Gen AI-revolution: er din talentstrategi klar til fremtiden?

Det står klart, at det kommer til at kræve nye færdigheder at udnytte generativ AI fuldt ud – men hvordan det vil skabe reel værdi står stadig uklart. McKinsey guider til fremtidens talentstrategi: Hvordan skal virksomhedernes ledelser gribe det an, og hvilke kompetencer bør der udvikles på?

Generativ AI har allerede vist imponerende evner til at kode, som hos IBM, hvor udviklere oplevede en stigning i produktiviteten på 30-40 pct. Alligevel har generativ AI langt fra nået sit fulde potentiale. Selvom 65 pct. af respondenterne i McKinseys seneste AI-undersøgelse regelmæssigt bruger generativ AI, bruger kun 13 pct. det systematisk til softwareudvikling.

For at brugen af generativ AI skal skaleres, kræver det, at virksomheder først ændrer måden, de arbejder på. Og det kræver nye kompetencer, der skal udvikles. Arbejdsgange skal ændres.

Denne artikel vil se nærmere på de færdigheder, der bliver nødvendige for softwareteams i fremtiden.

Det skal grundlæggende gentænkes, hvordan virksomheder tiltrækker og udvikler talent, samt hvordan der besluttes nye stillinger, roller og kompetencer. Den traditionelle måde at tænke HR på, hvor faste roller, kompetencer og karriereveje er i centrum, udfordres allerede af nye digitale løsninger. Med fremkomsten af generativ AI og de uforudsigelige forandringer, det medfører, vil denne udfordring kun blive større.

I dag er der stadig fokus på at integrere generativ AI i eksisterende HR-programmer, men på længere sigt er dette ikke holdbart. I stedet bør HR-ledere udvikle en strategisk plan, der prioriterer færdigheder frem for roller.

Mange virksomheder fokuserer på specifikke jobtitler som softwareingeniør eller senior dataingeniør, men i takt med, at generativ AI overtager specifikke opgaver – frem for hele roller – er der behov for at ændre måden, vi tænker jobs på. Skiftet skal gå fra at tænke i stillinger og roller til at fokusere på kompetencer og færdigheder.

Et kompetenceregister bør oprettes for at give et klart overblik over, hvilke færdigheder virksomheden allerede besidder, hvilke der mangler, og hvilke færdigheder AI-værktøjer kan dække.

Kompetencer bør behandles som data, hvor virksomheder ved at tilføje tags og forskellige ekspertiseniveauer kan bruge AI til at analysere sammenhænge mellem færdigheder, prioritere opkvalificering og planlægge fremtidige behov for specifikke teams eller projekter.

En ny tid kræver nye færdigheder

Mange ledere forstår på et overordnet plan, at der skal nye færdigheder til for at arbejde effektivt med generativ AI. Men forståelsen af, hvordan disse ændringer kommer til at skabe værdi, er ofte vag.

Vigtige roller i hele virksomheden – fra dataspecialister og UX-designere til cybersikkerhedseksperter og kundeservicemedarbejdere – skal lære en række nye færdigheder. Virksomheder, der anser sig selv som softwarevirksomheder, bør også have særligt fokus på især to positioner: ingeniøren og produktmanageren.

Softwareingeniører bør udvikle nye færdigheder på tre nøgleområder: Først og fremmest bør de lære at gennemse og tilrette kode, da kode genereret af AI ofte kræver rettelser. Dette ændrer udviklerens rolle fra at skrive kode til at kontrollere den. Det er måske ikke lige så nemt, som det lyder – selv dygtige programmører kan finde det udfordrende at gennemgå andres arbejde.

Derudover bliver evnen til at forbinde og integrere forskellige AI-systemer vigtig, da det kan forbedre både problemløsning og kvalitet. Mange virksomheder kombinerer generativ AI med anvendt AI for at analysere, hvordan AI-genereret indhold præsterer, og justerer derefter systemerne ud fra brugernes interaktioner.

Endelig, med generativ AI, der overtager flere rutineopgaver, er det nødvendigt for ingeniører at fokusere på nye færdigheder som at skrive brugerhistorier, udvikle kodebiblioteker og forstå forretningsmæssige mål.

Produktmanagers bør fokusere på at mestre brugen af generativ AI-teknologi, ligesom ingeniører. Dette indebærer at lære at anvende værktøjer, der kræver minimal eller ingen kodning, samt bruge iterative prompts til at arbejde effektivt med AI-modeller.

Samtidig skal produktmanageres forstå og håndtere de barrierer, der opstår omkring tillid til AI – både hos dem, der slet ikke stoler på AI’s resultater, og hos dem, der måske stoler for meget på dem.

MAL