AI-kompetence bliver ofte oversat til en træning: et modul, et certifikat, en boks der er sat kryds i. Det er ikke forkert, men det er heller ikke det, ordet egentlig kræver. Kompetence betyder, at man forstår, hvad et system gør og ikke gør, hvor grænserne ligger for et svar, og hvornår et resultat skal kontrolleres, før det ender et andet sted. Det er en anden færdighed end at kunne betjene et chatvindue.
En medarbejder, der ved, hvordan man formulerer en prompt, er ikke pr. definition kompetent i den betydning, der tæller her. AI-kompetence handler om at kunne genkende risiko: hvornår indeholder et svar en fejl, der ikke bemærkes, hvornår deles virksomhedsdata med et system, der bruger disse data et andet sted, hvornår er et AI-resultat grundlaget for en beslutning, der egentlig fortjener prøvelse. Hvis man ikke lærer det fra sig, lærer man medarbejdere at betjene et værktøj, uden at lære dem, hvornår de ikke skal tro på det.
Kompetence er kun meningsfuld, hvis den knytter sig til det, der sker i praksis. Hvis medarbejdere allerede bruger et værktøj, som ingen har godkendt, er en generisk træning om AI-principper ikke meget værd, så længe ingen ved, hvilke værktøjer det er, og hvad de bruges til. Kompetence uden indblik i brugen er et program, der går udenom praksis.
Der ligger også den nemmeste måde at lære noget: at spørge. Ikke for at kræve en forklaring, men for at forstå, hvad der foregår. En medarbejder, der bruger et værktøj for at arbejde hurtigere, fortæller det sjældent frivilligt, hvis spørgsmålet føles som en kontrol, der kan føre til en afregning. Kompetence begynder derfor ikke med at give instruktioner, men med at skabe et klima, hvor det ikke er risikabelt at melde det.
En træning kan forklare, hvad en sprogmodel er, hvor bias kommer fra, og hvornår et output skal kontrolleres. En træning kan ikke garantere, at den viden anvendes i det øjeblik, det tæller: under tidspres, ved en deadline, ved en opgave, der allerede er gået godt hundrede gange. En engangstræning kan heller ikke følge med i, hvad der ændrer sig. Systemer justeres, nye værktøjer bliver tilgængelige, brugen forskydes. Derfor hører kompetence ikke til et enkelt tidspunkt, men til en tilbagevendende rytme — ligesom en gentagen vurdering af risikoklassificeringer ikke er en engangsøvelse, men en tilbagevendende proces.
Medarbejderes kompetence fritager ikke en organisation for spørgsmålet om, hvem der fører tilsyn med hvad. Hvis en medarbejder overtager et AI-resultat i en beslutning, og den beslutning viser sig at være forkert, er spørgsmålet om hvem der er ansvarlig, når en AI-anvendelse begår en fejl ikke besvaret med "medarbejderen skulle have vidst det". Ansvaret ligger på flere niveauer: hos den, der satte systemet i drift, hos den, der organiserede tilsynet, hos den, der fastsatte rammerne. Individers kompetence er en del af den kæde, ikke en erstatning for den. Hvad menneskeligt tilsyn i praksis betyder, hænger sammen med, om den person, der fører tilsyn, også forstår tilstrækkeligt, hvad han fører tilsyn med — uden den forståelse er tilsyn en formalitet.
Mange organisationer forsøger at koble AI-kompetence til en eksisterende compliance- eller risikoproces. Det virker logisk, men i praksis bliver et andet lag ved siden af en eksisterende proces ofte ikke brugt: medarbejdere følger den proces, de allerede kender, og ignorerer den nye, selv når den passer bedre til praksis. Hvorfor en anden proces ved siden af den eksisterende bliver ignoreret er et spørgsmål, der går videre end træning: det handler om, hvor kompetence bliver fastholdt, afprøvet og brugt i selve arbejdet.
Vi kan ikke sige, hvor meget træning der er tilstrækkeligt, eller hvor stor en andel af medarbejderne der efter et program rent faktisk handler anderledes. Det varierer efter organisation, funktion og risikoniveauet for de opgaver, man udfører. Den, der dagligt udarbejder kundekontrakter med AI-støtte, har brug for et andet kompetenceniveau end den, der bruger AI en gang imellem til et resumé. Et enkelt svar på "hvor meget træning er nok" findes ikke, og det svar giver vi derfor ikke.
Kompetence uden indblik i risikoerne ved individuelle brugssituationer forbliver abstrakt. En medarbejder, der indtaster virksomhedsdata i et gratis chatvindue, løber en anden risiko end en medarbejder, der bruger et internt, afskærmet system, og hvad De gør med virksomhedsdata i et gratis chatvindue er et spørgsmål, der kræver et forskelligt svar fra situation til situation. Kompetence er derfor ikke ét program for hele organisationen, men en tilpasning til det, folk faktisk arbejder med.
Denne tilpasning begynder med at vide, hvilke opgaver der allerede understøttes af AI, og i hvilket omfang. FTE TO AI's arbejdsscan beregner for hver opgave, hvor stor en del af arbejdet der kan overtages af AI, og giver dermed et konkret billede af, hvor kompetence er allermest nødvendig: ikke i generel forstand, men på det sted, hvor arbejdet faktisk forandrer sig.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.