AI-verktyg kan förändra hur en organisation arbetar: snabbare beslut, mindre rutinarbete och bättre användning av människors tid. Men värdet kommer inte den dag verktygen gör det. Om AI blir en del av det dagliga arbetet avgörs av mänskligt beteende: vanor, självförtroende, arbetsflöden, tydlighet, sociala normer och vad medarbetare ser att andra omkring dem gör.

Många organisationer har redan infört verktygen, genomfört utbildningen och kommunicerat nyttan — ändå är användningen lägre eller mindre konsekvent än förväntat. Och skälen är sällan desamma för alla.

En medarbetare kan sakna självförtroende i att använda AI-verktyg. En annan är osäker på vad som faktiskt är tillåtet. En tredje har ett arbetssätt där AI-verktyg känns opraktiska i vardagen.

Inom samma organisation kan medarbetare möta helt olika hinder för samma beteende — därför får ett och samma adoptionsprogram för alla sällan alla att röra sig.

Samma resultat. Olika hinder. Olika svar.

Den här masterclassen ger ledare inom AI, HR, L&D, transformation och förändring ett praktiskt beteendevetenskapligt angreppssätt för att diagnostisera dessa skillnader och agera på dem. Den är praktisk snarare än teoretisk, och inga förkunskaper i beteendevetenskap krävs — du går därifrån med ett arbetssätt du kan använda i din egen organisation direkt.

Lärresan

1. RAMA IN. Vilket beteende försöker vi faktiskt förändra?

Gå från organisationens ambition om ”större AI-adoption” till medarbetarbeteendet bakom den: att medarbetare använder AI-verktyg mer i sitt arbete. Förtydliga vad du behöver observera och förstå innan du försöker förändra det.

2. DIAGNOTISERA. Vad står i vägen?

Vi använder ramverket COM-B för att undersöka om hinder handlar om: Förmåga — kan människor använda AI effektivt? Möjlighet — möjliggör och stöttar miljön AI-användning? Motivation — ser människor värdet, känner sig bekväma och kommer ihåg att använda AI?

3. UTFORMA. Vad bör vi göra åt det?

I stället för att utforma en insats för alla: identifiera grupper som delar meningsfulla hinder och utforma därefter. Med nulägesanalys och momentum.

Det här kommer du att lära dig

• Översätta ett AI-adoptionsmål till observerbart medarbetarbeteende
• Skilja mellan hinder i Förmåga, Möjlighet och Motivation för önskat AI-adoptionsbeteende
• Diagnostisera ett realistiskt AI-adoptionscase med COM-B
• Förklara varför AI-adoptionsprogram enligt en modell för alla ofta har begränsad effekt
• Känna igen när manuell diagnostik och insatsdesign blir svår att upprätthålla i organisatorisk skala