AI och management: vad förändras i arbetsuppgifterna?

Management verkar vid första anblick vara ett område präglat av överläggning, bedömning och ansvar — allt typiskt mänskligt terräng. Ändå består en managementfunktion av en rad enskilda uppgifter, och dessa uppgifter skiljer sig kraftigt åt i hur mycket AI kan ta över dem. Av de 40 uppgifter som vi urskiljer inom detta område faller en tydlig del inom var och en av de tre kategorierna. Mönstret bakom detta är mer användbart än en lista med kryss.

Var AI redan kan ta över arbetet

Uppgifter som huvudsakligen består av att samla in, ordna och sammanfatta befintlig data lämpar sig väl för fullständig övertagning av AI. Tänk på att sammanställa en ledningsrapport för direktion eller aktieägare: siffrorna finns redan i systemen, rapportens struktur är till stor del fast, och AI kan signalera avvikelser och trender utan att en människa behöver skriva ut varje rad. Även att övervaka budget och signalera avvikelser hör hit: det handlar om att jämföra faktiska utgifter med budgeten och tillämpa gränsvärden, något som mjukvara strukturellt är bättre på än en människa som gör det vid sidan om varje vecka.

Det gemensamma kännetecknet för denna kategori är att resultatet till stor del kan fastställas objektivt utifrån tillgänglig data, och att uppgiften upprepas enligt en fast struktur. Det behövs litet tolkningsutrymme och ingen avvägning av intressen. Det gör skillnaden med jämförbara uppgifter på andra avdelningar inte slumpmässig: även vid kan AI ta över att föra loggbok över finansiella ändringar ser vi att systematisk, datadriven registrering är väl automatiserbar, medan tolkningen av vad den registreringen betyder kräver något annat.

Var AI stöttar, men tillsyn fortfarande behövs

En stor del av ledningsarbetet ligger mellan fullständig automatisering och fullständigt mänskligt arbete. Här kan AI leverera ett koncept, en analys eller ett förslag, men en människa bedömer resultatet och godkänner eller avvisar det, av goda skäl.

Att upprätta en årsplan med konkreta mål är ett bra exempel. AI kan utifrån historisk data och input från organisationen ta fram ett första utkast till mål, åtgärder och ansvarsområden per avdelning. Men om dessa mål är realistiska, tillräckligt ambitiösa och inbördes konsekventa kräver bedömning av någon som känner organisationen, dess människor och dess begränsningar. Detsamma gäller för att fastställa KPI:er per team eller process: AI kan ge förslag baserat på jämförbara organisationer eller branscher, men valet av vilka indikatorer som verkligen ska vara styrande beror på prioriteringar som inte helt kan härledas ur data.

Även att förbereda och sätta agendan för ledningsmöten faller inom denna mellankategori: AI kan samla dokument, föreslå en agenda och göra sammanfattningar, men någon måste bedöma om rätt ämnen har satts upp på rätt sätt, och om känsliga punkter bör diskuteras i just detta sammanhang eller inte. Mönstret är alltid detsamma: AI levererar en gedigen första version, en människa prövar den mot kontext som inte helt finns dokumenterad i data, och godkänner eller avvisar.

Var det förblir mänskligt arbete

En tredje grupp uppgifter förblir till stor del hos människor, inte för att AI inte kan bearbeta informationen, utan för att uppgiften i sig handlar om att ta ansvar, väga intressen eller uttala sig på organisationens vägnar.

Att fatta beslut under ett ledningsmöte är det tydligaste exemplet här. Fullständigt analyserad information kan ligga på bordet, men själva valet — med det ansvar som medföljer — ligger hos de personer som har befogenheten och mandatet. AI kan tydliggöra alternativ och konsekvenser, men det är någon annan som trycker på knappen.

Att upprätta en strategisk plan för de kommande åren faller till stor del inom samma kategori. AI kan leverera marknads-, kund- och interna analyser, men att välja riktning för en organisation på medellång sikt kräver en avvägning av risk, ambition och vad organisationen överhuvudtaget vill bli — något som inte objektivt kan härledas ur data. Att planera personalbehov på ledningsnivå är känsligt av en annan anledning: det påverkar direkt beslut om människor och tjänster. För den typen av beslut gäller egna lagstadgade krav som en arbetsgivare måste uppfylla, och de kräver en noggrannhet som inte kan ersättas av en uppgiftsanalys. Den som breddar sin blick mot personalfrågor ser en liknande distinktion på sidan om vilket arbete kan AI ta över inom HR-avdelningen: även där kan gränsen mellan stödjande dataanalys och beslut om människor dras skarpt.

Mönstret bakom indelningen

Om man tittar på de 40 uppgifterna inom detta område kan man dra en linje: ju mer en uppgift består av upprepningsbar bearbetning av befintlig, strukturerad information, desto snabbare kan AI ta över den helt. Ju mer en uppgift kräver att data kombineras med organisationskunskap som inte finns dokumenterad, desto snabbare behövs tillsyn. Och ju mer en uppgift i sig själv utgör utövandet av ansvar, mandat eller bedömning — inte förberedelsen av detta — desto snabbare förblir det mänskligt arbete. Det mönstret är inte unikt för management: samma logik förklarar exempelvis varför planeringsuppgifter vid vilket arbete kan AI ta över inom logistik är snabbare automatiserbara än uppgifter där någon måste komma överens om ett undantag med en leverantör eller kund.

Denna indelning säger något om uppgifterna, inte om hur mycket management en organisation behöver eller hur den organiserar sin personal — det är och förblir upp till organisationen själv, inom de egna lagstadgade ramar som gäller.

Vad ni kan göra nu