Hvad tallene faktisk siger
Robert Half undersøgte næsten 2.000 amerikanske rekrutteringschefer og fandt, at 32 procent havde nedlagt en stilling primært på grund af AI og derefter genansat til den samme eller en lignende position. Fordelingen på brancher er den del, det er værd at læse to gange. Finans annullerede flest nedskæringer med 44 procent, foran menneskelige ressourcer med 35 procent og teknologi med 32 procent. Gartner tilføjer et fremadrettet pejlemærke: inden 2027 forventer man, at omkring halvdelen af de virksomheder, der tilskrev AI fyringerne, vil genansætte til sammenlignelige roller.
Læst for sig selv inviterer overskriften til den nemme konklusion, at AI ikke var god nok. Den læsning er ufuldstændig. En tilbagerulningsrate på en ud af tre blandt to tusind ledere er ikke en historie om en enkelt svag model. Det er en historie om, hvordan beslutningen om at skære blev truffet, og hvor hurtigt den blev truffet, før nogen målte, hvad rollen faktisk lavede.
Hvorfor netop finans førte an i tilbagerulningerne
Det er fristende at antage, at den mest regnearkskyndige funktion ville prissætte en automatiseringsbeslutning mest omhyggeligt. Undersøgelsen siger, at det modsatte skete. Finans førte an i tilbagerulningerne netop, fordi den taler forventede besparelser flydende. Et effektivitetstal fra leverandøren lander i en model, modellen viser en ren medarbejderreduktion, og besparelsen bogføres, som var den allerede realiseret. Stillingen skæres væk mod en prognose, ikke mod en observeret arbejdsbyrde.
Kløften bliver først synlig i drift. Det automatiserede system klarer rutinemængden og går så i stå på restarbejdet, der bar dømmekraften: grænsetilfældene, undtagelserne, de afgørelser, der ikke passer ind i manuskriptet. Den rest er lille som andel af transaktionerne og stor som andel af risikoen. Når den dukker op, må nedskæringen rulles tilbage til den værst tænkelige pris, for nu genansætter man til en rolle, man allerede har fortalt markedet, at man havde nedlagt.
Grundraten, du burde være startet fra
Operatørdisciplinen her er tankegang i grundrater. Før denne undersøgelse havde en leder, der vejede en AI-mod-medarbejdere-nedskæring, en leverandørpåstand og en intern prognose. Bagefter har den samme leder en målt grundrate: på tværs af en stor stikprøve blev omkring en ud af tre af disse nedskæringer rullet tilbage, og i finans tættere på en ud af to. Det er ikke en fodnote. Det er det udgangspunkt, du bør forankre dig i, og det bør stå over enhver enkelt case, en leverandør lægger foran dig.
Ford er det advarende eksempel, som dækningen bliver ved med at citere. Dens automatiserede kvalitetskontrolsystemer kunne ikke gengive erfarne ingeniørers dømmekraft, og virksomheden brugte tre år på at genansætte eller forfremme omkring 350 erfarne ingeniører for at lukke hullet, og først da toppede den J.D. Powers Initial Quality Study for første gang siden 2010. En enkelt virksomhed er en anekdote, man kan diskutere. Toogtredive procent af to tusind ledere er en grundrate, man må planlægge imod.
Sådan prissætter du en AI-medarbejderbeslutning
Løsningen er ikke at fastfryse automatiseringen. Den er at ændre beslutningens form. Behandl ethvert træk med AI-mod-medarbejdere som en reversibel pilot, og skriv omkostningen ved genansættelse ind i forretningsgrundlaget, før du godkender. Hvis modellen kun går op, når du antager, at nedskæringen er permanent, og besparelsen omgående, så fortæller modellen dig, at beslutningen er skrøbelig.
I praksis betyder det at måle dømmehalen, før du skærer, ikke bagefter. Identificér den andel af rollen, der er ægte undtagelseshåndtering, og pres systemet mod den rest i stedet for gennemsnitstilfældet. Omdesign rollen, så værktøjet tager mængden, og et menneske beholder dømmekraften, og reducér derefter bemandingen til det, værktøjet beviser, det kan bære. De virksomheder, der rullede tilbage, tog rækkefølgen omvendt: de skar først, opdagede resten bagefter og betalte markedsprisen for at samle det igen, de havde skilt ad.
Læs videre: Uber braendte sit AI-budget 2026 på fire måneder | Den der bruger 145 milliarder siger, det ikke virker endnu
