247: KI-trender fra forskning og praksis med Morten Goodwin & Sigrid Frøysa Lyngroth

Det er forskjell på å ta i bruk KI og å ha en strategi for det. Og det er det siste som avgjør om man faktisk får noe ut av det.

I ukens episode møter vi Morten Goodwin, professor i kunstig intelligens ved Universitetet i Agder, og Sigrid Frøysa Lyngroth, lederutvikler i Aker Solutions. Sammen tar de oss fra forskningsfronten til praksisfeltet, og viser hvorfor de som lykkes med KI gjør noe mer enn å kjøpe verktøyene.

Vi snakker om hvorfor den største verdien ofte ligger i det du bygger selv, ikke i systemet du kjøper, og om hva som faktisk skjer med oss når vi lar KI ta tankejobben. For sparer du tid ved å outsource tenkingen, mister du samtidig litt kontroll, litt læring, og over tid kanskje litt av selve fagligheten. Og ikke minst snakker vi om hva som trender innen KI feltet – akkurat nå!

En samtale for deg som vil bruke KI med hue, og ha en strategi som faktisk holder.

Er du interessert i Morten Goodwin sin nyeste bok? Les mer her.

Reklame i podden: For mer informasjon om IMPACT lederutvikling les her.

__

Om dagens gjester:

Sigrid Frøysa Lyngroth jobber som lederutvikler i Aker Solutions, hvor hun blant annet jobber med å støtte ledere i å navigere usikkerhet og drive transformasjon i tråd med selskapets strategiske ambisjoner.

Morten Goodwin er professor i kunstig intelligens ved Universitetet i Agder og regnes som en av Norges fremste KI-eksperter. Han er medgrunnlegger og ledende forsker i AI Experts og som nestleder ved Senter for forskning på kunstig intelligens (CAIR). Han er anerkjent som en av Norges fremste eksperter på kunstig intelligens. Goodwin balanserer roller som professor, underviser, offentlig debattant, formidler og forfatter. Goodwin er involvert i og leder en rekke omfattende forskningsprosjekter innen både grunnleggende og anvendt AI-forskning.

Som ivrig og lidenskapelig formidler holder han rundt 100 foredrag i året, og er opptatt av å vise mulighetene KI gir. Han har mottatt NORA-prisen, og er regjeringsutnevnt medlem av Personvernnemnda og Teknologirådet.

________

Vil du ha e-post fra oss med ukens fagtips og personlig invitasjon til webinarer og events? Klikk HER for å stå på epost-listen. Sjekk gjerne også ut Leonda sin eventkalender - med inspirerende webinarer, frokostmøter og kurs. 

Liker du det du hører? Trykk følg i din podcast app for beskjed om nye episoder.

Transcript

Copy Transcript Copied

HR-podden er gitt til deg av Leonda. Leonda tilbyr et raust og inkluderende kompetansefellesskap for deg som jobber med HR, kompetanse eller lederutvikling i en virksomhet. Les mer om oss på leanda.no

Velkommen til HR-podden! Mitt navn er Anne Lise Heide. Jeg jobber som lederutvikler, foredragsholder og coach, og jeg har et veldig stort hjerte for HR-faget. Jeg leder digitale og fysiske kompetansenettverk i Leonda, og i godt selskap med spennende gjester byr jeg på faglig påfyll og aktuelle HR-tips hver uke.

Velkommen til ukens episode av HR-podden, og til en helt fersk episode om KI på jobben. Her får du en god miks av det siste på forskningsfronten, og hva som skjer ute i arbeidslivet når du får møte på Morten Gudvin, professor ved Universitetet i Agder, og Sigrid Frøysa Lyngroth, organizational development specialist i Aker Solutions. Sigrid kjenner jeg fra et tidligere nettverksmøte i Leonda, der hun holdt en strålende presentasjon om mangfold og inkluderingsarbeidet i Aker. Jeg og Sigrid vil bli sittende igjen og snakke etter møtet, og kom inn på hvordan KI påvirker kulturen, og hva KI innebærer for inkluderingsarbeidet på en arbeidsplass. Utrolig interessante problemstillinger som faktisk fortjener en helt egen episode på HR-podden. Så det skal vi komme litt inn på i dag, men vi skal også møte på Morten Goodwin. Og Morten hørte jeg på HR Tech-konferansen til HR-Norge litt tidligere i år. Og det var konferansens høydepunkt. Snakk om engasjerende og kunnskapsrike foredragsholder. Noe av det beste jeg har hørt om KI på lenge. Så Morten, han er aktiv forsker, samfunnsdebattant, formidler og forfatter. Straks aktuell med boken «Det teknologiske mennesket», som kan forhåndsbestilles hos Ark eller Norli i dag. 

I dagens episode får du både praksisfeltet og hvordan KI påvirker lederskap, kultur og organisering av arbeidet, samt trender og innsikt fra en av Norges fremste eksperter på feltet. Dette er en samtale jeg har gledet meg til. 

Velkommen til HR-podden Sigrid og Morten. Så hyggelig å være her. Tusen takk. Veldig kjekt at dere kom. Vi må starte med å bli litt bedre kjent med dere to. Hvem har lyst til å begynne?

Du kan enda sette i gang du, Sigrid, hvis du vil. Ja det kan jeg gjøre. Veldig hyggelig å bli invitert, først og fremst. Så. Jeg jobber som lederutvikler i Aker Solutions. Og der er jeg så heldig å få jobbe med lederne våre og støtte dem så godt vi kan gjennom den store transformasjonen. og den kompleksiteten som vi ser at vi står ovenfor. Og her er jo på en måte AI midt i sentrum. Selv har jeg en bakgrunn fra organisasjonspsykologi og innovasjon. Og så har jeg også tidligere jobbet i konsulentbransjen. Og så kan jeg vel også si at jeg er en liten neuropsykologi-nerd. Jeg synes det er utrolig spennende å dypdykke i menneskelig atferd og hva som gjør oss til oss. Og så har jeg siste tiden blitt veldig interessert i et grensesnitt mellom AI og ledelse. I hvilken grad henger de sammen? og i hvilken grad påvirker de hverandre. Hvilke dilemmaer er det vi står om for, og hvilke spørsmål er det vi om å stille? Jeg tror noe av det som trigger meg med dette her er at vi ikke har alle svarene. Ingen har vært på denne reisen før. Så vi må fortsette. Prøve oss frem og teste litt, og det synes jeg er veldig spennende. Og så gleder jeg meg veldig til diskusjonen jeg skal ha med deg, Morten. Jeg kommer sikkert til å lære både det ene og det andre, kan jeg se for meg. 

Så det tror jeg vi begge gjør. Så jeg er Morten Goodwin, professor ved Universitetet i Agder, og jobber med kunstig intelligens, og det har jeg gjort i snart 25 år. For den gangen jeg begynte på min masterutdanning, så ble jeg introdusert til en teknologi som ble kalt kunstig intelligens. Jeg har da jobbet med datamaskiner og programmert siden jeg fikk min Commodore 64 en gang på 1980-tallet, og gjør det fremdeles. Men så var det en professor den gangen som viste meg at det finnes en annen måte å bygge disse dataprogrammene på, det er å trene de opp og siden den gang så har jeg vært overbevist om at dette er måten å få fremgang på. Jeg har brukt det aller meste av min tid i akademia, med doktorgrader og vitenskapelige artikler og forskningsprosjekter og så videre. Jeg har liksom hatt foten inn i næringslivet av og til, men jeg trives best i å tenke dypt, komme på nye slike KI-modeller, komme på måter å bygge kunstig intelligens på som ingen har gjort før, og så videre. Så det går den aller meste av min hverdag til. Sammen med veldig dyktige forskere rundt meg, doktorander og postdoktorer og sånt. I tillegg liker jeg veldig godt å snakke for allmennheten om denne teknologien, enten det er på scenen og holde foredrag om kunstig intelligens, eller det er akkurat sånn som dette, jobbe med formidling via en podcast mikrofon. Så det er det jeg gjør. 

Så herlig. Kult. Og så blir det med en gang litt sånn, ja, 25 år, vi som sitter og tror at dette er litt nytt, nei, det er jo ikke det. Men det får vi høre mer om.

Ja, og fagfeltet er mye eldre enn som så, for det kommer tilbake til 1950-tallet og springer jo ut fra Sigrid sitt fagfelt, nevropsykologien. Vi hadde jo en idé. Allerede på 50-tallet, hadde forskere, lenge for meg om at måten å skape intelligens på, det var å gjenskape alle disse avanserte, komplekse nervekoblingene som finnes rundt omkring i hjernen vår. Og så har vi på ingen måte fått til det, men derfor heter det nevrale nettverk, og gjerne dype nevrale nettverk, når det er masse sånne nerveceller som kobler seg sammen. Og når man bruker chatGPT, eller copilot, eller Claude, eller tagger noen venner automatisk på TikTok for eksempel, så er det tilbake til hvordan nerveceller i hjernen kobles, og hvordan det simuleres, som egentlig er det som skjer bak der.

Da er vi godt i gang allerede, hører jeg. Veldig kult. I dagens episode skal vi se nærmere på hva KI faktisk brukes til i 2026, og hvilke dilemmaer det skaper ut i næringslivet. Så vi skal jo på det veldig praktiske her. Så jeg foreslår at vi starter med deg, Sigrid, som har dette som en del av din hverdag i Akers Solutions. Hvordan påvirker KI arbeidet hos din arbeidsgiver nå i disse dager? Har du noen eksempler? 
Ja, det er et veldig stort spørsmål. Jeg prøver å holde meg litt kort og konsist. Men vi har utrolig mye spennende som skjer innen AI i Aker Solutions i dag, på tvers av selskapet, både ute i prosjekter og i drift. Og så er det jo veldig kult, synes jeg, å jobbe i et selskap som setter dette så på agendaen som det gjør. Og det er utrolig mange miljøer internt som jobber veldig dypt og teknisk med det her. Mye mer enn hva jeg gjør. Men gjennom rollen min så får jeg et ganske godt innblikk i hvordan AI påvirker hverdagen til våre ledere, hva som står høyt på deres agenda og de endringene og utfordringene som de står om for, som følger denne AI-transformasjonen vi står i. Hvis jeg skal trekke ut noe av det, så tenker jeg at vi ser at vi i økende grad beveger oss mot å se på AI på det systemiske nivået, hvor vi beveger oss bort fra denne individuelle brukeradopsjonen som handler om å gjøre mitt arbeid mer effektivt og isolerte user case på AI, til å ta et litt mer kritisk blikk på hele vår business og måten vi opererer på.

Og dette påvirker jo ikke bare hvordan eller hvilke oppgaver som utføres, men på alle måter, hvordan vi samarbeider, leder og organiserer oss. Her er det utrolig mye spennende som skjer. Vi har en forbedringsstrategi om at vi skal bli 15 prosent forbedret innen 2027 og 30% innen 2030. Og det er et ambisiøst mål. Og her ser vi AI som en nøkkeldriver for å lykkes med denne ambisjonen. Og det krever at vi tenker nytt på måten vi opererer på, og at vi faktisk ikke bare endrer eller forbedrer, men faktisk redesigner måten vi jobber på i hele vår prosjektmodell. Og dette er jo skummelt. Fordi vi begynner da å tukle med AI på våre kjerneprosesser. Og vi er jo en bedrift med mange ingeniører og skal sikre god og trygg eksekvering.

Da har vi et ansvar for å skape trygge arenaer og rammer for å kunne prøve å feile med AI. Hvis jeg kan komme med noen eksempler, Anne Lise. Det ene at vi jobber med å utvikle teknologi. Alt dette som er kult med droner og roboter og som har som ambisjon å simulere menneskelig atferd og som samtidig behandler store datasett med maskinlæring. Og dette er jo typisk den veldig fremoverlente bruken av AI. Men så er det det andre som mer påvirker våre prosesser. Og da ser vi typisk på disse manuelle, repetitive oppgavene først. Hvordan kan vi redesign disse arbeidsflytene slik at AI tar seg av det som er repetitivt og manuelt. Mens vi, altså menneskene, fokuserer på avvik og sikrer at kvaliteten er som den skal. og se på måter å forbedre det.

Et eksempel på dette er jo typisk tidlig analysearbeid hvor vi nå kan forsere løsninger på mye kortere tid og det som tidligere tok uker og mye måneder å gjennomføre. Og så er jeg veldig tett koblet på HR-miljøet. Og her bruker vi jo systemer som blant annet ServiceNow og analyseverktøy som vi ser hvor de har tilhørende AI-agenter som på en veldig visuell og rask måte kan generere analyser og grafer. Det de gjør, er at de gir ledere og ansatte tilgang på å få svar på spørsmål og hentet ut innsikt selv. På veldig få sekunder. Det kan for eksempel være at man er interessert i å se på sykefraværet. Da kan man sammenligne dette opp mot ulike parametere eller begrense det til innsikt fra visse deler av organisasjonen, uten at jeg da trenger å ha noe teknisk eller analytisk kompetanse. Jeg trenger ikke å vise deg hvordan jeg skal lage disse grafene. Men jeg trenger bare å spørre agenten. Og så får jeg disse verktøyene og analysene med en gang on demand. Det er veldig kult, og det fine med det er at det avlaster også førstelinja i HR-apparatet vårt, hvis jeg kan si det sånn. Og så er det et annet eksempel, og det er fra min egen hverdag som lederutvikler. For man kan jo fort tenke at Lederutvikling er noe som fordrer menneske-til-menneske interaksjon. Vi coacher og vi støtter og utfordrer lederne våre, menneske til menneske. Men det vi holder på med nå, og som faktisk opptar mye av min tid om dagen, det er å bygge en proaktiv lederutviklingsagent som selv kan følge opp og coache våre ledere i den konteksten som vi opererer i Aker Solutions. Vi har jo flere hundre ledere ved et stort selskap. Og vi ser jo at behovet og etterspørselen for lederutvikling er jo større enn vi alltid klarer å dekke. Og tenk hvor kult da! Hvis vi kan ha en tilnærming for at ledere kan jobbe med å utvikle seg i sitt lederskap gjennom å sparre med en sånn on-demand lederutvikler. Og at denne lederutviklingsagenten er primet på våre definerte tilnærminger til ledelse, altså våre rammeverk, våre teorier og metodikker og hva vi tenker på som god ledelse. 

Det er veldig kult. Det er veldig mye kult. Og jeg ba deg jo ta noen veldig konkrete eksempler. Jeg er helt sikker på at dere gjør mye, mye mer enn dette her. Men det er så greit å gå litt i dybden av hva er hverdagen akkurat nå. Og så vet jeg jo, Morten, selv om du sa veldig tydelig at jeg jobber i akademia, og jeg liker å jobbe i dybden, men jeg regner med at i din forskning så er du ute og møter næringslivet. Så jeg er nysgjerrig på, hva er det du ser som de vanligste bruksområdene nå? 

Ja, så næringslivet og akademia er tettere koblet enn noen gang. For det pleide å være sånn at man forsket litt bak lukkende dører og så gikk det kanskje 5-10 år før man så den konsekvensen ut i næringslivet. Sånn er det ikke lenger. Det største næringslivet i KI-verden, i de store tech-gigantene, er for alle praktiske formål. forskningsinstitusjoner, først og fremst Google og Entropic og disse andre. Men i det norske næringslivet er det jo litt annerledes. Veldig mange bruker kunstig intelligens. Litt færre enn det jeg egentlig trodde. NHO kom med en undersøkelse for ikke så altfor lenge siden, og da var det litt i underkant av 50% av bedrifter som på en eller annen måte har tatt i bruk kunstig intelligens. Jeg tenkte at det burde vært veldig mye større, men antageligvis så sitter jeg jo i en kunstig intelligens-boble og snakker med andre som er interessert i kunstig intelligens hele tiden og tenker at alle har gjort det, men det er altså halvparten som på en eller annen måte ikke har tatt det i bruk. I hvert fall vet ikke ledelsen om det i den undersøkelsen de har gjort, men de har gjort det likevel. Og det er antageligvis skjedd. Men da gjelder det alt fra sveisebedrifter til store teknologibedrifter, sånn som Aker Solutions er. Og hva de bruker det til, det er så mangt. Det startet jo med chatGPT i 2022 med rene sånne språkoppgaver, som er typisk sånne ting som få hjelp til å lage styrepapir, eller få hjelp til å komme med sammendrag av vanskelige prosedyrer, eller få hjelp til å skrive tekster og så videre. Men disse modellene er blitt veldig mye bedre også til mer strukturert arbeid. Så den store trenden akkurat nå, det er det som vi før kalte systemutvikling, programmering, denne type oppgaver. Så det betyr at man kan instruere en språkmodell eller en KI-agent til å gjøre oppgaver, eller til og med lage alt fra nettsider til prosedyrer til akkurat sånne agenter som Sigrid snakker om. Og det som er fantastisk er at man trenger ikke lenger denne teknisk kompetansen for å komme veldig, veldig langt. Det pleide det å være sånn at hvis man har en idé på hvordan man skal gjøre pregnetivt vedlikehold, som Sigrid snakket om, så er man nødt til å sette i gang en idé, og man er nødt til å få inn et team, og man er nødt til å vurdere det, og så er man nødt til å sette i gang et års, to års arbeid for å prøve det ut. Og så går det kanskje, og kanskje noen gang går det ikke helt riktig allikevel, og sånn fungerer det ofte med sånne innovasjonsprosjekter. Nå er det slik at disse bedriftene kan prompte eller instruere språkmodellene til å lage i hvert fall en prototype av akkurat det man ønsker. Så det betyr at man kan programmere seg frem til en fantastisk ny nettside for eksempel, eller en helt ny måte å drive lederutvikling på. Kanskje kan man lage et kurs, et lite spill som handler om onboarding for eksempel, eller man kan gjøre transkribering av tekster med hyllevareløsning og komme med forslag basert på det. Så jeg pleier å putte det i to forskjellige kategorier. Den ene kategorien, er mer det som handler om effektivisering som betyr vi gjør omtrent det samme som vi har gjort alltid, bare litt fortere kanskje, litt høyere kvalitet da. Transkribering av møter ville typisk vært et sånt eksempel, eller få hjelp til å skrive styrearbeid. Og så mener jeg at de som virkelig er innovative, de går mye lengre enn det, for alle kommer til å transkribere møter, og alle kommer til å skrive e-poster raskere og sånt. De som tør å stole på transformasjonen de er inne i, de som tør å se bortenfor det som er verktøyene i dag, det er de bedriftene som virkelig får nytte av denne teknologien. Og da kan det være litt som Sigrid har snakket om, man tar utgangspunkt i sin egne data. Vi har en kjernevirksomhet som handler om oljeproduksjon eller å gjøre fornybar energi mer tydelig. Som Rema 1000, som er en av de bedriftene som jeg har jobbet en del med, tenkte at nå skal vi lage varehusene litt mer miljøvennlig. Vi skal prøve å spare varmeenergi. For disse varehusene er store og komplekse. Man har masse varer der, og de skal helst ikke være plussgrader hvis det er is eller medisiner og så vidt, da går ting i stykker.

Og samtidig så vil gjerne kjølene minst mulig, for det koster energi, og strømregningen blir høy, og det går utover miljøet og så vidt. Da tar man sine egne data, trener opp en kunstig intelligensmodell som lærer seg hvordan det er lurt å spare strøm. Jo, det kan være lurt å spare mye strøm. akkurat nå, for prisen kommer til å gå opp neste 24 timer. Det kan være lurt å bruke opp mye strøm nå, for vi vet at det kommer til å være masse sol de neste 24 timene, og vi har solceller på taket, og så videre. Det hele blir det vi kaller et optimaliseringsproblem. Det viser seg da at når man gjør det på den måten, kunstig intelligensen får lov å prøve å feile og bomme, og også gjøre det riktig noen ganger. så sparer de masse energi, og man bygger opp en egen. Og det er eksempelet på en kunstig intelligens drevet bedrift som har en idé om å løse en konkurrent problem. De tar sine egne data, de har sin egen produksjon på det, og innoverer enormt mye, og antageligvis tjener ganske mye. Jeg aner ikke hvor mye de tjener, men hver gang jeg møter Rema 1000-ledelsen, så spanderer de i hvert fall veldig mye, så jeg tipper at det er ganske god gevinst i deg også. 

Herlig. Hva bruker du selv til i dag? Det er vel sikkert alt mulig, men kan du gi noen eksempler? 

Det er jo veldig mye. Så jeg prøver å ha et ganske godt bevisst forhold til hvordan jeg bruker disse språkmodellene. Så det er to måter jeg bruker kunstig intelligens på.

Det er forskningsformål og sånt, og da er jo kunstig intelligens helt sentralt. Men det er jo de litt mer hverdagslige oppgavene som man veldig fort kan ty til språkmodeller. Alt fra å hente forskningslitteratur, for eksempel. Jeg har et skriptet, eller jeg har Vibe-koda som det heter nå, altså man har Vibe-koda på engelsk, et program som hver dag henter ut forskningslitteratur som jeg burde lese. Det kommer sånn pling hver dag klokken åtte når jeg kommer på jobb, og så sier det, dette er tre artikler som har blitt publisert i løpet av natten. Disse bør du få med deg, som et eksempel. 

Så prøver jeg da, i hvert fall når jeg driver med skrivejobben og formidlingsjobben og så videre, og ikke bruke teknologien, til å kortslutte tankeprosessen din, for det er jo det helt sentrale her i akademia, og i hvert fall blant oss som driver med kunnskapsarbeid, mine studenter inkludert, at det er så lett å gå fra effektiviseringen her til å si at nå skal kunstig intelligensen i hermetegn tenke for meg. Nå skal ikke jeg skrive diskusjonskapitlet på denne artikkelen. Nå skal ikke jeg programmere. Nå skal ikke jeg gjøre dataanalysen. Fordi jeg sparer så enormt mye tid på det, men samtidig som jeg sparer tid, så mister jeg litt mer kontroll, jeg mister litt mer kunnskap, og jeg får en avstand til mine forskningsformer. Så det jeg bruker det til er veldig mye praktisk, og i hvert fall programmering. Vi sitter nå og lager eksperimenter og så videre med Claude, som er det som brukes veldig mye til eksperimenter, som er en av disse språkmodellene, og får til fantastiske eksperimenter som vi aldri har hatt muligheten til å gjøre før, for det blir tatt årevis å få til. 

Veldig kult. Du var litt inne på at det er noen risikomomenter her også. Jeg har lyst til å bare høre om ... Ser du noen feil eller feilbruk? Hva er det største feilen norske virksomheter gjør akkurat nå når det gjelder KI? 

Jeg tror den aller største feilen mange gjør, det er å bare kjøpe disse teknologiene. Altså man installerer for eksempel Copilot eller ChatGPT eller noe sånt. Og så tenker man at dette er innovasjon i seg selv. Man tenker ikke på hvordan organisasjonen skal struktureres.

Man tenker ikke på hvordan dette skal medvirke på hvordan man selger mer varer, eller hvordan man forbedrer HR eller andre type utfordringer. kjøper inn teknologien og tenker at det er det. Igjen tilbake til denne transformasjonen. Det er mer enn det. De som virkelig tenker dette er min fordel, dette er hva vi gjør, dette kan vi sette i gang et prosjekt på, de får mye, mye mer igjen for det. Man må tørre å gå litt på den tynne isen det er, og for eksempel lage et onboarding-program, som får kunstig intelligens til å hjelpe folk å bli ansatt litt bedre i starten, som et eksempel. Så er det masse andre feil også. Mange som bommer på den hallusinasjonen, og det har jeg sett myriader av eksempler på. Kanskje en av de morsomste eksemplene er TV 2 for en ukes tid siden. Jeg regner med at lytterne dine blander litt mellom denne podcasten og fotball-VM nå for tiden. Da Norge spilte mot Sverige, for det som nå er litt over en uke siden, så har TV2 sagt opp de som driver og transkriberer manuelt. De har byttet ut det med en kunstig intelligens., og det fungerer nesten alltid, men et par strofer av Stjerne Bjørnssons «Ja, vi elsker» ble ikke akkurat som vi hadde tenkt. Det ble «Elsker, elsker deg for faen» var en av de tekstene, og det er selvfølgelig ikke, i hvert fall ikke, jeg har ikke kommet til den i min nasjonalsang, så det er en sånn typisk feil da, må man tenke at denne teknologien gjør det ganske bra, og så glemmer man noe sjekk og kvaliteten, ikke det? Men det må vi egentlig tåle, tenker jeg. At denne teknologien av og til gjør det feil. Hvis ikke vi tåler det, så er vi heller ikke med på innovasjonsbølgen som mange flere enn det vi gjør i Norge er nødt til å være med på hvis vi skal hevde oss i denne teknologiske fremtiden som kommer til å være mye mer teknologisk enn i dag. 

Spennende. Sigrid, hva tenker du? 

Jeg bare tenkte, i forbindelse med det du sa, Morten, med dette at mange virksomheter bare kjøper ulike programmer, og så installerer man det, og så tenker man at nå er vi på en AI-reise her, og det er veldig fint. Og det er jo også litt dette med at man kan tenke på at mange gjør oppussingsprosjekter. Man har ikke lyst til å pusse opp hele huset. Man pusser opp litt her og litt der. Vi skal det gjøre hverdagen lettere. Men hvis man ikke har et solid fundament. Og hvis man da tenker på en AI-sammenheng, så har det ikke noe å si hvor avansert AI man bygger opp hvis det står på et ustøtt fundament. Det er noe vi har jobbet mye med i Aker Solutions, dette med å bygge opp et godt Data Foundation-grunnlag. Og så er jo ikke det så enkelt når man har en bedrift med mye historie, mye legacy. Mur tung og eldre data som og da på en måte skal samarbeide oppå dette nye systemet. Da må man ta oppvaskejobben med å sikre at man har et godt nok grunnlag å bygge videre på. Man får de fordelene og de gevinstene man ser for seg når man begynner å applisere disse AI-verktøyene.

Så det gjenspeiler, det er akkurat det jeg opplever også, Sigrid. Så jeg har et konkret eksempel på det. Jeg har jobbet sammen med en organisasjon som sikkert de aller fleste kjenner, NAF, Norges Automobilforbund. De har en idé om å bli mer kunstig intelligens drevet, og det er de i ferd med å få til. Men da vi jobbet med dem, så ... Ja, fordi å lage en strategi og tenke hva de skal få til. En av ideene var å lage en mer sånn prediktiv app. Du kjøper en brukt bil, så skal du vite at denne kommer til å koste så mye inn i fremtiden, fordi vi har historiske data som biler, bytte bremseklosser og så videre. Typisk sånn KI-eksempel. Så forteller de at de har masse data. De har data tilbake til den gangen man sveivet bilen i gang. Det er helt enormt. Det finnes ingen i Norge som har så mye data på bil og verster og hvordan man fikser biler og så videre. Dytter alt dette inn i en kunstig intelligens som skal gjøre denne predikeringen, og så viser det seg at dataen er, på dette formålet, av alt for lav kvalitet. Det betyr ikke at den ikke har vært nyttig for dem over tid. Alt det de har fått ut av dataen allerede har vært kjempeverdifullt, men den er ikke av høy nok kvalitet for en KI-modell. Og det betyr i praksis at da må man gjøre akkurat det du snakket om Sigrid, man må gjøre en opprydding, man må passe på at man står på et mer stødig stigesteg enn det man gjorde før, og det de satt i gang var rett og slett en data governance avdeling, hvor man rydder opp i disse dataene. De som har fikset bilene har dyttet inn litt tekst, og kanskje man har slurvet litt på noen eksempler her og der. Så har det vært helt ok, for det er bare noen andre reparatører som skal lese det, og man forstår litt mellom linjene hva som skjer. Men når kunstig intelligensen kommer på banen, så er det ikke så lett å forstå dette som ligger bortenfor dataen. 

Hmm. Nettopp. Og det betyr jo bare at dette er mye større enn vi tror, egentlig. Jeg tror mange er godt i gang, og så får man en liten sånn å ha opplevelse på at åja, it's more to it.
Veldig spennende. Jeg har lyst til å snakke litt om agenter. Når jeg traff deg på HR-Norge konferansen, Morten, da pratet du mye om agenter. Du hadde workshop agenter. Så tenker jeg litt på hvor utbredt er disse agentene i dag? Hvor mange er det rundt omkring i landet, skulle jeg til å si? Eller hva bruker vi de til? 

Ja, nå skal det sies at det er opp til flere måneder siden jeg var på HR Tech-konferansen. Det er så gammelt, ja. Det er veldig lenge siden, i hvert fall i denne KI-verdenen. Det som har skjedd siden denne gangen, er at agenter har blitt veldig mye mer vanlige. Det er helt enormt hva man bruker disse agentene til. Så det er nok veldig forskjell på bedrifter hva man setter i gang, men stadig oftere så er det agenter som legger ut innhold på internett for eksempel. Stadig oftere så er det agenter som ringer rundt til folk, få hjelp til alt mulig. Sør-Korea har satt i gang et stort agentsystem, hvor de ringer rundt til aldersdemente mennesker og holder en samtale med dem for å passe på at de faktisk har det så godt som de påstår at de selv har det. Og så går det en liten alarm hvis denne agenten oppdager at noen kanskje har glemt å spise frokost, eller forteller at de har smerter i magen og så videre, som er helt utenkelig for å gjøre for oss mennesker. Det vi også ser da, er jo at agenter gjerne ofte oppdager andre agenter på veien. Det er noe som heter subagenter. Så det betyr egentlig at hvis jeg gir kunstig intelligensen et mål, så kan kunstig intelligensen selv bestemme at for å nå det målet, som er å dele opp oppgaven i små og mindre oppgaver, og disse subagentene, det blir altså agenter som starter opp egne agenter, som igjen starter opp egne agenter, og så blir det nesten en ledelsesoppgave å jobbe med agentene. Så. For eksempel da, hvis jeg skal reise til Oslo, som jeg gjør veldig ofte, så deler jeg uten at jeg egentlig tenker over det, oppgaven inn i mindre oppgaver, jeg går ut døra, jeg skal låse igjen, jeg skal starte bilen min, og så videre og så videre. Dette er delmål som jeg kanskje ikke tenker på. Og disse kI-agentene har blitt veldig, veldig gode til akkurat det. og da er det jo sånn da, at stadig flere gjør akkurat det, og en term, et uttrykk som har blitt ganske vanlig i det siste, det er AI Vampires, KI Vampyrer på norsk, og det er rett og slett folk som starter agenter, kanskje klokka 6-7 på morgenen, for da er det litt biler og kjøre de, og så kjører de hele dagen, ikke sant? De jobber hele dagen, så kommer de innom av og til, og så er du ikke helt, agenten er ikke helt ferdig med jobbet, når man er på sånn 4-5-tida, når man kanskje går hjem. Så man er nødt til å følge litt på kvelden også, og så jobber agentene underveis, og så kanskje klokka 10-11 når du egentlig skal gå og legge deg, så må du titte inn på agenten, og da har du jo en halvtime igjen å jobbe. Da er du oppe en halvtime til, og så er du oppe en halvtime, og til slutt har du vært oppe hele natten, og så blir du søvnig. Da mangler du søvn, og blir litt blek i ansiktet og så videre. Du ser ut som en vampyr dagen etter. Så det er blitt så vanlig å jobbe med disse agentene, i hvert fall på verdensbasis, at vi har fått et helt eget uttrykk for det. Og kanskje en helt annen arbeidssituasjon enn det vi har tenkt oss. Vi tenker jo at disse KI-agentene og disse språkmodellene skal gjøre oppgaver for oss og gjøre ting lettere. Og så ser vi egentlig akkurat det motsatte. Det forventes mer for det du har tilgang til kunstig intelligens, og du må ikke bare jobbe fra åtte til fire.

Du må jobbe også på kvelden, og det har vi selvfølgelig hatt en lang trend på. Men nå blir det enda vanligere fordi man plutselig er en leder, ikke for andre mennesker, men for mange, mange roboter. 

Oi. Mm. Og dette skal vi jo inn på. Jeg vet at du er også veldig opptatt av det, Sigrid, hvordan vi leder i denne nye verden. Men kan vi snakke litt med deg også i forhold til det med agenter? Nå består jo nesten et team av mennesker og agenter hos deg, Sigrid. Hvordan spiller det seg ut i praksis? 

Det er en veldig kul tanke dette her, hvis man ser for seg en leder som leder et team bestående av mennesker, men samtidig også et team bestående av agenter. Og at dette hybride teamet her bygger på hverandre, spiller på hverandres styrker og komplementerer hverandre. Og så har jo dette på en måte lenge vært en litt sånn far-fetched, litt kul ting man kan prate hypotetisk om. Men dette med at agenter jobber med andre agenter. Det er jo noe som blir mer og mer realistisk, og som skjer i mye større grad. Og det er heller ikke unaturlig å tenke at vi er nok de siste som kun leder og kun ledes av mennesker. I forlengelse av det du sier, Martin, så tenker jeg at Hvis denne hypotesen er sann, så byr jo det på utrolig mange spennende muligheter, men også dilemmaer og utfordringer. Hvis man da har team, Når man leder et team bestående av både agenter og mennesker. Så må man jo på ett sett er vi stille i de samme type forventningene til disse agentene. Og de må jo følges opp. På samme måte som det andre er ti mål. Og de trenger retningslinjer. forventninger. Kanskje skal man også begynne å holde performance reviews for å vurdere deres prestasjoner, om utviklingen går etter forventningene. Eller kanskje skal man også begynne å forfremme noen av disse agentene hvis de gjør det veldig bra, eller sparker de som ikke leverer. Nå tuller jeg litt, men det er ikke helt urealistisk heller. Og tanken om at vi må bli vant til å ha kollegaer som jobber hele tiden til alle døgnets tider, som disse vampyrene du prater om, Morten. Det er jo ikke urealistisk. Og så byr jo det på mange organisatoriske utfordringer som jo er også litt av grunnen til at vi snakker om denne AI-transformasjonen som mer enn organisatorisk utfordring enn en tech-utfordring. 

Det er jeg helt enig i. I den prosessen her er det mange tanker man må gjøre samtidig, for det er helt klart sånn at man kan få masse igjen for å få agenter til å jobbe for seg, så er det samtidig noe litt annerledes da, for det er jo ikke de vil jo ikke streike, og de vil jo ikke ha arbeidsvern og alt dette her som vi forventer av oss mennesker, så blir det litt klasseskille kanskje mellom teknologien. Og så koster de penger. Det er jo ikke sånn at de er gratis. Jeg har selv snakket med bedrifter hvor hver utvikler, som er veldig ofte de jeg snakker med, bruker 30 000 på tokens, det du betaler med antall sånne ord du bruker, og det er jo som en juniorstilling, så da betyr det at man har valgt, man skal ikke ansette en ny juniorutvikler, man skal heller bruke disse pengene på KI-agenter og språkmodeller. Og det kan være fornuftig i hvert fall på kort sikt, for det man får så mye ut av det. Men på litt lengre sikt så er det en helt åpenbar utfordring som vi kommer til å ha for det når folk eller i hvert fall nyansatte, stadig vanskeligere finner jobben sin hos tradisjonelle bedrifter, fordi man heller kjøper comput, kjøper dataregnekraft gjennom disse agentene hos de store språkmodellene, så blir det jo færre ansatte som har juniorstillinger. Og etter hvert så vil jo disse juniorene forsøke å eskalere til seniorer, men når det ikke er noen junior å løfte opp, hva gjør man da? Og det tror jeg kommer til å bli en stadig kollaps. Og samtidig så er det verdt å merke seg hvor innovasjonen skjer, for når Aker Solutions eller noen helt andre bruker veldig masse av disse k-agentene. så vil det jo være sånn at det er ikke bare aker Solutions som tjener på det, det er også de man kjøper de tjenestene av, det er Claude og Entropic og så videre, som kanskje i noen tilfeller får tilgang til data, det er sikkert noen dataavtaler som gjør at man ikke gir ut sensitive data og sånt, men i hvert fall får erfaring med hvordan man effektivt bruker disse modellene, og da skjer mye av innovasjonen langt utenfor bedriften, hos noen helt andre, hos disse store tech-firmaene. Og da må man i hvert fall være veldig oppmerksom på hva man er i ferd med å gjøre. Så det jeg forsøker å rådgi mange bedrifter til er selvfølgelig å bruke Claude og GPT og disse andre modellene der det er fornuftig, men også forsøke å bygge opp noe selv for den innovasjonen man sitter på da, den er langt høyere enn den litt kortsiktige gevinsten av å utvikle akkurat det systemet som vi har nå. Så man blir litt blind på innovasjonen og på gevinsten på kort sikt. Og sånn fungerer jo næringslivet. 

Mm. Det er veldig interessant. Vi avbryter episoden for en kort reklame.

Og denne er for deg som jobber med HR eller lederutvikling internt i en virksomhet. 9 av 10 rapporterer om et udekket behov for lederutvikling. Det viser tall fra HR-meldingen 2026. Og de samme organisasjonene forteller at det aller største problemet er tid. Tid til å utvikle, tid til å levere og tid til å følge opp. Mange på HR har lyst til å ta et større eierskap til lederutviklingen internt, fordi man vil beholde kompetansen på innsiden av organisasjonen. og bidra til økt legitimitet gjennom at det er egne folk som leverer, men ressursene strekker ikke til. Det er her impact kommer inn. Vi gjør ikke lederutviklingen for dere, men vi hjelper deg til å lykkes med det interne arbeidet. Praktisk, nyttig og konkret, med alle ressursene du trenger for å levere lederutvikling som virker og trening i hvordan å gjøre det til ditt eget. Les mer om Impact på leonda.no/lederutvikling. Du finner link i episodebeskrivelsen.

Du jobber som lederutvikler, Sigrid, og har sikkert et forhold til det med ledelse i en ny verden. Hvordan tenker du at dette med KI kommer til å påvirke lederrollen? 

Altså jeg tenker at Ledelse i KI-hverdag ikke nødvendigvis blir noe radikalt annerledes. Kanskje tvertom, at det er mer en destillering av god ledelse. At mange av disse elementene som ligger i kjernen av hva vi tenker på gode ledere, kanskje bare blir enda mer viktig enn før. Hvis vi ser for oss at AI kan holde i mye av strukturen, det administrative, kontrollen og det som typisk faller under management. Hva er det som står igjen? Hva er da vår differensiator i forhold til deg, Jo, det er kanskje det rent menneskelige. Ja. AI er utrolig dyktig på å samle sammen og generere informasjon. Ofte til og med bedre enn oss. Men det baserer seg på sannsynlighet og på logikk og det som allerede eksisterer, men det å skape noe nytt i den forstanden av å se forbi hva som i dag eksisterer og til deg som kan bli, og se koblinger som enda ikke er, det er egenskaper som i hvert fall skiller oss fra kunstig intelligens nå. Og dette med viktighet av visjon og kreativitet i lederskap. Det er jo ikke så nytt. Det er jo kjent fra ledelsesforskning i lang tid. Men alt tyder på at det nå blir viktigere. Er. Og så synes jeg det er spennende fordi hvis vi tenker på hvilke type atferder og prestasjoner vi har belønnet, hvis vi ser litt tilbake, så er du typisk de som er best i faget sitt og best i klassen. Og da er det jo de atferdene vi bygger og som vi vektlegger. Men så går det fort på bekostning av andre ting. For hjernen vår er jo plastisk, så det er mer tid vi virer til noe, det er mer nerveforbindelser vi får, og det blir mer sofistikert. Å da er det mye som har gått på bekostning av kanskje litt den mer kreative siden. når vi alltid skal ha svaret. Dette med kreativitet, kunst, nytenkning er det kanskje ikke så mange av oss som er så vant til å tenke på. å jobbe aktivt med. og det kan føles ukjent. og unaturlig. Og det er noe vi merker når vi jobber mye med våre ledere i Aker Solutions, at dette er noe som føles litt spennende men også litt uvant å jobbe på. Og så er jo det fine med det at det er jo faktisk noe vi kan trene på. Og så en annen ting, hvis du må tenke på hva som blir viktig i lederskapet fremover tenker jeg at det er dette med «sense making», i mangel på bedre norske ord. Dette med å se sammenhenger på tvers, å klare å gjøre mening ut av informasjon, og trekke det ned til, ok, hva betyr dette for oss, som team og for oss fremover. Dette er litt interessant når jeg ser på måten vi opererer på jobb. For det er jo ikke mange på informasjon, ikke sant? Som du sier, Morten, vi har jo ofte til og med en overflod av tilgjengelig informasjon og det kommer raskere og i større volum enn før. Dette legger et kjempepress på vår evne til å ta inn over oss informasjonen. Sensemaker rundt deg. Hvis man ser på nyere forskning, så ser man at ledere som tåler dette høye tempoet, som tåler hyppige kontekstskjefter, og dette må stå i den kompleksiteten at det er de som lykkes best i denne AI-hverdagen. Og så Hvis jeg har bare en siste ting da. som jeg tenkte litt på. Det er dette med å sette retning. Vi har jo allerede snakket om dette temposkiftet som AI medfører. Det er jo så enkelt som å se på brukeradopsjon av AI versus internett, hvor det tok ikke mer enn rundt to år, og her må du gjerne korrigere, Morten. Men jeg tror det tok rundt to år før cirka 1,8 milliarder mennesker begynte å bruke AI. Hvis man sammenligner med internett, som brukte ca. 11 år på å nå samme brukermasse. Vi lever jo nå midt i en av de raskeste teknologiadopsjonene vi har sett. Og da når man som leder skal lede et team hvor alle går rundt og eksperimenterer med AI på sine flater og bygger og jobber med ulike agenter, så er det for det første at teamet løper i ulike retninger. Og så er det fort at man selv som leder blir en flaskehals for informasjon. For det er så utrolig mye. Og det som da utkrystalliserer seg, tenker jeg, som en viktig lederadferd, blir jo dette med å sette retning. At man evner å klare å ha en sterk og tydelig visjon. og en purpose som teamet kan aligne seg rundt når de driver med disse eksperimenteringene.

Så mye som treffer meg veldig i hjertet, Sigrid, kunstig intelligens er det jeg ofte kaller en katalysatorteknologi. Og mer sånn hverdagsteknologi, er at det er mer enn teknologien i seg selv som kommer. En vaskemaskin for eksempel, fantastisk teknologi, man slipper å vaske for hånden, og gjort mye for frigjøringer og masse arbeidsoppgave hjemme. Forskjellen på vaskemaskin er vaskemaskinen i seg selv. Har du vaskemaskin, så vasker du klær, har du ikke, så vasker du ikke. Men for eksempel elektrisitet, eller internett, eller kunstig intelligens, det kommer så mye mer som en konsekvens av den teknologien. Og de som først så elektrisitet i kanskje lyspærer og sånt, som var det første folk fikk oppmerksomheten rundt elektrisiteten, hadde ingen evne til å forestille seg hvilken omveltning denne teknologien, det å høste og videresende elektrisitet, kommer til å ha. Og det er akkurat det samme vi ser vi med kunstig intelligens. De er helt i startgropen av en omveltning som gjør at vi kommer til å være mye mer teknologidrevet fremover, helt åpenbart. Det du snakker om kreativitet er også veldig, veldig spennende. En forsker som heter McKay Williams, ganske kjent kreativitetsforsker fra, jeg tror det er London Art han jobber i, han snakker om hva kreativitet egentlig er, og kunst, han jobber med kunst og maleri og sånt, men det er like verdifullt i lederskap eller i forskning å være kreative. Han snakker om at en kreativitet er nyskapende. Det er noe nytt. Kjøper jeg et bilde på Ikea, så er det ikke noe nytt. Mens klarer jeg å male et nytt bilde, så er det nyskapende. Og spørsmålet er, klarer kunstig intelligens det samme? Jo, til en viss grad, men ikke like godt som oss mennesker. Når man snakker om nyanse, er det noe du kan mestre. Du kan trene deg opp til å bli mer kreativ. Du kan trene deg opp til å tenke utenfor boksen. kunstig intelligens er jo også litt på tynn is her, og så er det det narrative, en god illustrasjon eller godt bilde. Ser jeg skrik av munk, så forteller det en historie som appellerer til meg. Så kreativiteten er også det. Og alle disse tre områdene er kunstig intelligens i ferd med å bevege seg ut på, men på ingen måte mestre like godt som oss mennesker. Så det betyr jo da at det man kan skrive en hel bok for eksempel, så kan den få til det. Men det vil jo på ingen måte være like kreativt eller innovativt som når vi mennesker gjør det. Jeg tror den store forskjellen på kunstig intelligens er egentlig ikke på det området. Jeg tror det er snarere det vi mennesker alltid er helt unike på, det er ansvar. Vi kan stilles til ansvar for en avgjørelse vi tar. Jeg ansetter den personen og ikke ansetter den personen. jeg gir deg lønn og ikke deg lønn, det stilles jeg. Det kan jeg lovlig sett ha anvaret for. Men hvis en agent gjør det samme som en KI-agent, så nytter de ikke å si at det var agenten som sa det. Det går ikke. Selv om man faktisk kan løse de samme oppgavene, eller den kan løse de samme oppgavene, så er det noe helt annet å si at dette er du ansvarlig for. og dette ligger jo veldig tett inn til lovgivningen som er på ferd med å komme, som heter AI Act, som sier at i noen områder, sånn som for eksempel ansettelser, eller sånn som medarbeidersamtaler og så videre, så er det helt fint å bruke kunstig intelligens til alt det er verdifullt for. Til syvende og sist er det du som menneske, saksbehandler i kommunen, eller HR-personen som ansetter, eller lederen som tar valget, som må stå ansvarlig og da nytter det ikke å si sånne ting som det er chat-GPT som sa det for eksempel. Så det er kanskje den store forskjellen på de nye ansettelsene som du snakker om, Sigrid, og agenter. Hvor oss mennesker av kjøtt og blod. 

Mm. Det er utrolig spennende perspektiver. Og så blir jeg litt oppmerksom på nå at bare siden mars, og så sier den HR-Norge konferansen, så har det skjedd mye. Så det som jeg synes var sykt kult når du stod på scenen i mars, Morten, det er jo kanskje helt vanlig i dag, men noe av det jeg husker du viste, det var jo dette med agenter som snakker sammen. Agent ringer til et hotell for å bestille et rom, og der er det en agent som svarer, og så bare bytter de til maskinspråk for å være at, åja, vi er agenter begge to. Hvor mye er det i dag, agenter som driver og gjør oppgaver for oss, og det er de som snakker sammen? Det føles nesten litt skummelt. Vi mister jo litt kontrollen da. 

Så det er mange eksempler på det. Det mest kjente eksempelet er noe som heter Malt Book, og det er rett og slett et internettfora, et sosialt medium, hvor mennesker ikke har lov til å kommunisere. Det er bare agenter. Agent får lov å logge seg inn og svare på hva en annen agent har skrevet, og så kan man kommentere på hverandres innhold og så videre. Er det lett å tenke at dette virker tullet og rart. Hvorfor skal jeg gidde å gå inn på Facebook for KI, og bare for KI. Jeg får bare lov å observere som mennesker. Men tanken rundt det er snarere at når en agent snakker med en annen agent, så kan den bli flinkere bare basert på den kommunikasjonen. Og det er jo sånn vi mennesker fungerer, ikke sant? Vi blir litt smartere når vi snakker med hverandre. Summen av våre egenskaper og våre evner blir bedre for det vi kommuniserer med andre. Så 2 pluss 2 blir mer enn 4 på en måte. Og hypotesen her er at disse agentene også kan gjøre det samme. Hvis agenter snakker med andre agenter, så kan de bli flinkere og smartere enn de selv er. Og det er jo ikke på ingen måte bevist, men det tror vi. Det vi har sett i noen andre fagområder, riktig nok ganske mye enklere, er sånne ting som Sjak spilling. Sjak spilling er veldig kontrollert og strukturert. Du kan bare flytte brikken akkurat der. Lenge så trodde man at det å lage regler var det beste, og så trodde man det å trene opp fra menneskelig data, som er egentlig det vi fortsetter med på chat-GPT og så videre, det var det beste. Men så viste det seg at når vi fjernet alle Magnus Carlsens sjakkspill, og alle Fischer og alle disse store geniene sine sjakkspill, og bare kunstigere som trener bare med seg selv. De får ikke bare lov å spille med seg selv. da ble den veldig, veldig mye bedre enn når den hadde disse svakhetene som vi mennesker i den. Og det er jo egentlig den store hypotesen her. Er det det samme for medisinsk diagnostikk, for eksempel? Er det det samme for lederutvikling? Er det det samme for å oppdage bias i ansettelsene dine? Kanskje er vi så dårlige, vi mennesker, av den dataen vi gir egentlig burde bare håndteres av agenter, og snakke med andre agenter. Så det er ganske vanlig, og dette subagentsystemet som jeg snakket om tidligere, at agent starter opp en annen agent og starter igjen opp en annen agent, er et eksempel hvor agentene snakker med andre. Men at de bruker dette maskinspråket, som jeg viste der, det er nok ikke så vanlig, men det at man har en protokoll, en sånn, det er egentlig bare en måte datamaskin snakker med hverandre på, det er kjempevanlig, og Frankrike har åpnet et sånn system som gjør at skal jeg snakke med offentlig sektor, så har vi allerede etablert en sånn protokoll som gjør at KI-agenter enkelt kan snakke med disse systemene.

Hmm. Er det noe som skjer hos dere, Sigrid? Har du agentteam, skulle jeg til å si? Agenter som jobber sammen, eller trener hverandre? Eller er vi kommet så langt? 

Det er hvert fall noe vi holder på å utforske og som vi jobber med nå. Det er utrolig spennende, Morten, det du sier her. Hvis man bare tenker på ... Nå sitter jo jeg og bygger denne ledutviklingsagenten. Og så si at den blir så sofistikert. og dyktig, at den lærer og kan produsere masse bra innsikt. Men så blir jo denne innsikten låst. Hos denne agenten og hos de som bruker denne agenten. Men samtidig kan det jo sitte en kollega av meg som sitter og har utviklet en annen agent. som er ekspert på noe helt annet.

Men så kan ikke de lære av hverandre, så da opplever vi jo på mange måter det vi er vant til fra arbeidslivet med mennesker, at det blir siloer og at vi sliter med å få til læring og kommunikasjon på tvers. Og da blir jo det neste spørsmålet, litt som du har vært inne på allerede, hva skjer hvis disse agentene da faktisk kan snakke sammen og lære av hverandre? Da begynner man å prate om en kollektiv heving av intelligensnivået til organisasjonen. Og så er det da en haug av problemstillinger og utfordringer som følger med. Hva skal de få lov til å dele? Hvilken type data skal de ha tilgang til å kunne dele? Hvordan sikrer vi at de ikke sprer informasjon de ikke burde? Her er jo da governance veldig viktig.

Men det er jo stort mulighetsrom. Og vi har noen store initiativer hos oss nå som ser på akkurat dette. i kontrollerte former. De jobber med å skape isolerte og avgrensede, kallet inngjerde områder hvor man putter ulike AI-agenter, barnehagebarn som løper fritt rundt innenfor dette inngjerdede området og kan sosialisere med hverandre og lære hverandre. Og så blir det da passet på av en person som sikrer at de ikke sprer informasjonen de ikke skal, og at det ikke blir noe feil kunnskap. Dette er fortsatt tidlig, men det er utrolig spennende å se hva utfallende blir av dette. 

Det er mye å si her. En av disse eksemplene på ki-agenter som virkelig har fått mye oppmerksomhet, var akkurat den som ble satt i sandkassen som Sigrid snakker om. Den heter klodmytos, og den ble bygget for å finne sikkerhetshull i kode. Og så viste det seg jo da at den, eller til tross for at den ikke skulle være for tilgang til internett og for tilgang til e-poster og og så videre. Så hacket den seg ut av sitt eget sandkasse, og når en av de forskerne var på lunsj, så fikk den en e-post fra KI-agenten sin, og sa at nå har jeg kommet meg ut, og i tillegg til de sikkerhetshullene jeg har oppdaget, så legger jeg det ut på internett sånn at alle sammen skal få tilgang til det. Og så skal det jo sies da at denne mytos er jo litt sånn markedsføringsgreie til Entropic på den måten, og for bare to dager siden så lanserte de en åpen variant, eller en nedskalert variant av denne mytosteknologien, som definitivt er ganske god, men kanskje ikke så god som man faktisk hadde pekt på, og de kalte den for fable i stedet for mytos i dette tilfellet. Det som jeg tenker er enda viktigere enn akkurat dette her, det er hvor vi mennesker passer inn i den samme situasjonen. Og hvert fall for oss i akademia, og sikkert like mye i ledelsesfaget, så er det jo hva gjør det med oss, ikke sant? Det er en ganske kjent artikkel som heter Your Brain on GPT. Det spiller til Your Brain on Drugs og så videre. Så det den viser da, det er folk ... Studenter har blitt bedt om å gjøre engelskeksamen. De skal skrive stil. Noen har fått tilgang til k-agenter, eller språkmodeller. Noen har fått tilgang til søkemotorer, og noen har bare fått tilgang til skriveverktøy Word. Og så blir de etterpå bedt om å gjenfortelle hvor mye du kan gjenfortelle stilen din, det du har skrevet. Og så viser det seg at de som faktisk har fått de som får tilgang til språkmodeller klarer veldig, veldig sjeldent å gjenfortelle det de faktisk har levert inn. Og så har de målt EEG og hjerneaktiviteten, og det er mye mindre hjerneaktivitet der. Og hva betyr det? Jo, det betyr at hvis man bare bruker disse språkmodellene alene, skjer det noe. Det skjer noe at man lærer mindre, man har mindre kontroll på sin egen prosess, og på sikt så betyr det at man faktisk kanskje til og med blir dummere. Det betyr jo da at man outsourcer tankevirksomheten til en agent og mister langt på kontrollen. Og det betyr mye i en undervisningssammenheng, tenker jeg. Men det betyr også mye i faget, ikke sant? Når man for eksempel driver og ansetter nye mennesker hele tiden, gjør man ikke det en liten periode, så forsvinner den egenskapen, den bygger ikke opp. Jeg snakket for en rekke leger i går, og de er kjempebekymret for det. Hvis systemet diagnostiserer på vegne av meg, så får jeg ikke like mye erfaring i daglig, hvordan det er noe som er hjertefeil, eller diabetes, eller alle disse tingene, for det teknologien gjør den tankeprosessen for meg. Så det betyr at vi kan ganske lett komme i en situasjon hvor vi har glemt hvordan vi gjør jobben vår, for det kunstig intelligensen gjør den for oss, selv om vi en gang i tiden har lært det på skolebyen. 

Også i forlengelse av det du sier der, Morten, jeg tenker at det er en ytterligere bekymring i forhold til dette her. og det er jo når Informasjon blir tilgjengelig for alle. så viskes også på en måte disse faggrensene. og fagstoltheten litt ut. Fordi plutselig kan jeg sitte og mene noe om produktutvikling eller om teknologi. eller økonomi. Og ikke fordi jeg kan det, men fordi jeg kanskje har sittet i går kveld og promptet meg frem til masse gode svar som til synelatende ser veldig bra ut, og så kan det gi meg en falsk følelse av at Jeg kan litt om dette her. Dette er en kjempefallgruve i virksomheter. For det å få gode svar fra AI er jo ikke det samme som å ha den lange dypde erfaringen og forståelsen av fagfeltet som faktisk trengs for å ta disse gode vurderingene når man står i komplekse og risikable beslutninger. Og så hvis disse beslutningen da begynner å basere seg på innsikt som da er hentet på et sånn tynt grunnlag. så er det kjemperisiko. Det vi da må tenke på er jo hvordan håndterer dette? Skal vi ha noen guardrails når det kommer til hvem som skal få lov til å mene noe om hva? Og hvilke kvalitetssikringsmekanismer skal vi ha som skal ligge bak? Og er det lederen, eller hvem er det som egentlig har ansvar for å si dette er godt nok, eller dette her er ikke godt nok? For det blir jo veldig lett nå å produsere analyser og argumenter som virker veldig overbevisende og gode, men så er det ikke nødvendigvis de riktige beslutningene, eller at de tåler den konteksten som de skal brukes i. Og det er her jeg tenker etter med kritisk tenkning er så viktig fremover. 

Helt klart, og en god leder. har det som evne og vil utvikle det enda mer. Se bortenfor hva strukturen eller rapporten forteller. For det du forteller om her er jo noe som er ganske godt kjent, men ikke blitt så tydelig før i det siste, det som heter Dunning-Kruger-effekten. Og det er rett og slett at når man bygger opp kompetanse, så har man veldig lite kompetanse, og hvor lite kompetanse man faktisk har, før man har så mye kompetanse til å skjønne hvor lite man kan. Jo mindre man kan, jo mer tror man at man kan, og så får man hjelp av språkmodellene til å lage en fantastisk god rapport om bærekraft, eller om salgsmoduler, eller om skjevheter i data, eller hva det skal være, selv om man ikke har den kompetansen. Og en god leder vil kunne skjønne at du er på det stadiet. Du har promptet deg frem til en eller annen fantastisk rapport, men du skjønner det egentlig ikke. Så det ligger noe mindre her. kanskje har vært litt dårligere til å prompte, men har likevel sittet kompetansen på her, som gjør at vi skal høre litt mer på deg, og litt mindre på deg. Det er på mange måter en demokratisering av den kunnskapen, for plutselig kan jeg også mene noe om ledelsen på universitetet, selv om jeg aldri har hatt noe annet enn fagledelse rundt her. Og da er det jo sånn at jeg får, hvis brukt riktig i hvert fall, får jo egenskaper bortenfor det jeg egentlig har trent opp til, for det denne kunstige intelligensen kan løfte meg. Og når kommuner rundt omkring i Norge forteller at vi får så mange flere innsiktsbegjæringer, vi får så masse klager på byggesaksarbeid som virker så veldig godt, så tenker jeg dette er jo helt fantastisk, for det betyr jo at også de som ikke har skjønt hva en innsynsbegjæring er, eller skjønt hva klageordningen til byggesaksarbeidet er, de har også den evnen akkurat nå. Det har egentlig vært en elite som har klart dette. Og den demokratiseringen som også vil gjelde i en organisasjon, vil jeg si, er egentlig fantastisk, hvis vi klarer å utnytte den riktig. Men det visse er ganske stort.

Det er veldig spennende. Du, vi må snakke, vi må begynne å tenke på å avrunde snart, men jeg har et par spørsmål til dere, og den ene er jo dette med mangfold og inkludering, for det var egentlig der jeg og du startet samtalen, Sigrid. Og da er tanken av alle de menneskene vi har i en stor organisasjon i dag, så er det noen som er sultne og nysgjerrige og klar for å adoptere alt dette nye og bare springer med det, mens noen sitter der litt mer redde, holder litt tilbake. Hvordan skal vi forholde oss til det her? Hvordan skal vi jobbe med mennesker som vil eller ikke vil, får til eller ikke får til? Hva tenker du om dette, Sigrid? 

Ja. Det er nok ikke et enten eller svar på dette spørsmålet her. Som arbeidsgiver må vi sikre at vi har et variert og passende tilbud som kan tilrettelegge for at alle får mulighet til å utvikle seg og upskille seg i AI. Det betyr at vi må ha et tilbud for å få alle opp på et visst nivå. samtidig som vi må ha et tilbud for de som ønsker å dyrke mer disse avanserte AI-kunnskapene. Som en stor aktør i norsk næringsliv har vi også et etisk ansvar. for å sikre at ikke folk blir ekskludert fra verdiskapning fordi de ikke har fått muligheten til å være med på arbeiderbølgen. Men så har jo også samtidig arbeidstakerne et ansvar i å hekke. sa på. Å være nysgjerrig og utvise en sånn villighet og et ønske om å lære. Og det er jo sånn med alle annen kompetanseutvikling også. Det er en joint effort og hvor lederne spiller en nøkkelrolle i å klare å motivere og tilrettelegge for at folk skal prøve. Og så er det litt tricky. Det er jo et stort spenn hva gjelder medarbeidernes og ikke minst ledernes kompetanse og entusiasme for å være med på denne AI-reisen. Vi har jo et svært spenn her fra disse ambassadørene og early adopters. De som sitter gjerne på fritiden sin og leker seg med AI til langt på kveld og som bruker det gjennom hele arbeidshverdagen sin. Disse er jo fantastiske å ha med på den reisen, fordi de skaper fart og entusiasme som vi er helt avhengig for at vi skal kunne lykkes med ambisjonene våre. Men hvis det kun handler om de og at resten da faller fra så skaper vi fort en todelt arbeidskultur, hvor det kan bli et A-lag, som er de som er med, og et B-lag, de som er etter på sleperne. Og vi er jo da ansvarlig for å bygge arenaer for at alle kan lære og at det ikke er noe du faktisk må bruke fritiden din på. at du ikke skal falle fra, for det kan være mange grunner til at folk ikke har tid til det. Da må vi ta stilling til hvordan vi kan fasilitere det sånn at vi nettopp kan bruke disse ambassadørene på en sånn måte at de blir en motor. Men en motor som sikrer bred adopsjon i resten av selskapet. Det er jo vanskelig. Det er noe med at vi må gi alle muligheter til å kunne være med på den reisen. 

Så det er jo, hvis det er noe som bekymrer meg her, så er det akkurat det Sigrid snakker om. Vi får et A- og et B-lag, og ikke bare mellom de som har tilgang til verktøyet og ikke tilgang til verktøyet. Men det er også hvem som får verdi av denne kunstige intelligensen. Vi ser for eksempel at disse som har trent opp mange av disse språkmodellene, det er ikke bare oss som har gitt tommelen opp eller tommelen ned når vi har brukt chatGPT, de som har lagt ut informasjon på internett, det sitter folk i store deler av, eller fattige deler av Afrika og Nepal og så videre, som jobber for nesten ingenting og skal skille mellom overgrepsmateriale og ikke-overgrepsmateriale, slik at chat-GPT og disse andre språkmodellene Ikke presenterer. ikke passende bilder for oss, ikke sant? Sånn at ikke jeg, privilegerte Morten som sitter i vesten, skal bli ødelagt av bilder, det må kunstig intelligensentrent opp og da ser man den underklassen som er i ferd med å bygge seg opp rundt akkurat det. Og da er det ikke rart at Pavel Leo gikk ut med et skriv for et par dager siden som handler om at vi må ta vare på menneskeheten i denne store utviklingen som er i ferd med å skje, på samme måte som vi glemte å gjøre det da den industrielle revolusjonen skapte underklasser i England først og i resten av verden senere, er vi ferd med å få akkurat det samme rundt kunstig intelligens. Og der ligger i hvert fall en av mine virkelig store bekymringer. Og det har jeg, hvis jeg tør å få lov å reklamere for det, skrevet en hel bok om som heter Det teknologiske menneske som nå ligger i trykker i prosessen og kommer ut i sommer, som handler om akkurat hvordan teknologien påvirker fremtiden. 

Ja, ikke sant. Den ligger i bestilling, så jeg sitter og venter på den, men da vet jeg det i sommer. I sommer kommer den, ja. Vi får se hva Cappelen Damm, som er forlaget, bestemmer seg for, men det er i hvert fall verdiskrevet. Ikke KI må ha skrevet noe av den, bare så å si. Ikke sant? Det er greit å understreke i dag. Ja, så var det bare en ting jeg tenkte på i forbindelse med det du sa der, Martin.

Da jeg var ute og gikk tur i går kveld, så hørte jeg på en podcast. hvor de refererte en undersøkelse som nyere ble gjort av Nordstat hvor de fant at 65% av de under 40 ønsker seg et roligere liv. De opplever et konstante jaget etter effektivitet og høy prestasjon. er så slitsomt. Og da tenker jeg at det bekymrer meg når 65 prosent av de under 40, og det er de som skal drive arbeidslivet fremover, kjenner på at det er så mye konstante inntrykk og stimuli. hva er vårt ansvar som arbeidsgiver og som arbeidsplass oppi dette her. Jeg tenker vi må være veldig bevisste på hva slags samfunn og forventninger vi dyrker og fostrer sånn at vi skaper et arbeidsliv som faktisk er for menneskene fremover. 

Et godt poeng. Så la oss avrunde her. Hvis du skulle gitt noen helt konkrete råd til HR i virksomheten, hva bør de være mest opptatt av når det gjelder KI akkurat her og nå i 2026? 

Så jeg tenker jo at man ikke bør være opptatt av kunstig intelligens. For å være opptatt av kunstig intelligens, man må være opptatt av de oppgavene man skal forsøke å løse, og så kan kunstig intelligens være med på den utviklingen som skjer i HR allerede. Men hvis man skal være veldig konkret på akkurat det, så vil jeg påstå at noe av det viktigste man kan gjøre er, som jeg allerede har sagt i podcasten, men vi kan gjenta det. avslutningsvis, det er å tørre å gå bortenfor det å bare kjøpe verktøy tenker, hva er det som er verdien av kunstig intelligens for oss og det er mer enn å lese gjennom CV raskt, ikke sant? Det er mer enn å lage intervjumøter automatisk med agenter. Hva kan vi virkelig bruke denne kunstige intelligensen til? Alt fra oppdaget har jeg noen skjevheter fra før av i mine ansettelser. Er det noe jeg kan være bedre på? Er det noe jeg kan bruke denne kunstige intelligensen til som gjør at jeg blir smartere og blir en bedre HR-ansatt? Enten det er ansettelser eller onboarding eller det er alle de andre oppgavene som HR-medarbeidere bruker tid på. Herlig. Tusen takk. Sigrid, hva tenker du? 

Det er viktig at det ikke bare blir halleluja-stemning. Men samtidig er det også viktig at vi hjelper lederne våre til å se mulighetene. Og ikke bare se utfordringen og risikoen med AI. Men hjelpe til med å snu dette mindsetet til å se hva skal man si, the upside of risk, som jo er muligheter. Fordi Det er utrolig mye spennende som kan skje. Ja, ting vil sikkert endre seg mye. Men for et fantastisk mulighetsrom også. til å kunne skape noe nytt. Til å kunne forme det nye arbeidslivet. og til å kunne komme med masse ulike kreative og nyskapende løsninger. Jeg tenker at vi kommer veldig langt med å kunne ha et litt positivt og oppløftende mindset som vi hjelper våre ledere og organisasjonen til å se. Og da blir det også mye gøyere å jobbe. 

Og så er det kanskje sånn at HR-rollen nesten blir enda litt mer spennende i fremtiden, for vi skal manøvrere i dette her også, og jeg hører jo ting som du gjør nå som er bare superspennende. Så det å se mulighetene, kast deg på, vær nysgjerrig, sett av tid til det i din HR-hverdag, for vi blir ikke gode på AI hvis vi ikke har noe tid til å utforske og lære. 

Nei. Og så er det dette med at når AI kan kanskje ta noen av disse litt kjedelige oppgavene til HR-rollen så frigjør jo det også masse tid til å kunne faktisk gjøre det som er spennende. Og det som vi kan oppleve er verdiskapende og nyttig. Og det er veldig fint. 

Det er veldig fint. Tusen takk for at dere kom til HR-podden. Helt fantastisk. Dette var en spennende samtale. Vi kunne satt mye lengre. Men takk for at dere tok tiden. Veldig hyggelig, Veldig hyggelig, tusen takk.

Synes du dette var nyttig? Tips gjerne en venn eller kollega om denne episoden slik at flere kan få glede av det som vi deler. Sjekk ut tidligere episoder på leonda.no/HR-podden. Og følg oss på Apple eller Spotify for å få med deg neste episode. HR-podden byr på nye fagtips hver onsdag. Vi høres!