Når vi alle skal lede

Du beder en AI om hjælp til dit arbejde. Den finder en oplysning, skriver et udkast eller foreslår en løsning. Du arbejder videre. Sådan har vi lært at forstå forholdet: Jeg udfører arbejdet, og AI hjælper mig.

I et manifest fra Proton, virksomheden bag Proton Mail, vender teknologidirektør Bart Butler forholdet om. Udviklerens opgave er ikke længere at få AI til at hjælpe med at skrive kode. Opgaven er at hjælpe AI med at skrive bedre kode hurtigere.

Den tanke rækker langt ud over programmering. Efterhånden som AI kan udføre flere slags opgaver, kan vi omskrive den:

Dit job er ikke længere at få AI til at hjælpe dig med at lave dit arbejde. Dit job er at hjælpe AI med at kunne lave arbejdet hurtigere og bedre.

Sætningen ændrer, hvor vi står. Før sad vi med opgaven og havde en hjælper ved siden af. Nu er det hjælperen, der skal kunne komme videre, og os, der må finde ud af, hvad den mangler.

Det er jo det, ledere gør.

En forfremmelse uden titel

En leder kan skabe et godt resultat uden selv at have skrevet rapporten eller bygget produktet. Hun har gjort opgaven tydelig, fundet de rigtige mennesker og sørget for, at de kunne komme til. Når noget kører fast, undersøger hun hvorfor. En manglende oplysning kræver noget andet end en dårlig beslutning.

Den arbejdsform kan nu komme ind på skrivebordet hos mennesker, der aldrig har haft personaleansvar. Man behøver hverken en afdeling eller et hjørnekontor. Man kan være den eneste i sin virksomhed og alligevel bruge dagen på at sætte arbejde i gang, følge op og hjælpe andre videre.

Forestil dig en medarbejder, der hver måned laver en oversigt over virksomhedens salg. Hidtil har hun samlet tallene, rettet fejl og skrevet forklaringen. AI har hjulpet med regnearket og nogle formuleringer.

Nu får AI til opgave at lave oversigten. Medarbejderen skal sørge for, at den kan hente tallene, ved, hvordan returvarer skal tælles, og kan vise, hvor dens konklusioner kommer fra. Da resultatet ser mærkeligt ud, opdager hun, at to afdelinger registrerer en returnering forskelligt.

Hun kunne rette månedens rapport i hånden. Hun kan også få beskrevet forskellen og gemt reglen, så AI har noget bedre at arbejde ud fra næste måned. Hendes erfaring bliver til en del af den måde, arbejdet bliver gjort på.

Det kan være en uvant måde at være dygtig på. Hun har lavet færre af rapportens enkelte dele, men fået mere til at fungere. Den faglige stolthed skal finde sig til rette i et resultat, hun har gjort muligt uden selv at have fremstillet det hele.

I Det fælles værksted skrev jeg om betydningen af de redskaber, vi giver AI adgang til. Ledelsesopgaven omfatter også at bygge sådan et værksted: viden, som er til at finde, regler, som er til at forstå, og muligheder for at se, om arbejdet lykkedes.

Proton peger på, at selve virksomheden må følge med. Hvis koden bliver skrevet hurtigere, men venter lige længe på en beslutning, er gevinsten begrænset. At hjælpe AI med arbejdet kan derfor føre en medarbejder fra en konkret opgave til et spørgsmål om, hvorfor hele arbejdsgangen ser ud, som den gør.

Der ligger en spændende mulighed i det. Flere kan få kræfter til at føre en idé ud i livet og anledning til at påvirke, hvordan arbejdet organiseres. Men vi får samtidig en anden hverdag. Og en hverdag er også noget, man øver sig gennem.

Arbejdet arbejder også på os

Når man skriver en forklaring, opdager man undertiden, at man ikke har forstået det, man ville forklare. Sætningen vil ikke hænge sammen, fordi tanken endnu ikke gør det. Man må tilbage til stoffet. Teksten bliver bedre, og det gør ens forståelse også.

Arbejdet efterlader altså mere end et produkt. Der sker også noget med den, der udfører det. Derfor er jeg nysgerrig på, hvad det gør ved os, hvis flere af vores dage kommer til at ligne en leders.

Forskere har faktisk fulgt mennesker gennem den overgang. I to studier af nye ledere fandt Wen-Dong Li og hans kolleger små stigninger i det, psykologer kalder samvittighedsfuldhed: tilbøjeligheden til at være organiseret, pligtopfyldende og målrettet. De sammenlignede med lignende medarbejdere, som ikke blev ledere, og fandt en forbindelse til de øgede krav i rollen.

Et større tysk studie, der fulgte mennesker før og efter, de blev ledere, fandt et andet forløb. Efter overgangen steg selvværdet, mens blandt andet samvittighedsfuldheden faldt. Nogle forskelle var til stede længe før den første ledertitel.

Der findes altså ingen enkel lederpersonlighed, som rollen støber os i. Men studierne giver god grund til at interessere sig for forholdet mellem den opgave, vi påtager os, og det menneske, vi bliver. Vi tager vores vaner med ind i rollen. Over tid kan rollen også få betydning for vanerne.

At lede AI er en anden erfaring end at have ansvar for mennesker. En medarbejder har egne ambitioner, kan være presset derhjemme og kan være uenig i en beslutning af gode grunde. Det forhold stiller krav til en leder, som en AI ikke stiller på samme måde. Vi kan derfor ikke bare overføre forskningen og regne med samme virkning.

Til gengæld kan vi begynde at se på, hvad den nye arbejdsdag kræver af os. Medarbejderen med salgsoversigten skal opdage uklare regler, forklare sin hensigt og skelne mellem et flot resultat og et rigtigt resultat. Hun øver sig i noget andet end dengang, hun selv samlede alle tallene.

Man kan få resultatet uden at få forståelsen

Et forsøg offentliggjort i 2026 gør forskellen meget konkret. Forskere fra Anthropic lod 52 softwareudviklere løse opgaver med et sæt programmeringsværktøjer, de ikke kendte i forvejen. Nogle fik adgang til AI, andre måtte arbejde uden.

Bagefter blev deltagerne prøvet i, hvad de havde forstået. Gruppen med AI fik i gennemsnit 50 procent af de mulige point. Gruppen uden fik 67 procent. AI-gruppen var heller ikke statistisk sikkert hurtigere til opgaven.

Det interessante lå også i deltagernes måde at bruge hjælpen på. Nogle overlod arbejdet til AI. Andre bad om forklaringer, stillede spørgsmål til begreberne eller undersøgte den kode, de havde fået. I forskernes efterfølgende gennemgang klarede de sidste sig bedre. De små grupper viser forskellige måder at arbejde på, snarere end en færdig opskrift på at lære med AI.

Forsøget målte forståelse kort efter en ny programmeringsopgave. Den forskel er værd at holde fast i, når vi taler om at blive ledere: At en rapport ligger færdig, siger noget om rapporten. Det siger ikke i sig selv, hvad den ansvarlige har lært.

Vi kan få AI til at levere en forklaring og læse den med et nik. Vi kan også standse ved det, vi ikke forstår, bede om et eksempel og undersøge, om forklaringen holder. Begge forløb kan ende med den samme tekst på skærmen. De kan efterlade os med forskellig forståelse.

Det passer med en undersøgelse af 319 vidensarbejdere. Deltagerne beskrev, hvordan deres kritiske tænkning med AI flyttede sig mod at kontrollere oplysninger, samle svar og styre opgaven. Større tillid til AI hang samtidig sammen med mindre selvrapporteret kritisk tænkning.

Ledelse kan med andre ord være et krævende arbejde med at forstå. Men en godkendelsesknap kan også få det til at ligne ledelse, selv når man blot lader et resultat passere.

I Når kode ikke længere er menneskets sprog undersøgte jeg, hvordan maskinens arbejde kan blive forståeligt for os. Nu vender spørgsmålet tilbage til mennesket: Hvordan bruger vi den adgang til faktisk at forstå mere?

Den, der selv bliver oplært

Vend tilbage til medarbejderen med salgsoversigten. Hun beder AI forklare, hvorfor et tal ser forkert ud. Svaret får hende til at opdage forskellen mellem afdelingernes regler. Hun giver en bedre instruktion og ser, hvordan det ændrer resultatet. Undervejs har hun også selv fået bedre greb om virksomheden.

Hun lærer gennem det arbejde, hun leder. AI kan tage sig af den møjsommelige samling af tal og samtidig give hende mulighed for at undersøge flere sammenhænge, end hun før havde tid til. Ledelse behøver ikke være et skridt væk fra at lære. Det kan give os andre ting at lære af.

Hvis den arbejdsdeling breder sig, bliver evnen til at sætte retning noget, langt flere får brug for at udvikle. At ønske sig et resultat er let. At forklare, hvad der skal gøre det godt, kan kræve, at man opdager, hvad man egentlig mener.

Den opdagelse kan ske i en samtale med AI, ligesom den kan ske, når man skriver en vanskelig sætning. Man får noget tilbage, som gør ens egen uklarhed synlig. Så må man tænke videre. Det afgørende er, om samtalen giver plads til det arbejde, eller bare skynder sig frem mod en aflevering.

Jeg har i Dannelse er ikke et helle skrevet om, hvorfor menneskets plads ikke kan bygge på altid at stå øverst. Lederrollen er heller ikke en garanti for, at vi forbliver de dygtigste. Vi kan godt sætte en retning og samtidig have brug for at blive klogere af den, vi leder.

Det gør Protons omvendte arbejdsdeling endnu mere interessant. Vi hjælper AI med at kunne udføre arbejdet. Den måde, vi gør det på, bliver samtidig en del af vores egen oplæring.

Når vi efter en arbejdsdag spørger, hvad AI har fået lavet, er der derfor endnu et spørgsmål, som er værd at tage med hjem: Hvad er vi selv blevet bedre til i dag?