De fleste kommuner er ved at afprøve Copilot eller andre typer af kunstig intelligens (AI), der af forskerne Madan/Ashok defineres som ”en klynge af teknologier, der sætter maskiner i stand til autonomt at lære og at løse kognitive problemer uden menneskelig intervention”.

I kølvandet følger en stribe spørgsmål til ledelsen.

Menneske, AI eller hybrid?

FN’s E-government Survey 2022 rejser spørgsmålet, om fremtidens offentlige opgaver skal løses analogt af mennesker eller digitalt af AI. Rapporten konkluderer, at fremtiden hverken er analog eller digital - men hybrid.

Selv om der helt sikkert vil være kommunale opgaver, som forbliver helt analoge (fx daginstitutioner) eller helt overlades til AI (fx korrekturlæsning), så må vi altså forberede os på en hybrid fremtid. Dvs. at man som leder må erkende, at man både leder en gruppe
mennesker og en gruppe AI-teknologier, der skal kunne samarbejde.

Ledelsen må etablere en arbejdsdeling, der sikrer en god og effektiv, men også lovlig og etisk opgaveløsning.

AI er særligt god til at identificere mønstre og finde optimale løsninger i store datasæt – fx kørelister i hjemmeplejen. Dertil kommer, at AI arbejder døgnet rundt uden at blive træt. Til gengæld er det fortsat vanskeligt at forestille sig AI overgå mennesker i kritisk tænkning, empati, sociale relationer og etiske vurderinger.

Og selv på de områder hvor AI overgår mennesker, ved vi fra forskningen, at begrebet ”algoritme-aversion” er udbredt.

Algoritme-aversion betyder, at vi har større tillid til en vurdering foretaget af mennesker end maskiner, selv når vi ved, at maskinen har en højere træfsikkerhed – fx i diagnosticering af modermærkekræft.

Det handler altså om borgernes tillid til kommunen, hvor de fleste ønsker, at det er en jobkonsulent, som hedder Karen eller Patrick, der har matchet en ledig borger med et job, selv om Karen og Patrick kan have lige så mange bias som AI.

Derfor er det oplagt at dele opgaverne op i mindre bidder, hvor AI bruges til det, som den er bedst til – fx at fremfinde alle relevante data i en byggesag, men hvor det er et menneske, der vurderer sagen, træffer beslutningen og har dialogen med borgeren.

Det gode samarbejde

Måske kan man tro, at det kun er mennesker, der skal ledes, kompetenceudvikles og have fulgt op på deres resultater. AI-kollegaen har i vidt omfang samme behov.

Fx havde Google i starten af 2024 haft så stort fokus på at undgå etnisk bias i deres Gemini AI-model, at Gemini producerede billeder af sorte paver i Rom, hvad der jo aldrig har været.

Eksemplet viser også, hvorfor det er vigtigt, at ledelsen træner sine (menneskelige) ansatte i kritisk stillingtagen til data eller svar fra AI.

En travl eller ny medarbejder kan hurtigt komme til at stole for meget på AI-kollegaen, så det formelt er mennesket, men reelt er AI, som træffer beslutningen.

Omvendt må medarbejderne heller ikke være så kritiske i forhold til AI, at de slet ikke anvender AI, fordi de er usikre på teknologien, den faglige præcision eller bekymrede for deres job.

Klassisk forandringsledelse er vigtig for at skabe den fornødne tryghed hos medarbejderne til deres nye AI-kollega. Som ved en ansættelsessamtale bør medarbejderne involveres i valget af deres nye AI-kollega, og det vil i den første tid være relevant at afsætte id til, at mennesker lærer AI-kollegaens styrker og begrænsninger godt at kende.

Lederens dilemmaer

AI-kollegaen var næppe med til julefrokosten  og har heller ikke brug for en MUS-samtale. Det er trods alt bare en maskine. Det er dog altid lederens ansvar at forholde sig til de etiske og øvrige dilemmaer omkring AI-kollegaen.

Fx er AI effektiv som mødereferent, men har svært ved at afkode en social kontekst og at skelne mellem sjov og alvor. Det kan betyde, at ingen har lyst til at stille dumme spørgsmål eller fortælle en dårlig vittighed på mødet, fordi alt risikerer at komme på skrift.