Det AI-forstærkede team: En ny drejebog for produktledere

Læs transskriptionen:

Vi prøver at transskribere vores podcasts ved hjælp af et softwareprogram. Tilgiv venligst eventuelle stavefejl, da botten ikke er korrekt 100 % af tiden.

Hannah Clark: En af de mange desorienterende ting ved denne AI-revolution er, at vi kollektivt opfinder en ny virkelighed, som jeg nok ikke behøver fortælle dig er langt mindre utopisk, end det lyder. Men det, der også er interessant, er, hvordan vi i realtid ser både ledere og individuelle bidragydere, tør jeg godt sige, kæmpe med at navigere i det rod, der følger med at skabe en ny vej.

Spørgsmål om ting som etik på arbejdspladsen, kvaliteten af output og indvirkningen på fremtidige resultater fylder hos alle i organisationsdiagrammet. Men det betyder også, at vi har en fantastisk mulighed for at lære af hinandens gennembrud og forme vores egne beslutninger omkring den virkelighed, vi ønsker at ende med.

Min gæst i dag er Andrew Saxe, VP for produkt hos Smartling. Smartling opererer inden for oversættelse og sprogtjenester, som praktisk talt er et skoleeksempel på brancher, der påvirkes af AI. Da Andrew begyndte hos Smartling, udførte deres team oversættelsestjenester manuelt, og AI var blot en gammel science fiction-film med Haley Joel Osment som robotten Pinocchio.

Det er overflødigt at sige, at tingene har ændret sig. I denne episode hører du Andrews syn på, hvordan man adskiller reel AI-værdi fra oppustet hype, hvilke etiske overvejelser ledere bør gøre sig, når de implementerer AI-drevne arbejdsgange, og hvorfor de mest efterspurgte kompetencer har ændret sig hurtigere, end nogen havde forventet. Lad os komme i gang.

Nå, men vi har samtaler som denne hver uge, så hvis det lyder interessant for dig, hvorfor så ikke abonnere? Okay, lad os komme i gang.

Velkommen tilbage til podcasten om produktledelse. Jeg er her i dag sammen med Andrew Saxe. Han er VP for produkt hos Smartling.

Andrew, mange tak, fordi du har fundet tid i din travle kalender til at være sammen med os i dag.

Andrew Saxe: Selvfølgelig. Det er dejligt at være her.

Hannah Clark: Kan du fortælle lidt om din baggrund, og hvordan du er nået dertil, hvor du er i dag?

Andrew Saxe: Ja. Ved du hvad, jeg har altid haft en interesse, nok siden midten af halvfemserne. Jeg interesserede mig for internettet, og det var nyt, og jeg har altid befundet mig i teknologiens verden og studeret en masse teknologi, og alle mine jobs har været inden for udvikling og produkt.

Og jeg var en falsk webudvikler i et stykke tid, hvor jeg lavede ikke særligt gode hjemmesider eller kode, og til sidst bevægede jeg mig over i produkt. Jeg har været hos Smartling i omkring 14 år, tror jeg 15 år i juli, så det er efterhånden et stykke tid. Men ja, jeg har altid arbejdet med produkt hos Smartling.

Hannah Clark: Ja. Fedt. Ja, 15 år er ikke noget, man bare skal trække på skuldrene af.

Andrew Saxe: Det er bestemt ikke kort tid.

Hannah Clark: Især ikke i teknologiverdenen. Det er hundeår.

Andrew Saxe: Ja. Nej, det er ret meget. Det er vist mit længste forhold.

Hannah Clark: I dag vil vi fokusere på den udviklende etik omkring AI set fra et ledelsesperspektiv. For at begynde: Har du lyst til at indramme samtalen gennem dine observationer hos Smartling i løbet af dine seneste 15 år?

I din tid har du naturligvis set, at Smartling befinder sig i oversættelsesbranchen, så der har været mange store teknologiske overgange, siden du begyndte i virksomheden. Der har været cloud-adoption, gennemsigtighed, og nu befinder vi os i AI-alderen. Hvad er anderledes ved dette skift?

Andrew Saxe: Ja, helt sikkert. Jeg arbejder altså inden for oversættelsesbranchen, så jeg kan omdanne engelsk til fransk og spansk og den slags. Når man tænker på den proces, har den i virkeligheden altid involveret mange mennesker, og det at oversætte ting er århundreder gammelt. Det har altid eksisteret: at omdanne sprog til andre sprog, og det har altid primært været en menneskefokuseret opgave.

Når man tænker på de andre teknologiske fremskridt i løbet af de seneste 15 år, var cloud naturligvis nok det største. De havde i høj grad forretningsmæssige og organisatoriske konsekvenser, og dette skift til AI har allerede haft en dybtgående indvirkning på oversættelsesverdenen og vil sandsynligvis også andre steder begynde at påvirke mennesker mere og mere.

Selvom cloud havde en enorm indvirkning og gjorde det muligt for folk at skalere virksomheder uden at skulle opbygge serverfarme og alt den slags, var det i høj grad de færreste slutbrugere, der mærkede det, bortset fra at de fik flere apps, virksomheder og lignende. Men det er de daglige medarbejdere, som jeg tror bliver mest påvirket af dagens AI-skift, og det ser vi bestemt i oversættelsesverdenen.

Hannah Clark: Ja, jeg kan forestille mig, at det må være særligt tydeligt inden for netop dette område.

Når vi taler om implementering af AI i oversættelsestjenester, som du nævnte, er der stor indvirkning på arbejdsstyrken af oversættere og slutbrugere. Hvordan afvejer I effektivitetsgevinsterne med den indvirkning, det har på jeres arbejdsstyrke, og hvordan har deres rolle ændret sig?

Andrew Saxe: Når vi ser på det, er vi både en softwarevirksomhed og en SaaS-virksomhed, der leverer værktøjer til at håndtere oversættelser og hele processen. Forestil dig de tusindvis eller hundredtusindvis af mennesker, der skriver oversættelser ind, og værktøjer, der skal håndtere det.

Og så er der naturligvis alle de mennesker, der rent faktisk udfører oversættelserne. Vi tilbyder disse oversættelsestjenester, og i høj grad har folk skrevet oversættelserne ind eller gennemgået dem for kvalitet, fundet fejl og håndteret alle den slags ting samt virksomhedens tone.

For nogle år siden, måske for ti år siden, kom neural maskinoversættelse, hvilket var et ret stort skridt. Google Translate har eksisteret længe, og de skiftede på en måde til neural maskinoversættelse, hvilket havde stor betydning for kvaliteten, men det var ikke en ændring, der gjorde det muligt at fjerne mennesker fra processen.

Hvis man ser på processen, skriver én person oversættelsen ind, en anden gennemgår den for kvalitet, og derefter går den tilbage til indholdsejeren. Sådan har det altid været, og selv med maskinoversættelse var det stadig sådan. Med AI ser vi virkelig på muligheden for at fjerne mennesker fra denne arbejdsgang eller i det mindste ændre deres rolle. Efterhånden som AI og værktøjerne omkring det bliver bedre, behøver mennesker måske ikke længere skrive oversættelsen ind, fordi vi kan generere den bedst mulige første oversættelse. Vi kan bruge AI og store sprogmodeller til at vurdere kvaliteten og derefter beslutte, om den skal sendes til et menneske eller ej.

Menneskets rolle bliver i højere grad en valideringsrolle. Når vi har vurderet, at kvaliteten skal kontrolleres, kommer mennesket ind og siger: Nå ja, det her er måske ikke helt godt. Måske finder de alle de randtilfælde, som den store sprogmodel ikke kan kontrollere eller identificere korrekt, hvorefter man kan føre det tilbage ind i maskinen og forhåbentlig forbedre det samlede resultat.

Rollen flytter sig altså bestemt fra begyndelsen og midten af arbejdsgangen til slutningen, hvor man udfører tilfældig validering eller stikprøvekontrol af indholdet for at vurdere kvaliteten. Det er et ret stort skift i den måde, folk arbejder på. Hvem ved, måske når vi på et tidspunkt dertil, hvor man ikke længere har brug for nogle af valideringskomponenterne, men det er bestemt den bevægelse, der sker lige nu.

Hannah Clark: Ja, jeg synes, det er så interessant, især når du nævner noget som virksomhedens tone, altså noget så nuanceret, der kan være virkelig svært at opfange og mestre, selv på ens eget sprog. Og når oversættelsen skal gengive det, kan jeg se, at det bliver langt mere komplekst for AI at vurdere og oversætte korrekt.

Så jeg kan godt se, hvorfor det lag stadig er meget relevant, og hvorfor det ville være svært at erstatte.

Andrew Saxe: Ja, det er det bestemt. Og virksomhedens tone er en enorm komponent, ligesom særlig terminologi. Folk har bestemte brandord og ordlisteudtryk, de ønsker at bruge, eller ord, de ønsker at undgå.

Man skal sikre sig, at oversættelserne respekterer alt det. AI gør et ret godt stykke arbejde, men det kan også begå fejl. Man er nødt til at opbygge nogle værn, og nogle gange er det menneskelige aspekt af processen selve værnet.

Hannah Clark: Ja, helt sikkert. Selv når man har brugt AI til idéudvikling af indhold og den slags, er der meget at tage hensyn til. Jeg synes, det er interessant at tænke over, hvad teknologien kan være i stand til nu, men også at der er forskellige former for fortolkning. Det er ikke bare en enkel, direkte oversættelsesopgave det meste af tiden.

Når processen altså ændrer sig fra en opgave, hvor et menneske skriver, til en valideringsrolle, hvordan ser arbejdsgangen så ud nu sammenlignet med for fem år siden, før hele denne AI-transformation begyndte?

Andrew Saxe: Helt ærligt var det sådan, at oversættelser altid har brugt teknologi i årtier, med skrivebordsværktøjer, serverværktøjer og alle mulige andre ting til at håndtere det. Men der har altid været et menneske, der skrev ind, gennemgik og vurderede kvaliteten.

Når vi tænker på omkostningerne ved oversættelse, bruger organisationer hundredvis af millioner og milliarder af dollars på oversættelse, og det kan tage tid at få oversættelserne færdige, når mennesker udfører dem. Arbejdsgangen ændrer sig virkelig, fordi den bliver øjeblikkelig, og omkostningerne falder dramatisk, hvis man ikke længere betaler disse mennesker.

Arbejdsgangen bliver langt mere effektiv og handler primært om at håndtere randtilfælde og lignende. Der findes stadig tilfælde, hvor man måske ønsker, at mennesker gennemgår det hele, for eksempel juridiske dokumenter eller oplysninger, der skal være helt præcise.

Der er altså stadig bestemte indholdstyper, hvor mennesker er nødvendige, men jeg forventer, at det vil ændre sig over de næste mange år.

Hannah Clark: Ja. Jeg antager, at efterhånden som tilliden til teknologien vokser, og den bliver mere effektiv, vil det ændre sig. Når vi taler om etik, er der et område med intern debat om, hvor vi etisk står i forhold til at nå kunstig generel intelligens og den slags fremskridt. Hvilke etiske overvejelser er dukket op i jeres ledelsesdiskussioner om AI-implementering internt eller i oversættelsesbranchen generelt?

Andrew Saxe: For os tænker vi på de lingvister, vi arbejder med hele tiden, og jeg synes, at vi har været ret succesfulde med at flytte folk over i andre roller og sikre, at de stadig tjener det samme som før. De kan måske gennemgå mere indhold, fordi det kræver mindre redigering og mindre kontrol, så deres arbejdshastighed er forbedret.

De befinder sig blot i en anden ende af arbejdsgangen. Det er noget, vi skal overveje langt mere, fordi vi kun er i begyndelsen af at bruge disse værktøjer. I branchen overvejer man naturligvis, hvor alle disse mennesker skal ende.

Oversættelse er en meget nuanceret forretning. Bare fordi man taler spansk eller fransk, betyder det ikke, at man kan oversætte dokumenter, specialiseret indhold og den slags. Resultatet bliver måske ikke korrekt. Det er derfor en meget gennemtænkt proces.

Jeg tror stadig, der er plads til mennesker, og arbejdet kan måske i endnu højere grad bevæge sig over mod at skabe indhold på forskellige sprog i stedet for blot at redigere eksisterende indhold til oversættelse. Der vil bestemt stadig være roller for mennesker inden for oversættelse.

Hannah Clark: Det minder på mange måder også om indholdsområdet. Nu hvor værktøjerne findes til at gøre processen mere effektiv, har de kompetencer, der efterspørges, også ændret sig. Tidligere var output og opmærksomhed på nogle af de tekniske krav, især SEO og den slags, meget efterspurgt. Nu forestiller jeg mig, at det er tilsvarende inden for oversættelse.

Det lyder, som om evnen til at opfange specifikke nuancer, sproglige nuancer og stil samt være meget detaljeorienteret omkring en kundes krav er vigtigere end blot at kunne oversætte ord for ord. Det er interessant, hvordan den slags teknologiske skift har en dominoeffekt på hele branchen og på det, der efterspørges.

Andrew Saxe: Det har de bestemt. Når vi ser på noget af den forskning, vi laver, og som vi sandsynligvis vil implementere i år, handler meget om at indfange nogle af disse nuancer. Hvordan opfatter din organisation sig selv, eller hvordan ønsker du, at kunderne skal tale om dig?

Den slags beskrivelser kan virkelig påvirke det, som AI eller den store sprogmodel leverer. Vi har set ændringer i kvaliteten baseret på det. Når vi ser på, hvordan mennesker arbejder lige nu, er de stadig involveret i noget af denne nuance i validerings- og kontrolområderne.

Det vil sandsynligvis også ændre sig med tiden.

Hannah Clark: Jeg kan godt lide at tænke på det sådan, at når markedet skaber en tilstrømning på ét område, for eksempel i mængden af output, vil pendulet svinge over mod en efterspørgsel efter højere kvalitet, mere autentisk indsigt og det, der får noget til at skille sig ud fra et konkurrerende stykke indhold, når konkurrenten har adgang til de samme værktøjer.

Det er en utrolig interessant tid at leve i.

Andrew Saxe: Ja. Det er virkelig interessant at se så dramatisk et skift på så kort tid.

Hannah Clark: Ja, det føles nogle gange, som om vi oplever et skift, der normalt ville være blevet observeret over flere årtier, men som er sket i løbet af et par måneder. Jeg er stadig helt rundtosset, og hver gang jeg har samtaler som denne, føles det, som om vi har en AI-samtale i programmet en gang om måneden, og hver gang er det vanvittigt.

Lad os vende tilbage til arbejdsgange, for jeg er nysgerrig på, hvordan I træffer beslutninger om implementering, og hvordan I ændrer jeres arbejdsgang. Som du siger, vil I virkelig gerne øge hastigheden, og det lyder, som om mange i denne arbejdsstyrke nu får mulighed for at udføre noget af det mere givende arbejde i stedet for de mere trivielle opgaver, der kan outsources.

Hvordan beslutter I, hvilke arbejdsgange eller opgaver der primært bør være menneskedrevne, og hvilke der bør overlades til AI, med en forventning om, at AI bruges til denne arbejdsgang?

Andrew Saxe: Det afhænger virkelig af situationen. I oversættelsesverdenen findes der en omkostnings-, kvalitets- og hastighedsmatrix, som man altid forsøger at navigere i for at opnå den bedste kvalitet til den laveste pris og så hurtigt som muligt.

Vi forsker, undersøger og tester meget for at sikre, at vi tilbyder det rigtige værktøj til den rigtige type indhold. Vi har bestemte tillidsniveauer, som vi ser på, især i vores AI-værktøjer, hvor vi er sikre på, at en bestemt teknologi, et bestemt værktøj eller en bestemt arbejdsgang vil producere indhold, som vi kan garantere kvaliteten af.

Hvis vi kan garantere kvaliteten af en bestemt proces eller arbejdsgang, bruger vi den sammen med kunden til at vælge den arbejdsgang, kunden bør anvende. Nogle kunder har et krav om, at et menneske skal involveres, eller at to mennesker skal involveres, fordi de har bestemte typer indhold, der kræver det.

Men vi ser i stigende grad, at teknologidrevne arbejdsgange kan anvendes bredt på alle typer indhold. Den ene undtagelse er måske mindre udbredte sprog, hvor der ikke findes tilstrækkeligt med information i den store sprogmodel til virkelig at forstå, hvordan oversættelsen bør være.

Nogle mindre udbredte sprog kræver derfor stadig mennesker, men vi har i høj grad set, at disse værktøjer kan anvendes bredt på stort set alle typer indhold og stadig levere en kvalitet, vi kan garantere.

Hannah Clark: Jeg vil også gerne zoome lidt ud og se på organisationen, fordi vi fokuserer på et bestemt team. Hvordan arbejder I med implementering i Smartling som helhed?

Oplever I, at organisationen implementerer AI på en forholdsvis ensartet måde, fordi alle efterhånden har en anvendelse for AI? Eller er der forskelle på, hvor teknologien er mest relevant, eller hvor der er størst modstand mod at gøre tingene på den gammeldags måde?

Andrew Saxe: Der er måske to sider af det. Som softwareleverandør med kunder har kunderne ofte interne krav om AI. De ved måske ikke engang, hvordan de skal bruge det, men de har organisatoriske krav om at opnå effektivisering, og deres leverandører skal bruge AI og kunne rapportere om effektiviseringen.

Kunderne ønsker bestemt det og efterspørger det, og vi forsøger at finde ud af, hvilke løsninger der kan levere den effektivisering eller de besparelser, som organisationen kræver. Internt ved jeg, at alle teams bruger AI-værktøjer. Det gælder især vores ingeniørteam og produktteam.

Måske i lidt mindre grad, men stadig i høj grad. Vores kundesupportværktøjer er AI-aktiverede, og vores helpdesk er AI-aktiveret. Alt bevæger sig virkelig i den retning.

Hannah Clark: Jeg ser flere og flere af disse AI-krav. Det er interessant, for jeg har haft nogle samtaler om, at organisationer bruger flere forskellige tilgange. Jeg har hørt det beskrevet som en gulerod eller en pisk. Man kan enten give incitamenter til at bruge AI, og hvis det ikke virker, og implementeringsgraden stadig ikke er, hvor man ønsker den, bliver det et krav.

Formålet er at få folk til at udforske og bruge værktøjerne, så de bliver fortrolige med, hvordan værktøjerne kan understøtte deres arbejdsgange. Men jeg kunne også forestille mig, at det kan have en bagside.

Andrew Saxe: Internt har vi bestemt indført nogle politikker og godkendte værktøjer. De leverandører, vi bruger, har som regel allerede gennemgået sikkerhedsrevisioner og den slags, så vi kan have en vis sikkerhed omkring det.

Men der kommer et nyt værktøj hver dag, som alle kan bruge, og jeg er sikker på, at folk prøver dem af.

Hannah Clark: Hvis vi taler om hypecyklussen, er det den nye teknologi, kravene, begejstringen og al hypen omkring den. Jeg tror, vi lige nu kommer ud af en periode med stor skepsis: Hvad er hype, og hvilke værktøjer har faktisk brug for AI-funktioner?

Det sker hver gang, der kommer et stort fremskridt. Vi så det med sociale medier og Web3. Hvordan hjælper du organisationen med at adskille hypen, skabe et realistisk grundlag og finde den reelle værdi i værktøjerne? Der findes jo både folk, der er tilbageholdende med at implementere, og folk, der måske er lidt for ivrige.

Hvordan begrænser man det til spørgsmålet: Hvor er anvendelsen af AI værdifuld og ikke skadelig for kvaliteten?

Andrew Saxe: En af vores AI-forskere og ingeniører siger altid, at ikke alt behøver at være AI. Hvis man kan løse det med en regel eller en hvis-så-logik, skal man ikke bruge så meget tid på at tænke, at alt skal være AI-aktiveret.

Når man bruger værktøjer som ChatGPT og bliver imponeret over, at det lige har skrevet en enorm opgave, eller at man indtastede noget og fik alle disse oplysninger tilbage, skaber det naturligvis noget af begejstringen. Det ser ud, som om værktøjet udfører alt muligt fantastisk.

Men når man begynder at anvende AI på forretningsløsninger og kundeløsninger, har man brug for et andet niveau af tillid til det, man ser. Det er her, man begynder at blive mere skeptisk. Det er ikke bare som at skrive noget i ChatGPT og få et godt svar tilbage.

Det handler om at finde ud af, hvordan man anvender teknologien på noget, der forbedrer ens virksomhed eller kundens resultat. Der er bestemt begejstring, og alle ønsker det, men når man først bygger nogle af værktøjerne, bliver reaktionen mere afbalanceret.

Man skal sikre sig, at man bygger noget, der faktisk er gavnligt og nyttigt for mennesker. Nogle gange tager det længere tid end blot at skrive noget i ChatGPT.

Hannah Clark: Jeg føler, der er en parallel til sociale medier, da de for alvor kom frem. Der opstod en social norm om, at enhver virksomhed skulle være på sociale medier. Nogle tog det slet ikke alvorligt, mens andre gik for langt og overinvesterede i sociale medier. På et tidspunkt måtte man spørge: Hvor er afkastet?

Der er altså en fin balance, hvor man skal have et eksperimenterende miljø og opmuntre folk til at udforske, men samtidig hjælpe dem med at identificere de gode anvendelser.

Derefter skal man kun beholde de anvendelser, der har en dokumenteret fordel for virksomheden.

Andrew Saxe: Når vi bygger noget, laver vi mange eksperimenter. Vi har for eksempel testet noget, som vi tror bliver rigtig godt for kunderne. Vi forsøger altid at nå op på 80 eller 85 procents sikkerhed over nogle måneder.

Nogle gange har det været et spørgsmål om plat eller krone, om det virker eller ej. AI er fantastisk, men det er stadig fifty-fifty, om det producerer det resultat, vi ønsker. Der er altså et lag af tillid og sikkerhed samt et behov for at finde de rigtige anvendelser for teknologien.

Hannah Clark: Hvis du vil kommentere på brancher uden for oversættelse, hvilke paralleller ser du så i måden, AI bliver integreret på?

I produktverdenen generelt: Er der erfaringer fra din egen karriere, som du mener kan anvendes bredere, og som påvirker den måde, du ser på, hvordan vi bevæger os fremad med denne teknologi?

Andrew Saxe: Til en vis grad. Jeg forsøger at følge med i de nyeste værktøjer til produktteams og produktchefer.

Jeg har endnu ikke set så meget, hvor det har været enormt nyttigt inden for produktudvikling. Det siger jeg ikke, fordi jeg ikke tror på det, men i vores tilfælde opfinder vi angiveligt ting, der måske ikke findes endnu, samt nye værktøjer, brugerflader, teknologier eller anvendelser, som folk forhåbentlig ikke har set før.

AI kan være nyttigt til skrivning. Giv mig omridset af en specifikation, og det kan blive til noget konkret. Det ville være fantastisk, hvis det kunne omdanne det til Jira-opgaver og fjerne noget af den kompleksitet, som produktchefer ofte skal håndtere.

Jeg har også set spændende værktøjer, hvor man tegner noget på et stykke papir, og værktøjet omdanner det til en pæn mockup og peger på forskellige områder, man kan fokusere på.

Der er mange anvendelsesmuligheder, som vi kommer til at se mere af, og som kan forbedre nogle af de daglige, detaljerede opgaver, der måske ikke kræver lige så meget omtanke som at opfinde noget nyt.

Hannah Clark: Og netop det at opfinde noget nyt er en af de ting, jeg er meget begejstret for, især den nye tendens med at kode ved hjælp af naturligt sprog.

Der er så meget potentiale, som nu bliver frigivet til samarbejde i teams. Man kan få en idé og generere en prototype, som et team med de rette kompetencer kan videreudvikle.

Andrew Saxe: Har du set nogle af de værktøjer i brug?

Hannah Clark: Ja, vores interne team har leget meget med dem, og det er virkelig spændende at se, hvad folk opfinder. Det interessante er, at vi alle har haft det øjeblik som smartphonebrugere, hvor man tænker: Der burde være en app, der kan gøre netop det, jeg ønsker.

Sandsynligvis er der ingen andre, der ønsker det. Nu har man teknologien til at prøve det af og se, om det er en dum idé, eller om der faktisk er noget i det. Jeg har selv en idé, men jeg kan ikke afsløre den.

Andrew Saxe: Det er en fantastisk måde at teste, om ens idé faktisk holder eller ej.

Hannah Clark: Præcis. Det er fedt at kunne validere noget med det samme, for det er sådan, idéer opstår. Ofte er der sikkert allerede nogen, der gør det, men måske kan man gøre det bedre.

Andrew Saxe: Præcis.

Hannah Clark: Når vi ser på forholdet mellem AI og menneskelige medarbejdere, taler vi som ledere om nogle af de påvirkninger, du ser i organisationen lige nu. Vi kan begge se, hvor det bevæger sig hen for slutbrugere og folk generelt. Men hvad vil du gerne se? Hvad begejstrer dig ved den måde, det gør din arbejdsstyrke i stand til at arbejde på, og hvad vil du gerne se i de næste tre til fem år?

Andrew Saxe: Fra et platformsperspektiv er der, især i oversættelsesverdenen, meget styring af ting. Mange mennesker er hele tiden nede i detaljerne, og mange platformbrugere tilbringer hele deres arbejdsdag i systemerne.

Jeg tror, det bevæger sig i retning af mere undtagelsesbaseret styring. Hvis man kan stole på, at AI eller de store sprogmodeller skaber det ønskede resultat, bør man primært håndtere de tilfælde, hvor resultatet ikke blev, som man ønskede.

Det betyder, at man skal gentænke mange værktøjer, herunder platforme som Smartling, så de i højere grad bliver styret efter undtagelser. Hvis mennesker ikke længere behøver at udføre alle disse opgaver, kan teknologien og værktøjerne også bruges langt flere steder end blot i et bestemt system.

Hannah Clark: Hvad synes du om denne provokerende tanke? Jeg har længe været kritisk over for, at den traditionelle karrierevej ofte betyder, at folk, der er dygtige til en bestemt opgave som individuelle bidragydere, stiger i graderne på grund af deres faglige kompetencer og derefter bliver personaleledere uden de nødvendige ledelseskompetencer.

Jeg føler, at vi for første gang står i en situation, hvor individuelle bidragydere fører tilsyn med teknologi, der udfører opgaver på grundniveau. Vi begynder faktisk at træne ledelse på niveauet for individuelle bidragydere. Det er et kompetenceskift, hvor folk udvikler en reel evne til at lede eller forstå, hvad der kræves for at føre tilsyn med et team, før de når niveauet med personaleledelse.

Andrew Saxe: Det giver rigtig god mening. Det har jeg faktisk ikke tænkt på før, men det vil jeg helt sikkert gøre, også når jeg ser på Smartling-teamet.

Hannah Clark: Det er interessant, for der er nuancer i at håndtere problemer mellem mennesker, men det er spændende at se, hvordan folk begynder at tænke som ledere, før de bliver ledere.

Jeg er også begejstret for det skift.

Andrew Saxe: Det giver helt klart mening. Det skaber måske mange nye muligheder for mennesker til at arbejde med ting, de ikke ville have arbejdet med før.

Hannah Clark: Det er interessant at se de uventede resultater, der opstår, når en teknologi har skabt et fuldstændigt paradigmeskift.

Andrew Saxe: Ja, bestemt.

Hannah Clark: Det har været rigtig sjovt. Jeg sætter stor pris på, at du ville være med i programmet. Jeg elsker en livlig AI-samtale.

Andrew Saxe: Jeg er sikker på, at du får mange flere af dem.

Hannah Clark: Ja, sandsynligvis også næste måned. Hvor kan folk følge dig online, Andrew?

Andrew Saxe: De kan finde mig på LinkedIn. Jeg tror, det bare er ASaxe.

Hannah Clark: Fantastisk. Tak, fordi du ville være med, og tak for din tid.

Andrew Saxe: Mange tak.

Hannah Clark: Tak, fordi du lyttede med. Du kan få flere gode indsigter, vejledninger og værktøjsanmeldelser ved at abonnere på vores nyhedsbrev på theproductmanager.com/subscribe. Du kan høre flere samtaler som denne ved at abonnere på Product Manager dér, hvor du normalt hører podcasts.