Per Clingweld: Så undviker du att skapa "workslops" när du jobbar med AI

Jag ska erkänna något pinsamt. Som AI Change Agent på AI Sweden sedan april i år, någon som nu hjälper organisationer med AI-transformation dagligen, har även jag skapat något förbjudet. Jag har gjort mig skyldig till workslop. Inte hört ordet? Det betyder typ att något som är gjort med hjälp av AI ser proffsigt ut men är raka motsatsen.

Det hände i synnerhet under 2023 när jag som entreprenör och konsult var tidigt ute och labbade med olika AI-verktyg. Det är lätt att fascineras av vad som är tekniskt möjligt och glömma bort vad som faktiskt är användbart för mottagaren. Resultatet blev polerade dokument som såg proffsiga ut men inte hjälpte kollegor att fatta beslut eller komma vidare. Workslop alltså.

Såg proffsigt ut men hjälpte inte kollegerna

Det var när jag började diskutera dessa erfarenheter i styrelser och ledningsgrupper som jag förstod att problemet var större än jag trott. Samma mönster upprepades överallt – imponerande teknik, minimal impact.

[split-article-here]

De samtal jag startade kring skillnaden mellan aktivitet och värde var en del av vad som ledde mig hit, till AI Sweden, där vi nu arbetar systematiskt med dessa utmaningar.

Begreppet "workslop" lanserades nyligen av Harvard Business Review som en beskrivning på AI-genererat arbete som ser proffsigt ut men som bara flyttar över jobbet till mottagaren. Deras forskning visar att 40 procent av oss fick workslop förra månaden, och att vi spenderar nästan två timmar på att städa upp efter varje incident.

Nu ska vi vara ärliga – den underliggande studien har metodologiska brister. Som teknikjournalisten David Gerard påpekar är det mer en öppen webbenkät än rigorös forskning. Men det spelar mindre roll. Fenomenet är så igenkännbart att begreppet workslop spreds viralt på Linkedin inom dagar.

Fenomenet blev viralt på Linkedin

För vi känner alla igen det. Rapporten som ser imponerande ut men inte säger något. Presentationen med perfekt formatering men utan substans. Analysen som ställer fler frågor än den besvarar.

Här ligger något av kärnan i det svenska workslop-problemet: vår konfliktundvikande kultur gör det svårt att ge ärlig feedback. Vi säger "tack, det var bra" även när vi innerst inne tänker "vad ska jag göra med det här?".

I svenska organisationer har jag sett hur workslop får leva sitt eget liv just för att ingen vågar säga att kejsaren är naken. Vi diskuterar det i korridorer och små grupper, men sällan direkt med personen som skickat det. Jantelagen gör sitt – vem är jag att ifrågasätta kollegans arbete liksom?

Det här förstärks av vår konsensuskultur. I många svenska organisationer fattas beslut genom att alla ska vara "okej" med förslaget, inte genom att någon tar tydlig ställning för vad som faktiskt är bäst. Workslop passar perfekt in i den miljön – det ser tillräckligt bra ut för att ingen ska protestera, men inte tillräckligt bra för att faktiskt hjälpa.

Samtidigt har vi skapat arbetsplatser som är trygga nog för att vi ska våga experimentera med AI, men kanske för bekväma för att kräva verklig kvalitet. Lagom stannar vid mediokert när ingen vågar sätta ribban högt.

Workslop ser tillräckligt bra ut för att ingen ska protestera

Som "change agent" ser jag intressanta skillnader i hur svenska organisationer hanterar detta. Företag verkar generellt bättre på att uppmärksamma workslop direkt – "det här hjälpte oss inte, kan du tänka om?"

Men i offentlig sektor, där utredningskulturen är stark och byråkratin djupt rotad, blir workslop ofta bara en del av flödet. Det läggs till handlingarna, refereras i nästa utredning, och lever sitt eget liv utan att någon ifrågasätter om det tillförde något värde.

Samtidigt är vi svenskar nog bättre rustade än de flesta andra länder. Vi har digitaliserat mycket, vi är vana vid att tänka medborgarvärde och organisationsnytta. Men även här kan det lätt gå förlorat – särskilt i ett land där offentlig sektor står för hälften av BNP:n och där ineffektivitet kan gömma sig länge.

Det workslop-fenomenet egentligen belyser är något vi på AI Sweden sett hos alla våra 170 partnerorganisationer: AI-transformation är en ledarskapsfråga, inte en teknikfråga. Det räcker inte att implementera verktyg och mäta användningsgrad. Vi behöver skapa medvetenhet kring varför vi använder AI, när det är lämpligt, hur vi gör det genomtänkt, och inte minst – våga erkänna när vi gjort fel.

Alla börjar som "passengers" – de som använder AI för att slippa jobba och omedvetet skapar workslop. Utvecklingen till "pilots" – de som använder AI för att förstärka sin kreativitet och leverera bättre resultat – kräver både självinsikt och stöd från organisationen.

Men här måste vi våga för en stund känna oss dumma, inkompetenta eller som fuskare. Våga erkänna att vi alla någon gång börjat med att skapa workslop, även om det för piloterna varit en del av det egna lärandet snarare än något som skickats vidare till kollegor.

Det som verkligen behövs är ledare som vågar jobba med sårbarhet och transparens. När jag berättar för organisationer om mitt eget workslop händer något intressant – atmosfären i rummet förändras. Plötsligt vågar andra också erkänna att de kämpat med samma sak.

Atmosfären i rummet förändras

Feedbackkulturen är nyckeln. Vi behöver bygga organisationer där "det här hjälpte mig inte, kan du tänka om?" är en acceptabel mening att säga. Inte för att vara elaka, utan för att respektera varandras tid och organisationens resurser.

På AI Sweden utvecklar vi strukturer för att hjälpa organisationer navigera denna transformation. Vår mognadsmätning kartlägger nio olika områden för att förstå var organisationen står. Men framför allt lyfter vi AI-frågan till ett öppet samtal. Inte bara i ledningen utan i hela organisationen, där vi pratar om varför, hur och vad – och där vi vågar erkänna när något inte fungerar.

Det som verkligen behövs är att vi slutar mäta aktivitet och börjar mäta kvalitet. Istället för att räkna inloggningar i AI-verktyg eller antal genererade dokument, behöver vi förstå om arbetet faktiskt flyttar organisationen framåt.

En första början kan vara att mappa upp våra arbetsuppgifter och diskutera input och output: Varför finns denna uppgift? Vem är mottagaren? Vad ska ske med resultatet härnäst? När vi förstår kedjan kan vi också förstå var AI tillför värde – och var det bara skapar workslop.

Som mitt eget exempel visade handlar det inte om att vara för eller emot AI. Det handlar om att använda det genomtänkt, med respekt för kollegors tid och organisationens resurser.

För workslop är inte bara ett AI-problem – det är ett medmänsklighets- och samarbetsproblem som digitaliseringen bara gjort mer synligt.

Vi kan välja att skapa organisationer fulla av pilots eller passengers. Skillnaden ligger inte i tekniken utan i kulturen vi bygger runt den.

Per Clingweld är AI change agent på AI Sweden och hjälper organisationer att systematiskt implementera artificiell intelligens för att skapa verkligt värde.