Att tillbringa tid med managementkonsulter som ger råd om artificiell intelligens (AI) avslöjar vanliga föreskrifter: automatisera repetitiva uppgifter, förenkla pappersarbete och bearbeta stora datamängder snabbare för att öka produktiviteten. Tidig adoption av AI ses som ett sätt att få en konkurrensfördel. Även om produktivitetsvinsterna är verkliga, är en sådan effektivitetssdriven fördel sannolikt inte hållbar eftersom endast några få stora språkmodeller—som de som driver ChatGPT—dominerar marknaden, och många företag kan komma åt dem till rimliga priser. När konkurrenter förlitar sig på samma AI-verktyg för liknande effektivitetsmål tenderar de att samordna sina arbetsflöden och erbjudanden, vilket minskar differentieringen. Ethan Mollick från Wharton School menar att för att få en verklig konkurrensfördel behöver företagen en mer meningsfull användning av AI. I ett samtal med Economist Impact presenterar Mollick ett ramverk för AI-driven innovation som kretsar kring tre pelare: en “armé” av befogenhet för anställda att experimentera med AI, ledarskap som sätter rätt incitament, och ett dedikerat “laboratorium” för att fånga och skala framgångsrika genombrott. Att ha alla tre elementen kan verkligen differentiera ett företag. Innovation bör börja på “botten”—de anställda som dagligen möter ineffektivitet och kreativa möjligheter. Eftersom AI-verktyg är lättillgängliga och billiga kan personalen närmast uppgifterna enkelt experimentera med AI:s potentiella fördelar, som en marknadschef som testar AI för kampanjidéer eller en jurist som använder det för att skriva utkast till memos. Dessa experiment kostar lite mer än tid och ger värdefulla insikter. Som stöd för detta fann ett gemensamt fältexperiment av Mollick, Harvard, MIT och BCG att över 750 konsulter som använde OpenAI:s GPT-4 för komplexa, kunskapsintensiva uppgifter producerade arbete som bedömdes vara 40% högre i kvalitet än de som inte använde AI, särskilt där AI:s styrkor i skrivande, idéutveckling och syntes kom till sin rätt. Ledarskapet spelar en avgörande roll genom att balansera ambition med trygghet.

Anställda måste förstå att AI-driven förändring förväntas, men att experimenterande inte kommer att leda till avsked. Mollick understryker att arbetstagare ofta kopplar “produktivitetsvinster” till uppsägningar, så tydlig kommunikation är viktig. Ledare bör (1) själv använda AI för att ge exempel, (2) formulera en tydlig och konkret vision för företagets framtid i en AI-aktiverad värld—utöver vaga uppmaningar att “använd AI, ” och (3) klargöra vad företaget värdesätter, och särskilja mellan process och resultat. Till exempel kan AI generera många rapporter eller koder, men om bara volymen av output betyder något kan företaget optimera mot fel mål. Ledare måste definiera om värdet ligger i det samarbetsbaserade arbetet med att producera rapporter eller i deras resultat, och utmana traditionella mått som arbetade timmar eller slutförda uppgifter. För att främja AI-driven innovation bör företagen “ge kontext” för AI, inte bara tekniskt—genom att träna modeller på företagsdata och integrera dem i arbetsflöden—utan också organisatoriskt. Mollicks ramverk uppmuntrar företag att delta i upprepade cykler av experimentering, lärande och att skala framgångar, vilket hjälper dem att upptäcka var AI verkligen tillför värde. Denna kontinuerliga lärandeförmåga, anpassad till varje företags unika kontext, kommer att särskilja organisationer som använder AI för betydande innovation från de som nöjer sig med inkrementell effektivitet. Även om AI snart kommer att vara allestädes närvarande, kommer den organisatoriska kontexten som frigör dess potential att förbli en sällsynt tillgång.