I de to foregående artikler i denne serie har vi set, hvordan AI i stigende grad fungerer som reel arbejdskraft – illustreret gennem McKinsey-eksemplet – og hvad der sker, når den arbejdskraft møder rigtigt volumen, som Klarna har erfaret. Når vi først accepterer, at maskiner kan udføre arbejde, melder der sig et nyt og mere krævende spørgsmål:

Hvem leder egentlig arbejdet, når en stadig større del af det ikke længere udføres af mennesker?

De fleste stopper i pilotfasen

De fleste organisationer har i dag mindst ét AI-projekt. Præsentationerne ser gode ud, demoerne virker, og intentionerne er de rigtige.

Sådan skal det være. Pilotprojekter er nødvendige for at lære, teste og forstå, hvad der faktisk virker i praksis.

Udfordringen opstår først, når piloten bliver stående alene – uden et tydeligt ejerskab til, hvordan erfaringerne skal føres videre i drift.

Ikke nødvendigvis fordi teknologien er for dårlig, men fordi ingen har taget ansvar for, hvordan AI faktisk skal arbejde over tid. Piloterne mangler ikke potentiale. De mangler forankring. Driften mangler ledelse.

Det er i dette hul mellem indsigt og implementering, at mange organisationer nu famler.

Arbejde sker i mødepunkter – ikke i modeller

Arbejde sker sjældent der, hvor vi har bygget de mest avancerede systemer. Det sker i afklaringer, i overleveringer og i samtaler.

Ofte i telefonen.

Det er i disse møder i realtid, at kapaciteten bliver testet. Det er her, køerne opstår, og det er her, forskellen mellem tilgængelighed og friktion mærkes med det samme. Skal AI fungere som reel arbejdskraft, må den være til stede der, hvor arbejdet faktisk sker – ikke kun der, hvor det er let at automatisere.

Når disse spørgsmål bliver konkrete, opstår de sjældent i strategidokumenter. De opstår der, hvor arbejdet faktisk sker – i samtaler, afklaringer og eskaleringer.

Stemmen – den sidste grænseflade for friktion

Stemme er ikke bare en kanal. Det er en organisatorisk grænseflade.

Det er her, virksomheden møder kunder, partnere og markedet i realtid, når noget er uklart eller presser sig på. Vi accepterer måske to timers ventetid på en e-mail, men vi accepterer sjældent to minutter i en telefonkø.

Når AI tager volumen på de stemmebaserede flader, ændrer dynamikken sig fundamentalt. AI er en uovertruffen transaktionsmaskine, men en middelmådig relationsbygger.

Skal det fungere over tid, kræver det en arkitektur, der forstår forskellen på transaktion og relation – og som ved, hvornår maskinen skal give sig.

Når AI fejler – og hvorfor det ofte er et ledelsesproblem

De seneste måneder har debatten om Klarna givet os en vigtig erkendelse. Efter den første eufori omkring massiv automatisering kom korrektionen.

Nogle kunder oplevede løsningerne som for rigide. Menneskelige agenter måtte hurtigere ind igen i komplekse situationer.

Nogle læser det som et bevis på, at AI i frontlinjen ikke virker. Et mere præcist billede er, at AI har fået den forkerte rolle.

Når AI introduceres primært som en isoleret besparelse, uden tydelig arbejdsdeling, ejerskab og en klar eskaleringslogik, vil kvaliteten falde. Ikke fordi teknologien er ubrugelig, men fordi samspillet er dårligt designet.

AI har brug for en sikkerhedsventil. Ikke i form af flere regler, men i form af en bevidst arkitektur, der ved, hvornår menneskelig dømmekraft skal tage over.

Fra værktøj til operativ arkitektur

Det er i dette rum mellem mennesker, systemer og ansvar, at vi i Threll.ai har valgt at bygge.

Ikke endnu et værktøj i værktøjskassen, men en operativ arkitektur – et intelligent omstillingsbord, hvor AI og mennesker samarbejder om at håndtere arbejde i realtid.

Når AI tager volumen i de repetitive henvendelser, fungerer omstillingsbordet som sikkerhedsventil. Det er her, samtaler eskaleres, kontekst overleveres, og mennesker kobles på, når vurdering, ansvar og relation faktisk er nødvendigt.

Dette er ikke en tilbagetrækning fra AI. Det er en modning af, hvordan AI ledes.

Det nye ledelsesansvar

Når AI bliver en del af arbejdsstyrken, kan ledelse ikke reduceres til et IT-spørgsmål eller delegeres væk.

Der opstår et nyt ledelsesansvar, som i praksis handler om fire ting:

• **Beføjelser:**Hvad har AI lov til at beslutte på egen hånd?
• **Eskaleringslogik:**Hvornår – helt konkret – skal et menneske tage over?
• **Ansvarsfordeling:**Hvem ejer resultatet, når arbejdet er udført af en maskine?
• **Helhed:**Hvordan hænger menneskelig og digital kapacitet faktisk sammen over tid?

Dette er ikke teoretiske spørgsmål. De afgør, om AI bliver en reel ressource – eller en kilde til friktion.

En fredagsrefleksion

Vi kan godt lide at tale om AI som noget, vi »tester«. Det føles tryggere end at indrømme, at vi bliver nødt til at redesigne, hvordan arbejde faktisk organiseres.

Men i det øjeblik kapacitet ikke længere er lig med bemanding, er det ikke nok at teste. Så skal ledelse også forstås på ny.

Spørgsmålet er ikke, om AI bliver en del af arbejdsstyrken.

Det egentlige spørgsmål er, hvem der tager ansvaret for helheden – for samspillet mellem mennesker, maskiner og det arbejde, der sker imellem.

Dette er sidste del i en tredelt serie om AI som arbejdskraft, volumen og ledelse.