Låt inte gamla strukturer och beslutsvägar stå i vägen för nyttan med agentisk AI

Stora organisationer har länge lutat sig mot hierarkier för att fatta beslut i stor skala. Men när beslutsvägarna blir för många riskerar de att bromsa snarare än hjälpa. Agentisk AI kan förändra detta genom att minska onödiga beslutsled och skapa nya sätt för team att samarbeta, skriver Claus Jepsen, Chief Technology Officer på Unit4.

Hierarkier har i någon form alltid funnits i samhällen, sociala grupper och företag. Om det är bra eller dåligt går att diskutera, men hierarkier har överlevt eftersom de löser grundläggande problem kring samordning, särskilt i stora organisationer som ska fatta beslut i stor skala.

Problemet är att hierarkier med tiden ofta blir alltmer komplexa. Nya lager av beslutsfattande läggs till, till den grad att stora delar av strukturen mest blir invanda beslutsritualer som bara bidrar marginellt till bättre beslut. Det skapar också avstånd mellan avsikt och genomförande, vilket kan leda till missförstånd, förseningar och projekt som tappar kraft.

Tänk om agentisk AI kan förändra detta genom att minska eller ta bort beslutsled som inte tillför värde, och samtidigt bana väg för nya organisationsstrukturer?

Låt oss börja med vad hierarkier faktiskt gör möjligt för en organisation. Det finns fem huvudsakliga skäl till att hierarkier uppstår. Tre av dem är operativa:

1. Styrning i flera led: instruktioner och uppgifter förs vidare genom organisationen till den som utför arbetet.
2. Fördelning av ansvar och risk: någon på varje nivå ansvarar för utfallet om något går fel.
3. Sammanfattning av information: information bearbetas och sammanfattas på varje nivå innan den förs vidare.

Två skäl är sociala och institutionella:

1. Samordning när läget är oklart: någon tar ansvar för riktningen när det saknas tydliga svar.
2. Förankring och legitimitet: en etablerad organisationsstruktur gör att beslut accepteras som giltiga.

Om ett team inte självt kan hantera dessa drivkrafter för att lösa problem ger hierarkierna en formell struktur för beslutsfattande. Problemet är att det med tiden ofta byggs på lager som gränsar till beslutsritualer och skapar onödig komplexitet.

Det går att ifrågasätta om det verkligen leder till bättre resultat att beslut ska passera genom flera hierarkiska nivåer. En uppgift kan få mandat när den rör sig genom olika godkännanden, men hur mycket tillför varje steg till själva beslutets kvalitet?

Tänk om organisationer i stället minskade sitt beroende av hierarkier för att få saker gjorda? I en organisation där AI-agenter är en del av arbetssättet kan samordningen mellan team utformas genom hur dessa agenter specificeras. Det handlar särskilt om vilken information de delar med varandra och hur de kommunicerar i kontaktpunkterna mellan team, nästan som ett kontrakt som definierar ramen för deras samspel. För att detta ska fungera behöver organisationen hantera flera frågor.

1. När team kör fast behövs en ny typ av stöd

Unit4 utvecklingsteam genomförde ett experiment som även kan vara relevant för andra funktioner och affärsområden. Syftet var att undersöka hur beslut skulle kunna fattas om agentisk AI tog ansvar för delar av beslutsfattandet i dagens hierarkiska strukturer.

Vi skapade små team med tre till fem utvecklare och gav dem uppgifter. De hade ingen chef, men däremot en utsedd person med uppgift att hjälpa teamen vidare om de fastnade.

När teamen försökte lösa problem stannade de upp. Inte för att de saknade mandat att slutföra uppgifterna, utan för att de inte hittade den information de behövde för att komma vidare. Det var ett indexeringsproblem. Chefer har ofta fungerat som en navigeringsfunktion eller ett mänskligt sökregister i organisationen. Teamen hade svårt att själva hitta rätt information eftersom organisationen aldrig hade krävt det av dem. Den invanda reflexen var att vända sig till en chef för att få svar.

De team som lyckades ta sig förbi detta hinder kunde också komma vidare i arbetet.

Stödfunktionen hjälper inte bara till att lösa indexeringsproblemet, utan också en annan fråga: omdöme och legitimitet. De små teamen såg att det var värdefullt att ha en sådan funktion när det uppstod spänningar med andra team eller när ett beslut krävde godkännande från flera delar av organisationen.

2. Vilka uppgifter kan AI-agenter ta över?

Funktionen som hjälper team vidare består i praktiken av tre delar: att hitta och hämta fram organisationskunskap, att minska operativa hinder och att bidra med omdöme i gränssnitten mellan team. Frågan är hur mycket av detta AI kan ta över.

AI kan till exempel kodifiera och lära sig organisationskunskap, som regler för driftsättning, kriterier för beslutspunkter och processbeskrivningar. När sådan information väl är kodad kan den hämtas fram utan att en människa behöver vara en del av varje steg.

Den andra funktionen, att minska operativa hinder, kan också förändras med AI. Men här behövs fortfarande mänsklig tillsyn. Operativ hinderhantering, eller programledning, omfattar sådant som att följa vad team bygger, samordna arbetet i rätt ordning, synliggöra beroenden och sammanfatta status uppåt i organisationen.

Många av dessa uppgifter är i grunden specifikationsfrågor, men inte alla. En del samordning behövs därför att information saknas eller är dåligt kodad. Andra gånger beror det på att mål krockar, prioriteringar förändras eller resurser är begränsade på sätt som ingen specifikation kan lösa i förväg.

Med tydliga specifikationskriterier kan AI-agenter bidra till att information inte saknas eller kodas fel, vilket minskar behovet av mänsklig tillsyn. Om gränssnitten mellan team är tydligt definierade från början kan AI-agenter också bidra till att minska konflikter, hantera förändrade prioriteringar och hantera begränsade resurser. Däremot tar de inte bort behovet av mänskligt ansvar.

Organisationer bör också vara försiktiga med att bli alltför beroende av AI-agenter. Det finns en risk att tekniken automatiserar bort viktiga kopplingar mellan team. Precis som tidigare teknikskiften har haft stora positiva och negativa effekter på organisationsstrukturer och ekonomiska möjligheter kan agentisk AI få liknande konsekvenser.

3. Rätt specifikationer avgör hur AI-agenter kan samverka

Prioriteringen blir att säkerställa att AI-agenterna sätts upp på rätt sätt. Det kräver byggarkompetens och gör undersökande och kritiskt tänkande ännu viktigare. Gränssnitten måste identifieras innan arbetet börjar. Om två team har ett beroende som inte finns med i specifikationen kan ingen samordning mellan agenter lösa det i efterhand.

En organisationsdynamik som bygger på agentisk AI fungerar bara om organisationen förstår att detta inte är en enkel planeringsövning med Gantt-scheman och resursfördelning. Det måste i stället ses som ett arbete med att definiera den arkitektoniska specifikationen för hur team ska samarbeta: var gränserna går, vad kontrakten säger och vem som äger vilka gränser.

Det är alltså inte programledning i traditionell mening. Det är genom specifikationsarbetet organisationen avgör vad AI-agenter kan göra för att stödja teamen. Samma arbete kan också minska, eller till och med ta bort, vissa av de invanda beslutsritualer som präglar traditionellt organisatoriskt beslutsfattande.

4. Människan måste vara aktiv i beslutsfattandet

Människans roll kommer att förändras när AI-agenter tar större ansvar. I en organisation som stöds av agentisk AI får ledarskapet en ny form. För att AI-agenter ska bidra på rätt sätt krävs att människor är aktiva i att tolka, styra och fatta beslut i situationer som inte har definierats i förväg.

Det kan handla om ett gränsfall som specifikationen inte förutsåg, eller om en låsning mellan två team där en människa behöver fastställa en ny utgångspunkt som sedan läggs till i specifikationen. Det kräver fortfarande legitimitet i organisationen för att skapa samsyn kring förändringar och beslut. Men om specifikationerna är korrekt utformade bör antalet sådana beslut minska.

Det står klart att agentisk AI förändrar de organisationsstrukturer som har byggts upp för att leda beslut mellan team. Det betyder inte att det blir mindre organisation. Det betyder att organisationen kommer att uttryckas på andra sätt.

De organisationer som lyckas i den här eran kommer att bryta med onödiga beslutsritualer och förenkla samordningen för att bygga mer strömlinjeformade och dynamiska verksamheter som kan fatta beslut snabbare.

För enskilda medarbetare innebär det att de inte längre behöver vara lika långt från de uppgifter de vill lösa. De kan arbeta mer direkt med problemen och använda AI-agenter för att komma vidare. Det ger dem bättre förståelse för de problem de försöker lösa. Det kortar också avståndet mellan idé och genomförande, vilket minskar kostnaden för att experimentera och uppmuntrar fler team att utforska och testa nya arbetssätt.

I grunden minskar agentisk AI avståndet mellan den person som har mest relevant kunskap och lösningen på ett specifikt problem. Det kan få stor betydelse för hur framtidens organisationer fungerar.

/ Claus Jepsen, Chief Technology Officer, Unit4

Om Claus Jepsen

Claus Jepsen är teknikexpert och har varit fascinerad av mikrodatorrevolutionen sedan han fick en Tandy TRS Model 1 som 14-åring. Sedan dess har han under flera decennier utvecklat och arkitekterat mjukvarulösningar. I dag är han Chief Technology Officer på Unit4, där han leder ERP-leverantörens arbete med att möjliggöra det postmoderna företaget.

På Unit4 bygger Claus molnbaserade och skalbara lösningar och för in teknik som AI, chattbottar och prediktiv analys i affärssystemen. Han tror starkt på att tillgång till stora mängder data gör det möjligt att bygga bättre och mindre påträngande lösningar som förbättrar våra upplevelser, avlastar oss från monotona arbetsuppgifter och gör det möjligt för oss att fokusera på det vi verkligen vill göra.

Om Unit4

Unit4:s nästa generations affärssystem (ERP) används av många av världens medelstora organisationer och samlar funktioner för ekonomi, inköp, projektledning, HR och FP&A. Lösningarna gör det möjligt att dela information i realtid och ge organisationer bättre beslutsunderlag.Genom att kombinera expertis inom medelstora organisationer med ett starkt fokus på människor har Unit4 byggt flexibla lösningar som möter kundernas föränderliga behov. Unit4 har fler än 4 700 kunder globalt inom flera sektorer, bland annat professionella tjänster, ideell sektor och offentlig sektor. Bland kunderna finns Southampton City Council, Metro Vancouver, Buro Happold, Devoteam, Norwegian Refugee Council, Global Green Growth Institute och Oxfam America. Läs mer på www.unit4.com.

Stora organisationer har länge lutat sig mot hierarkier för att fatta beslut i stor skala. Men när beslutsvägarna blir för många riskerar de att bromsa snarare än hjälpa. Agentisk AI kan förändra detta genom att minska onödiga beslutsled och skapa nya sätt för team att samarbeta, skriver Claus Jepsen, Chief Technology Officer på Unit4.

Hierarkier har i någon form alltid funnits i samhällen, sociala grupper och företag. Om det är bra eller dåligt går att diskutera, men hierarkier har överlevt eftersom de löser grundläggande problem kring samordning, särskilt i stora organisationer som ska fatta beslut i stor skala.

Problemet är att hierarkier med tiden ofta blir alltmer komplexa. Nya lager av beslutsfattande läggs till, till den grad att stora delar av strukturen mest blir invanda beslutsritualer som bara bidrar marginellt till bättre beslut. Det skapar också avstånd mellan avsikt och genomförande, vilket kan leda till missförstånd, förseningar och projekt som tappar kraft.

Tänk om agentisk AI kan förändra detta genom att minska eller ta bort beslutsled som inte tillför värde, och samtidigt bana väg för nya organisationsstrukturer?

Låt oss börja med vad hierarkier faktiskt gör möjligt för en organisation. Det finns fem huvudsakliga skäl till att hierarkier uppstår. Tre av dem är operativa:

1. Styrning i flera led: instruktioner och uppgifter förs vidare genom organisationen till den som utför arbetet.
2. Fördelning av ansvar och risk: någon på varje nivå ansvarar för utfallet om något går fel.
3. Sammanfattning av information: information bearbetas och sammanfattas på varje nivå innan den förs vidare.

Två skäl är sociala och institutionella:

1. Samordning när läget är oklart: någon tar ansvar för riktningen när det saknas tydliga svar.
2. Förankring och legitimitet: en etablerad organisationsstruktur gör att beslut accepteras som giltiga.

Om ett team inte självt kan hantera dessa drivkrafter för att lösa problem ger hierarkierna en formell struktur för beslutsfattande. Problemet är att det med tiden ofta byggs på lager som gränsar till beslutsritualer och skapar onödig komplexitet.

Det går att ifrågasätta om det verkligen leder till bättre resultat att beslut ska passera genom flera hierarkiska nivåer. En uppgift kan få mandat när den rör sig genom olika godkännanden, men hur mycket tillför varje steg till själva beslutets kvalitet?

Tänk om organisationer i stället minskade sitt beroende av hierarkier för att få saker gjorda? I en organisation där AI-agenter är en del av arbetssättet kan samordningen mellan team utformas genom hur dessa agenter specificeras. Det handlar särskilt om vilken information de delar med varandra och hur de kommunicerar i kontaktpunkterna mellan team, nästan som ett kontrakt som definierar ramen för deras samspel. För att detta ska fungera behöver organisationen hantera flera frågor.

1. När team kör fast behövs en ny typ av stöd

Unit4 utvecklingsteam genomförde ett experiment som även kan vara relevant för andra funktioner och affärsområden. Syftet var att undersöka hur beslut skulle kunna fattas om agentisk AI tog ansvar för delar av beslutsfattandet i dagens hierarkiska strukturer.

Vi skapade små team med tre till fem utvecklare och gav dem uppgifter. De hade ingen chef, men däremot en utsedd person med uppgift att hjälpa teamen vidare om de fastnade.

När teamen försökte lösa problem stannade de upp. Inte för att de saknade mandat att slutföra uppgifterna, utan för att de inte hittade den information de behövde för att komma vidare. Det var ett indexeringsproblem. Chefer har ofta fungerat som en navigeringsfunktion eller ett mänskligt sökregister i organisationen. Teamen hade svårt att själva hitta rätt information eftersom organisationen aldrig hade krävt det av dem. Den invanda reflexen var att vända sig till en chef för att få svar.

De team som lyckades ta sig förbi detta hinder kunde också komma vidare i arbetet.

Stödfunktionen hjälper inte bara till att lösa indexeringsproblemet, utan också en annan fråga: omdöme och legitimitet. De små teamen såg att det var värdefullt att ha en sådan funktion när det uppstod spänningar med andra team eller när ett beslut krävde godkännande från flera delar av organisationen.

2. Vilka uppgifter kan AI-agenter ta över?

Funktionen som hjälper team vidare består i praktiken av tre delar: att hitta och hämta fram organisationskunskap, att minska operativa hinder och att bidra med omdöme i gränssnitten mellan team. Frågan är hur mycket av detta AI kan ta över.

AI kan till exempel kodifiera och lära sig organisationskunskap, som regler för driftsättning, kriterier för beslutspunkter och processbeskrivningar. När sådan information väl är kodad kan den hämtas fram utan att en människa behöver vara en del av varje steg.

Den andra funktionen, att minska operativa hinder, kan också förändras med AI. Men här behövs fortfarande mänsklig tillsyn. Operativ hinderhantering, eller programledning, omfattar sådant som att följa vad team bygger, samordna arbetet i rätt ordning, synliggöra beroenden och sammanfatta status uppåt i organisationen.

Många av dessa uppgifter är i grunden specifikationsfrågor, men inte alla. En del samordning behövs därför att information saknas eller är dåligt kodad. Andra gånger beror det på att mål krockar, prioriteringar förändras eller resurser är begränsade på sätt som ingen specifikation kan lösa i förväg.

Med tydliga specifikationskriterier kan AI-agenter bidra till att information inte saknas eller kodas fel, vilket minskar behovet av mänsklig tillsyn. Om gränssnitten mellan team är tydligt definierade från början kan AI-agenter också bidra till att minska konflikter, hantera förändrade prioriteringar och hantera begränsade resurser. Däremot tar de inte bort behovet av mänskligt ansvar.

Organisationer bör också vara försiktiga med att bli alltför beroende av AI-agenter. Det finns en risk att tekniken automatiserar bort viktiga kopplingar mellan team. Precis som tidigare teknikskiften har haft stora positiva och negativa effekter på organisationsstrukturer och ekonomiska möjligheter kan agentisk AI få liknande konsekvenser.

3. Rätt specifikationer avgör hur AI-agenter kan samverka

Prioriteringen blir att säkerställa att AI-agenterna sätts upp på rätt sätt. Det kräver byggarkompetens och gör undersökande och kritiskt tänkande ännu viktigare. Gränssnitten måste identifieras innan arbetet börjar. Om två team har ett beroende som inte finns med i specifikationen kan ingen samordning mellan agenter lösa det i efterhand.

En organisationsdynamik som bygger på agentisk AI fungerar bara om organisationen förstår att detta inte är en enkel planeringsövning med Gantt-scheman och resursfördelning. Det måste i stället ses som ett arbete med att definiera den arkitektoniska specifikationen för hur team ska samarbeta: var gränserna går, vad kontrakten säger och vem som äger vilka gränser.

Det är alltså inte programledning i traditionell mening. Det är genom specifikationsarbetet organisationen avgör vad AI-agenter kan göra för att stödja teamen. Samma arbete kan också minska, eller till och med ta bort, vissa av de invanda beslutsritualer som präglar traditionellt organisatoriskt beslutsfattande.

4. Människan måste vara aktiv i beslutsfattandet

Människans roll kommer att förändras när AI-agenter tar större ansvar. I en organisation som stöds av agentisk AI får ledarskapet en ny form. För att AI-agenter ska bidra på rätt sätt krävs att människor är aktiva i att tolka, styra och fatta beslut i situationer som inte har definierats i förväg.

Det kan handla om ett gränsfall som specifikationen inte förutsåg, eller om en låsning mellan två team där en människa behöver fastställa en ny utgångspunkt som sedan läggs till i specifikationen. Det kräver fortfarande legitimitet i organisationen för att skapa samsyn kring förändringar och beslut. Men om specifikationerna är korrekt utformade bör antalet sådana beslut minska.

Det står klart att agentisk AI förändrar de organisationsstrukturer som har byggts upp för att leda beslut mellan team. Det betyder inte att det blir mindre organisation. Det betyder att organisationen kommer att uttryckas på andra sätt.

De organisationer som lyckas i den här eran kommer att bryta med onödiga beslutsritualer och förenkla samordningen för att bygga mer strömlinjeformade och dynamiska verksamheter som kan fatta beslut snabbare.

För enskilda medarbetare innebär det att de inte längre behöver vara lika långt från de uppgifter de vill lösa. De kan arbeta mer direkt med problemen och använda AI-agenter för att komma vidare. Det ger dem bättre förståelse för de problem de försöker lösa. Det kortar också avståndet mellan idé och genomförande, vilket minskar kostnaden för att experimentera och uppmuntrar fler team att utforska och testa nya arbetssätt.

I grunden minskar agentisk AI avståndet mellan den person som har mest relevant kunskap och lösningen på ett specifikt problem. Det kan få stor betydelse för hur framtidens organisationer fungerar.

/ Claus Jepsen, Chief Technology Officer, Unit4

Om Claus Jepsen

Claus Jepsen är teknikexpert och har varit fascinerad av mikrodatorrevolutionen sedan han fick en Tandy TRS Model 1 som 14-åring. Sedan dess har han under flera decennier utvecklat och arkitekterat mjukvarulösningar. I dag är han Chief Technology Officer på Unit4, där han leder ERP-leverantörens arbete med att möjliggöra det postmoderna företaget.

På Unit4 bygger Claus molnbaserade och skalbara lösningar och för in teknik som AI, chattbottar och prediktiv analys i affärssystemen. Han tror starkt på att tillgång till stora mängder data gör det möjligt att bygga bättre och mindre påträngande lösningar som förbättrar våra upplevelser, avlastar oss från monotona arbetsuppgifter och gör det möjligt för oss att fokusera på det vi verkligen vill göra.

Om Unit4

Unit4:s nästa generations affärssystem (ERP) används av många av världens medelstora organisationer och samlar funktioner för ekonomi, inköp, projektledning, HR och FP&A. Lösningarna gör det möjligt att dela information i realtid och ge organisationer bättre beslutsunderlag.Genom att kombinera expertis inom medelstora organisationer med ett starkt fokus på människor har Unit4 byggt flexibla lösningar som möter kundernas föränderliga behov. Unit4 har fler än 4 700 kunder globalt inom flera sektorer, bland annat professionella tjänster, ideell sektor och offentlig sektor. Bland kunderna finns Southampton City Council, Metro Vancouver, Buro Happold, Devoteam, Norwegian Refugee Council, Global Green Growth Institute och Oxfam America. Läs mer på www.unit4.com.