AI är på väg att avslöja hur dåliga vi är på att välja ledare
Gamla mått på ledarpotential slutar fungera när AI jämnar ut prestationen – här är egenskaperna som tar över

Uppläsning av artikeln
Snabbhet och specialistkunskap har länge fått passera som ledarskap. När AI jämnar ut spelplanen tvingas organisationer välja på omdöme, tillit och ansvar i stället.
En ledningsgrupp samlas för ett krismöte. Ett bolag ska återuppta bygget av världens högsta och mest hållbara skyskrapa. Byggnaden står redan 831 meter hög när larmet kommer: en stor del av glasfasaden har lossnat från sextionde våningen och fallit till marken. Ingen vet ännu om någon skadats.
När vd:n rusar in i rummet händer något oväntat. Kommunikationschefen förklarar lugnt att det inte finns något att oroa sig för. Allt är under kontroll. Ingenting har hänt.
Scenariot var inte verkligt – det var en företagssimulering med skådespelare, byggd för att visa hur chefer påverkar andra och fattar beslut under press. Av hundratals chefer som ställts inför samma situation var förnekelsen ny. Övningen fick avbrytas för att undersöka resonemanget.
Simuleringar avslöjar något som vanliga befordringsprocesser ofta missar: att fatta ett snabbt beslut under pressser ut som ledarskap. Klokt omdöme är något helt annat.
Systemet för att välja ledare är trasigt
Vem som får kliva på karriärhissen har länge varit en oprecis vetenskap. Forskningen är tydlig: organisationer skiljer inte tillräckligt mellan de färdigheter som gör någon till en lysande säljare, ekonom eller ingenjör – och de helt andra färdigheter som krävs för att leda människor. Fenomenet har fått ett namn, Peterprincipen: kompetenta medarbetare befordras tills de blir inkompetenta chefer.
I en stor undersökning där nära 10 000 anställda i 25 länder fick frågan vilka egenskaper de värdesätter hos en ledare framkom ett slående resultat: det fanns ingen som helst överlappning mellan de fem egenskaper som toppcheferna faktiskt visar upp och de fem egenskaper deras medarbetare önskar sig. Inte en enda.
Cheferna utmärker sig genom att inspirera, tävla, presentera, ta initiativ och driva innovation. Medarbetarna efterfrågar något annat: tydlig kommunikation, beslutsförmåga, ansvarstagande, integritet – och att faktiskt vara bra på att leda andra människor.

En inbyggd fördröjning
En del av problemet är att varje ledarskapspipeline har en tidsförskjutning inbyggd. Organisationen observerar vilka beteenden som hörde ihop med framgång, omvandlar dem till kompetensmodeller, befordringskriterier och utvecklingsprogram – och reproducerar dem sedan.
När systemet väl sitter på plats kan arbetet redan ha förändrats. Som generaler som förbereder sig för förra kriget blir organisationer extremt effektiva på att producera ledare för den affärsmodell som skapade gårdagens framgång.
AI gör de gamla signalerna oanvändbara
Takten i AI-utvecklingen gör de traditionella tecknen på potential ännu mindre tillförlitliga. Studier visar att AI-stöd kan höja den synliga prestationen påtagligt – särskilt hos mindre erfarna medarbetare. I en uppmärksammad studie av kundtjänstpersonal steg produktiviteten i snitt med 14 procent, men med hela 34 procent för nybörjare och lågpresterande. För de mest erfarna var effekten minimal.
I decennier har vi bedömt ledarpotential utifrån vem som producerar mest, jobbar snabbast eller verkar kunna mest. AI har jämnat ut den spelplanen. Den gamla måttstocken – som ändå fungerade dåligt – är därmed borta. Vilket i grunden är goda nyheter: det tvingar fram bättre urval.
Så kan pipelinen byggas om
1. Uppdatera bilden av gott ledarskap. Avståndet mellan att identifiera rätt egenskaper och att faktiskt välja efter dem måste kortas. De egenskaper som växer i betydelse:
- Nyfikenhet och intellektuell ödmjukhet – viljan att lära och att ta med sig andra
- AI-förståelse, men bara tillräckligt för att se möjligheter och begränsningar (ledare behöver inte programmera)
- Omdömet att veta när man ska lita på, ifrågasätta eller köra över AI
- Förmågan att designa om roller, beslut och arbetsflöden
- Samarbete över mänskliga, funktionella och maskinella gränser
- Etiskt ägarskap när ansvaret annars riskerar att försvinna in i systemet
- Förmågan att skapa tillit runt sig – alltid viktigt, men avgörande i snabb förändring
2. Låt fler lära i arbetet. Bredda gruppen som kan ta verkligt ansvar i plattare och mer självständiga organisationer.
3. Testa omdöme på riktigt. Ge utvecklingsprogram meningsfulla övningar där beslut fattas under press – som simuleringen med den fallande glasfasaden. Sluta bara undervisa i idéer och låt människor öva dem.
Värdet har flyttat
Goda ledare förstår i dag att deras värde har förskjutits: från att personligen leverera svaren till att ha omdömet att avgöra vilka frågor som faktiskt spelar roll, hur de ska angripas, hur resultatet ska granskas – och att ta ansvar för konsekvenserna.
Att bara lägga till "AI-kunskap" i befintliga ledarskapsmodeller räcker inte. Att skicka gårdagens ledare på en AI-kurs skapar ingen ledarskapspipeline för AI-eran.
I denna artikel kan AI-teknik ha används helt eller delvis för text, bilder, ljud och film.
Läs sedan
Utvalt åt digKommentarer
…Laddar kommentarer…
Läs mer om ämnet
9 relaterade
En digital tvilling – något för dig?

AI ersätter dessa 10 jobb – så växlar du spår i tid

Väntad succé – direkt 600% uppgång

Billigare tokens – men dyrare agenter: så får du kontroll på AI-notan

Då kommer självkörande bilar dominera trafiken!

Vill du bli – Prompt-journalist?

Metas smarta glasögon kan snart spela in dina middagsgäster – och fråga: Vill du se höjdpunkterna?

Så här gör du för att få mera ledigt och ändå jobba 40 timmar



