Studie: Derfor mislykkes I med AI i marketing (hint: det handler om mennesker)

Hvis I synes, det er svært at få pålidelige resultater ud af AI i jeres kommunikations- og marketingarbejde, er I ikke alene. Forskning viser, at kun 5 % af virksomheder har haft held med at indlejre AI dybt i deres processer – på trods af massive investeringer. Et nyt studie peger på, at problemet slet ikke handler om teknologien, men om mennesker.

”Hov, jeg må også hellere lige får ChatGPT til at korrekturlæse det her blogindlæg!”

Hvis du arbejder med kommunikation og marketing og føler, at du fra tid til anden må minde dig selv om at bruge AI til at løfte dit arbejde, er du ikke alene.

Det anerkendte britiske Behavioral Insights Institute dykker i studiet ”AI & Human Behaviour” ned i, hvorfor mange AI-initiativer strander i det, forskerne kalder ”shallow adoption”. Altså hvor AI bliver brugt overfladisk og sporadisk i arbejdsprocesser, hvilket har det forudsigelige resultat, at virksomhederne kun oplever små gevinster ved at bruge AI.

Det kunne være ovenstående eksempel, hvor man lige husker at få ChatGPT til at korrekturlæse, opsummere en tekst eller skrive en mail. Det kan være værdifuldt nok for den enkelte, men flytter ikke for alvor noget for virksomheden. I bedste fald giver investeringen i AI-værktøjer altså et beskedent afkast. I værste fald sakker virksomheden bagud i forhold til konkurrenterne.

Her ville mange måske have lyst til at sige, at problemet må skyldes manglende oplæring af medarbejderne i brugen af AI-redskaberne, men ifølge Behavioral Insights Institute er det også vigtigt at være opmærksom på alle de menneskelige barrierer, der forhindrer AI i at give værdi i virksomheden. 

Hvad er de typiske adfærdsbarrierer for, at medarbejdere begynder at bruge AI? 

Behavioral Insights Team specialiserer sig (som navnet antyder) i at bruge adfærdspsykologiske og -økonomiske indsigter til at designe klogere løsninger i både det offentlige og private. Centralt for feltet er forståelsen af os mennesker som alt andet end rationelle, men i stedet skabninger, der gennem tusindvis af års evolution er blevet eksperter i at spare på energien, og overleve gennem en lang række smutveje/hacks.

Hacks, der måske har tjent os godt, da vi sov under åben himmel med vilde dyr i nærheden og knaphed af mad, men ikke altid virker efter hensigten i en verden, hvor vi kan få alt det sukker og fede fødevarer, vi kan slæbe hjem fra supermarkedet.

På samme måde med AI-værktøjer, der sætter gang i en række af vores helt automatiske (og nedarvede) reaktioner (eller adfærdsbarrierer).

Her er ifølge BIT de typiske adfærdsbarrierer for, at medarbejdere begynder at bruge AI-redskaber:

Studiet identificerer tre hovedkategorier af barrierer: Motivation, Evner (capability) og Tillid (trust). Under disse gemmer sig syv konkrete adfærdsudfordringer: 

Motivationsbarrierer: 

1. Lav saliens (eller ”jeg kan virkelig ikke se, hvad der skulle være så fantastisk ved at bruge AI.”) AI-fordelene forbliver abstrakte. Ledelsen taler måske om "øget produktivitet" – det lyder fint, men hvad betyder det konkret for min kampagneplanlægning til på tirsdag?

2. Status quo-bias (eller ”skal vi ikke bare gøre, som vi plejer?”) Vi holder fast i det kendte, selv når bedre alternativer findes. Ifølge studiet valgte kun 40 procent af deltagerne i et studie at bruge en chatbot, selv når den var tilgængelig, og kunne spare deltagerne tid.

3. Satisficing (at ”nu har vi vist fået nok værdi ud af ChatGPT, hva’?”) Her er vi inde ved noget, der er sværere at få øje på. Men ifølge studiet er afdelinger og teams tilfredse med marginale forbedring som følge af at bruge AI-værktøjer – frem for at jage mere transformative gevinster og dyb værdi. Man er eksempelvis tilfreds med, at AI skriver mailen 20 procent hurtigere uden at se potentialet for at gentænke hele kommunikationsflowet.

Evnebarrierer:

4. Friktion i arbejdsgange (eller ”AI bliver endnu en ting, jeg skal forholde mig til.”) Her handler modviljen om, at medarbejderne oplever, at AI bliver et ekstra lag ovenpå eksisterende processer i stedet for at erstatte dem. Her kan friktionen også stamme fra organisationens regler om håndtering af privatdata, godkendelsesprocesser og uklare retningslinjer.

5. Kognitivt overload (eller ”jeg har alt for travlt til at sætte mig ind i AI-værktøjerne.”) De fleste af os kender følelsen af at have for meget om ørerne, og når vi har den følelse, er der ikke plads til at ”lege med AI” og udforske nye muligheder. Medarbejderne bliver overvældede af følelsen af for mange værktøjer, for mange muligheder og for lidt tid til at lære dem ordentligt at kende.

Tillidsbarrierer:

6. Trusler mod kompetence og identitet (eller ”AI gør mig overflødig.”) Her skyldes medarbejdernes modvilje mod AI, at teknologien opleves som en trussel mod faglighed og jobsikkerhed. "Hvis AI kan lave min analyse, hvad er så min værdi?"

7. Permission bias (eller ”det tror jeg virkelig ikke, at jeg må bruge AI til.”) Her strander AI-brugen på medarbejdernes bevidste eller ubevidste fornemmelse af, at de kun må bruge AI-redskaberne overfladisk. De venter på eksplicit tilladelse til at eksperimentere dybere fra ledelsen.

8. Trussel mod identitet og image (eller ”mine kolleger vil tro, at jeg er doven.”) Ifølge BIT holder mange medarbejdere også igen, fordi de er ængstelige for, hvad det vil betyde, hvis det bliver ”opdaget”, at de bruger AI. Bliver jeg opfattet som doven eller mindre kompetent, hvis jeg bruger AI?

Hvordan får man så øget tilliden og brugen af AI i sin virksomhed?

Ifølge Behavioral Insights Team skal der i virksomheder, der vil lykkes med AI, arbejdes systematisk med adfærdsdesign – i stedet for bare at rulle flere AI-værktøjer ud.

I rapporten oplistes en lang række såkaldte ”interventioner” (læs: adfærdstiltag), der kan gøre medarbejderne mere trygge i omgangen med AI-redskaberne.

#1 Adfærdstiltag, der kan øge AI-motivationen

• Implementeringsintentioner: Det lyder banalt, men alene det at formulere en hensigt om at bruge AI til en opgave, kan øge den faktiske brug. I studiet taler BIT om at lave simple "hvis-så" planer. Eksempelvis "hvis jeg skal lave en konkurrentanalyse, så starter jeg med at bede AI om at strukturere dataindsamlingen."
  
  
• Tal i konkrete gevinster i stedet for det abstrakte: Medarbejdernes bullshit-radar slår hurtigt til, når ledelsen taler om "AI øger produktivitet". Tal i stedet om konkrete gevinster: "AI reducerer tiden på kampagnerapportering fra 8 til 3 timer."
  
  
• Få de sociale normer i spil: Vi lader os påvirke af, hvad vores kolleger eller fagfæller i branchen gør. Brug derfor statistik, der eksempelvis viser, hvor stor en andel af marketingteams i din branche, der allerede bruger AI til content-generering (hvis du altså har data).
   
• Commitment devices: Dette tiltag er i familie med implementeringsintentionen, men her er det handlingen at forpligte sig offentligt på et mål, der øger sandsynligheden for, at det faktisk sker. Her kan det eksempelvis handle om at få teams til offentligt at forpligte sig på specifikke AI-mål.

#2 Adfærdsdesign, der sænker medarbejdernes evne-barrierer omkring AI

• Choice architecture: Gør AI til default-valget. Integrér det direkte i eksisterende værktøjer frem for at tilføje nye.
  
  
• Sludge-audit: Identificér og fjern alle de små forhindringer ("sludge") der gør AI-brug besværligt. Er der 5 godkendelsestrin for at få adgang? Tre forskellige logins? Fix det.
  
  
• Erstat, ikke tilføj: AI skal erstatte eksisterende trin i processen, ikke lægges ovenpå.
  
  
• AI-champions: Udpeg superbrugere, der kan guide og inspirere andre.

#3 Adfærdstiltag, der øger tilliden til AI

• Brug vores tabsaversion: Det er dokumenteret igen og igen inden for adfærdsforskningen, at mennesker bliver mere motiveret til handling af udsigten til at tabe noget end til udsigten til at vinde noget. Det har fået betegnelsen tabsaversion (loss aversion). Og ifølge BIT kan vores modvilje mod at miste noget også bruges, når det handler om vores forhold til AI. Eksempelvis ved at tale mindre om AI-værktøjernes potentielle gevinster i form af sparet tid, men mere om AI som et værn mod fejl. Dette kan i en kommunikationsafdeling bruges til at positionere AI som et værktøj, der forhindrer dyre fejl i kritisk kommunikation eller minimerer risikoen for uheldige formuleringer, og dermed beskytter virksomhedens omdømme.
  
  
• Vær overdrevent eksplicitte. Når vi nu ved, at nogle medarbejdere ikke tør bruge AI til opgaver, som de ikke har fået eksplicit lov til at ledelsen (se ovenfor om permission bias), skal ledelsen selv sagt sørge for at gøre et stort nummer ud af at overkommunikere. Sig ikke bare, at AI er tilladt – vis præcist, hvordan og hvor meget eksperimentering, der forventes. Googles berømte "20 procent tid" til passion-projekter kunne genopfindes som "AI-eksperimenteringstid".

Adfærd trumfer teknologi –  find friktionen 

Studiet fra Behavioural Insights Team skærer det ud i pap, at succesfuld AI-adoption ikke handler om at have de bedste værktøjer. Det handler om at forstå og designe for den menneskelige adfærd.

De virksomheder, der knækker koden, vil være dem, der:

• Identificerer de specifikke adfærdsbarrierer i deres organisation
• Designer målrettede interventioner (ikke flere værktøjer)
• Systematisk flytter teams fra overfladisk til dyb adoption
• Bruger loss-framing til at overvinde modstand
• Skaber eksplicitte mandater og sandboxes for eksperimentering