I seneste artikel her i Bootstrapping gennemgik jeg sondringer inden for udvikling og adaptation af AI. Jeg belyste det vigtige fokus på værdiskabelsen hos slutkunden. Alt sammen vigtige aspekter for investorer, som i en AI-brydningstid får vanskeligere ved at udpege de langsigtede vindere, og dermed også hvordan virksomheder aktuelt skal værdiansættes.

Når produktet i højere grad er bygget omkring egenudviklet proprietær AI, eller løsningen baseres på stor grad af domæneviden, som kun eksperter i branchen besidder, da vil multiplerne øges. Omvendt vil en horisontalt funderet SaaS-løsning ofte have sværere ved at hive høje multipler.

Jeg vil i denne artikel rette kikkerten mod den bredere AI-adoptering. For AI er her og der og alle vegne. Mens det i 2024 overvejende stadig var et buzzword i investeringssammenhæng, så er det i dag på dagsordenen i alle C-suites. Derfor finder jeg det interessant også at betragte, hvad der sker i ”big corporate”. Hvor AI-parate er store veletablerede virksomheder i sammenligning med yngre tech-virksomheder?

Jeg har nu set flere overskrifter, hvor store veletablerede virksomheder melder om milliardbesparelser i de kommende år som følge af AI.

Der er to måder at reagere på det:

• Den umiddelbare; baseret på AI-overskriften: “Wow… AI er en økonomisk superkraft. Nu kommer revolutionen.”

• Den mere interessante: “2 mia. i 2028… hvad svarer det til i klassisk effektivisering? Hvor meget er reelt AI-drevet – og hvor meget er almindelig omkostningsdisciplin med ny label?”

Min pointe er ikke, at det er forkert. Min pointe er blot, at AI meget let bliver et narrativ, der gør klassiske beslutninger mere spiselige. Sæt 2 mia. i kontekst virksomhedens finansielle tal. Hvor markant er det så? Vil det svare til 5-10% FTE’er? I så fald er der ikke tale om ”revolution”, men nærmere ”evolution”. En udvikling som ikke stikker ud og vel reelt har størrelse af en typisk større omkostningstilpasning.

I min optik ville det være mere interessant at belyse konkrete use cases, hvor AI understøtter øget værdioplevelse hos slutkunden, end at fokusere på omkostningsbesparelser. Ingen tvivl om, at der lige nu er lemmingeffekt i det brede medielandskab, hvor alle forsøger at tale ind i narrativet om besparelser og fyringer som følge af AI.

AI-adoption i scaleups kontra big corporate

Min oplevelse lige nu er, at yngre, mindre tech virksomheder står langt bedre til at absorbere og udnytte AI. Big corporate vil rigtig gerne, men datarodebunker og en mere statisk ”plejer”-kultur udfordrer dem. Yngre og mindre tech scaleups besidder en iboende dynamisk teste- og optimeringskultur. De er i mindre grad tynget af mange års legacy. Det er mere naturligt for dem at tage drastiske skridt for at udnytte AI. Det er de vant til – også uden at en beslutning indeholder AI.

Tidligere i år besøgte jeg en SaaS-scaleup, der fortalte, at de havde erstattet 8 personer indenfor udvikling/QA med AI-agenter. Det svarede til 25% af arbejdsstyrken. Erstatningen kunne ikke ske 1:1. Der var opgaver, som AI-agenten ikke kunne håndtere. De opgaver skulle håndteres af andre roller i virksomheden.

Så ændringen betød også justering af ansvarsfordelinger og workflows. Men tallene taler deres klare sprog. 25% tilpasning over en kortere periode – se DET er REVOLUTION og ikke blot EVOLUTION.

AI-kultur, eller bare menneskefokuskultur

Som med al adoption af ny teknologi er den menneskelige faktor afgørende. Sjældent er det teknologiens muligheder og udviklingsstatus, der sætter tidslinjen for implementeringen. Det er menneskets evne til at absorbere den.

En organisations kultur kan være mere eller mindre omstillingsparat. Den kan være mere eller mindre nysgerrigt anlagt. Den kan i større eller mindre grad hylde ansatte, der tester nye muligheder på trods af risikoen for at fejle. Organisationskulturen kan i større eller mindre grad være fostrende for idéer og koncepter, der gror fra bunden. Den kan være dikterende fra toppen. Den kan være individmotiverende.

I min optik er en organisations ”AI-adoptionsevne” afgørende. Det handler sådan set ikke om netop AI-adoptionsevnen, men snarere om kernen i selve organisationskulturen. Virksomheder skal i dag gå langt mere dynamisk til værks. Strategier og planer skal i langt højere grad løbende justeres og tilpasses ændrede forhold.

Virkeligheden i dag er langt mere foranderlig end i sidste århundrede. Det stiller ændrede krav til ledelse og organisationskultur. Topstyring og diktering bliver mindre relevant. Iboende motiverede og selvledende ansatte bliver mere relevante. Og deres evne til at udnytte alskens værktøjer bliver – eller er allerede – afgørende.

Det underbelyste problem: Hvad sker der med juniorerne?

AI er allerede i gang med at ændre organisationer og roller. Et aspekt, som jeg mener er underbelyst, er hvordan AI-indtoget kommer til at underminere udviklingen af juniortalent til slagkraftige senior ansatte. Vi taler om, at AI skal overtage det “kedelige arbejde”. Men det “kedelige arbejde” har historisk set været fundamentet for læring.

Det er her, man:

• Opbygger mønstergenkendelse
• Forstår domænet
• Lærer, hvad der faktisk driver kvalitet

Hvis disse opgaver forsvinder, opstår et strukturelt dilemma: Hvis AI spiser junioropgaverne – hvordan skaber vi så seniorprofilerne? Du får ikke dygtige analytikere, jurister og investeringsfolk ud af ingenting. Du får dem gennem år med repetition, fejl og læring.

Hvis vi effektiviserer “entry-level læringskurven” væk, tror jeg, at vi om nogle år vil erfare, at vi kommer til at mangle solide senior profiler, som besidder den komplette værdifulde pakke for arbejdsgiveren: Menneskeforståelse, faglig tyngde og organisationsintelligens. En vigtig byggesten – faglige tyngde – vil ikke blive stimuleret og udviklet tilstrækkeligt. En vigtig egenskab for senior profiler er deres stærke dømmekraft. Og dømmekraften baseres blandt andet på domæneviden, samt system-, struktur- og procesforståelse. Alt sammen elementer, som tillæres gennem årevis ved at have hænderne i mulden.

Konklusion: Ikke al AI er lige transformativ. Unge tech virksomheder står skarpt i AI brydningestiden

AI er uden tvivl transformativ. Men ikke alle AI-historier er det. Noget er reelt nyt.

Noget er bare velkendt effektivisering i ny indpakning. Og noget er så fundamentalt, at det ændrer både organisationer, roller og talent pipelines. Det er i skellet mellem de tre, den virkelige værdi – og de virkelige risici – ligger.