Hva skal høyere utdanning gjøre med AI?

Her er en video – og en norsk versjon av teksten, laget ved hjelp av AI, naturligvis – av min tiltredelsesforelesning. Teksten inneholder kun det jeg sier. Det kommer en kronikk og andre ting etterhvert, tenker jeg. Må bare få sparket i gang Claude først…

Ja, hei alle sammen. Jeg er vanligvis ikke nervøs når jeg underviser, men det er jeg nå. Takk til alle som har kommet. Jeg ble faktisk professor for halvannet år siden, men så ble jeg syk, så det hele ble utsatt. Men takk til alle dere som har kommet hit – familie, venner, kolleger, tidligere kolleger, medlemmer av Comunita og medlemmer av mitt tidligere kull her på BI. Vi skal ha fest på fredag, så det gleder jeg meg til.

Det jeg skal snakke om, er dette fenomenet KI – hva det er, og hvordan det påvirker undervisning. Og jeg begynner med å fortelle en historie, som jeg pleier å fortelle i alle kursene mine som en slags avslutningshistorie.

Det beste essayet om innovasjon jeg noen gang har lest, ble skrevet av Elting Morison og publisert i 1950 – jeg tror det ble skrevet noen år før. Det heter «Gunfire at Sea», og det er historien om en kaptein på et skip i den amerikanske marinen som gjorde visse endringer i hvordan de skjøt med kanonene, og forbedret treffsikkerheten fra 8 % til 74 %. Noe jeg tror dere er enige i er ganske bra. Det tok 30 år før marinen tok i bruk innovasjonene hans, og det var mange grunner til det.

I begynnelsen av essayet forteller Morison denne historien om kanonene. Sommeren 1940 hadde Frankrike falt, Storbritannia kjempet i praksis alene mot Tyskland, og faren for at Hitler skulle komme over Kanalen var overhengende. Samtidig hadde ikke Storbritannia våpen, fordi det meste av det tunge materiellet og de tunge våpnene var gått tapt i Frankrike før evakueringen fra Dunkerque. Så de måtte gjøre noe. Og de hadde alle disse gamle kanonene, som så slik ut – de kalles haubitser. Så de dro dem ut av lagrene, hektet dem på lastebiler, kjørte dem ned til kysten og rettet dem mot Den engelske kanal.

Og så sa de: «Vent litt, kanskje vi kan øke skuddtakten ved hjelp av moderne metoder.» Moderne metoder på den tiden var noe som het tids- og bevegelsesstudier. Man bruker film og stoppeklokke og prøver å fjerne unødvendige bevegelser. Så de satte opp en kanon, med åtte mann til å betjene den og en sersjant til å kommandere. De fulgte rutinene, avfyrte kanonen og filmet det. Så satte de seg ned og begynte å analysere filmen.

Og så så forskerne noe veldig rart. Rett før kanonen ble avfyrt – omtrent tre sekunder før – sto to av soldatene i givakt, sånn. Og de sto i givakt til kanonen var avfyrt, og en liten stund etterpå. Med tanke på å avfyre en kanon så raskt som mulig, er det en fantastisk sløsing med mannskap.

Så de tenkte: ok, vi må gjøre noe med det – men vi skal ikke endre noe før vi vet hvorfor det er der. Så de gikk til sersjanten, og han sa: «Tja, det er prosedyren.» De fulgte kommandokjeden oppover, og til slutt kom de til en gammel oberst. Han burde vært pensjonert for lenge siden, men det er jo krig. Han hadde faktisk vært med i boerkrigen og i første verdenskrig, da disse kanonene var i bruk. Så de dro ham inn, plantet ham foran filmfremviseren, viste ham filmen og sa: «Hva er det som skjer her?» Han så på filmen og sa: «Kjør filmen en gang til.» Han så på den igjen og sa: «Nå skjønner jeg det. De holder hestene.»

Men det finnes jo ingen hester! Og dere kan forestille dere: Hva skal vi gjøre med de to soldatene i de sekundene? Vel, det er ingen hester å holde, så de blir bare stående sånn. I stedet for å endre det vi gjør, fortsetter vi bare å gjøre det vi gjør, og tilpasser det litt. Husk den historien. Jeg kommer tilbake til den.

Jeg skal snakke litt om teori – veldig lite teori. Faktisk er det ikke engang teori. Dette er mitt rammeverk. Jeg har laget det, og jeg har ikke publisert det noe sted – kanskje jeg burde. Men det er dette jeg lærer studentene mine, og det går slik: Teknologi endrer forretningsomgivelsene. Faktisk er teknologiske endringer den viktigste drivkraften når virksomheter endrer seg. Og når forretningsomgivelsene endrer seg, må vi endre strategien vår. Og jeg sier til studentene mine og til ledere, og til alle som vil høre: Hadde det ikke vært fint å forstå hvordan teknologien endrer seg, slik at vi kan endre strategien før omgivelsene tvinger oss til det? Det er derfor jeg underviser i teknologi.

Problemet er at vi egentlig ikke vet hvordan teknologi påvirker organisasjoner. Da jeg kom tilbake etter doktorgraden og arbeid i USA i 1996, havnet jeg i en debatt om produktiviteten til informasjonsteknologi. Akkurat som vi nå har forestillingen om KI og produktivitet – vi ser KI overalt, alle snakker om hvor fantastisk det er, men ser vi noen endring i produktivitetstallene? Nei. Vi hadde nøyaktig den samme debatten om PC-er i 96.

Jeg havnet i en diskusjon med en forsker i Norge som hadde skrevet i Aftenposten at det ikke var noe poeng i å kjøpe PC-er, fordi han hadde tatt tiden på hvor fort man skrev på skrivemaskin sammenlignet med på PC, og forskjellen var 10 %, så PC-en var ikke verdt det. Jeg skrev tilbake og sa: «Jeg sitter faktisk på et fly med den bærbare datamaskinen min og skriver dette svaret, og du har helt rett – jeg skriver ikke særlig mye fortere. Men når jeg er ferdig, kan jeg sende dette på e-post til Aftenposten, og de kan ta det rett inn.» Med andre ord: Produktivitetseffekten viser seg andre steder enn der man måler den.

Men Aftenposten hadde noe som het typografer, og de hadde en fagforening, og fagforeningen krevde at alt som kom inn elektronisk, måtte skrives inn på nytt. Så Aftenposten fikk ikke produktivitetsgevinsten før de ble kvitt typografene. Noe som lærer oss at produktiviteten viser seg et annet sted i hele verdikjeden, og at man må endre organisasjonen for å høste gevinstene.

Ok, det var teorien. La oss snakke om teknologien som endrer ting, og den teknologien er kunstig intelligens. Å prøve å definere kunstig intelligens er mer et filosofisk spørsmål enn noe annet. Men jeg pleier å dele det inn i tre – det gjør de fleste. Vi snakker om analytisk KI, generativ KI og agentisk KI. Analytisk KI kalles noen ganger maskinlæring – tenk på det som Excel-avdelingen. Generativ KI er Word-avdelingen, eller bildeavdelingen. Og agentisk KI, der elektroniske agenter gjør ting på dine vegne, er kanskje Teams-avdelingen.

Alle disse er disruptive innovasjoner i seg selv. Det viktigste ved en disruptiv innovasjon er at de etablerte aktørene i en bransje er de som er dårligst i stand til å tilpasse seg den nye teknologien.

Hvis vi ser på analytisk KI, utfordrer den den tradisjonelle vitenskapelige metoden. I den tradisjonelle vitenskapelige metoden vil Popper og andre vitenskapsfilosofer si at man har en teori, og fra teorien utleder man testbare hypoteser. Så samler man inn data og tester modellen, og kanskje validerer man den – men svært ofte gjør vi ikke det. Maskinlæring fungerer derimot slik: Man har noen data. Man tar 20 % av dataene og legger dem her borte. Så tar man de resterende 80 % og ber maskinen finne en modell. Og når den har funnet en modell, retter man den mot dataene den ikke har sett ennå, og tester hvor godt den gjør det. Kan den forutsi om det er kreft i denne føflekken? Kan den forutsi hvor mye denne kunden vil kjøpe? Kan den forutsi hvor mye vi bør betale for en annonse på Google? Valideringen skjer utenfor utvalget.

Og når vi har utviklet en modell, har vi ingen teori. Grunnen til at vi ikke har noen teori, er at modellen, særlig hvis man bruker nevrale nettverk, er så komplisert at det er menneskelig umulig å forklare hvordan den kommer frem til beslutningene sine. Og det er en utfordring, fordi ferdighetene som var gode her – teoridannelse og så videre – ikke er like gode her.

Hva med generativ KI? Det er det folk mener når de snakker om KI – ChatGPT og venner. Det finnes mange måter å tenke på det på, men slik jeg ser det, er det en måte å forutsi neste ord i en setning på, og en måte å konstruere noe på i henhold til det som kalles en belønningsfunksjon. Og belønningsfunksjonen pleier å være det du er fornøyd med. Jeg hadde en potensiell doktorgradsstudent som fortalte meg at hun vurderte å søke seg til BI fordi KI-terapeuten hennes hadde sagt at hun burde. Og KI-terapeuten sier selvsagt det hun vil høre.

Jeg kaller det hypereffektiv middelmådighet, fordi KI bare kan gjøre det som har vært gjort før. Den kan gjøre det svært effektivt, og du kan ha en hel hær av agenter som gjør det for deg, men den kan ikke finne på noe som er genuint nytt. Så i stedet for å prøve å forklare det selv, bestemte jeg meg for å bare spørre: Hva er hypereffektiv middelmådighet? Og den sier at generativ KI skaper hypereffektiv middelmådighet ved å automatisere rutinepregede kontoroppgaver, som å svare på enkle spørsmål, oppsummere tekst og lage standarddokumentasjon av alle slag. Og det er den veldig god til. Hvor fant den det? Vel, jeg skrev en artikkel om det. Og i stedet for å oppsummere den selv, spurte jeg bare Google, og den oppsummerte den for meg. Det er det generativ KI er god for. Den gjør det enkle arbeidet, og lar oss gjøre det virkelig verdifulle, virkelig kreative arbeidet, det som krever skjønn. Men den gjør det veldig bra – og bedre og bedre.

En av tingene den gjør, er å automatisere det enkle arbeidet, og vi begynner nå å se det i produktivitetstallene. Dette kom fra Erik Brynjolfsson ved Stanford forrige uke, tror jeg, som sier at hvis man nå ser på bransjer som er eksponert for KI, ser vi lavere ansettelser i de yngste aldersgruppene. Fordi rutinearbeidet som vanligvis gjøres av yngre folk, i økende grad blir automatisert.

Det utfordrer oss, fordi det utfordrer utdanningsløpet. Utdanning pleide å se slik ut: Vi har det grunnleggende – du går på skole. Så har vi det spesifikke – du tar høyere utdanning. Og når du kommer ut av høyere utdanning, har du verktøyene og den teoretiske kunnskapen, men du har ennå ikke nok ferdigheter til å anvende den. Det må du lære som junior i en bedrift. Jeg vil si at 95 % av studentene mine begynner i konsulentbransjen, og de begynner på det laveste nivået, med svært rutinepreget, hardt arbeid. Og gjennom det lærer de ferdighetene som gjør at de kan få mer ansvar, erfaring og skjønn.

Vel, nå har vi et problem, for nå har vi KI og YouTube. Jeg tror det var for ti år siden jeg hørte en i toppledelsen fortelle at han hadde hørt noen studenter bak seg på T-banen si: «Jeg går ikke på forelesninger. Jeg går bare på YouTube.» Når jeg vil lære noe nytt, for eksempel hvordan en språkmodell fungerer, går jeg på YouTube. Det er det vi konkurrerer mot. Og så har vi KI, der studentene nå kan lage vakre rapporter veldig, veldig raskt.

Så man får det grunnleggende fra skolen – men vi ser i økende grad at elever faller fra skolen. Kona mi, Kristine, er en ekte ekspert på frafall i skolen. Det er veldig sammensatt, men det ser ut til at stadig færre takler det. Det spesifikke, høyere utdanning – vel, stadig mer på nett, og stadig flere studenter får ikke den utdanningen de trenger, fordi de i praksis ber KI om å gjøre det. Og nå får de ikke lenger jobb. Så hvor skal de få de profesjonelle ferdighetene fra? Hvor skal neste generasjons erfaring og skjønn komme fra?

Her er et lite hint om et svar: Jeg tror vi må flytte denne opplæringen inn i det vi gjør. Det er to grunner til det. Den ene er at disse unge menneskene må utdannes til å prestere på et høyere nivå når de kommer ut, fordi bedriftene ikke lenger har råd til den opplæringsperioden. Men også fordi vi trenger noe mer å gjøre, siden vi blir utkonkurrert av YouTube og KI og alt det der. Så vi må gjøre det vi gjør, mer virkelighetsnært.

Og så den siste: agentisk KI, som gjør ting på dine vegne. Hva betyr det? Vi deler gjerne KI inn i det å forsterke det du gjør – hjelpe deg å bli bedre – og det er det de fleste av oss gjør. De fleste her har grått hår; det er det vi gjør. Men man kan også bruke KI til å erstatte mennesker. I stedet for å ansette mennesker ansetter vi digitale medarbeidere som går ut og gjør ting for oss, og stadig flere gjør det. Og dette kan bli situasjonen: «Jeg ber mine folk snakke med dine folk.» Vel, de er her nede – noen av dem er mennesker, noen av dem er digitale.

Dette er forresten en New Yorker-tegning, ikke sant? Nei, det er det ikke. Jeg ba Gemini lage den. Jeg spesifiserte den for Gemini. Signaturen dere ser her nede, er en blanding av tre eller fire tegnere som tegner for The New Yorker. Jeg burde ha satt min egen signatur på den, men det føltes ikke riktig. Den er ganske bra. Jeg spesifiserte vitsen, men den laget tegningen.

Hvordan vet man at noe er en agent? Hvordan vet man at man snakker med et menneske? Jeg har opplevd det nå – folk som ringer meg, og jeg må finne ut: Er de ekte, eller er dette falskt? Det har dere sikkert opplevd også. Det var kvinnen jeg intervjuet, fordi jeg trodde hun var falsk. Det viste seg at hun var ekte – bortsett fra at hun snakket med agenten sin.

Vi kan jo ha noen slags tester. Alle har trykket på denne: Du klikker på den, og den finner ut at du ikke er en robot. Det gjør den ved å analysere måten du beveger musen på, fordi vi ikke kan bevege den like presist som en maskin. Men noen ganger møter man noen … Dette er en venn av meg på Facebook. Hun heter Tina Underhill. Hun bor på en gård i Suldal i Rogaland. Hun jobber i et lite programvareselskap som heter Aadnøy Labs, der hun tar seg av all regnskapsføring og den slags. Hun legger av og til ut bilder – når de har fått nye lam på gården, eller når hun går tur i fjellet. Hun er ikke ekte.

Hun er laget av Alf Aadnøy. Alf er medlem av ledernettverket jeg driver sammen med Haakon Gellein. Han har programmert henne og gitt henne navn – gården hans heter Underbakke, så hun heter Underhill. Hun gjør mye arbeid for ham, tar telefoner og gjør kjedelige ting som det. Og han sier at hvis han skulle laget henne på nytt, ville han ikke ha gjort henne så tiltrekkende, fordi han må avvise mye ikke særlig velkommen oppmerksomhet.

Dette er viktig for mange selskaper. Jeg skal ikke gå inn på det – det er ikke en del av dette – men mye av konkurransefortrinnet på nett har kommet av det vi kaller nettverkseffekter: forbrukerplattformer. Ta Finn, som har 95 % markedsandel, og som blir skikkelig urolige hvis EBIT er under 40 %. Da er det krise i huset. Jeg skulle ønske jeg var så heldig. Nå har de et problem. Vi går til Finn fordi de har 95 % markedsandel: Hvis vi vil selge noe, er det der kjøperne er, og hvis vi vil kjøpe noe, er det der selgerne er. Og vi bryr oss ikke med de mindre plattformene. Men hvis jeg har en agent som går ut og besøker dem for meg, kan jeg gå til Finn, jeg kan gå til Golsfjellet kjøp og salg, jeg kan gå til Facebook Marketplace – jeg kan gå hvor som helst, fordi agenten har uendelig med tid og bare kan gå ut og lete. Og det uthuler noe vi trodde var ganske permanent i internettets konkurranseverden: nettverkseksternaliteter.

Så det var den delen: virkningen på høyere utdanning.

Det er på en måte tittelen på hele dette foredraget: knapphet i undervisningen. Hva betyr det? Vel, man kan ikke tjene penger – penger utover normal avkastning – på å selge noe som finnes i overflod. Man må selge noe som er knapt. Og KI kan ikke kreativitet og skjønn. Den kan ikke finne på ting som er virkelig nye – ennå. Den kan det, gjennom en prosess med selvkomplisering, men det er vanskelig for den å komme opp med nye ting, og det er svært vanskelig for den å utøve skjønn. Så det må vi undervise i. Det er en knapp ferdighet vi må lære bort. Hvordan gjør vi det? Det er ikke lett.

Slik jeg ser det, er det ikke lett fordi det krever noen ting. Det krever ikke bare at vi underviser studentene, men at vi utfordrer dem i et miljø som simulerer det de kommer til å møte når de er ferdige. Det krever uforutsigbarhet. Det krever at vi ikke forteller dem hva de skal lære, vi forteller dem ikke hvordan eksamen blir, og vi forteller dem ikke hvordan de fikk karakteren sin. Jan Ketil Arnulf har skrevet en artikkel med tittelen «Uten uforutsigbarhet dør høyere utdanning». Så vi må være uforutsigbare. Og det krever at vi gjør klasserommet til et sted der både studentene og læreren vil være – som jeg også har stjålet fra Jan Ketil.

Så hvordan gjør vi det? Vel, jeg kan bare snakke om hva jeg gjør, for det er min erfaring. Men jeg har hatt engasjerte studenter. Jeg har studenter som møter opp. Jeg har studenter som tar kursene mine. Jeg har ikke frafall i oppmøtet. Ganske mange av kollegene mine gjør dette også, men de har andre teknikker. Jeg kan bare snakke om hva jeg gjør.

Og jeg prioriterer å ha det moro. Det betyr ikke at studentene har det moro i klasserommet – de er faktisk ganske nervøse. Men jeg har det moro. Det er et par ting vi må tenke nytt om. Studentene er produktet, ikke kundene. Studenter kommer til meg og sier: Jeg vil gjerne gjøre dette alene, jeg vil gjerne gjøre det. Jeg hadde en student som kom til meg og sa: «Jeg må gå tidlig hver mandag. Vil det gå ut over deltakelseskarakteren min?» Jeg sa: «Ja.» Og han sa: «Men jeg må på jobb. Jeg er profesjonell fotballspiller.» Jeg sa: «Nei, du misforstår. Hver mandag kommer du til å være 45 minutter for sent til trening.» Og han sa: «Kan du snakke med treneren min?» Og jeg sa: «Nei, jeg er ikke faren din. Det får du gjøre selv.» Han møtte faktisk opp, og han ble læringsassistenten min året etter. Studenter responderer på utfordringer, og vi må utfordre dem.

Det andre vi må tenke på, er at BI er et treningssenter, ikke et solstudio. Den har jeg stjålet fra Øyvind Revang, som underviste her før. Studentene tror at vi skal komme inn og sette oss ned og sitte sånn, og så får vi en fin brunfarge og et vitnemål som viser at vi er brune, og så kan vi gå. Det er ikke slik det fungerer. BI er et sted der man kan trene og øve og bli bedre, og det kommer til å gjøre vondt og kreve noe.

Jeg har lenge hatt lyst til å skrive en artikkel med tittelen «Hva kan høyere utdanning lære av Kompani Lauritzen?» For dere som ikke er norske: Dette er et TV-program der de tar inn sivile. Det er et realityprogram der de sendes gjennom en rekruttskole, og de møter en fyr – jeg har glemt navnet hans, men han er kjent i Norge som Fenriken. Med stor F. Han kommer inn og forteller deltakerne hva de skal gjøre, hvordan de skal gjøre det, hva grensene er, og hva som regnes som akseptabel og uakseptabel oppførsel og prestasjon. Han gjør det på en støttende, men bestemt måte, og han sier fantastiske ting. Favoritten min er denne: Folk klager: «Men jeg vasket jo rommet mitt,» og han sier: «Vi er ikke ute etter aktiviteten vasking. Vi er ute etter resultatet: rent.» Jeg tror vi kan lære mye av Kompani Lauritzen.

Jeg kjenner en fyr som har denne holdningen – kollegaen min Hanno Roberts. Han blir ofte kåret til beste professor i våre kinesiske programmer og andre steder. Når han kommer inn, har han på seg en T-skjorte, og på T-skjorten står det «No pain, no gain». Det er den riktige holdningen, og det er det vi må gjøre, tror jeg – eller i hvert fall har det fungert for meg.

Så hvordan gjør vi det? Vel, man må i bunn og grunn tvinge studentene. Man må tvinge dem til å delta. Man må tvinge dem til å forberede seg. Jeg har noe som heter forberedt tilstedeværelse. I kursene mine må man være til stede på 70 % av undervisningen for å kvalifisere, men det er forberedt tilstedeværelse. Så jeg kan si: «Birgitte, kan du introdusere denne casen for oss?» – hun er sjefen min, forresten – og hvis hun sier: «Jeg har ikke lest casen i dag,» sier jeg: «Ok, du var ikke her i dag. Du er registrert som ikke til stede.» For man må tvinge folk til å forberede seg, og de jobber instrumentelt.

Man må tvinge dem til å jobbe i grupper. Det kommer studenter som sier: «Men jeg vil gjøre dette prosjektet alene.» Og jeg sier: «Nei, det er ikke et alternativ. Det står i kursbeskrivelsen.» Og vi tvinger studentene til å løse ekte problemer. Hvert år, når Chandler og jeg har maskinlæringskurset vårt, har vi studenter som sier: «Men jeg vil jobbe med et datasett som allerede er tilgjengelig.» Og vi sier at du må jobbe med et ekte datasett, fordi ekte datasett ikke er rene eller veldefinerte, eller engang tilgjengelige. Halvparten av jobben for en dataforsker er faktisk å få dataene i en form der man kan analysere dem. Man må tvinge dem til å ta på den skitne virkeligheten, og det finnes ingen unntak.

Her er en teknikk jeg lærte av Ragnvald Sannes – jeg kommer tilbake til ham senere. Når studentene velger semesteroppgave, gjør vi det slik: Hver student lager en håndskrevet plakat der de presenterer hva de vil skrive om: hvilken bedrift, hvilket problem de vil løse, og så videre. Alle presenterer; det tar et minutt eller to hver, avhengig av hvor mange studenter vi har. Så snart du er ferdig med å presentere, limer vi arket opp på veggen, så vi får alle disse plakatene langs veggen. Når alle er ferdige, går alle opp og stiller seg foran plakaten sin. Jeg ber folk legge merke til hvor alle står, og så erklærer jeg markedet for åpnet. Og du må finne en gruppe, og du må gjøre det der og da. Det er engasjement. Når jeg gjør det, ser klasserommet slik ut to minutter senere. Og det er det man vil se: studenter som engasjerer seg aktivt og finner problemer. Og man må tvinge dem til å gjøre det.

En annen ting jeg gjør er at jeg ikke legger så stor vekt på teori, fordi teori kan man finne i andre kurs, og man kan også finne den på nett eller andre steder. Det er ganske vanlig å ha en gjesteforelesning eller to. Jeg har mange flere. Dette semesteret har jeg fire kurs, og dette er gjesteforelesningene som er booket så langt. Jeg går ut og rekrutterer alle disse næringslivsfolkene og får dem til å komme, og jeg ber dem ikke om å undervise. Jeg ber dem snakke om det de gjør. Så jeg spurte Geir Karlsen: Hvordan er det å lede Norwegian, og hvordan klarte du å snu selskapet? Eller jeg spurte Torstein Berg hvordan han har klart å starte og finansiere tre–fire svært vellykkede selskaper. Eller jeg snakket med Andreas Solbakken om hans serieentreprenørskap helt siden han var 16 år. Og disse folkene kommer tilbake, fordi de blir bedt om ikke å være lærere, men om å være næringslivsfolk. Hele poenget er å gi en opplevelse i klasserommet som man ikke kan få på nett eller gjennom KI.

Og så samarbeider jeg, og jeg eksperimenterer med mestere. Jeg underviser aldri alene. Det er dyrt, igjen, så dette må dere finansiere. Men kursene blir mye bedre når man er to. Hvis du noen gang har hørt på en podkast, vet du at det er to personer, fordi de snakker med hverandre og det blir en samtale. Og jeg finner mestere jeg kan samarbeide med.

Så jeg har en mester i interaksjon: den beste case-læreren jeg noen gang har møtt. Han heter Bill Schiano. Han er ikke her; han er ved Bentley University. I 1996 satte vi sammen et kurs der vi hadde videoundervisning over Atlanteren og lot studentene danne grupper over Atlanteren for å løse forretningsproblemer. Det fikk oss inn i Aftenposten, og etter hvert skrev vi en bok sammen som heter Teaching with Cases, med alle slags tips og triks for å skape dette engasjementet.

Så har jeg en mester i relevans – en som virkelig kan næringslivet og kan bidra med relevans. Hun heter Berit Svendsen. Da Berit sa opp jobben som administrerende direktør i Telenor Norge, hørte jeg det på radioen, og jeg stoppet bilen og ringte Inge Jan Henjesand, den tidligere presidenten, og sa: «Ansett henne.» Og det er den eneste gangen han har hørt på meg. Vi har et kurs sammen som heter Det verdiskapende styret, og jeg bruker skamløst Berit for hennes relevans og hennes forbindelser i næringslivet. Den første forelesningen vi hadde, sa hun: «Jeg må gå tidlig, for det er noe som skjer.» Vi underviste i styrearbeid – og dagen etter stod det i avisen at hun var blitt kåret til Årets styreleder.

Jeg har en mester i forklaring. Han heter Chandler Johnson. Jeg visste ingenting om maskinlæring – eller jeg visste litt; jeg kunne statistikk – men jeg ville lære. Og den beste måten å lære noe på, er å ha et kurs i det. Så jeg satte opp et kurs i analyse, som ga Chandler tilgang til næringslivsfolk og meg tilgang til Chandler. Nå har vi holdt det ti ganger, og nå kan jeg undervise i maskinlæring. Slik gjør man det.

Jeg har en mester i diplomati. Han heter Stein Gjessing. I sju år ville jeg lage et kurs som blandet ekte teknologi – informatikk fra Institutt for informatikk ved Universitetet i Oslo – med forretningsdelen levert av BI: Norges største universitet og den største handelshøyskolen, to stopp fra hverandre på T-banen. Hvor vanskelig kan det være? Det viste seg å være veldig vanskelig. Men Stein loset dette gjennom et svært skeptisk fakultet ved Universitetet i Oslo. Jeg var ikke like vellykket med å lose det gjennom en svært skeptisk organisasjon her lokalt. Så vi måtte gjøre det på universitetet, og vi kalte det Digital økonomi og ledelse – først bachelor, så master – og det ble Norges mest populære studieprogram: 3000 søkere til 27 plasser. Jeg fikk telefoner fra foreldre som sa: «Kan du få datteren min inn?» Det er fortsatt det mest populære programmet ved instituttet, og vi kom på forsiden av Dagens Næringsliv.

Og sist, men ikke minst, har jeg en mester i innovasjon, og han heter Ragnvald Sannes – en mester i innovasjon i undervisning. Vi har gjort mye sammen. Han er ekspert på prosessen med å bygge opp et kurs, og hele denne prosessen jeg bruker, der studentene velger et prosjekt tidlig og vi loser dem gjennom hele kurset, har jeg lært av ham – inkludert dette trikset med alle plakatene. Hvis dere vil se et virkelig fint klasserom, så gå og se på Ragnvald Sannes-auditoriet, som ligger like her borte. Det har ikke fått det skiltet på veggen ennå, men det kommer.

Vi har laget mange kurs. Det som har vært morsomst, er kurset vi holdt i 20 år, som het Strategisk forretningsutvikling og innovasjon. Det gjorde vi sammen med Accenture i Sophia Antipolis, en teknologipark i Sør-Frankrike. Bivirkningen var selvsagt at vi hver oktober måtte til Antibes i en uke eller to – og Egil betalte for det, eller forgjengerne hans – og vi dro med konene våre og med Ellen Heggelund, som er en mester i kursadministrasjon. Det gjorde vi i 20 år. Det var en pine, men noen måtte jo gjøre det …

Hva bør høyere utdanning og BI gjøre? Vel, her er en liten liste å tenke på. Saken er den: BI gjør allerede mye. Jeg er ikke like bekymret for BI som jeg er for andre høyere utdanningsinstitusjoner. Og grunnen er veldig enkel: Vi har ikke to milliarder kroner i grunnfinansiering. Vi må – og vi gjør ganske mye.

Vi har et ord som heter employability – arbeidsrelevans – som Egil har satt på dagsordenen. Det betyr at vi må bry oss mye om at studentene våre får jobb, fordi det er kontrakten vår. Hvis du ikke vet hva du skal gjøre, gå på BI – du kommer til å få jobb. Det er vår uskrevne kontrakt. Så employability står nå på dagsordenen. Hva det er, vet jeg ikke, men det står på dagsordenen.

For det andre har vi noe som heter Doing Sustainable Business. Jeg skulle være med på det, men så ble jeg syk, og det gjør meg virkelig lei meg, for det er et fantastisk kurs. Det er avslutningskurset på bachelorprogrammet. Det har tre og et halvt tusen studenter som jobber med caser i grupper på tvers av studieretninger. Og saken er den: Jeg var på Harvard Business School for omtrent tre år siden og diskuterte case-undervisning med dem, og de snakket om dette programmet og sa at ingen gjør noe slikt. Vi er den eneste skolen i verden som gjør det. 70 faglige ansatte er involvert. Dette er flott. Det er dyrt, Egil, så du må fortsette å finansiere det, fordi det er viktig.

Vi har dette bygget. Dette bygget har klasserom der studentene kan se hverandre. Dette bygget er vakkert. Dette bygget er interaktivt. Dette bygget er rent. Når jeg drar til visse andre institusjoner, må jeg ta med mine egne tusjer, fordi det ikke finnes tusjer i klasserommet. Her testes tusjene hver morgen for å sikre at de virker. Vi har infrastrukturen. Folk drar til andre institusjoner i Oslo, ser seg rundt på brutalistiske betongbygg, og så kommer de hit og tenker: «Hmm – de neste fem årene av livet mitt.» Dette bygget er, om ikke det viktigste, så i hvert fall det mest synlige konkurransefortrinnet vi har. Jeg har prøvd å drive case-undervisning i klasserom der studentene bare kan se rett frem. Det er ikke lett. Vi har U-formede klasserom. Vi har teknologien, vi har infrastrukturen, og vi forstår hvor alvorlig problemet er. Og det er viktig.

Men vi må endre ting, og her er det jeg mener vi må endre. Vi må endre rekruttering og belønning. Vi må belønne undervisning, undervisningsinnovasjon og undervisningsutvikling like mye som vi belønner forskning. Hvorfor heter det «undervisningsplikt»? Bli kvitt det ordet. Det er noe man gjør – det er det viktigste vi gjør.

Vi må endre innovasjonsprosessen fra stage-gate til eksperimentell. Når jeg underviser i innovasjon – eller rettere sagt, når Ragnvald underviser i innovasjon – snakker vi om gamle prosesser, der man kommer opp med en idé, presenterer den for en komité, og de bestemmer ja eller nei; og mer moderne prosesser, der man utvikler en prototyp og tester den i markedet. Og det er litt rart for meg at vi bruker den gamle modellen og ikke den nye. For nesten all innovasjon på BI har skjedd fordi noen bare gjorde det. En av grunnene til at vi rangeres så høyt, er at vi har et kinesisk program, og det kinesiske programmet ble laget av et par faglige ansatte som bare dro dit og gjorde det. Det var ingen formell beslutningsprosess. Så vi må kunne eksperimentere.

Vi må motarbeide regulering som legger lenker på innovasjon. Et av problemene vi har med KI, er at vi må endre måten vi vurderer på. Hvis du drar til Harvard, MIT, IMD, INSEAD, Darden eller London Business School, blir du vurdert ut fra hva du sier i klasserommet. I Norge har vi ikke lov til å gjøre det. De beste universitetene i verden gjør det. Det må vi gjøre noe med. Vi må slutte med denne forestillingen om at karaktersetting er en kontrollerbar og målbar prosess. Det er skjønn.

Og vi må tolerere innovasjon selv om vi ikke liker den – selv om vi ikke liker personen. Husker dere den artikkelen om kanonene? En av grunnene til at det tok 30 år, var at fyren som forbedret skytingen fra 7 % til 80 %, eller noe sånt, var en arrogant drittsekk. Ingen likte ham. En annen grunn var at han lot skytteren selv bestemme når han skulle fyre av, i stedet for at en offiser ropte «fyr». Man måtte kompensere for at skipet rullet, og skytteren kunne faktisk gjøre det – noe som betydde at beslutningsretten ble flyttet fra dem som tradisjonelt hadde den. Det kan vi ikke gjøre. Vi må teste i markedet og så gjøre det som virker.

Så det vi egentlig må gjøre – og jeg har brukt dette uttrykket mange ganger, men jeg mener det er veldig, veldig viktig – er å beskytte fremtiden mot fortiden.

Ellers ender vi opp med å holde hester.

Tusen takk.

Tiltredes!

Til nåværende og tidligere studenter, venner, kolleger, samarbeidspartnere:

4. november kl. 1400 holder jeg min tiltredelsesforelesning som dosent («teaching professor») på BI. Jeg kommer til å reflektere litt over hva jeg har holdt på med og hva jeg har lært – og si noe om hvordan jeg tror høyere utdanning kommer til å måtte endre seg (selvfølgelig mer i retning av det jeg driver med) i møtet med den tekniske disrupsjonen kunstig intelligens representerer.

Så hvis du har et par timer til overs og lyst til å høre om dette, kan du melde deg på, enten på websiden eller direkte på denne lenken.

Vi sees!

PS: Liten oppdatering: Det blir videotilgang for de som ikke kan komme fysisk – bare å trykke på denne lenken: https://bi.cloud.panopto.eu/Panopto/Pages/Viewer.aspx?id=40d2bc1d-97b8-4cc1-b7c1-b4f7007fd80e

PSPS: Det blir opptak også, det legger jeg ut etterpå (medmindre jeg er misfornøyd med hvordan det gikk…)

Velkommen til Det Verdiskapende Styret!

Til høsten er det tid for en ny runde med BIs nye styrekurs på masternivå: Det verdiskapende styret. Kurset går over tre moduler frem til jul – pluss noen webinarer før og mellom modulene – og målet er å utdanne folk som kan bidra ikke bare til å besette styreplasser, men aktivt å hjelpe ledelse og bedrift å forholde seg til endringer i omgivelser og konkurransesituasjon.

Som for tidligere år, så har jeg har fått et stjernelag til å hjelpe meg – og for å introdusere dem, har jeg laget noen små videoer der de får anledning til å gi en smakebit på hva de kommer til å bidra med gjennom kurset:

Berit Svendsen har lang erfaring som styreleder, -medlem og toppledelse, bl.a. som administrerende direktør i Telenor Norge. Hun ble årets styreleder i 2024. Berit har tidligere hatt en stilling som executive in residence på BI, og hun og jeg har samarbeidet i mange år om alt mulig innen teknologi, ledelse og strategi. Hun stiller kontinuerlig rolle gjennom kurset og dele av sin erfaring og sine refleksjoner. I videoen her forklarer hun litt om hvordan hun ser styrets rolle i forhold til eksterne utfordringer, og litt om den menneskelige siden ved styrearbeid, særlig styret som arbeidsgiver for administrerende direktør.

Tore Bråthen er professor dr. juris ved BI, og vil ta ansvar for to viktige tema: Styrejus og styreansvar. Det snakkes mye om at et styre skal ta et strategisk ansvar og være en sparringpartner for eiere, ledelse og administrasjon, men til syvende og sist er det jus som gjelder, og styreansvar skal man ikke spøke med. I tillegg til å være en glimrende foreleser, har Tore utmerket bakgrunn for å snakke om disse temaene, siden han har vært involvert i å utrede og skrive de lovene som gjelder for styrearbeid.

Thomas Borgen er Ph.D. stipendiat ved BI og har hatt lang erfaring fra på styresiden og administrasjonssiden, bl.a. som styreleder i Kongsberg Digital og Scanship, tidligere adm dir Danske Bank, nå også seniorkonsulent for Bain & Co. Thomas har lang erfaring fra vanskelige beslutningssituasjoner og vil ta med seg dette inn i kurset – i tillegg til sin forskning som stipendiat.

Ketil Hveding er høyskolelektor ved BI Trondheim, underviser på BIs grunnleggende styrekurs og har lang erfaring som styreleder, styremedlem og konsulent for små og mellomstore bedrifter. Ketil vet noe om forskjellen mellom store og små selskaper – en verden der reglene er mange og rollene som eier, styremedlem og bedriftsleder kanskje ikke like avklart som de burde være.

Selv kommer jeg til å snakke om teknologiutfordringer (særlig AI), styrets ansvar i innovasjon og strategiarbeid, og alt mulig annet. I tillegg kan jeg love masse gode gjesteforelesere rett fra frontlinjen!

Og med det – vel møtt! Kursets webside finner du her: https://www.bi.no/studier-og-kurs/kurs/masterprogram/det-verdiskapende-styret/

Hva om vi alle får rådgivere som Donald Trump?

For noen måneder siden hadde jeg en videokonferanse med et ungt menneske som lurte på om hun skulle søke doktorgradsstudium på BI. Vedkommende var atypisk i mange dimensjoner fra de fleste doktorgradsstudenter jeg har møtt, men hadde tatt en mastergrad, likte jobben med masteroppgaven, og lurte på om det å fordype seg ytterligere kunne være det neste. I tillegg – og her er poenget – hadde hun blitt anbefalt å vurdere en doktorgrad av sin AI-baserte coach.

Vi diskuterte litt frem og tilbake, og jeg anbefalte henne å søke. Om hun gjorde det, vet jeg ikke. Men jeg ble sittende og tenke etterpå.

ELIZA-samtale (fra Wikimedia)

Det å ha en coach, terapeut, rådgiver eller for den saks skyld venn å snakke med, er jo i seg selv ikke noe negativt. Ei heller er det negativt at denne coach’en er digital – den er i alle fall billig (foreløpig) og tilgjengelig til alle døgnets tider. Gitt at den er «promptet» skikkelig (rolle, situasjon, målsetting) vil vel også svarene være noe i retning av hva en menneskelig coach. Og digitale samtalepartnere har jo lange tradisjoner, som Joseph Weizenbaums Eliza viste – i 1966!

Men hva slags motivasjon har en slik coach – eller, for å si det på AI-språket: Hva er dens belønningssystem (reward function), og hvordan påvirker målsettingen hvilke svar den gir?

Svaret er at de i hovedsak er designet til å være hyggelige mot oss.

Belønninger former resultater

Store språkmodeller svelger enorme tekstmengder og trener seg opp å forutsi neste ord i en rekkefølge, ved en rekke matematiske prosesser, hovedsaklig matriseregning (glimrende forklart i denne videoserien.) Etter denne treningen gjennomgår modellen en finpussfase kalt Reinforcement Learning from Human Feedback (RLHF). Mennesker rangerer modellens svar, og modellen justeres mot å produsere svar med høy rangering. Et av problemene med denne prosessen er at vi mennesker liker å få rett: Vi liker svar som bekrefter våre antagelser, som er formulert med selvtillit og en viss autoritet, og som ikke utfordrer oss for mye. Dermed lærer ikke nødvendigvis modellene å bli sannferdige eller kloke. De lærer å være behagelige.

Dette blir et utbredt problem etterhvert. Sharma et al (2023) fant at ulike modeller hadde en tendens til å være smigrende. (Det engelske utrykket er sycophancy, norsk sykofant, en person som smigrer – og et ord jeg synes burde brukes mer). Modellene endrer korrekte svar når brukeren uttrykker tvil, gir etter for press selv om de har rett, og tilpasser meninger til hva brukerne signaliserer at de ville høre.

Av og til kan smigeren bli for åpenbar: I april 2025 slapp OpenAI en oppdatering av GPT-4o som hyllet trivielle innfall som geniale, bekreftet tvilsomme forretningsidéer som strålende, og strøk brukerne såpass mye med hårene at det ble pinlig. OpenAI rullet tilbake oppdateringen og publiserte en forklaring der de innrømmet at de hadde lagt for mye vekt på kortsiktige tilbakemeldinger fra brukerne i treningsprosessen.

Problemet er at det er ikke så lett å måle om et svar er godt, i hvert fall ikke en måte som er skalerbar, rask og billig. Reinforcement learning – å la maskinen prøve seg om og om igjen til ting blir riktig – fungerer så lenge det finnes et klart formulert mål, enten dette er å spille Breakout eller diagnostisere kreft. Det å ikke ha data – spesifikt, data med korrekte svar å trene mot – er den vanligste grunnen til at analyseprosjekter mer eller mindre mislykkes, noe jeg har sett mange ganger i kursene mine.

Problemstillingen kalles «AI alignment» og er ikke enkel. Anthropic har forsøkt seg med noe de kaller «constitutional AI«, som i hovedsak går ut på å la modellen måle sine svar opp mot anerkjente verdier – som FNs menneskerettighetserklæring. Dette er også en teknikk som blir anbefalt av produsentene av modellen selv: Bruk modellen til å være kritisk til hva den selv sier.

Digital Trumpisme

Donald Trump omgir seg med rådgivere som snakker ham etter munnen. Han har klart målbare målsettinger – kortsiktig popularitet og kortsiktig økonomisk gevinst – og ingen som helst sperre på hvor sterkt og åpent de uttrykkes. Siden han kan velge sine medarbeidere, foretrekker han de som skryter av ham heller enn å gi ham motstand, og dermed ender man opp med noksagter som Pam Bondi, fanatikere som Pete Hegseth eller værhaner som JD Vance.

Den katolske kirken hadde tidligere noe som heter «djevelens advokat» – en person som har som oppgave å argumentere kraftig og nesten vitenskapelig mot at en person skal erklæres for helgen. Christopher Hitchens var ganske imponert over de katolske geistlige som besøkte ham da Mor Theresa skulle kanonseres. De lyttet nøye til hans motforestillinger både mot hennes gjerning og de miraklene som skulle gi henne helgenstatus – men trass i gode begrunnelsen ble hun altså helgen. Med andre ord, det hjelper lite å ha institusjonelle motforestillinger, digitale eller ikke, hvis de ikke blir lyttet til.

Og dit kommer vi kanskje. Jeg har hatt en hel del studenter som har kommet til meg med AI-resultater og presentert dem som sine egne. Men jeg har ennå ikke hatt noen som har insistert på at det AI har produsert er sant, og lurer litt på når det skjer og hva jeg skal si da (uten å eksplodere). Den første generasjonen studenter som har hatt tilgang til språkmodeller uteksamineres i disse dager, og de liker ikke AI, delvis fordi de er usikre på om de faktisk kan noe, delvis fordi arbeidsmarkedet for nyutdannede er dårligere enn det har vært på lenge, noe som tilskrives AI.

Men det spørs jo om ikke det behagelige etter hvert blir det sanne og eneste. Slik det har blitt for Trump.

(Og ja, jeg startet dette innlegget med Claude, men endte opp med å skrive neste hele greia selv, siden jeg skriver forblommet nok som det er, uten hjelp fra en entusiastisk språkmodell.)

Om å være i verden

For tiden leser og diskuterer jeg mye om kunstig intelligens (som alle andre, for den saks skyld, men jeg har sabbat og nye – i dette tilfellet, ikke så nye – teknologier er jo det jeg driver med og underviser om.)

En av refleksjonene jeg har rundt det er «du verden, så lite ting har endret seg.»

Jeg havnet først opp i diskusjonen om kunstig intelligens på 80-tallet, da jeg jobbet i IT-avdelingen på BI og var heldig nok til å ha en sjef (Erling Iversen) som leste mye og var plugget inn i AI-diskusjonen slik den var den gang. Via ham, Fred Wenstøp, etter hvert Charles Stabell og Øystein Fjeldstad ble jeg introdusert for bøker som Heins Pagels Dreams of Reason, Bolters Turing’s Man, Hofstadters Gödel, Escher, Bach (som Erling pleide å si, «det finnes to slags IT-folk, de som har lest Hofstadter og de som ikke har gjort det.»), Rumelhart og McLellands Parallel Distributed Processing og noe senere Resnicks Turtles, Termites and Traffic Jams. (Blogget om her.)

Alle disse bøkene, og de ideene de inneholder, kan hjelpe oss å forstå hva kunstig intelligens er og hvordan vi skal håndtere den. Den forståelsen er viktig, for i dag begynner AI å blir allemannseie (omtrent som PCer på sent 80-tall, internett i andre halvdel av 90-tallet, mobil og sosiale medier på 2000-tallet) og jeg ser i alle fall at de samme misforståelsene og forventninger som var gjeldende da, også gjelder for AI.

Da kan det være verdt å se litt på tidligere diskusjoner om AI, for nesten alt man ser av argumenter har vært fremført før og har ikke mistet gyldighet selv om språkmodeller nå kan kjøres i stedet får bare å beskrives. Den viktigste kritikken av AI – og særlig om maskiner noengang kunne oppnå en eller annen form for intelligens – kom fra Hubert Dreyfus, en filosof som satte spørsmålstegn ved mange av forutsetningene som lå til grunn for tanken om at bare maskinen blir kraftig nok, blir den smart. Dreyfus artikulerte tidlig det som blir klarere og klarere etterhvert som nevrale nettverk blir allemannseie: At hjernen ikke er en datamaskin, selv om deler av den kan simuleres av et nevralt nettverk uten kontekst; og at et nevralt nettverk ikke er en hjerne, selv om det kan produsere noe som ved første øyekast ser ut som intelligens. Tenking er ikke beregning, og beregning er ikke tenking, ganske enkelt.

Jeg fant forleden en film på Youtube som beskriver og illustrerer mange av Huberts poenger, særlig det at kunnskap lages i en kontekst og ikke kan reproduseres fritt fra den. Filmen tar for seg en rekke kunstnere og andre med dyp kunnskap, og viser hvordan den kunnskapen og resultatene av den skjer i samspill både med ens egen kropp og omgivelsene. Som Dreyfus sier i filmen: «the source of meaning in our lives isn’t in us – that’s the Cartesian tradition – and it isn’t in some supreme being, but it is in our way of being in the world.» (https://youtu.be/fcCRmf_tHW8?t=4629).

Et av utsagnene synes jeg er spesielt interessant: «One of the dangers of technology is that it relieves us of the necessity of developing skills.» Ideer og kunnskaper kommer ofte som et resultat av begrensninger, av hindre som man må komme over. Med kortere og kortere avstand mellom ønske og oppfyllelse, vil vi ende opp som bortskjemte døgenikter alle sammen?

Sannsynligvis ikke, for vi vil ha kontekst og interaksjon. Plus ça change, plus c’est la meme chose…

Økonomisk teori som tegneserie

Kjapt innlegg her med en liten anbefaling av denne filmen, som gir en kjapp forklaring av ulike økonomiske teorier – eller “skoler” om man vil – gjennom tidene. Som halvstudert økonom kunne jeg jo ønsket meg litt mer dybde rundt f.eks. transaksjonskostnader og er kanskje også litt uenig i noen av klassifiseringene, men dette setter nok mye på plass.

Og, ikke minst, gir en oversikt til den som måtte tro at økonomisk teori kun handler om penger eller politikk.

Hvordan vite om en strategi er en strategi?

(Denne bloggposten ble først publisert på Comunita.no – et ledernettverk for folk med interesse for, nettopp, strategisk forretningsutvikling. Ta kontakt om du ønsker å vite mer om Comunita!)

Enhver bedrift med respekt for seg selv har en strategi – gjerne i form av et dokument, elektronisk eller ikke, med i alle fall en versjon av følgende punkter:

  • Misjon: Hva selskapet skal gjøre
  • Visjon: Hvor selskapet skal gå i fremtiden
  • Strategiske hovedmål: Konkretisering av visjonen
  • Strategiske hovedtiltak: Konkretisering av hvordan man skal oppnå målene
  • Strategiske delmål
  • Strategiske deltiltak
  • …og så videre

De fleste strategier av denne sorten, hvis de finnes, ligger på en intern webside (ikke lenger i en skrivebordsskuff i disse digitale tider) og har svært lite med bedriftens daglige virke å gjøre. Om man spør medarbeiderne om bedriftens strategi – i hvert fall om den har kommet opp i noen som helst størrelse – har de i beste fall en diffus mening om endringer i omgivelsene man etterhvert skal forholde seg til.

Hvorfor er det slik?

Årsakene kan være mange, men jeg tror de vanligste er: Strategiene er ikke reelle valg, de er for vage, og det settes ikke ressurser inn bak gjennomføringen.

Strategi som valg

Forretningsstrategiens far, Michael Porter (1996), refererte alltid til strategi som valg – at man tar et reellt valg mellom ulike mål og fremgangsmåter. Skal valg være reelle, må de innebære at man har valgt noe bort, og det man velger bort er noe man kunne ha gjort.

Jeg pleier å fortelle mine studenter om Claude Shannon og hans tese om at et utsagns informasjonsinnhold er omvendt proporsjonalt med sannsynligheten for å motta det. Med andre ord: Dersom bedriftens strategi er å vokse og tjene penger, har man valgt bort å krympe og tape penger. Ikke mye til valg, ikke sant?

Skal man vurdere hvor god en strategi er, kan man jo stille seg spørsmålet: Hva er det strategien sier vi ikke skal gjøre, eller hva vi skal gjøre mindre av? Hvis vi skal prioritere alt, prioriterer vi ingenting, og da har vi ikke tatt noen valg, strategiske eller ikke.

Strategi som oppskrift

En strategi skal sette en retning: Hva skal bedriften oppnå, og hvordan skal den gjøre det? Det kan en strategi inneholde, men likevel være så vag at den ikke gir noen rammer for dem som faktisk skal gjennomføre den.

Skal man nå et mål, må man også ha en formening om hvordan man skal komme dit: Skal man ansette flere selgere, for eksempel, gjøre endringer i produkter eller tjenester for å oppnå noe bestemt, eller skal man gå etter et nytt marked?

Det er fristende å trekke en parallell til sport: En trener som sier at hans eller hennes strategi er å vinne et mesterskap i år, er ikke troverdig uten at det følges opp med hvordan – gjerne i form av hva som er sterke og svake sider med eget lag og hva han eller hun har tenkt å gjøre med det.

For mange virksomheter innen nærlingsliv og offentlighet ser det imidlertid ut til at det holder med å si at strategien er at man skal ha fornøyde kunder, god lønnsomhet og motiverte ansatte. Hvordan man skal få til dette, derimot, glimrer med sitt fravær, ikke bare i den delen av strategien som ender opp på websiden, men også i det som kommuniseres internt.

Et godt styre og/eller krevende eiere vil kunne holde ledelsen i ørene her, og det er deres jobb å kreve at ledelsen vet hvordan, ikke bare hvor.

Strategi som prioritering

En strategi er ikke en strategi hvis den ikke følges opp med ressurser til å sette den ut i livet. Ressurser kan være penger, produksjonskapasitet, personale, eksperter, tilgang til kunder, og ikke minst myndighet til å sette ting ut i livet.

Det er viktig å merke seg at ressurser er relative og betyr noe over tid. Det som er en strategisk satsing for en liten bedrift kan være lommerusk for et globalt konsern. Jeg har sett en hel del satsinger fra store selskaper omtales som strategiske fra utsiden, men verken penger eller ledelsesoppmerksomhet tilsier at så er tilfelle.

Det er heller ikke strategisk ressursallokering å sette inn penger for så å endre kurs like etterpå – som man ofte ser hvis strategien er basert på moteretninger. Da er det bedre å klassifisere noe ressursbruk som eksperimenterende, sette korte tidsfrister, og så gå videre dersom det kommer noe ut av dem.

«Strategisk» bør brukes med forsiktighet

Ordet «strategisk» er lett å gripe til – og innenfor kyniske konsulentmiljøer sies det ofte at det betyr «noe som jeg ikke kan regne hjem men vil gjøre likevel.»

Men «strategisk» bør brukes med forsiktighet. Det skal noe til for å omtale noe som strategisk – og det er ikke sikkert at det som er strategisk for en virksomhet er det for en annen.

Av og til kan det bli helt meningsløst.

For noen år siden var jeg tilstede på et stort internt arrangement i en av Norges største bedrifter. Anledningen var at man hadde bestemt seg for å standardisere all programvare i bedriften til Microsoft. Steve Ballmer, Microsofts den gang administrerende direktør, dukket opp via videokonferanse og leste opp et manuskript om hvor glad han var for at bedriften og Microsoft skulle begynne et strategisk samarbeid, men for meg var det nokså klart at han ikke helt visste hvilken bedrift han snakket til eller hvor i verden den holdt til. Episoden fikk min meget erfarne konsulentsjef til å bemerke at han kjøpte alt sitt undertøy hos Marks & Spencer, uten at han ville kalle det et strategisk samarbeid av den grunn.

Så, neste gang du snakker om din strategi eller at noe er strategisk: Representerer strategien et reellt valg, er den spesifikk nok til at organisasjonen vet hva den skal gjøre, og har du allokert nok ressurser til at den kan gjennomføres?

Hvis ikke, skal du kanskje finne et annet ord å bruke…

Referanser:

Porter, M. E. (1996). «What Is Strategy?» Harvard Business Review 74(6): 61-78.

Shannon, C. E. (1948). «A Mathematical Theory of Communication.» The Bell System Technical Journal: 379–423, 623–656.

Tanker etter «Det verdiskapende styret»

Tid for litt refleksjon etter å ha avholdt – og (snart) sensurert – det nye kurset «Det verdiskapende styret», arrangert for første gang høsten 2024.

Kurset har vært en fornøyelse å utvikle og undervise. Per i dag har BI en rekke styrekurs på grunnleggende nivå, enten alene eller i samarbeid med institusjoner som NHO eller Landbrukssamvirket. Med lovendringen om minst 40% av hvert kjønn i styrer var det naturlig å tilby et styrekurs innenfor BIs Executive Master of Management-program, som har høy kvinneandel allerede.

Når jeg utvikler kurs, tar jeg ikke utgangspunkt i et fagområde, men heller i en oppgave studenten skal være i stand til å utføre når kurset er gjennomført. Jeg ønsket å utdanne folk som kunne delta i styrer for bedrifter i utvikling, der styrets rolle er både å ha kontroll med hva som skjer og sørge for fokus på strategi og fremtid. Innenfor pedagogikk kalles dette «constructive alignment» – det vil si at man utvikler kurs og læremidler ut fra det som er viktig for studentene å lære (læringsmålene), ikke ut fra hva man selv ønsker å forelese eller hva som er vanlig innenfor fagområdet.

Det er enkelte ting du bare ikke kommer utenom i et styrekurs. Jus må til – man vil aldri komme unna styreansvar, og Aksjeloven gir styret mandat og oppgaver. Noe økonomi må man også ha – det hjelper ikke å fortelle Skifteretten eller Skattedirektoratet at man ikke er så god på (eller interessert i) regnskap når egenkapitalen er brukt opp. Resten blir en blanding av strategi, ledelse og nye utfordringer, som ny teknologi, nærmest eksploderende AI, og ESG-rapportering og – integrering).

Folk som rekrutterer til styrer, ser etter to ting: Ledelseserfaring og domenekunnskap. Begge deler er kunnskap der man nok kan lære noen prinsipper og rammeverk gjennom lærebøker, men i en styresammenheng er man nødt til å kunne sette ting ut i praksis, og da bør man ha erfaring med å bruke kunnskapen, ikke bare gjengi den.

Hva skal kurset inneholde?

Gitt at et styrekurs kan være alt og ingenting – for styret har ansvar for hele bedriften, uten at de skal legge seg opp i detaljene – valgte jeg å definere innholdet i kurset gjennom å rekruttere et supert team, som så igjen bidro med det de kunne best.

Den viktigste personen å rekruttere var absolutt Berit Svendsen, som jeg ville ha som en makker og sannhetsvitne. Berit har vært til stede på det meste av kurset, har bidratt med kommentarer, presentasjoner, veiledning og ikke minst ved å la meg trekke på sitt fantastiske kontaktnettverk. Hun gikk for sikkerhets skyld også bort og ble kåret til årets styreleder i løpet av kurset, noe som gir en uovertruffen legitimitet!

Resten av teamet fant jeg på BI: Thomas Borgen bidro med sine erfaringer og kontaktnett både som toppleder og styremedlem. Tore Bråthen bidro med sin uovertrufne juridiske kompetanse og et grundig og reflektert perspektiv på hva bærekraftskravene innebærer. Og Ketil Hveding bidro med den basale, men akk så viktige økonomiske forståelsen og et perspektiv på små og mellomstore bedrifters utfordringer. Ketil spiller også en nøkkelrolle i å ta ting fra BIs eksisterende styrekurs inn i dette kurset – jeg ser også frem til å ta endel av det vi – og studentene – har jobbet med og bruke det til å berike de kursene vi har fra før. Ikke minst: Jeg ba pent om å få Mari Berg Henie som administrator – hun er strukturert og kunnskapsrik og dessuten administrator på de to andre exec-kursene jeg har hatt dette semesteret, noe som gjør at koordineringen blir svært enkel.

Ellers har kurset vært preget av en fantastisk samling gjesteforelesere, både for å gi et forankret perspektiv på hva det vil si å sitte i et verdiskapende styre, men også for legge et grunnlag for videreutvikling av kurset: Det er først når man hører fra de som har skoene på at man vet hva som er viktig og relevant. (Constructive alignment, igjen…).

Gjesteforelesere har vært:

  • Eivind Reiten, som snakket om forholdet til eierne. Eivind er styreleder for bl.a. Kongsberg-gruppen og en av Norges mest erfarne styre- og forretningsledere. Hans perspektiv på hvordan man skal forholde seg til eiere – han har blitt mye omskrevet fordi han ikke vil ta diktat fra statlige eiere – var spesielt interessant fordi han begrunnet det i Aksjeloven, som sier man ikke kan forskjellsbehandle eiere, og at et krav fra en eier, om enn stor, krever et lovlig vedtak fra en generalforsamling. Han lærte studentene at styret har beslutningsmyndighet som skal benyttes på vegne av alle «stakeholders» til en bedrift.
  • Gyrid Skalleberg Ingerø er tidligere CFO for Telenor og Kongsberg-gruppen og må vel nærmest betegnes som styregrossist. Hun delte av sin mangslunge erfaring, svært konkret, om hva man bør og ikke bør gjøre som et verdifullt styremedlem, ned til detaljer om hvordan man holder seg oppdatert om konkurrenter, bransje og teknologi, hvordan man håndterer inhabilitet, økonomi, og risiko. Ikke minst ga hun gode råd om hva man bør tenke på om man blir tilbudt et styreverv, inkludert den risikoen det innebærer (og som det sjelden snakkes om).
  • Øystein Moan deltok på et webinar fra sitt nye hjem i Sveits, og snakket om Vismas utvikling, strategi og sin rolle som arbeidende styreformann (en rolle som er nokså uvanlig i Norge, i alle fall for større selskaper.) Han demonstrerte hvordan strategiformulering, læring og eksekvering i et langsiktig perspektiv gir resultater – og ga gode perspektiver på hvordan man kan organisere opp en bedrift for videre utvikling, sett fra et styre- og topplederperspektiv.
  • Jan-Erik Hareid deltok som representant for venture capital-bransjen. Han er grunnlegger og managing partner i Alliance Venture, og snakket om faser i en bedrifts utvikling og hva man ser etter fra styremedlemmer i de ulike fasene. Han ga investorperspektivet, og snakket mye om viktigheten av å rekruttere og følge opp de folkene som faktisk skal utvikle bedrifter.
  • Thomas Evensen er CEO i OrgBrain, som både er et scale-up selskap (og dermed interessant med de styreutfordringer det medfører). Men OrgBrain er en plattform for styrearbeid, så han har førstehåndsinnsikt i de mange dilemmaer som styrer i små og mellomstore bedrifter må forholde seg til. Og han ga oss nettopp det: Hva skjer i de små bedriftene, hva må de forholde seg til – og hvordan kan de rekruttere og bruke styremedlemmer når de har mindre ressurser (folk og penger) til å gjøre ting formelt?

Case som terminoppgave

Styrearbeid er mye problemløsning, noe som læres gjennom at man løser mange problemer og etterhvert opparbeider seg en evne til å kjenne ting igjen og kunne applisere erfaring fra en problemstilling over på en annen. Jeg bruker caseundervisning for å lære studentene dette – men det finnes i dag ikke mange cases om styrearbeid, verken internasjonalt eller i Norge. Derfor har jeg valgt å la studentenes prosjektoppgaver være å lage cases – finne en virksomhet som står overfor en utfordring der styret må engasjere seg, problemstillingen er komplisert, og det finnes flere alternative tiltak man må velge mellom.

Studentene har respondert svært bra, må jeg si, og caselisten ser slik ut:

  • en samfunnskritisk internett- og telekomleverandør som opplever utfall av halvparten av sin kapasitet, muligens på grunn av sabotasje, og som må finne ut av styrets rolle før, under og etter en slik hendelse.
  • et lit IT-serviceselskap som sliter med vekst i en trang økonomisk situasjon og må vurdere både profesjonalisering av styre og ledelse, og bruk av medeierskap for å kunne rekruttere og beholde de riktige ressursene.
  • en produksjonsbedrift, hjørnesten i et lite samfunn, som opplever svak økonomi og at det konsernet som eier dem begynner å snakke om nedleggelse.
  • et handelsselskap innen for kosmetikk og velvære som ser nye konkurrenter i horisonten, og må vurdere om sittende styre – bestånde av gamle venner – og strategi er hensiktsmessig i en verden der ting ikke er like greit og hyggelig lenger.
  • en familieeid produksjonsbedrift som opplever at deres nylig tiltrådte daglige leder – med lang erfaring i firmaet – sier opp sin stilling for å gå over til en nyetablert konkurrent, til betydelig bedre betingelser.
  • en mindre, uavhengig bank som må vurdere om det er mulig å fortsette som liten, selvstendig og lokal virksomhet i en verden der det stadig kommer nye, kostbare krav til rapportering og ressursbruk (bærekraft, anti-hvitvasking, cybersikkerhet) som lettere kan bæres av en større virksomhet eller gjennom en allianse.
  • Et lite helseforetak som må bestemme seg om de skal være et ideelt eller kommersielt foretak, med de organisasjons- og kulturendringer det vil medføre. Situasjonen skaper et splittet styre, og styreleder må navigere et komplisert landskap.
  • en badeland startet opp som et offentlig-privat samarbeid må balansere mellom børs og katedral: Skal man fokusere på kommersiell virksomhet eller fortsette en mer risikabel tilværelse som et primært offentlig velferdstilbud?
  • et selskap som utvikler elektriske fly må ta vanskelige strategiske valg i forhold til teknologiutvikling, investorer, og markedssituasjon.
  • et selskap som leverer infrastrukturtjenester må forholde seg til at endel av deres ansatte (og ansatte innen underleverandørselskap) kan bli klassifisert som en sikkerhetsrisiko fordi de kommer fra enkelte land, eller har familiemedlemmer som gjør det. Styre og ledelse må vurdere hvilke tiltak man kan treffe, i en balansegang mellom hensynet til nasjonal sikkerhet og ansattes rettigheter.
  • et lite selskap som har utviklet et softwaresystem strever med å komme seg ut av «dødens dal», en situasjon som ikke blir enklere av at man insisterer på at man er i en scale-up fase uten å ha profitable kunder. En potensiell styreleder må bestemme seg for om dette er noe å satse på eller ikke.

Eksamen

I tillegg til cases har jeg for første gang på mange år laget en «lukket bok» eksamen, der studentene kommer inn, tar en eksamen uten hjelpemidler (de bruker PC med en eller annen løsning der de har en låst browser som bare tillater bruk av et online eksamenssystem, såvidt jeg skjønner.) Skoleeksamen er ikke noe jeg liker – det er kostbart for BI, den pedagogiske effekten er diskutabel, og det introduserer en hel del mulige komplikasjoner (studenter som ikke kommer frem til eksamenslokalet, tekniske vanskeligheter, etc.) og en hel del unødvendig stress. Samtidig er BI som institusjon forpliktet til å føre noe kontroll med at studentene – individuelt – faktisk har lært noe. Gruppeoppgaver introduserer muligheten for gratispassasjerer, hjemmeeksamen kan løses av ChatGPT og andre store språkmodeller.

Dermed blir det eksamen. Jeg valgte å lage den med relativt enkle og klare spørsmål, om sentrale emner i kurset («Hva betyr det at egenkapitalen er tapt, og hva er styrets ansvar i en slik situasjon»). Hensikten med en eksamen er rett og slett å kontrollere at studentene har fått med seg det sentrale i kurset, ikke å henge seg opp i esoteriske detaljer. Derfor legger jeg også opp til at studentene får et visst antall (5, denne gangen) spørsmål, hvorav de skal besvare et mindre antall (denne gang 4). Det gjør at studenten slipper å sitte der og ikke huske en eller annen detalj og føle seg knust på grunn av det.

Videre utvikling

En erfaring med kurset er at innholdet stort sett er greit – vi har ikke funnet noen store hull i pensum eller ting som absolutt burde vært tatt med, mener i all fall jeg. Hvis noe, bør vi kanskje ha mer om selskaper i utviklingsfaser, noe om styrehonorarer og muligheter for å bruke aksjeopsjoner og andre mekanismer for tilpasning av mål og incentiver for styre og ledelse. Vi bør også ha mer praktisk om bærekraft og bærekraftsrapportering, og også noe mer om hvordan et styre bør forholde seg til og faktisk gjøre før og i en konkurssituasjon. Teoretisk kunne vi hatt mer om principal-agent problemstillinger (utover diskusjoner om eierstyring), men teoriapparatet der havner ofte opp i situasjoner som er relativt spesielle for norske forhold.

Det viktigste elementet blir å utvikle læringsaktiviteter som gjør at studentene får en viss form for opplevelse av styrearbeid og styrevurderinger. Jeg har tro på caseundervisning, og flere av casene beskrevet over har potensiale til å bli svært gode undervisningscase, som er mangelvare. Prosessen rundt å skrive casene (som jeg kommer til å fortsette med) kan strammes opp og dokumenteres bedre.

Kurset arrangeres neste gang høsten 2025. Noen tilbakemeldinger fra studenter ligger på LinkedIn (her, her, her og her, for eksempel.)

Jeg ser virkelig frem til neste gang – og hvis du trenger gode styremedlemmer, har jeg mange bra kandidater å tilby!

Effektiv omtrentlighet: Hva kan man egentlig bruke GenAI til?

Jeg elsker elegant og presist språk – le mot juste, som Flaubert kalte det – og ChatGPT, Claude, og andre store språkmodeller irriterer fletta av meg med sin utrettelige flom av vokabulært overdimensjonerte omtrentligheter.

Ikke desto mindre er GenAI et faktum. Man kan skaffe seg et abonnement på ChatGPT eller bruke gratisversjonen, eller ta i bruk ulike integrasjoner (med Microsofts CoPilot som den klart vanligste). Felles for denne bruken er at initiativet til å ta i bruk systemet kommer fra enkeltindivider, enten man ber systemet foreslå et svar på en kjedelig epost, skrive en tale til det neste julebordet, eller skrive firmaets strategi (noe forbausende mange selskaper ser ut til å gjøre – luftige ord uten styringssignaler…).

Det er positivt, gir en produktivitetseffekt på enkeltpersonsnivå – i hovedsak at man bruker mye mindre tid på å generere innhold og noe mer på å kontrollere det – men som vi alle vet: De virkelige endringene kommer når vi legger om våre prosesser og organisasjoner etter hva teknologien kan tilby – når vi går fra hesteløse kjerrer til skikkelige biler, for eksempel. Hva kan vi forvente når GenAI ikke lenger omtales som GenAI, men bare er en alminnelig del av systemer og prosesser? Hva kan GenAI egentlig gjøre på organisasjonsnivå?

Skal vi forstå det, må vi se på hva slags underliggende funksjonalitet teknologien tilbyr – eller for å si det med Clayton Christensen: Hva slags jobber kan du ansette ChatGPT til å gjøre?

For meg er det tre hovedjobber: Konversasjon, destillasjon, og fabrikasjon.

Konversasjon: GenAI som samtalende grensesnitt

Et samtalende grensesnitt – conversational interface – er noe vi har vent oss til å bruke etter at søkemotorer ble den vanlige måten å finne informasjon på. Tenk litt på forskjellen på å søke i en database og i en søkemotor: Mot en database må du fortelle ikke bare hva du ser etter (f.eks. alle transaksjoner over et visst beløp), men også hvordan dette skal uttrykkes overfor maskinen – f.eks. med et SQL-utsagn (SELECT id, customer, item FROM transaction_table WHERE sum > 10000). Databasesøk er effektivt og presist, men krever at du skriver søkestrengen svært spesifikt. Hvis det ikke finnes noen transaksjoner som tilfredsstiller kriteriene, får du heller ikke noe svar. Enten er informasjonen der, og da kan du stole på den, ellers får du ingenting.

En søkemotor er noe vennligere: For det første forstår den mer av hva du skriver inn – query processing – og tolererer stavefeil, synonymer og rotete ordstilling. For det andre vil den (nesten) alltid returnere et resultat, som kanskje er feil, men som er den biten informasjon som søkemotoren mener er tettest opp til det du spør om. Dette kan være unøyaktig, men søkemotoren returnerer alltid en peker til et underliggende dokument, som du kan lese og vurdere kvaliteten og påliteligheten av.

Årsaken til at man kaller det et samtalende grensesnitt, er at du skriver et søk, ser resultatet systemet foreslår, og så prøver deg med et mer presist søk inntil du finner det du vil ha. Du har en samtale med systemet – og systemet vil alltid vise et resultat, om enn unøyaktig eller irrelevant. Hva systemet skal svare, er et resultat av hva slags informasjon det har oversikt over, den underliggende søkealgoritmen, men også hva slags resultater eieren av systemet ønsker skal vektlegges.

Generativ AI tar dette samtaleelementet videre, og gir ikke bare lenker til kilder, men setter sammen innholdet i svaret basert i hovedsak på hva den har sett av lignende tekster. Det gjentas ofte til kjedsommelighet at alt en språkmodell gjør, er å forsøke å gjette det neste ordet i en setning – den har ingen formening, i alle fall ikke i utgangspunktet, om hva noe betyr. Når den likevel kan fremstå som både kunnskapsrik og konversant, er det fordi vår egen kunnskap er begrenset og skriftlig språk er lite presist som informasjonsbærer.

Så der vil du finne GenAI – som samtalepartnere i neste generasjon søkesystemer, med evnen til alltid å komme opp med et svar på selv de mest håpløse spørsmål. Den vil være uendelig tålmodig (og dermed både et verktøy for og et våpen mot kommentarfeltets ankelbitere) og har ubegrenset selvtillit. Den gir alltid et svar, men glir rundt grøten og lar seg lett påvirke av populære (eller i alle fall populistiske) meninger. Kvaliteten øker med bruk, siden den er lærenem, men med en målfunksjon preget av mange lokale minima kommer den ikke med reell problemløsning, bare forslag basert på hva den har sett før.

Destillasjon: Umenneskelig apetitt for gørrkjedelighet

Where is the «brief insightful summary» button on the keyboard?
P. J. O’Rourke

Her forleden hørte jeg en presentasjon fra en toppleder som fortalte at hans styre hadde mottatt en 1100 siders rapport fra administrasjonen. Han hadde spurt om de ikke skulle lage et executive summary for styremedlemmene, men hadde fått beskjed om at det kunne de ikke gjøre, for det var viktig at styret hadde lest hele rapporten. Jeg vet ikke hva slags styremedlemmer det var i det styret, men jeg klarer ikke å få doktorgradsstudenter til å lese 1100-siders rapporter, så jeg betviler sterkt at noen av styremedlemmene kom seg gjennom det hele, ei heller i hvilken grad innholdet ble gjenstand for en læreprosess.

Hadde dette styremøtet funnet sted i dag, kunne medlemmene ha kjørt hele greia inn i en språkmodell (forhåpentligvis en med kommersiell lisens, slik at teksten ikke ble del av modellens korpus) og fått ut akkurat så mye oppsummerings om de ønsket. Kommersielle språkmodeller trenes opp ved å lese masse tekst (f.eks. lovtekster, tekniske manualer eller ulike policy-dokumenter) og kan deretter besvare enkel spørsmål om dem – eller summere dem. Dette er supert for studenter som ikke gidder lese for mye (men heller ikke lærer stort) og kjempefint for folk som trenger en kjapp oversikt over hva en bok eller en samling artikler inneholder.

Kvaliteten av oppsummeringen er definitivt caveat emptor – mottakers ansvar – men i en situasjon der det ikke er mulig å komme seg gjennom hele materialet, kan en destillert versjon, produsert om ikke på sekunder, så i alle fall på minutter, være bedre enn å måtte pløye gjennom alt sammen. For advokatfirma, revisorer, konsulentselskaper og innen corporate banking, der enorme tekstmengder skal leses og kontrolleres – for eksempel innen due diligence-prosesser – vil språkmodeller være et nyttig hjelpemiddel, om enn ikke en erstatning.

Et problem her er at forretningsmodellen til slike selskaper ofte er bygget på at kunden betaler (med god margin) kostnaden for alle dem (som regel juniorer) som gjør lesejobben og sammenstillingen. Dette er også der selskapene rekrutterer sine fremtidige ressurser. Jeg har hørt endel ledere innen konsulentselskaper snakke begeistret om reduserte personalkostnader ved bruk av AI, uten at det ser ut til at de er helt klar over at kundene for det første kan bruke disse verktøyene selv, for det andre at deres betalingsvillighet kommer til å gå ned i takt med kjennskap til de nye verktøyene.

Når prisen på en tjeneste går ned, kan vi spare penger, men like ofte skjer det at bruken øker. For språkmodellers vedkommende betyr det at ting som tidligere tok lang tid (lese en artikkel) eller var umulig (lese alle artikler om et tema) nå kan gjøres kjapt og greit, om enn med mindre nøyaktighet og en liten fare for juridiske konsekvenser.

Fabrikasjon: Når originalitet verken er nødvendig eller verdifullt

Amazon has created a new rule limiting the number of books that authors can self-publish on its site to three a day.
The Guardian

Språkmodeller er fabelaktige til å generere tekst og annet innhold – Googles NotebookLLM, for eksempel, produserer podcasts basert på artikler du mater inn. Men du skal ikke ha lest mye slikt innhold (eller hørt på en generert podcast i bilen) før en følelse av hjerneråte setter inn.

Årsaken er at tekstene ikke er originale, noe i hvert fall min hjerne registrerer nokså fort, og at det derfor blir som å spise loff til morgen, lunsj og middag i årevis.

Nå er det slik at en hel del tekster som er nødvendige (og ofte pålagt) innen samfunns- og næringsliv ikke må være originale, for å si det forsiktig. Selv har jeg startet firma og bedt ChatGPT genere vedtekter og annet materiale som skled greit gjennom Brønnøysund. Digitalisering har gjort det enkelt for lovgivere å be om materiale og rapporter, websider skal dynamisk oppdateres, og pressemeldinger om dette og hint skal skrives.

Det som først og fremst kommer til å sørge for mye tekstproduksjon Det er mange eksempler på det – digitalisering gjør det svært enkelt å be om en rapport – men det som først og fremst kommer til å virkelig sette fart i svadaproduksjonen er kravene til ESG-rapportering som nå pålegges alle selskaper. Det begynner med de børsnoterte, men kravene siger nedover til alle underleverandører, noe som allerede har ført til at endel store innkjøpere nå handler lokalt eller innen EU i stedet for å hente varer fra fjernere (og billigere) strøk. Endel krav er lite kjent: Åpenhetsloven, for eksempel, krever dokumentasjon av forsyningskjeder og underleverandører og nesten øyeblikkelig generering og levering av den informasjonen til alle som spør. Kan man ikke det, blir det dyrt, noe et klesfirma nylig oppdaget etter å ha blitt gjenstand for et skoleprosjekt.

Bedrifter generelt har verken økonomi eller ledelseskapasitet til å bygge opp et rapporteringsregime like stort som økonomifunksjonen, spesielt siden det for de fleste bedrifters vedkommende vil ha noen effekt på salg eller produktutvikling. For å si det litt kynisk: Språkmodeller kan bli svært verdifulle ved å automatisere grønnvasking, fordi de kan mer enn å skrive «bedriften forurenser ikke det ytre miljø.»

Bullshit jobs no more

With AI, it is much easier to replace a doctor than a nurse.
Yuval Harari, Nexus

Nå er det slik at det meste av arbeidsoppgavene ovenfor – interaksjon, sammenstilling og generering av standardtekster – i dag gjøres av mennesker, i jobber som i mange tilfelle kan defineres som «bullshit jobs«. Det er få som har som sin brennende ambisjon å være grensesnittet mot et kronglete system, leser av kjedelige tekster, eller produsent av innhold ingen egentlig etterspør.

Ikke desto mindre er det disse jobbene som sørger for kjøpekraft for en betydelig del av befolkningen – og reisen fra samlebånd til customer support er ingenting i forhold til reisen fra brukbar informasjonsarbeider til genuin innholdsprodusent.

Det er dukat för konflikt når venstrehåndsarbeidet forsvinner og alminnelig nyskapning blir en hygienefaktor.

Jeg frykter ikke fotografiet, det kan ikke brukes i himmelen eller helvetet.
Edvard Munch

I Martin Amis’ kostelige roman Lucky Jim finner vi denne beskrivelsen av en skikkelig dagen derpå:

Dixon was alive again.  […] The light did him harm, but not as much as looking at things did; he resolved, having done it once, never to move his eye-balls again.  A dusty thudding in his head made the scene before him beat like a pulse.  His mouth had been used as a latrine by some small creature of the night, and then as its mausoleum.  During the night, too, he’d somehow been on a cross-country run and then been expertly beaten up by secret police.  He felt bad.

Jeg er ganske sikker på at en slik beskrivelse ikke er noe en språkmodell kan komme opp med. Og det er ikke fordi språkmodeller ikke kan bli bakfulle (eller i alle fall late som de er det), men fordi originalitet krever at man kjenner reglene for hvordan noe skal gjøres – og deretter å bryte dem.

Originalitet er viktig, blir viktigere, og vil alltid vil bli premiert. Det er bare det at terskelen for hva som er originalt og nyskapende nå er lagt så mye høyere. Verden kan, for å sitere Paul Graham, bli delt inn i de som skriver godt og de som ikke kan skrive i det hele tatt.

Det blir med andre ord mer og mer verdifullt å finne le mot juste…

Lykke til!

Dette innlegget ble først publisert på Comunita.no, et nettverk av ledere og forretningsutviklere innenfor mange interessante firma. Ta kontakt om du ønsker mer informasjon, eller kanskje et medlemsskap?

Hvordan unngå å plagiere?

Bilde laget ved å spørre ChatGPT 4.0 «Can you create an image of a middle-aged, blonde woman in a business suit having to make a choice between healthy food and junk food?»

Akkurat når dette skrives, er det fremdeles uklart om Ingvil Kjerkhol kommer til å fortsette som helseminister etter å ha blitt tatt i fusk og fått sin mastergrad trukket tilbake. Så kan man diskutere opp og ned om det var med vilje eller ikke, om hun har visst og så videre.

For meg blir hele den diskusjonen omtrent som diskusjoner om overvekt – der det hevdes at folk ikke vet hvordan de skal spise sunt. Sludder. Alle vet hvordan de skal spise og leve sunt: Mosjoner regelmessig, og, for å parafrere Michael Pollan: Spis naturlig mat, i moderate mengder, mest grønnsaker.

Problemet er at vi ikke gjør det.

Det samme gjelder plagiering. Studenter er bekymret for at de skal bli tatt i plagiat, men reglene er nokså enkle. Metoden for å få det til, er enda enklere:

Skriv alt selv.

Enkelt og greit. Ikke kopier inn tekst med mindre du skal putte den i anførselstegn. Når du leser en fagartikkel: Les den, tenk gjennom hva den sier, og, hvis du skal skrive om hva den inneholder, bruk dine egne ord.

Det er det hele. Det er riktignok slitsomt, men det er det å spise sunt og å komme i form også. Det krever viljestyrke, utholdenhet og disiplin. Minner om et studium.

(Og jada, det finnes noe som heter ChatGPT nå. Og der gjelder det samme, for ChatGPT kan ikke være original eller kreativ, og en masteroppgave skal være nettopp det.)

Hvordan få produktivitet ut av (generativ) AI?

ChatGPTs svar på «make an image that illustrates how AI can make managers more productive». Hvorfor en digital leder trenger skrivebordsskuffer er noe jeg ikke helt forstår, men et eller annet sted skal man jo ha matpakken…

(Denne bloggposten ble først publisert på bloggen til Comunita, et ledernettverk jeg driver sammen med Haakon Gellein. I neste møte skal vi ta opp dette temaet – og derfor har jeg skrevet dette blogginnlegget som en forberedelse.Vi tar opp nye medlemmer etter vurdering – ta kontakt om du ønsker mer informasjon.)

Her forleden snakket jeg med en leder i et stort, internasjonalt selskap. Han var ansvarlig for en intern leverandør av IT- og administrative tjenester, og hadde nettopp fått ordre fra toppledelsen om å doble tjenesteproduksjonen uten å øke antall ansatte. Det er jo ikke så enkelt, men toppledelsen mente det burde gå greit for «nå har vi AI».

Og det fikk meg til å lure på hvordan vi egentlig skal få noe produktivitet ut av AI – særlig generativ AI, også kalt store språkmodeller – i et tradisjonelt selskap?

Produktivitet og informasjonsteknologi

Produktivitet er definert som hvor mye resultat vi får av en innsats – men som regel betyr det hvor mange ansatte vi trenger for å få gjort noe. Når det gjelder fysisk produksjon, er det ikke så vanskelig å måle produktivitet: Flere produkter produsert, gitt samme innsats og kvalitet, er økt produktivitet.

Og det er jo greit nok – få inn en maskin som gjør jobben raskere, og hvis økningen i hastighet er verdt prisen på maskinen, vel, der har du konklusjonen.

Problemet oppstår når effekten av produktiviteten oppstår et annet sted, eller ikke som et direkte resultat av maskinen.

I 1998 ble jeg involvert i en diskusjon om produktivitet og datamaskiner. En forsker hadde skrevet et innlegg i Aftenposten om at PCer ikke økte produktiviteten noe særlig. Han viste til forskning der man hadde tatt tiden på hvor fort det gikk å skrive et dokument på en skrivemaskin og på et PC-tastatur, og konkluderte med at det gikk bare ca. 10% raskere å skrive på PCen, så det var liten vits i å investere i dem. Jeg skrev et motinnlegg der jeg påpekte at når jeg skrev mitt innlegg, sendte jeg det til Aftenposten som e-post, og at de kunne ta det rett inn i avisen uten å måtte skrive det om igjen. Det var en voldsom produktivitetsgevinst for Aftenposten – i hvert fall hvis de kunne få gjort noe med typografenes fagforening, som insisterte på å skrive alt om igjen.

Eksemplet er banalt, men viser to viktige ting: For det første oppstår produktivitet av informasjonsteknologi gjerne andre steder enn der teknologien er synlig. Da blir det vanskelig å se og måle effekten. For det andre, og mye viktigere: For virkelig å få effekt av ny teknologi, må man reorganisere det man driver med rundt teknologien. Det er enda vanskeligere å måle, og er en av årsakene til at nye organisasjoner, som ikke har en gammel måte å gjøre ting på, ofte drar nytte av teknologien lenge før de gamle.

Produktivitetsparadokset

I 1987 skrev den kjente økonomen Robert Solow at «Vi finner datamaskinene overalt, bortsett fra i produktivitetsstatistikken.» Han pekte på store investeringer i datamaskiner på 1970- og 1980-tallet, uten at de store kostnadsbesparelsene hadde kommet. I debatten som fulgte, ble mange årsaker foreslått, fra forsinkelser forårsaket av læring og omorganisering rundt den nye teknologien til kulturelle forklaringer («ledere ønsker å administrere mange ansatte» eller vanskeligheter med å måle kostnader og fordeler.

I løpet av 90-tallet skjøt imidlertid produktiviteten fart – banker, for eksempel, fant ut hvordan de kunne redusere antall ansatte ved å flytte kundene over fra filialer til digitale kanaler. Internett og etter hvert mobiltelefoni gjorde at mange «call centers» kunne legges ned. Innen offentlig forvaltning fikk vi digitale skattemeldinger og hjemmesider med informasjon og digitale søknadsskjema. Effektene kommer, men vi glemmer at vi har dem: I høydigitale samfunn, som Norge, lurer du noen ganger på hvor produktivitetseffekten av IT ble av, helt til du innser at du svært sjelden står i kø for noen form for informasjonsbasert transaksjon, som å kjøpe en billett eller levere et skjema.

Men: Økt produktivitet betyr ikke nødvendigvis økt lønnsomhet. En rekke studier ledet av Erik Brynjolfsson fra MIT dokumenterte at økt produktivitet nok kunne føre til endringer innen en bransje (et firma som var tidlig ute kunne utkonkurrere andre firma), men lønnsomheten konkurreres bort og havner hos forbrukeren (Brynjolfsson og Hitt 2000). Som en bekjent av meg pleide å si: I næringslivet må vi hvert år bli mer effektive, jobbe hardere og smartere, og belønningen er at neste år får vi lov til å gjøre det en gang til.

Med mindre vi endrer hvordan vi er organisert.

Dette at eksisterende selskaper sliter med nye organisasjonsformer, gjør at i mange tilfeller er det nye selskaper, organisert med teknologien som basis, som definerer nye normaler. Automattic, selskapet bak WordPress-plattformen som rundt 43 % av alle nettsteder er programmert i, har (ifølge deres egen nettside) kun 1 994 ansatte i 94 land. I Norge har vi sett det der f.eks. Skandiabanken kom inn og flerdoblet antall kunder per ansatt ved kun å være en Internettbank. Skandiabanken er nå overtatt av Norges største bank, DNB – men det er en bank som nå er kun en tredjedel av størrelsen av hva den var da Skandiabanken ble lansert, og som har krympet ved å kopiere mye av det Skandiabanken gjorde.

AI og produktivitet: Individuelle, organisatoriske og samfunnsmessige effekter

For enkeltpersoner kan GenAI være utrolig produktivt. Nylig satt jeg med en programmerer som ønsket å teste om et nettsted kunne bygge inn et Google-dokument. Det viste seg at det ikke gik, men det kunne bygge inn HTTP (hypertekst). Så han tok Google Doc-lenken, hoppet over til ChatGPT, skrev «legg denne i en iFrame». ChatGPT produserte pliktoppfyllende den nødvendige koden i løpet av noen sekunder. Han kopierte koden, limte den inn – og det fungerte.

Dette er utvilsomt en produktivitetsøkning for denne programmereren, som ellers ville ha måttet huske og skrive koden for en iFrame-omslag (eller i det minste vite hvor den skulle finne den.) Dette eksemplet viser også hva ChatGPT er flott for: Reprodusere, med rimelig kontekstualisering, varianter av det som har blitt produsert før. Selv har jeg brukt det til å generere det første utkastet til kontrakter, emnebeskrivelser og, ja, elementer av essays (ikke dette). ChatGPT og dets konkurrenter kan hjelpe deg med å generere tekst, bilder, presentasjoner og annet materiale, så lenge originalitet ikke er nødvendig eller verdsatt – og kan gi nokså store produktivitetsgevinster på individnivå.

På organisasjonsnivå er det litt annerledes. Fra store bedrifter i USA har man sett at opplæring og kvalitet på kundesentre er forbedret ved bruk av generativ AI, men resultatene er ikke voldsomt høye foreløpig (Brynjolfsson et al 2023). En leder jeg snakket med fortalte meg at hovedeffekten av ChatGPT han hadde sett så langt var at e-poster hadde blitt mye høfligere. Men veltalenhet er ikke informasjonsdybde, og jeg tviler på om raskere generering av tekst og bilder vil føre til produktivitetsgevinster i organisasjonen, siden de som skal motta informasjonen også må øke sin produktivitet.

Mine studenter kan nå produsere svada i et imponerende tempo og med en kompleksitet verdig en fransk postmodernist. Men min evne (og vilje) til å lese og forstå det som kommer er ikke økt. På den annen side kan jo jeg bruke ChatGPT til å lese og karaktersette – et eksempel på at studentene later som de skriver og jeg later som jeg leser.

Om dette er en situasjon vi egentlig vil ha, er jo noe vi bør diskutere. Er dette et tegn på tidens forfall, eller begynnelsen på en ny kommunikasjonsform, der min AI snakker til din AI og avtaler ting på våre vegne? Kanskje jeg endelig kan få tilbake den sekretæren jeg hadde på nittitallet…

En parallell til søketeknologi?

For noen år siden deltok jeg i et forskningsprosjekt som studerte bruken og effektene av søketeknologi. En av konklusjonene (Andersen 2012) var at søkemotorer fungerte utmerket i generelle Internett-søk (dvs. Google, Baidu og Bing), ganske bra på kunderettede nettsider (dvs. aviser, Amazon, teknologiselskaper som Dell), men nokså dårlig for interne søk. Mens teknologien var den samme, var både hvordan den ble brukt (dvs. hva folk lette etter) og hvordan resultatene ble prioritert forskjellig. I en generell søkemotor søker folk over millioner av nettsider. Vanligvis vil man ha det samme som andre – så Google viser de mest populære resultatene. For et kommersielt nettsted søker folk etter spesifikke ting (som et fysisk produkt, et svar på vanlige spørsmål eller en nyhetsartikkel), og generelt vil de enten ha det mest populære valget eller det selskapet ønsker å vise dem – f.eks. varer som er på lager og lønnsomme.

For bedriftssøk, der du søker på tvers av enten all informasjonen din bedrift har, eller spesifikke samlinger av informasjon (for eksempel en lovdatabase eller et sett med interne instruksjoner), har du problemer: For det første har du ikke nok data til å virkelig få maskinlæringsmodellene til høy presisjon, fordi selv store selskaper vil ha begrensede samlinger av informasjon sammenlignet med hele Internett. For det andre er målfunksjonen til søket – det vil si hva du leter etter – normalt ikke den mest populære varen, men noe mye mer spesifikt. I en bedriftssetting er det mye mer sannsynlig at du søker etter et spesifikt dokument, ofte bare relevant for deg eller en liten arbeidsgruppe, og som sådan vil du måtte stole mer på kategorisering (Andersen 2006), i form av kuraterte data og hierarkiske, menneskelig navigerbare datastrukturer.

For meg er det i hvert fall fullt mulig at produktivitetsgevinstene fra generativ AI vil komme saktere i eksisterende selskaper av omtrent samme årsak som søketeknologi ofte svikter der: Datasettet er ikke stort nok, og kravene ikke enhetlige nok.

AI-ing, AI-isering, AI-transformasjon

Unruh og Kiron (2017) deler digitalt drevet endring inn i digitisering (gjør det analoge digitalt), digitalisering (endringsprosesser for å utnytte den digitale teknologien) og digital transformasjon som den komplette omorganiseringen rundt den nye teknologien. David (1990) observerte at det tok omtrent tretti år å realisere de fulle produktivitetsgevinstene fra den andre industrielle revolusjon (dvs. å erstatte damp- eller vannkraft overført gjennom belter og trinser med elektrisk kraft distribuert gjennom kabler) fordi fabrikkeierne fortsatte å stille opp maskinene der beltene og trinsene hadde vært.

Nåværende innsats for å bruke AI for å øke produktiviteten er fremdeles i den den første fasen. Teknologien er rettet mot prosesser som er repeterbare, kjedelige og arbeidskrevende, for eksempel automatisk klassifisering og kontroll av reiseutgifter, talegjenkjenning for å rute kundeanrop til riktig agent, chat-bots for å håndtere enkle kundeforespørsler, og tale- og bildegjenkjenning for å fremskynde opplæring av ansatte. Produktivitetsgevinster har en tendens til å være beskjedne i spesifikke tilfeller, men kan være ganske dramatiske samlet sett – og de kommer først og fremst for de enkle oppgavene.

Så ja, det kommer til å bli produktivitet ut av AI. ChatGPT også. Men det kommer til å ta tid, og det kommer til å skje andre steder enn der man har trodd.

Og vi må reorganisere for å få det til.

Referanser:

Andersen, E. (2006). «The Waning Importance of Categorization.» ACM Ubiquity 7(19).

Andersen, E. (2012). «Making Enterprise Search Work: From Simple Search Box to Big Data Navigation». Cambridge, MA, MIT CISR.

Brynjolfsson, E. and L. Hitt (2000). «Beyond Computation: Information Technology, Organizational Transformation and Business Performance.» Journal of Economic Perspectives 14(4): 23-49.

Brynjolfsson, E., D. Rock and C. Syverson (2017). Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics. Cambridge, MA, National Bureau of Economic Research.

Brynjolfsson, E., D Li and L.R.Raymond (2023), «Generative AI at Work«, National Bureau of Economic Research working paper 31161.

David, P. A. (1990). «The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox.» American Economic Review 80(2): 355-361.

Hitt, L. and E. Brynjolfsson (1996). «Productivity, Business Profitability, and Consumer Surplus: Three Different Measures of Information Technology Value.» MIS Quarterly 20(2): 121-142.

Unruh, G. and D. Kiron (2017). «Digital Transformation on Purpose.» MIT Sloan Management Review Blog

Hvordan balansere kostnader og innovasjon når bedriften vokser?

Vi starter med å jobber for kunden, og ender opp med å jobbe for økonomisjefen…

(Denne bloggposten ble først publisert på bloggen til Comunita, et ledernettverk jeg har startet sammen med Haakon Gellein. Der diskuterer vi medlemmenes utfordringer – i dette tilfelle en stor organisasjon som ønsker å bli mer datadrevet – og jeg skriver blogginnlegg som forberedelse til disse møtene. Vi tar opp nye medlemmer etter vurdering – ta kontakt om du ønsker mer informasjon.)

Innovasjon er et honnørord – alle vil vi være innovative. Når en bedrifter er i startfasen, er innovasjon i høysetet – alle vet hva man holder på med, alle vet hvem kunden er (eller i alle fall at man må lete etter en kunde), og koordinering er enkelt, siden alle kjenner alle.

Men bedrifter vokser, og etterhvert som de vokser, endrer de seg. Selv i en verden med instant digital kommunikasjon er det vanskelig å styre og koordinere daglig arbeid – og enda vanskeligere å lede innovasjon. Med vekst kommer rutiner, systemer, komiteer og hierarkier – ikke fordi man vil, men fordi man må.

Så man innfører rutiner og kontroller, vanligvis ved å sette opp møter og spesifikasjoner, som regel ved at de som står for innovasjonen på forhånd må spesifisere hva de kan tenke seg og gjøre, hva det kommer til å koste, og hva som skal produseres. Så presenteres de ulike aktivitetene for en ledelsesgruppe, som så treffer vedtak om hva som skal gjøres, til hvilket budsjett.

Resultatet er at de som skal drive med innovasjon, bruker mesteparten av tiden sin til å forsøke å estimere hva de skal gjøre, og til å rapportere graden av måloppnåelse, definert som i hvilken grad man har fulgt spesifikasjonen, heller enn om man faktisk har fått til noen innovasjon.

Hvordan unngå dette?

Vel, man kan jo begynne med å forsøke å forstå hvordan bedrifter utvikler seg over tid.

Kriser og revolusjoner

En av mine tidlige favorittartikler er Larry Greiners Evolution and Revolution as Organizations Grow, først publisert i 1972, som beskriver fem utviklingsfaser organisasjoner gjennomgår når de vokser. Hver fase starter med en periode med stabil vekst eller «evolusjon» og avsluttes med en ledelseskrise eller «revolusjon» – der neste fase er løsningen på problemer som oppstår i forrige fase.

De fem fasene er:

  1. Kreativitet: Entreprenørfasen, der vekst skjer gjennom kreativitiet og kontrollrutinene er uformelle, alle har felles interesse i at selskapet overlever. Etterhvert som selskapet blir større, oppstår en krise oppstår på grunn av manglende administrativt lederskap.
  2. Styring: Vekst gjennom lederskap (ofte fordi profesjonelle ledere kommer inn, så gründerne kan konsentrere seg om utvikling. Antall lag i hierarkiet øker, ofte ved at man ansetter funksjonelle spesialister. Krisen kommer gjerne fordi ting blir for sentralisert, og lederne ikke klarer å rekke over et større antall ansatte med ulik bakgrunn og motivasjon, og de ansatte etterhvert
  3. Delegasjon: For mye sentralisering fremtvinger desentralisering gjennom delegering – man gir deler av organisasjonen mer selvstendighet, men innfører samtidig ulike former for utfallsbaserte kontrollsystemer – egen P&L for underenheter, for eksempel. Neste krise kommer når antall enheter blir for mange og går i veien for hverandre.
  4. Koordinering: I den neste fasen skapes vekst gjennom koordinering – både organisatorisk og systemisk. Typisk reorganiserer man etter produkt, geografi eller marked, med en konsernledelse på toppen. Krisen her kommer ved at byråkratiet øker (særlig, vil jeg mene, mellom strategiske forretningsenheter) og man får situasjoner der det er lettere å gjøre nye ting sammen med enheter utenfor organisasjonen enn innenfor.
  5. Samarbeid: I den femte fasen fokuserer man på samarbeid og forsøker å ta et mer overordnet, prinsipporientert lederskap, med fleksible team som settes sammen for å løse oppgaver på tvers av enheter.

I hver av fasene bruker man ulike lederstiler, belønningssystemer og organisasjonsstrukturer, summert i denne tabellen:

Greiners artikkel er over 50 år gammel, men bekrefter i alle fall for meg noe jeg egentlig av visst lenge: Mye av det vi oppfatter som nyere forskning og forfatterskap er egentlig drøvtygging av ting som ble skrevet for lenge siden. Selv om man kan finne tegn på at Greiners artikkel er litt gammeldags – det er få som snakker om matriseorganisering som et sluttpunkt i dag, for eksempel – så er de fleste av observasjonene noe strateger og ledere kan kjenne seg igjen i. Og vet man om fasene, kan man gjøre noe for å hindre neste krise eller i alle fall være klar over at den kan komme.

Budsjetter og innovasjon

Innovasjonprosesser vil også endres ettersom man går gjennom disse krisene. Dette er et blogginnlegg og ikke noen akademisk artikkel (det kommer kanskje senere), men her er noen raske tanker om hva jeg mener man kan gjøre for ikke å havne i de ulike fellene:

  • Fra fase 1 til 2: Faren er at man administrerer innovasjon som andre prosjekter, ved å kreve detaljerte estimater av kostnader og spesifikasjoner av utfall. Bedre å budsjettere basert på standardaktiviteter – work packages, for eksempel, slik man gjør innen forskningsprosjekter, eller definerte standardprosekter, som er et konsept innen beyond budgeting. Porteføljestyring vil også hjelpe, spesielt hvis man setter mål for hva slags type innovasjonsprosjekter man skal ha og hvor stor del av porteføljen som skal være innenfor ulike risikoklasser (see denne boken av Peter Weill og andre for en god spesifikasjon på hvordan dette gjøres.)
  • Fra fase 2 til 3: I overgangen fra direkte kontroll til insentiv-baserte strukturer er faren at fordi innovasjon driver individuelle bonuser, blir det vanskeligere å dele innovasjoner på tvers av organisasjonen: Den som lager innovasjonen, tar også kostnaden, og det er billigere å kopiere noen andre enn å gå først selv. Smarte organisasjoner belønner deling og kopiering, både for de som blir kopiert, og de som kopierer og videreutvikler.
  • Fra fase 3 til 4: I denne overgangen er organisasjonen blitt så stor – og lagene så mange – at man rett og slett ikke vet om hva som finnes internt, selv av innovasjoner som ønskes delt og kopiert. Et annet problem her er at siden flere store deler av organisasjonen har egne kundegrensesnitt – digitale eller analoge – blir det vanskeligere å gjøre innovasjoner for hele organisasjonen, også fordi konsernledelsen gjerne er nokså tynt bemannet. Løsningen ligger i rutiner for utveksling av innovasjon gjennom tiltak om interne innovasjonskonferanser og digitale utvekslingsfora, for eksempel.
  • Fra fase 4 til 5 (og jeg er klar over at disse fasene blir vagere etterhvert): For meg er farene her litt mer uklare, men tiltak man ofte ser i innovasjonsorienterte firma i denne størrelsen handler om ting som investeringer i startups, sabbatsordninger for ledere der de eksponeres for innovasjonsbedrifter og -miljøer, og tid og ressurser satt av for at ansatte, særlig innenfor forretningsutvikling, skal gjøre ting ikke er direkte relatert til organisasjonens kjernevirksomhet. Tanken er at innovasjon oppstår ved at folk utsettes for noe nytt – at man «kompliserer seg selv», for å sitere en klassiker innen organisasjonspsykologien.

Rent konkret

Egentlig er det ikke så vanskelig: Innovasjon får man ved å ansette smarte mennesker, sette dem fri til å gjøre ting bedre, og følge dem opp uten å tvinge dem til å si hva de skal finne opp før de vet det selv. Displinerte prosesser for eksperimentering – som Finn.no gjør, et av mine mest brukte eksempler – hjelper, men ingen prosess, budsjetteringsmetode, eller ledelsesfilosofi seg selv vil noensinne garantere innovasjon. Til det trenger man tillit, intelligens, og en smule flaks, rett og slett.

Lykke til!

Referanser:

Hva vil det si å være datadrevet: Et strategisk perspektiv

Data er det nye gullet, sies det. Men da må vi gjøre det dataene sier.

(Denne bloggposten ble først publisert på bloggen til Comunita, et ledernettverk jeg har startet sammen med Haakon Gellein. Der diskuterer vi medlemmenes utfordringer – i dette tilfelle en stor organisasjon som ønsker å bli mer datadrevet – og jeg skriver blogginnlegg som forberedelse til disse møtene. Vi tar opp nye medlemmer etter vurdering – ta kontakt om du ønsker mer informasjon.)

Mange bedrifter og organisasjoner har enorme mengder data, men utnytter dem ikke. Det er det mange årsaker til – som manglende analysekunnskaper, manglende tradisjoner, eller manglende konkurranse. Men etterhvert som vi får flere og flere eksempler på bedrifter og organisasjoner som gjør suksess ved å skaffe seg data og utnytte dem, øker kravet om å være data-drevet. Hva betyr det egentlig – og hvordan får man det til?

La oss ta for oss en bedrift i en bransje som kanskje ikke ligner så mye på noe i Norge (bortsett fra Norsk Tipping, og de er jo data-drevet) men der utviklingen viser hva man kan få til ved å ta tak i de dataene man har – og gjøre som dataene viser.

Et kasinoeksempel

Da jeg var doktorgradsstudent en gang for hundre år siden (vel, 1991) møtte jeg i noen seminarer en nyansatt professor ved navn Gary Loveman. Gary var statistiker og økonom og spesielt interessert i sammenhengen mellom lønnsomhet og kundelojalitet. Han var også nokså ulik mange av de andre professorene både av utseende og humør. Jeg fikk litt inntrykk av at han ikke tok livet – og i hvert fall ikke seg selv – så veldig høytidelig.

Gary drev litt som konsulent på si. En av kundene hans var Harrah’s, et relativt lite kasino i Las Vegas. Kasinoet gikk ikke bra – som Gary sa det (se hans suverene foredrag på Berkeley for noen år siden): «Vi hadde et kasino som kostet 315 millioner dollar (det er lite i Las Vegas) å bygge. Ved siden av oss kom det et nytt kasino til 1,6 milliarder, og tvers over gaten ville det komme et 9,2 milliarder. Det er ingen som tar inngangspenger i Las Vegas. Hvordan skulle vi få kundene til å komme til oss?»

Firmaet hadde store problemer – så store at de gikk til en akademiker for å finne ut hva de skulle gjøre. Gary hadde skrevet artikkelen Put the Service-Profit Chain to Work sammen med endel kolleger og fant ut at i dette kasinoet kunne han se modellen fungerte i praksis. Men før han kunne finne ut hva han skulle gjøre, måtte han finne ut hvem kundene var og hva de likte.

Markedsføring i Las Vegas den gangen handlet mye om å få tak i de store spillerne, de som flys inn med helikopter, får gratis suiter og middager og legger igjen millioner ved roulette-bordene. Etter endel analyse fant Gary ut at de virkelig attraktive kundene ikke var storspillerne (som alle de andre kasinoene gikk etter), men «vanlige folk» – håndverkere, lærere, leger, annen middelklasse – som spilte mindre, men som det var mange flere av. Han introduserte det første kundelojalitetsprogrammet i bransjen, basert i mindre grad på hvor mye folk spilte og i større grad hvor ofte de besøkte kasinoet. Kundene satte pris på å bli skikkelig behandlet uten å være millionærer, og Harrah’s vokste fra å være et lite kasino i skyggen av Ceasar’s Palace til å bli verdens største kasinoselskap (som faktisk i dag heter Ceasar’s Entertainment, et tilfelle av David som bokstavlig talt kjøpte Goliat).

Datadrevne kjennetegn

En av utsagnene som Gary har blitt kjent for, at det er bare tre ting du kan få sparken for i hans organisasjon: Tyveri, seksuell trakassering, og å gjøre en endring uten å ha en kontrollgruppe.

De to første er kanskje ikke så vanskelige å forstå, men den siste krever litt forklaring. Nå man gjør et vitenskapelig eksperiment – for eksempel utprøving av en ny medisin – gir man den ikke til alle pasientene, men til en tilfeldig utvalgt gruppe. Kontrollgruppen er de som ikke får den nye medisinen, men i stedet behandles som tidligere. Etterpå måler man om det er forskjell på de to gruppene – og om forskjellen er tydelig og stor nok, går man over til den nye måten å gjøre ting på.

Innenfor medisinsk forskning gjøres dette dobbeltblindt – verken pasienten eller legen vet hvem som får ny medisin og hvem som ikke gjør det. Det kan det være vanskelig å få til i mange sammenhenger – det er derfor det er så vanskelig å forske på ernæring, siden vi vet hva vi spiser – men det er mange bedrifter som driver med dette i stor stil: Finn.no, for eksempel, slik jeg skrev om i en artikkel i Magma for noen år siden.

Dette at man insisterer på at alt som skal endres, skal testes først, er et av de fremste kjennetegnene på at en bedrift er data-drevet: Man lytter til dataene, og gjør som dataene sier.

Hvorfor er dette så vanskelig?

Problemet med data er at de ikke alltid forteller deg den historien du vil de skal fortelle. Når det skjer, må man velge om man skal tro på dataene eller på sin egen magefølelse – og pussig nok er dette vanskeligere jo bedre man er i jobben. Chris Argyris, en annen Harvard-professor, skrev en berømt artikkel kalt Teaching Smart People How to Learn, om nettopp dette at kompetente mennesker i ledende stillinger med lang erfaring er de som har størst vansker med å lytte til data – rett og slett fordi de har kommet til sine stillinger ved å ha hatt rett. Hittil, i alle fall.

Av og til kan hele bransjer la være å lytte til dataene – i forsikringsbransjen, for eksempel, brukes masse dataanalyse for å finne ut av hvorfor kunder forlater et forsikringsselskap til fordel for et annet. Svaret er det samme hver gang: Den fremste grunnen til at folk forlater et forsikringsselskap er at de har hatt en forsikringshendelse og ikke er fornøyd med hvor mye penger de har fått utbetalt. Det er det ingen i bransjen som ønsker å gjøre noe med. Innenfor utdanning er vi ikke noe bedre: Den fremste prediktoren for suksess for bachelorstudenter, for eksempel, er matematikkunnskaper når man begynner på studiet. Men det er det vanskelig å gjøre noe med, så da satser vi på motivasjon og inspirasjon i stedet…

Fokus på data og kontinuerlig innovasjon gir resultater – bare spør Gary. Eller Finn.no. Eller Google. Eller VG.no, som ble Norges største online avis ved kontinuerlig oppdatering av hva som står på førstesiden basert på hvordan leserne reagerer.

Reelle farer ved dataorientering

Det å være dataorientert er ikke uten kostnader og farer. Analyse koster, i tid og penger. Å betale de ansatte for å gjøre slik dataene sier – i Harrah’s tilfelle, å betale bonuser basert på kundetilfredshet – koster.

Blir man for data-drevet, kan man komme til skade for å havne i en slags analysis paralysis der man ikke tør ta sjanser eller ikke gjør noe fordi man ikke klarer å komme på hvordan man skal teste det. Men den risikoen er adskillig mindre, i de fleste tilfeller, enn at man går glipp av innovasjoner fordi noen med beslutningsmyndighet i organisasjonen ikke har den rette følelsen for at noe bør gjøres.

Gary Loveman sier selv at hans fokus på at alt skal analyseres og dokumenteres – og at han ikke har noen personlige aksjer i hvilken løsning som blir valgt – fører til at han unngår å gjøre mange feil, at han unngår å gjøre ting han ikke burde gjøre. De som jobber mer inspirasjons- og intuisjonsbasert, vil gjøre en hel del spektakulære feil. Men de vil også av og til gjøre noe smart på tross av alle analyser og alle data.

Så får man velge – men jeg vil tro at for de fleste organisasjoner som har med kunder å gjøre, enten de er innenfor det private eller det offentlige, har mer å hente på å være data-drevne enn det motsatte.

Det som i alle fall er sikkert, er at om du lar din innovasjonsstrategi bestemmes av en gruppe ledere uten kundekontakt, basert på hvem som har det mest nøyaktige prosjektregnskapet og den proffeste PowerPoint-bunken, så lever du farlig.

Selv om det ikke føles slik.

Referanser:

Argyris, C. (1991). «Teaching Smart People How to Learn.» Harvard Business Review (May-June): 99-109.

Heskett, J. L., T. O. Jones, G. W. Loveman, W. E. Sasser, Jr. and L. A. Schlesinger (2008). «Putting the service-profit chain to work.» Harvard Business Beview 86(7-8): 118.

Lome, K. B. and E. Andersen (2019). «Finn.no: En metode for disiplinert strategisk eksperimentering.» Magma (Bergen : trykt utg.) 22(3).

Loveman, G. (2003). «Diamonds in the Data Mine.» Harvard  Business Review (May).

Om nettverkseksternaliteter

(Denne bloggposten ble først publisert på bloggen til Comunita, et ledernettverk jeg har startet sammen med Haakon Gellein. Ta kontakt om du ønsker mer informasjon.)

Når man starter et nytt selskap, slik Haakon og jeg har gjort, er det første man må spørre seg om hva som gjør at kundene vil bli kunder (i dette tilfelle: medlemmer) og fortsetter å være det. For firmaer som Comunita, er svaret enkelt: De andre medlemmene.

Dette betyr at man må være svært nøye når man rekrutterer nye medlemmer, og fokusere ikke bare på hva det nye medlemmet kan lære fra nettverket, men også hva de eksisterende medlemmene kan lære fra det nye medlemmet.

Dette fenomenet har et akademisk navn: Nettverkseksternaliteter, også kjent, litt mindre presist, som nettverkseffekter: Et nettverk øker i verdi jo flere som bruker det, også kjent som Metcalfes lov. Begrepet kommer fra telefonselskaper, men har blitt viktigere i stadig flere bransjer. Mange av de nye gigant-selskapene – ikke bare rene nettverksselskaper som Google og Facebook, men også produktbaserte selskaper som Microsoft, Apple og Tesla – har blitt store fordi de har forstått og klart å utnytte nettverkseksternaliteter.

Åpne og lukkede nettverk

Hvis du ser på en gammel film fra 20- eller 30-tallet, er det ofte skrivebord der med flere telefoner – og mange scener handler om vanskelighetene med å snakke i flere telefoner på en gang. Det hele virker litt tåpelig – men det er gode grunner til at man hadde flere telefoner. Det var nemlig slik den gang var det flere telefonselskaper i hver by, og man kunne ikke ringe fra det ene telefonnettet til det andre. Hvis jobben krevet at man skulle kunne snakke med alle – vel, da måtte man ha flere telefoner, og kunnskap om hvem som hadde hva slags telefonabonnement.

Slik er det ikke lenger – du kan ringe til hvem du vil uansett hvilket selskap du har, og det er den enkelheten kundene etterspør. Men på veien dit er mange telefonselskaper blitt borte. Og hvert og ett av disse selskapene har på et eller annet tidspunkt måttet spørre seg: Skal vi beholde vårt lokale nettverk og bare betjene de kundene – ofte med høy lønnsomhet og kanskje med spesialtilpassede tjenester? Eller skal vi bli del av et større nettverk, tjene mindre per kunde, men med mye større volum?

I etterkant – for telefonselskaper – er det opplagt hvordan det gikk. Men underveis, før du forstår hvor teknologien går og hva effekten er, er det ikke så enkelt. Man må velge hvilken klubb man skal være medlem av, ganske enkelt.

Og som Groucho Marx har sagt det: «Jeg vil ikke være medlem av en klubb som vil ha meg som medlem…»

Synlige og usynlige effekter

For et ledernettverk om Comunita er nettverkseffekten åpenbar: Medlemmene er der på grunn av de andre medlemmene. De vet hvem de er, og det første spørsmålet potensielle medlemmer stiller, er hvem de andre medlemmene er.

Men man kan ha usynlige nettverkseksternaliteter:

  • Finn.no er et nettverksselskap der man ikke vet hvem de andre medlemmene er, men får greie på det først når man skal kjøpe eller selge noe.
  • Et forsikringsselskap er en møteplass for folk som har risiko og vil betale for å dele den risikoen med andre forsikringskunder. I det tilfellet vet man ikke hvem de andre medlemmene er – men man bør være opptatt av det. Du vil, for eksempel, ikke være den eneste forsiktige sjåføren i et selskap som bare forsikrer råkjørere.
  • Google tar vare på alle søk som er gjort, analyserer hvor vellykket de var, og bruker resultatene både til å forstå sine kunder bedre og å gjøre søkealgoritmene sine mer presise. Jo flere brukere de har, jo bedre blir søkemotoren.

Nettverkseksternaliteter kan gi varige konkurransefortrinn

Eksternaliteter er viktig i en digital verden, fordi alt som er digitalt, kan kopieres. Men hvis man har en digital tjeneste som avhenger av mange medlemmer – eller de dataene de legger igjen – for å virke, kan man lage noe som gir store og langvarige konkurransefortrinn. Bare se på Finn.no, som i de fleste vertikalene sine har nesten monopol. Det spiller ingen rolle om konkurrenter fra innland eller utland kommer opp med noe nytt og kult – så lenge Finn har alle kjøperne for de som skal selge noe, og alle selgerne for de som skal kjøpe, har de et langvarig konkurransefortrinn – og med det, uovertruffen lønnsomhet.

Skal konkurrenter klare å ta en bedrift med stor markedsandel og sterke nettverkseksternaliteter, kan man ikke opprette et konkurrerende tilbud og håpe på at kundene kommer over. I stedet må man finne en gruppe kunder som ønsker å gjøre noe sammen, opprette noe bare for dem, og håpe at denne gruppen i seg selv er så attraktiv at andre kommer dit. Det er derfor influensere har blitt så viktig – de er en av få faktorer som kan flytte eksternaliteter fra et sosialt nettverk til et annet.

Informasjon som nettverksvåpen

Konkurranse i nettverksmarkedet går i to faser – reach og range: I den første fasen (reach; rekkevidde) handler det om å bygge stor markedsandel så fort som mulig – å kapre alle de kundene som ennå ikke har gått til en konkurrent. Da DNB lanserte Vipps, gikk man aggressivt ut og rekrutterte kunder uten tanke på om man ville tjene penger på tjenesten eller ikke. I den andre fasen (range;[tjeneste]dybde) der alle kundene er blitt medlem av et eller annet nettverk, handler konkurranse om å utvide spekteret av tjenester som kundene kan bruke innenfor nettverket.

Særlig i den siste fasen blir informasjon viktig. Alle som driver et nettverk, må være svært påpasselig med hva slags informasjon man gir ut om bedriftens medlemmer og virksomhet – ikke bare til medlemmene, men også til allmenheten. Har man mye informasjon om medlemmene, kan man bruke det til å skape tjenester som gjør nettverket viktigere for medlemmene, og også rekruttere nye medlemmer fra konkurrerende nettverk.

Mange eksisterende nettverk – fagforbund, bransjeorganisasjoner, interesseorganisasjoner – oppdager at det blir vanskeligere ikke bare å holde på kundene, men også å få kundene til å bruke de tjenestene man tilbyr. Hvorfor være medlem av en organisasjon med kontorer og medarbeidere, når man kan oppnå mye av det samme bare ved å være medlem av en Facebook-gruppe?

Ofte handler dette om hva man er villig til å gjøre for medlemmene. For noen år siden skulle jeg arrangere et seminar for et utenlandsk firma som ville lære noe om elbiler i Norge. Jeg ringte til Oslo Taxi og sa jeg ville ha en drosjesjåfør med Tesla, fordi han eller hun ville kunne fortelle om hvordan det var. Svaret var at de ikke ville opplyse om hva slags biler de hadde, siden det var deres policy at en taxi er en taxi. Så jeg la inn et spørsmål om det samme på en Facebook-gruppe for Teslaeiere, og fikk øyeblikkelig en liste med taxisjåfører, komplett med telefonnumre.

Og deri ligger vanskeligheten for et gammelt firma: Kundene på en side etterspør informasjon du har, men som du kanskje ikke vil gi av hensyn til den andre siden av markedet du betjener. Forretningsutvikling i nettverk handler mye om å forstå hvordan og hvorfor enkeltkunder interagerer med hverandre, og om å oppfatte hva de egentlig er ute etter – hvilken jobb de ønsker å gjøre – gjennom det nettverket de er medlem av. I en verden der dannelser av nettverk skjer raskt og enkelt, blir det viktigere enn noensinne å ha evnen til å imøtekomme kundenes informasjonsbehov, enten man er vant til å tilby dem eller ikke.

Videre lesning:

  • Eisenmann, T., G. Parker and M. W. V. Alstyne (2006). «Strategies for two-sided markets.» Harvard Business Review 84( 10): 92-101. Klassisk artikkel om hvordan man utvikler strategi i selskaper som betjener to markeder – for eksempel kjøpere og selgere som skal komme i kontakt med hverandre.
  • Fjeldstad, Ø. and E. Andersen (2003). «Casting off the chains: Value shops and value networks.» European Business Forum (14): 47-53. Et forsøk på å forklare verdikonfigurasjoner – og hvordan nettverksselskaper skiller seg fra selskaper som produserer produkter eller løsninger.

Råtner ChatGPT?

(Dette innlegget ble først publisert på bloggen til Comunita AS, et ledernettverk jeg nettopp har startet sammen med Haakon Gellein. Kontakt meg direkte om du er interessert i å bli med der!)

LØRN.TECH og digitale plattformer

Min gode venninne Silvija Seres – som jeg har skrevet en haug kronikker med og alltid ser frem til å snakke med – inviterte meg til å lage en podcast om digitale plattformer for noen uker siden. Resultatet i all sin skravlete omtrentlighet finner du her.

Digital økonomi og ledelse – fem år etter

Her for noen uker siden skulle jeg presentere studiet Informatikk: Digital Økonomi og Ledelse for Rådgiverdagen på UiO. Jeg møtte opp med foiler og en historie, men fikk beskjed om at på grunn av en misforståelse skulle jeg ikke holde foredrag likevel. Nuvel, sånt skjer, men jeg hadde jo forberedt meg, så derfor bestemte jeg meg for å lage en liten video om hvorfor og hvordan dette studiet ble til, hva det inneholder, og hvordan det går med studentene som nå kommer ut med en Master. Informasjon som sikkert har interesse for poden som skal søke seg videre i livet til våren.

Hint: Det går bra med studentene. Svært bra.

Og hvis du aner at jeg er litegrann stolt av dette studiet, vel, så stemmer det.

Hvordan gjøre et forskningsintervju

Sitter akkurat nå og hjelper Ragnvald Sannes med en videoforelesning om bruk av intervjuer i prosjekter innenfor kurset Strategisk forretningsutvikling og innovasjon. Og så kom jeg på at jeg ikke har lagt ut noen henvisning til min video om hvordan man skal gjøre forskningsintervjuer her. Så her kommer den. (Og vil du ha et skriftlig sammendrag av videoen, finner du det her.)

Om alle debatter holdt dette nivået…

Av og til finner man ting på Internet eller Youtube eller hvor det nå er som rett og slett er så imponerende at man føler seg litt liten. Her er en samtale mellom Jordan Peterson og Stephen Fry som burde danne skole for hvordan en debatt skal holdes: Mellom to personer som er uenige, men som hører på hverandre, videreutvikler argumenter, og lærer mens de går (rent bortsett fra at de begge kan mye mer enn de fleste av oss.) Jeg er rett og slett imponert – dette er en av de Youtubevideoene hvor du ikke kan sette opp hastigheten, men av og til må ta en pause for å tenke gjennom hva som egentlig ble sagt.

Om smittesporing og digital nøyaktighet

Nok en kommentar i digi.no, denne gangen om et svært viktig tema, som dessverre har blitt litt borte i diskusjonen om personvern og smittesporing. Jeg liker ikke konspirasjonsteorier og alt som har med Covid-19 haster, men før man lanserer noe som sporer folk overalt må man vite at det faktisk gir den effekten man er ute etter.

.Alle datakilder og alle modeller har feil. Det må vi leve med. Det vi må vurdere, er om feilene er store nok til at vi ikke kan bruke resultatet.

Lydfil herunder, også tilgjengelig på Spotify.