Professor Arnulf: Når AI møter et arbeidsliv uten språk for kompetanse

‍

‍

I arbeidslivet snakker vi ofte om at «kompetansen er vår viktigste ressurs». Likevel er det sjelden tydelig hva vi faktisk mener. Begreper som ledelse, analyse, utvikling eller samarbeid brukes bredt og ofte ulikt – av ledere, HR, utdanningsinstitusjoner og teknologimiljøer. Resultatet er at vi forsøker å styre, rekruttere og utvikle mennesker med et språk som er for generelt til å fungere som styringsverktøy.

Dette er et av hovedpoengene i en nylig episode av Digitaliseringspådden, der professor Jan Ketil Arnulf fra Handelshøyskolen BI og Stig Elsfjordstrand fra AlonSkills diskuterer hvordan mangelen på presisjon i kompetansespråket begrenser både organisasjonsutvikling og bruk av AI.

Arnulf peker på et grunnleggende paradoks: Teknologien er i dag i stand til å analysere, sammenstille og foreslå løsninger på et nivå vi aldri har hatt tidligere. Men uten tydelige begreper å jobbe med, får heller ikke teknologien noe godt utgangspunkt.

‍

Når ledere ikke vet hva de trenger

Et gjennomgående tema i samtalen er at mange ledere i praksis ikke klarer å beskrive hvilken kompetanse de faktisk trenger. Stillingsutlysninger blir vage, læringstiltak kobles svakt til reelle rollekrav, og rekruttering handler ofte mer om erfaring og magefølelse enn om presise behov.

Dette er ikke nødvendigvis et lederproblem alene. Det er et systemproblem. Uten et felles rammeverk for kompetanse blir det vanskelig å sammenligne roller, vurdere nivåer og se sammenhenger på tvers av organisasjonen. Dermed blir også strategisk kompetansestyring nesten umulig.

AlonSkills: struktur før teknologi

Det er her AlonSkills kommer inn – ikke som et HR-verktøy i tradisjonell forstand, men som et strukturverktøy for kompetanse. AlonSkills tar utgangspunkt i hva hver rolle faktisk trenger av kompetanse, og bygger et presist, strukturert rammeverk basert på felles taksonomi og tydelige kompetansebeskrivelser.

Poenget er ikke å kartlegge hva ansatte kan, men å skape oversikt over:

• hvilke kompetanser som er kritiske i ulike roller
• hvordan disse kompetansene varierer mellom kontekst og nivå
• og hvor det finnes overlapp, gap og utviklingsmuligheter i organisasjonen som helhet

Når dette språket først er på plass, åpner det for langt bedre beslutninger – enten det handler om rekruttering, intern mobilitet, læring eller bruk av AI til analyse og planlegging.

AI forutsetter presisjon

Et viktig poeng Arnulf løfter frem, er at AI ikke magisk løser uklare problemstillinger. Tvert imot forsterker teknologien både styrker og svakheter i datagrunnlaget. Hvis begrepene er uklare, blir også analysene uklare.

Derfor er arbeidet AlonSkills gjør interessant i et større digitaliseringsperspektiv. Før man automatiserer, analyserer eller optimaliserer, må man bli enige om hva man faktisk snakker om. Først da kan AI brukes til å dimensjonere kompetansebehov, sammenligne roller eller støtte strategiske valg.

Fra fine ord til faktisk styring

For mange organisasjoner representerer dette et skifte i hvordan de tenker om kompetanse. Fra generelle formuleringer og uformelle vurderinger – til eksplisitte beskrivelser som kan brukes, deles og videreutvikles over tid.

Det er ikke et lite arbeid. Men alternativet er å fortsette å investere i teknologi uten å ha språket som trengs for å få verdi ut av den.

Og kanskje er det nettopp her mye av fremtidens konkurransekraft ligger: Ikke i hvem som tar i bruk mest AI først – men i hvem som faktisk vet hva de trenger den til.

‍

‍