväxande företag inom företagsprogramvara. Senast som senior rådgivare på Providence Equity Partners, där han stödde portföljbolag med AI‑strategi, operativ excellens och accelerering av go‑to‑market. Före dess var han VD för Talkwalker, en global ledare inom företagskonsumentintelligens, där han ledde omvandlingen för att uppnå hållbar, lönsam tillväxt; samt på Synchronoss Technologies som General Manager.

Unily är en företagsplattform för medarbetarupplevelser som är utformad för att hjälpa stora organisationer att koppla ihop medarbetare, effektivisera intern kommunikation och föra arbetsverktyg, kunskap och tjänster in i en enhetlig digital miljö. Företaget grundades 2006 och betjänar globala företag med distribuerade, kontorsbaserade och frontlinjearbetare, och kombinerar intranettfunktioner, medarbetarkommunikation, sökning, analys, integrationer och personalisering i en enda plattform. Unily positionerar sig i allt högre grad som AI‑native, och använder styrd artificiell intelligens för att automatisera innehållshantering, framhäva relevant information, personalisera medarbetarupplevelser och möjliggöra att arbetare interagerar med anslutna företagsapplikationer via konversationsgränssnitt. Plattformen integreras med vanliga arbetsplatsystem som Microsoft 365 och Teams och är byggd för organisationer med komplexa tekniska miljöer, regulatoriska krav och stora flerspråkiga arbetsstyrkor.

Du började din karriär djupt inom telekomteknik och nätverksinfrastruktur innan du gick vidare till roller som CTO, produkt, generell ledning och VD, vilket så småningom ledde Talkwalker genom en framgångsrik exit och nu tar rodret på Unily. Hur har den utvecklingen format din syn på vad som egentligen krävs för att medarbetare ska lita på och anta en transformerande teknik som AI?

Min karriär har gett mig ett perspektiv som befinner sig mellan tekniken och de människor som förväntas använda den. Tidigt fokuserade jag på infrastruktur, och såg till att systemen fungerade pålitligt, säkert och i skala. När jag gick över till produkt, generell ledning och slutligen VD‑roller lärde jag mig att teknisk kapacitet bara är en del av huruvida en teknik lyckas.

Medarbetare kommer bara att anta en ny teknik när de förstår hur den påverkar deras arbete, tror att den kommer att hjälpa snarare än skada dem, och har förtroende för att den beter sig förutsägbart.

Det största misstaget ledare kan göra är att behandla AI‑adoption som en mjukvaruimplementation. Du kan distribuera den bästa modellen i världen, men om medarbetarna inte litar på den information den levererar, inte förstår vad den får göra, eller inte vet var gränserna går, kommer adoptionen att förbli ytlig. Förtroende måste byggas in i medarbetarupplevelsen från början.

AI‑kapaciteter förbättras extraordinärt snabbt, men förtroendet inom organisationer verkar ofta röra sig mycket långsammare. Vad driver detta växande gap mellan vad AI tekniskt kan göra och vad medarbetare faktiskt känner sig bekväma med att tillåta det att göra?

Förtroendeklyftan finns eftersom organisationer har investerat kraftigt i att göra AI kapabel, men inte i samma takt i att göra den förståelig, ansvarstagande och förankrad i pålitlig information.

AI kan nu resonera, generera innehåll och vidta åtgärder, men många organisationer saknar fortfarande ett auktoritativt register för kunskap och innehåll. När medarbetare inte vet var AI hämtar sina svar, om informationen är aktuell, eller vem som äger den, urholkas förtroendet snabbt.

Att överbrygga klyftan kräver mer än bättre modeller. Det kräver stark innehållsstyrning och en pålitlig kunskapsgrund som säkerställer att AI arbetar med korrekt, säker och aktuell information. De organisationer som lyckas blir de som gör förtroende till en del av AI‑upplevelsen i sig, inte som en eftertanke.

Företag närmar sig ofta företags‑AI som ett teknikimplementeringsproblem med fokus på modeller, integrationer, säkerhet och infrastruktur. Varför tror du att den svårare utmaningen i slutändan är en fråga om människor och organisation?

AI förändrar förhållandet mellan människor och teknik. Tidigare företags‑teknologier väntade i stor utsträckning på att medarbetarna skulle tala om vad de skulle göra. AI kan tolka avsikt, ge rekommendationer och i allt högre grad vidta åtgärder.

Det gör AI‑adoption till en framtid‑för‑arbete‑utmaning, inte bara en teknisk utmaning. Det förändrar hur arbete utförs, hur beslut fattas och hur team samarbetar. Organisationer kan inte bara implementera AI och förvänta sig att transformationen följer. Medarbetare måste förstå var AI passar in i deras arbetsflöden och känna sig bemyndigade att använda det effektivt.

De mest framgångsrika AI‑initiativ drivs av gräsrotsadoption, inte av top‑down‑mandat. När medarbetare ser ett tydligt värde i sitt dagliga arbete accelererar adoptionen naturligt.

Det är därför ramen för AI‑ROI helt enkelt handlar om att skapa förtroende, ge befogenhet och styra. Bygg förtroende genom transparens och pålitlig kunskap, ge medarbetare verktyg som förbättrar hur de arbetar, och etablera styrning som säkerställer att AI används ansvarsfullt. Teknologi möjliggör förändringen, men människor, processer och kultur avgör i slutändan dess framgång.

Organisationer behöver styrning, men alltför restriktiva policyer kan driva anställda mot obehöriga verktyg eller avskräcka experimentering helt. Hur ser ett effektivt AI‑styrningsramverk ut om målet är att öka både förtroende och adoption snarare än att bara kontrollera användning?

God styrning bör kännas som räcken som låter anställda röra sig snabbare på ett säkert sätt.

Det innebär att vara mycket tydlig med vad anställda får använda AI till, vilken information de får ge till AI‑system och vilka handlingar AI får utföra. Dessa regler bör vara begripliga för en anställd, inte gömda i ett långt policydokument.

Styrning måste också vara dynamisk. Risken som är förknippad med att AI genererar ett första utkast är mycket annorlunda än att AI godkänner en betalning, ändrar en anställds post eller kommunicerar med en kund. Nivån av mänsklig tillsyn bör motsvara den potentiella konsekvensen.

I slutändan bör målet inte vara att minimera AI‑användning. Det bör vara att maximera ansvarsfull användning.

Unily research fann att 52 % av de anställda rapporterade att de saknade någon känd AI‑policy på sin organisation, medan vissa anställda erkände att de matade in känslig information i icke‑godkända AI‑verktyg. I vilken grad är ökningen av “shadow AI” egentligen ett misslyckande i kommunikation och styrning snarare än ett problem med anställdas beteende?

Vi bör vara försiktiga med att framställa shadow AI som ett problem med dåliga anställda. En betydande orsak till användning av shadow AI är ett symptom på ouppfylld efterfrågan. Anställda hittar sätt att lösa problem som deras organisationer ännu inte har gett dem godkända verktyg för, vilket är ett naturligt mänskligt beteende.

Istället för att förvänta sig att de ignorerar teknik som förändrar hur arbete utförs, är svaret att ge anställda en säker, godkänd väg för experimentering, inklusive tydliga gränser och utbildning.

Transparens och förklarbarhet presenteras ofta som väsentliga för pålitlig AI, men anställda behöver nödvändigtvis inte förstå hur en stor språkmodell fungerar internt. Vilken information bör ett AI‑system tillhandahålla så att en anställd kan fatta ett informerat beslut om huruvida den ska lita på dess svar eller rekommendation?

Ett företags‑AI‑system bör tydligt ange var informationen kommer ifrån, när den senast uppdaterades, vilka källor eller företags‑system som användes och varför en viss rekommendation gavs.

Det bör också vara ärligt om osäkerhet. En av de viktigaste förtroendesignalerna är att ett AI‑system säger, i praktiken, “Jag har inte tillräckligt med information för att svara på det med säkerhet.”

Förtroende kommer inte från att AI låtsas vara säker. Det kommer från att ge anställda tillräckligt med sammanhang för att använda sitt eget omdöme.

Unily Glass är utformat för att föra företags‑AI bortom att bara svara på frågor och mot att utföra handlingar i system som HR, IT och kundrelationshanteringsplattformar. När AI går från att tillhandahålla information till att faktiskt vidta åtgärder, hur bör organisationer avgöra vilka beslut agenter kan fatta autonomt och vilka som fortsatt bör kräva mänskligt godkännande?

Den centrala principen bör vara riskproportionalitet. Om en AI‑agent schemalägger ett möte eller hittar information är nackdelen med en felaktig handling relativt begränsad. Du kan ge den mycket mer autonomi. Men om en agent godkänner en finansiell transaktion, ändrar en anställds ersättning, avslutar åtkomst eller fattar ett avgörande kundbeslut, bör tröskeln vara dramatiskt högre.

Organisationer bör fastställa explicita nivåer av autonomi baserat på faktorer som finansiell påverkan, regulatorisk exponering, reversibilitet och påverkan på människor. Ju mer konsekvent eller irreversibel handlingen är, desto viktigare blir mänskligt godkännande.

Målet är att hålla människor meningsfullt i kontroll där det är viktigt.

Företag implementerar i allt högre grad flera copiloter, specialiserade agenter, stora språkmodeller och AI‑drivna applikationer över teknikstacken. Hur kan organisationer förhindra att detta skapar ett ytterligare lager av fragmentering, och förväntar du dig att ett centraliserat förtroende‑ eller orkestreringslager blir nödvändigt?

Vi riskerar att återskapa samma fragmentering som företagsprogramvara har skapat under de senaste decennierna, men nu kan varje applikation ha sitt eget AI‑gränssnitt och sin egen agent.

Anställda bör inte behöva förstå vilken modell som ligger bakom vilken applikation eller komma ihåg var varje organisations AI finns. De bör kunna interagera med AI i sitt arbetskontext och få rätt information och funktioner samlade för sig.

Det är här ett orkestrerings‑ och förtroendelager blir allt viktigare. Det kan erbjuda ett konsekvent sätt att hantera identitet, behörigheter, kontext, dataåtkomst och handlingar över olika AI‑system.

Det kommer sannolikt inte att finnas en enda modell eller en AI‑plattform som äger allt, men organisationer kommer i ökande grad att behöva ett gemensamt lager som får alla dessa system att samarbeta ansvarsfullt.

Många organisationer kan mäta hur ofta anställda använder ett AI-verktyg, men användning ensam bevisar inte att investeringen skapar värde. Vilka nyckeltal bör ledare följa för att avgöra om AI verkligen förbättrar produktivitet, beslutsfattande, medarbetarupplevelse eller affärsresultat?

Användning är en intressant utgångspunkt, men det är inte resultatet. Ledare bör fråga om AI minskar den tid som krävs för att slutföra viktiga arbetsflöden, eliminerar repetitivt arbete, förbättrar kvaliteten eller hastigheten i besluten och minskar friktionen för medarbetarna.

Jag skulle titta på nyckeltal som tid sparad per arbetsflöde, slutförandegrad för uppgifter, felprocent, medarbetarnöjdhet, tid till lösning och i slutändan affärsnyckeltal kopplade till den specifika funktion som använder AI.

De starkaste organisationerna kommer att koppla AI-nyckeltal direkt till affärsresultat snarare än att fira aktivitet för dess egen skull.

Allteftersom företags-AI utvecklas från assistenter som genererar innehåll till agenter som kan utföra allt mer komplexa arbetsflöden, vad tror du att affärsledare fortfarande underskattar när det gäller förhållandet mellan AI-förmåga, medarbetarnas förtroende och framgångsrik adoption?

Många ledare underskattar fortfarande hur mycket förtroende bestämmer taket för AI-adoption.

Företag talar ofta om AI-förmåga som om mer förmåga automatiskt innebär mer värde. Det gör den inte. Ett otroligt kraftfullt system som anställda inte litar på kan skapa mindre värde än ett mer begränsat system som de förstår och använder med självförtroende.

Detta kräver att företag ser på teknik, styrning, medarbetarupplevelse och organisatorisk förändring som ett enda system. Företag måste ta reda på hur de kan göra AI tillräckligt betrodd för att faktiskt förändra hur människor arbetar.

Tack för den stora intervjun, läsare som vill lära sig mer bör besöka Unily.