I detta avsnitt av HR Digitaliseringspodden möter vi Josefin Erséus, CHRO på Teleperformance Nordic. Tillsammans samtalar vi om hur AI används praktiskt och strategiskt inom HR på ett av världens största BPO-företag. Med över tio års erfarenhet från kundtjänstbranschen och en djup förståelse för hur AI kan integreras i HR-processer, delar hon med sig av värdefulla insikter från ett globalt företag med över en halv miljon medarbetare.
Det är ett samtal för alla som vill ha konkreta råd i hur AI kan funka i en organisation och vad som krävs för att implementera nya lösningar på ett ansvarsfullt och värdeskapande sätt. Avsnittet erbjuder både strategisk reflektion och konkreta exempel, och passar lika bra för HR-specialister som för chefer med ansvar för digitalisering, ledarskap och organisationsutveckling.
Ett avsnitt för dig som vill förstå hur AI faktiskt fungerar i praktiken, och vad som krävs för att använda det på ett hållbart, mänskligt och affärsdrivet sätt.
Avsnittet är uppdelat i två delar och går att lyssna på som en helhet eller som separata avsnitt.
I den första delen får lyssnaren ta del av konkreta exempel på hur AI används i HR-arbetet hos Teleperformance. Den andra delen fokuserar på de större frågorna. Etik, datasäkerhet, lagstiftning och AI-kompetens.
Ett avsnitt för dig som vill förstå, påverka och vara med och forma framtidens arbetsliv, lyssna på avsnittet och låt dig inspireras!
Transkribering:
Anna Carlsson: I det här avsnittet av HR Digitaliseringspodden intervjuar Emira och jag Josefin Erséus, CHRO på Teleperformance Nordic – en av få jag träffat som faktiskt har arbetat praktiskt med AI i flera år.
Avsnittet handlar i sin första del om konkreta erfarenheter: hur AI används i rekrytering, onboarding, coachning och kvalitetsuppföljning. Josefin delar insikter om både fördelar och fallgropar – och hur det påverkar kandidater, chefer och HR:s roll.
Den andra delen handlar mer om de större frågorna. Med Josefins erfarenhet kommer också kloka åsikter och insikter.
Vi pratar om etik, säkerhet, regleringar, AI-kompetens och varför det är avgörande att HR bygger sin egen kompetens för att kunna bygga tillit i organisationen och leder med mening i den digitala transformationen.
Du kan lyssna på hela originalversionen – eller välja att höra första eller andra halvan som egna avsnitt.
Anna Carlsson: och om du vill stärka din egen kunskap inom området
jag leder HR-föreningens utbildning om AI och HR-Tech, där vi går igenom allt du behöver förstå för att kunna fatta kloka beslut om vad som är bäst för just din organisation.
Har du ett HR-system, en spännande HR Tech-lösning eller en AI-tjänst som du vill att fler ska få upp ögonen för?
Då finns möjligheten att medverka i ett sponsrat poddavsnitt av HR Digitaliseringspodden – förslagsvis tillsammans med en av dina kunder. I ett gemensamt samtal delar ni hur lösningen används, vilka behov den möter och vilket värde den skapat i praktiken.
Det här är ett format som bygger trovärdighet, stärker varumärket och ger lyssnarna möjlighet att förstå vad ni gör som är så bra, i sin egen takt.
Du kan också välja att höras i ett kortare reklaminslag, precis som det här.
Varje säsong innehåller ett begränsat antal sponsrade avsnitt – vill du vara med?
Hör av dig till mig på anna@hrdigi.se, så berättar jag mer.
Anna Carlsson: Välkommen till HR Digitaliseringspodden.
Josefin Erséus: Tack så jättemycket! Kul att vara här!
Anna Carlsson: Och idag, Emira här också.
Emira Blomberg: Jag är här också.
Anna Carlsson: Precis.
Emira Blomberg: Ja.
Anna Carlsson: Och idag ska vi prata om AI. Igår hade jag en träff med ett antal kollegor i branschen och då började vi prata om man är trött på AI. Vi får väl se om folk vill lyssna på det här.
Josefin Erséus: Jag hoppas inte det.
Anna Carlsson: Nej precis. Vi ska ta lite andra perspektiv tänker jag. Vi behöver inte säga något mer om det, men vi börjar med att du ska få presentera dig josefin.
Josefin Erséus: Ja, Josefin Erséus heter jag. Jag jobbar på hotellet Performance Nordic som HR ansvarig där och Tele Performance. Vi är ett väldigt, väldigt stort globalt bolag. Vi har ungefär fem hundratusen medarbetare runt om i världen så vi är ju inte en liten arbetsgivare globalt sett.
Anna Carlsson: Har ni någon sådan här? Att ni är bland de största i världen eller?
Josefin Erséus: Ja, vi är det största BPO företaget som det kallas i världen. Vi jobbar ju med inringande kundtjänst, framför allt att bidra med att skapa bättre kundupplevelse för våra bolag som vi har ofta väldigt stora globala aktörer som vi jobbar med. Och det gör ju att det också ställer väldigt höga krav på att vi ja men ger dem bra service, ger dem bra kundservice och ser till att vi ligger i framkant när det kommer till att kunna vara bra i att leverera lösningar till dem.
Anna Carlsson: Så ni är liksom ni är Kundtjänst. Fast väldigt många olika typer av bolag då.
Josefin Erséus: Exakt så. har du några exempel att ge.
Josefin Erséus: Jag får ju inte säga vilka exempel, men det är stora telekombolag, stora mobilföretag. Det kan även vara små aktörer, hotellkedjor och liknande också. Så det är en ganska stor blandning av olika kunder som vi har.
Emira Blomberg: Är ni en reaktiv eller proaktiv Kundtjänst man ringer till er. Eller gör ni också utgående?
Josefin Erséus: Nej inget ringande alls utan det är bara inringande samtal. Sen är det ju just det här ut ringande är kopplat till väldigt stark telefonförsäljning. Det vi gör med försäljning är just att vi är mer försäljare på befintliga kunder, så att när de väl har ringt in och kanske vill säga upp ett abonnemang, då försöker vi hålla dem kvar lite längre. Eller kanske se att de kan få en annan modell som passar dem bättre. Det är den typen av säljare.
Anna Carlsson: Och det betyder ju att ni säkert också har en ganska ung kategori medarbetare. Hur ser de ut?
Josefin Erséus: Ja men exakt. Vi tror det går ju inte riktigt att undvika ämnet just personalomsättning när man pratar om kundtjänstbranschen. Vår kundtjänst består till mestadels av unga medarbetare som kanske till och med har sitt första jobb hos oss. Och när det är en ung population så är det också väldigt hög personalomsättning. De tycker kanske inte att det är så konstigt att byta jobb efter ett år. Eller att de till och med vill söka studier någonstans eller vill backpacka eller liknande. Det är en väldigt stor omsättning på personal.
Anna Carlsson: Det är intressant. En intressant kategori.
Josefin Erséus: Jätterolig population att jobba med.
Anna Carlsson: Det här har du jobbat med länge?
Josefin Erséus: Ja, jag har jobbat med i den här branschen i snart tio år. Till och med mer än tio år. Herregud vad tiden går. Det har varit så min karriär kan man säga. Att jobba just inom den här branschen.
Anna Carlsson: Men HR ansvarig, HR chef. Vad har du för roll?
Josefin Erséus: Ja, glömde jag bort. Min formella titel heter CHO så. Det är ju en Chief Human Resource Officer, men HR ansvarig brukar säga att jag är för den nordiska organisationen.
Anna Carlsson: Då får du ta mycket egna ansvar för den här nordiska Verksamheten?
Josefin Erséus: Ja, absolut. Det är såklart viktigt att vi förankrar det vi gör med globala initiativ och globala strategier och regionala mål som vi har satt upp. Men absolut mycket frihet och mycket flexibilitet i vad man kan hitta på för kul.
Anna Carlsson: Det vi ska prata om idag är AI och mycket kring det här med personalomsättning och rekrytering och liknande. Och du intresserar dig tidigt för det här digitala.
Josefin Erséus: Ja, jag har funderat mycket kring varför det har blivit så. Jag tror inte att det egentligen har varit något medvetet val av mig att jobba med digitalisering. Eller det som har blivit nu de senaste åren med AI. Utan att det har skett slumpmässiga händelser som gjort att jag hamnat här och det har känts väldigt rätt när jag väl har trillat dit då. Så det började med att jag fick jobba, eller förmånen att jobba med stora digitaliseringsprojekt på tidigare bolag, men också väldigt stora organisations utvecklingsinitiativ. Satt det är ju, det som har varit den röda tråden har varit att jag jobbat med ständig förändring och hur det påverkar bolag och medarbetare.
Emira Blomberg: Men jag tänker också att det blir naturligt att AI frågan lyfts. Med tanke på den populationen som du ser, som du jobbar med och den yrkeskategorin. Med tanke på det vi har hört om hela avdelningar som sägs upp och ersätts med AI i stället. Och då tänker jag att det är lite som när Henrik från Sodexo var här, och han jobbar ju med Future of Work och framtidens arbetsplats. Att man riskerar att bli obsolet när det händer disruptiva saker i vårt samhälle, typ Covid eller AI:s intågande nu då. Och om inte hela er verksamhet ska ifrågasättas så behöver ni ju tänka till kring detta antar jag.
Josefin Erséus: Men så är det verkligen. Och jag tror att när väl AI blev så stort som blev för några år sedan, för då blir det nu tre år sedan. Snart två och ett halvt år. då tror jag att det var en väldigt, väldigt stor utmaning för alla de här bolagen i den här branschen att försöka förstå. Vad är det som händer nu och hur kommer det påverka oss. Och det vi kan se att hajpen har lagt sig lite nu, och vi kan ju se lite mer också, att man förstår att nej, vi kan inte ersätta alla människor med en AI och tror att det kan bli bra. Utan vi ser att vi behöver ha den mänskliga relationer, mänskliga kontakten kvar och där finns det ju flera stora aktörer som verkligen dels gått ut i media och sagt att nej, vi kommer att bara låta AI hantera vår kundtjänst för att sen gå ut ett år senare och säga att nej, vi ångrar oss. Vi behöver ha människor med i vår kundtjänst för vi märker att det inte blir så bra som vi hade tänkt. Men samtidigt så tror jag att det är ju faktiskt så att AI kan effektivisera väldigt mycket, och speciellt när det kommer till transaktionella uppgifter och återkommande frågor och liknande. Men då är det viktigt att bolag på strategisk nivå faktiskt pratar om hur gör vi nu med den här tiden som vi får över? Innebär det att vi behöver säga upp X antal människor? Eller kan vi faktiskt göra någonting annat som skapar ännu mer värde för bolaget, som gör att vi kan få ännu högre omsättning än det vi hade tidigare? Med tanke på att vi nu har frigjort tid till att göra annat i stället, så kanske ännu mer värdeskapande.
Anna Carlsson: Det här är en så otroligt intressant fråga som jag har fått möjlighet att diskutera också. Vad, det mänskliga kontra AI vart ska vi befinna oss? Där har ni ju en fördel att ni började väl tidigt? Började ni innan hela den här hajpen då att jobba med AI i er verksamhet?
Josefin Erséus: Ja, jag skulle säga att vi gjorde det. Vi var ju faktiskt en av de första som var redan där när openai var i sin linda så behövde de väldigt mycket data. De behövde väldigt mycket. Ja men verkliga situationen att förhålla sig till för att kunna se hur man hade kunnat få den här modellen att funka så. Teleperformance var en av de som samarbetade med OpenAI för att kunna få den här språkmodellen som vi nu ser med Chatgpt, så att vi har hjälpt till. Vi har varit väldigt, väldigt tidiga med AI som bolag. Men, absolut, i nästan alla processer vi har så har vi någon form av AI verktyg eller AI modell som hjälper till och stöttar. Så det är väldigt naturligt för oss att vi har det så. Vi behöver inte ens säga att vi att vi har ett verktyg i vissa processer utan det är väldigt, väldigt naturligt.
Anna Carlsson: Tycker medarbetarna. Vad tycker medarbetarna nu? De är väl ganska vana? Eller blir det för att de är en generation som är uppvuxna med det digitala? Gör det att det blir lättare för dem?
Josefin Erséus: Jag tror att det blir väldigt välkommet att vi har den här typen av lösningar. Till exempel så har vi på global nivå väldigt häftiga lösningar där en kundtjänstmedarbetare kan få ett samtal. Samtalet spelas in då såklart med medgivande från kunden som ringer in och då kan man få i realtid tips på hur man kan ändra sin tonalitet, hur man kan ge tips på att lösa situationen på ett bra sätt. Man kan även få coaching, tips på vägen och liknande. Det är ett jättestarkt hjälpmedel som inte ersätter utan förstärker i stället servicen till kunden som ringer.
Anna Carlsson: Som gör att man kan bemöta något mer på den nivån. Det är hela tiden det här att bemöta den människan som hör av sig. Det här pratade jag om när jag började med AI 2015 och nu har ni det som verklighet. Det är jätteintressant.
Emira Blomberg: Jag tänker ni har ju ändå. Ni säger att ni samarbetade med OpenAI och jag menar, ni har ju gjort många grejer och jag kan tänka mig att många som lyssnar inte har gjort lika mycket. Någonting som jag reflekterar över det är att jag var också på HR Tech i Amsterdam när vi var där att många pratar om slutresultatet, hur det kommer bli. Det kommer bli så här det kommer bli, att vissa skills blir överflödiga och så vidare. Men väldigt få prata om själva genomförandet. Och också så här. Hur började det liksom? Vad var det första ni gjorde?
Josefin Erséus: Oj, nu har jag inte varit på det här bolaget så länge. Jag var med när vi väl började, men om jag kan prata om någonting där, jag menar ett initiativ eller en implementering som jag har varit med om från start, så var det att implementera AI i rekryteringsprocessen. Så den var ju superintressant, för det är det som gör att vi såg att vi ville ta in en AI just i rekryteringsprocessen var att just för att vi har så hög personalomsättning, så ställer det också höga krav på att vi finner ersättare för de som slutat, men också att vi har kunder som har en väldigt fluktuerande volym, som har kunder som ringer in. Det kan vara ett telecom bolag som har EM som ska sändas på deras tv kanaler, och då vill alla helt plötsligt ha det här telekombolaget. Och så blir det en jättestor inringande volym som vi behöver hantera. Och då planerar vi såklart inför det. Men det gör ju att vi behöver rampa upp på väldigt kort tid och det kan ju. Det är inte ovanligt att vi rekryterar säg 60 - 80 medarbetare per månad, och då kanske man kan tänka att det är fler än 60 - 80 ansökningar vi får. Det kan ju vara tusentals ansökningar vi får, och då är det väldigt svårt att ha en rätt bemanning på rekryteringsorganisationen som kan hantera det inflödet av ansökningar. Så det vi gjorde då var att vi hittade ett verktyg som heter Hubert AI, och där det här verktyget gör att den screenar alla kandidater som söker. alla tusen säger vi som söker till oss. De får en länk skickad till sig där de får starta upp en konversation med en AI som heter Hubert. Och där har vi då satt kriterier för ett profilkort för vad som ska frågas efter och liknande, och då kan vi väldigt snabbt se hur väl den här kandidaten passar för den här tjänsten eller inte, vilket gör att vi får en väldigt snabb överblick på vilka som vi ska gå vidare med snabbt. Så det är väldigt, väldigt effektivt. Och där kunde vi se ifrån från det att vi implementerade det här verktyget. Till att vi hade fått det på plats. Det tog bara sex veckor så det var extremt kort tid att implementera. Ofta tar det ju kanske flera år att implementera sådana här stora verktyg eller system. Men det vi såg från dag ett var att vi såg effektivisering med en gång där vi såg. Men faktiskt är det lite så att man nästan skäms för att säga det. Men 65 % effektivisering i våra processer.
Emira Blomberg: Ja Hubert har vi pratat om förut tror jag.
Josefin Erséus: Jag tyckte att han var jättebra.
Emira Blomberg: Ja han har varit där.
Anna Carlsson: Ja VDn var gäst. Det var säkert det kan vara ett och ett halvt år sedan. Det var svårt att hitta folk som kunde prata AI helt enkelt. Och han var jättebra. Och jag tänker att de är ett otroligt bra bevis på svensk innovation.
Josefin Erséus: Verkligen, håller med.
Emira Blomberg: Jag satt ju i juryn för årets innovationsföretag på Recruitment Awards, där det här är det avgjort och Hubert vann den kategorin.
Josefin Erséus: Så roligt. Ja, det är ett väldigt häftigt bolag. Jag tycker de är så häftiga. Ja verkligen.
Anna Carlsson: Men det som jag är, som jag tänker att många undrar över om man då, om ni gör det här så snabbt. Hur gjorde ni för att veta att urvalet blir rätt. Hade ni väldigt mycket data som ni kunde träna AI på? För det är ju tillbaka till hur gör man för att faktiskt praktiskt komma i gång? Man kanske inte kan börja från en manuell process där det har varit lite mer än lite så där en rekryterades tanke.
Josefin Erséus: Exakt.
Anna Carlsson: Hur var det där innan?
Josefin Erséus: Ja, vi har ju. I vår bransch är ju data liksom det som är kung eller drottning. Ja exakt. Kungen drottning. Men det är ju så vi har ju otroligt mycket data och vi mäter ju också prestation på minut i princip också för våra kundtjänstmedarbetare. Där kan vi se hur bra kundnöjdhet är, hur snabbt de löser sina ärenden och så vidare. Och det gör ju att vi också kan se att vi har gjort tester på vilka personliga egenskaper har de här som presterar bäst? Vilka är de som trivs bäst och vilka som mår bäst och som har en bra dynamik i den här branschen eller som har en bra dynamik i teamet. Och där kunde vi verkligen se att när vi drog ut de här profilerna och såg vilka som trivdes bäst och som presterade bäst på vårt bolag, så kunde vi sedan gå ut med ett profilkort som matchade det. Sen var det såklart viktigt att se att av den här populationen som vi nu söker efter, är det så att det tenderar att finnas några bias i det? Är det så att vi tenderar att rekrytera felaktigt, att vi rekryterar fler män än kvinnor för att vissa personliga egenskaper är mer starkt manligt dominerade egenskaper än kvinnligt? Så det var såklart viktigt att också titta på det med objektiva ögon innan vi satte det på plats.
Emira Blomberg: Det låter ju exemplariskt, för det är ofta någonting man missar tror jag. Annars att just undersöka bias grejen, att man skapar en profil som är copy paste på det man redan har, vilket inte säkert är att det är det man behöver i framtiden heller.
Josefin Erséus: Verkligen. Jag tycker det är så intressant Just det du säger, för det var ju om det var Amazon för tio år sedan eller liknande som tänkte att de skulle vara först ut och göra den här typen av screening för alla kandidater som skickar in sitt CV. Och det var ju en egentränad AI modell och den tränades på gammal data, och när de satte den på plats så blev det ju tydligt att det bara var män som fick komma på intervju och som kom vidare i processen. Och när de försökte gå tillbaka och ändra detta, när de insåg att det var ett fel, då gick inte det för att det var så djupt rotat i den här modellen som de hade tränat, att det inte gick att träna bort den här snedvridningen som fanns på plats, så de var tvungna att skrota det projektet.
Anna Carlsson: Börja helt från början igen.
Josefin Erséus: Exakt.
Anna Carlsson: Men när ni har jobbat med det här med urval. Jag tycker det här är fantastiskt. Det gör ju också att alla får en chans oavsett vem man är, vilken bakgrund. Det finns ingen bedömning. Hur använder ni AI även i vidare i processen därefter?
Josefin Erséus: Ja, till viss del skulle jag säga. Det är ju. Vi har ju dels när det kommer till Onboarding och även coaching på regional nivå. Så det är inte bara specifikt för Norden utan på större nivå. Och där är det framför allt ett verktyg som heter Centrical och som vi har implementerat, som vi har sett väldigt framgångsrikt framgångsrika resultat på. Och det är att det här systemet som vi använder det är integrerat med alla våra telefoni system och alla andra system som vi använder, vilket gör att det här systemet kan skräddarsy coaching initiativ. Den kan skräddarsy hur man kan boosta sin utveckling eller sin kompetens i rätt riktning. Man kan se sina KPIer på ett gifierat sätt, så att de som jobbar i kundtjänsten kan känna sig lite utmanande, att de tycker att det är kul. Och sen samtidigt så kan också chefen se hur teamet ligger till och vilka små push eller vilken coaching initiativ man behöver göra för en viss individ så att den kan utvecklas i sin prestation.
Emira Blomberg: Är det ett performance management system?
Josefin Erséus: Ja, det kan man säga att det är.
Emira Blomberg: Hm. Spännande.
Josefin Erséus: Ja, verkligen.
Emira Blomberg: Så det är både onboarding, lärande och coachning.
Josefin Erséus: Ja, exakt. Det är allt i ett.
Anna Carlsson: Det är ett AI baserat verktyg.
Josefin Erséus: Ja.
Emira Blomberg: Det är ett lysande exempel på att förstärka. Som du var inne på tidigare, att med hjälp av AI så förstärker vi och boostar vår egen prestation, snarare än att vi blir helt ersatta av AI.
Josefin Erséus: Ja. Och jag tycker det är så viktigt att när man använder AI så ska det inte kännas som att det är en spotlight på en strålkastare som tittar ner på en, bara för att kontrollera att du gör rätt eller säg att du gör fel, eller bara mata in data i en dashboard. Utan det handlar om att AI ska fungera som en kompass som visar riktning och som ska guida oss rätt någonstans. Och det är där jag tycker att just de här verktygen hjälper oss väldigt mycket.
Anna Carlsson: Men i den här rekryteringsprocessen. Om vi backar tillbaka till den, då har ni fått ett urval på de kandidater som har sökt i den här och sen går de vidare till vad? Gör ni personliga intervjuer.
Josefin Erséus: Ja, Exakt. Och det är där den mänskliga kontakten kommer in som också är superviktig. Men det som vi kunde se när vi implementerade det var att dels så blev kandidatupplevelsen mycket bättre, kandidaterna tyckte att det gick så smidigt och så snabbt och de kände sig involverade från start. Men sen också våra rekryterare kände att det här var så häftigt att få vara med om, för det var kanske inte just administration och att titta igenom CVn och läsa en massa dokument som var det som de ville göra mest när de valde att bli rekryterare, utan de ville ju bli träffa människor och avgöra om de var rätt för rollen. Så att nu kunde de verkligen fokusera på det, vilket var också ett lyft för dem att hantera eller att vara med i den förändringen. Men nu missar jag. Vad var din fråga?
Anna Carlsson: Det var vidare steget just att det är personligt. I nästa steg att man tar den personliga intervjun får de också som rekryterare hjälpmedel i att den här profilen som kommer från Hubert att det här kan man titta närmare på.
Josefin Erséus: Precis.
Anna Carlsson: Som en typ assessment.
Josefin Erséus: Ja, exakt. Det är precis det den gör. Så den gör en assessment på den kandidaten som har skickat in sina svar eller pratat med Hubert. Och därefter kan man se att om det är någonting som är oklart, eller om man vill ha fler exempel på erfarenheter eller situationer som har uppstått på tidigare arbetsplats och så vidare. Det är väldigt lätt sätt att få koll på vad kandidaten har för profil.
Emira Blomberg: Man kanske också bara ska säga. Men just att varför är det framgångsrikt att implementera AI i den här typen av process? Jag tänker att det finns lite olika kriterier här också för lyssnarna som kanske själva funderar. Att det är stora mängder ansökningar. Människor är jättedåliga på att läsa CVn. Framför allt när CVet inte har relevant innehåll. För i ert fall så är det ju unga människor som ofta saknar tidigare erfarenhet och så vidare. Så att vi inte bara säger CV är ju relevanta i vissa rekryteringar. Det är inte one size fits all här. Men just att det är stora volymer CVn är ganska ointressant. Människor är dåliga på att läsa CVn, det är tungt och administrativt, så det blir bara bättre och bättre och bättre och bättre kvalitet och bättre och mer effektivt.
Josefin Erséus: Men jag tycker också att det känns mer etiskt korrekt också. För det vi gör är att vi har alla samma förutsättningar att svara på exakt samma frågor. Så det spelar ingen roll om du är bra på att skriva ett CV eller inte, eller presentera dig på ett bra sätt, utan alla får möjlighet att göra precis samma sak. Och det känns jättebra i magen att kunna erbjuda den möjligheten till våra kandidater och de som vill. De som vill jobba hos oss.
Anna Carlsson: För de ska inte behöva skriva så mycket. De ska kunna prata. Är det prata man gör med Hubert eller.
Josefin Erséus: Nej, det är text är det. Så man pratar inte man blir inte intervjuad av AI:n utan man skriver. Men de är ju. Det är ju som en dialog där den uppmuntrar till att ge exempel och att den kan man ber om att få, men man ber att få svar på väldigt enkla frågor. Men det gör också att inte det känns som att det är en formell intervju, utan det känns som ett lättsamt samtal där alla är välkomna.
Anna Carlsson: Använder ni det? Jag tänker apropå det här med att olika roller kräver olika processer helt enkelt. Använder ni liknande processer för andra typer av roller eller har ni helt olika processer för olika roller?
Josefin Erséus: Det beror på. När det kommer till de tjänster som inte är mass rekryteringar. Där använder vi fortfarande den traditionella rekryteringsprocessen fortsatt. Men när det kommer till den stora massan, inflödet av kandidater som kommer in, då använder vi Hubert.
Anna Carlsson: Och hur är det också med jag tänker på återkopplingar till de som söker? Det är också något som diskuteras väldigt, att få feedback på var jag befinner mig i processen. Har ni det i alla era processer eller är den manuell?
Josefin Erséus: Nej, vi använder Taylor som ATS och där är det ju väldigt lätt att kunna trigga och skicka ut utskick till medarbetare eller kandidater, så att de vet exakt vad de ligger i processen. Men det som gör att vi sällan förlorar kandidater eller tappar kandidater som är väldigt lämpliga profiler. Att jobba hos oss är att vi vet ju direkt att de är de vi ska fokusera på först. Vilket gör att vi alltid håller dem varma. Och det är också det som har gjort att rekrytera nu har frigjort tid. Att faktiskt kunna fokusera och ringa och ligga på och verkligen se till att våra medarbetare eller våra kandidater får ett jobberbjudande snabbt. Det har ju hänt att vi har haft en som har sökt en tjänst sent på kvällen och gjort intervju med Hubert på kvällen och rekryterarna slår upp sin dator på morgonen bokar in en personlig intervju. Tester görs, referens görs och får en anställning, anställningserbjudande senare samma dag. Det är extremt korta ledtider som vi kan få till.
Anna Carlsson: Det är ju fantastiskt för de som söker att bara få det här, och då vinner ni över konkurrenterna.
Josefin Erséus: Ja exakt. Och det är ju precis det att det här är en väldigt konkurrensutsatt bransch, där det är väldigt många som söker efter de här talangerna som vi också ser som åtråvärda. Vi måste vara snabba. Vi kan inte vänta.
Anna Carlsson: Men nu tänkte jag att vi ska också komma in på. Vi pratar ofta om fördelarna med AI just i det här sammanhanget. Otroliga fördelar. Jag tänker också att de kandidater som kommer in. Jag menar, om de också har verktyg som stöttar dem i jobbet så blir det så naturligt. Men vad ser du för baksidor? Du som sitter där nu har jobbat med det här.
Josefin Erséus: Ja, men jag skulle vilja säga att om man inte tänker på processerna på plats just nu, utan AI som stort, så är det ju hastigheten att det är så himla svårt just nu att hänga med, för man hinner knappt ställa frågor innan en ny version av en AI modell förändras eller lanseras. Så det skulle jag säga är nackdelen med AI just nu, att man inte hinner med att följa med helt enkelt. Sen är det ju också just det vi pratade om lite grann att det är en tröskel att komma över när det kommer till att granska data väldigt, väldigt kritiskt. När vi jobbar med rekrytering så är det ju väldigt känsligt och väldigt viktigt att vi hanterar alla rätt och rättvist. Och där ser jag att det finns en nackdel i att människor vet inte riktigt hur man ska kunna granska data objektivt, för de bär på egna mänskliga bias. Så det är det som jag också ser som en nackdel, att man behöver ha en väldigt erfaren och objektiv personal för att kunna få det här att bli bra.
Emira Blomberg: Verkligen. Jag tänkte på det igår när jag kom in på ett litet sidospår här, men varit med att igår så satt jag och hjälpte min dotter med hennes matteläxa och hon tränade treans gånger tabellen. Och då är det så här, det klassiska argumentet varför ska jag lära mig det här? Det finns ju miniräknare, det finns ju AI, det finns ju och så vidare. Men just det här att rimlighets bedöma, det vill säga att träna sig själv i rimlighetsbedömning så att man kan förstå om data man får matad till sig är rätt eller inte. Det är nästan så att hela skolan grundskolan. Från att det handlade om att inhämta kunskap för att veta saker så behöver vi inte det nu. Vi kan veta saker ändå, utan nu blir det helt enkelt rimlighets bedöma det måste vi träna oss i. Är inte det vi behöver träna oss i allihop Här nu. Rimlighetsbedömning av data eller att på något sätt som du säger kunna granska och analysera den här.
Josefin Erséus: Ja men verkligen. Ja, och det är väl det jag tycker är så himla viktigt. Just det här när det kommer till att få ut en större kunskap om AI. För det är precis som du säger rimligt. Och det är något som jag kan tycka att vi kan ställa krav på snart. Att alla måste och det gör jag AI ACT när de säger att alla nu ska lära sig lite om AI och hur det funkar. Men det är rimligt att faktiskt börja ställa krav på att folk ska förstå vad det är vi gör, så att de också kan våga utmana lite. För om man inte vet någonting, om man inte har koll på någonting, då kan man inte heller ifrågasätta. Så det handlar verkligen om att känna att man får lite koll på hur man kan använda det och sen börja ifrågasätta och kanske utmana lite.
Anna Carlsson: Och det är ju precis som du säger lagen. Både AI literacy som redan är på plats, att vi måste utbilda alla de som är inblandade. Men det är också det här digital literacy som finns från EU. Att man vill att vi ska ha, att 80 % av befolkningen ska ha en grundläggande digital förståelse och det här, eller digital kompetens. Det är så dumma ord på svenska. Du ska kunna så mycket så att du ska kunna ifrågasätta och förstå. Och jag menar och det här. Det är inte riktigt så att vi har det här.
Josefin Erséus: Nej.
Anna Carlsson: Och då kan vi ju inte arbeta med den data. Men har du lärt dig att ifrågasätta data? Hur har du lärt dig själv att jobba med de här frågorna?
Josefin Erséus: Ja men jag. Ja, det har jag. Sen har jag läst mycket om det. Jag tycker det är väldigt, väldigt intressant att jag reflekterar mycket om det och om de här frågorna. Läser mycket försöker på något sätt kritiskt granska mina egna antaganden och så. Absolut så är det någonting som jag jobbar med ständigt, men jag tror att det som behövs för att skapa är AI literacy. Det är ju på något sätt en nyfikenhet att man känner att det här är spännande, det här är kul och det är inte skrämmande utan faktiskt något som jag kan använda mig utav eller förbättra. Att jag kan förbättra min prestation på något sätt eller utveckla mig som individ. Det är så viktigt att man har det med sig tänker jag som en egenskap. Att man faktiskt vågar titta på nya saker och så.
Anna Carlsson: Jag tänker på mycket kring medarbetarna som arbetar på HR eller vad vi nu kallar people funktionen. Att det är här man måste förstå de här nyanserna i data. För att om du sätter en vanlig analytiker som inte arbetar med människor så. Vi hade ett avsnitt med Visier tidigare där vi pratar People Analytics och det här att människans data. Den är så fin och den förändras ju. Vi är ju individer och då måste man kunna titta på data på ett annat sätt när det handlar om människor, kontra om det handlar om maskiner eller finansiella områden. Människor är så, det är så speciellt och det är så mångfacetterat.
Josefin Erséus: Verkligen.
Anna Carlsson: Men har du? Vad har ni för, har ni duktiga people analys människor som jobbar med det?
Josefin Erséus: Ja, absolut. I och med att det är en så stark ådra. Eller det ligger i vårt DNA att vara väldigt digitalt kunniga. Inom det här bolaget så är det ju väldigt duktiga personer som finns som vi kan ta hjälp utav. Men jag skulle säga att det vi har framför allt är ju just personer som förstår när den mänskliga faktorn är väldigt, väldigt viktig och någonting som man behöver titta extra på. Och vi har också väldigt starka individer som vågar ifrågasätta, som inte bara tar att man ska implementera ett system för att det ska effektivisera och kostnadsbesparande. Utan vi, vi har personer som verkligen tittar på det långsiktiga och det strategiska, och hur det påverkar individer och våra medarbetare. Satt jag är, satt de har vi verkligen. Det tycker jag.
Anna Carlsson: Det är en otrolig lyx, för det tror jag saknas i många organisationer. Och det gör ju än. Det kan ju göra att det blir jobbigt för om som HR som CHRO oro i en verksamhet om man inte har tillgång till det här. Hur ska man då ta de här stegen? Ska man börja rekrytera? Och för att du måste kunna ifrågasätta det som görs.
Josefin Erséus: Ja, exakt. Och det var, jag läste en artikel och jag kommer inte ihåg exakt, men jag tror att det är Christian Röhn. Ja. Christian Röhn. Nej, men jag läste i en artikel skriven av Christian Röhn och han gjorde en sådan himla bra liknelse just när det kommer till, ja men till hur man kan lyfta kunskapen och lyfta bredden i att faktiskt folk kan omfamna en innovation. Och han drog liknelsen med hur det var när flygplanen kommersialiseras 1930 eller 1935. Det han menade var att det är väldigt få människor som faktiskt förstår idag hur flygplan funkar och vad som försiggår och hur aerodynamiken ser ut. Men alla verkar väldigt bekväma med att flyga nu. Men då 1935, så menar han på att där var det väldigt många som var skeptiska och tyckte att det här var ganska skrämmande. Det är inte naturligt att sitta på ett plan på 10 000 meter upp i luften som människa heller, men det var väldigt lockande känsla att tänka att jag kan åka från punkt A till punkt B på väldigt kort tid och väldigt effektivt. Men jag vill gärna veta säkert innan jag sätter mig på flyget. Annars så är jag rädd för mitt liv. Och det han menar på att det som flygplansbolagen eller flygbolagen gjorde var att de såg till att det fanns en jätte stark kommunikation kring det här. Säkerheten är först. Vi har säkerhetsprotokoll på plats. Vi har rutiner på plats. Vi har någon som sitter i cockpit som har koll på läget och som är välutbildad. Och med det så blev det ju också att man kommunicerade en trygghet till de som faktiskt skulle sitta med i flygplanet och vara med på resan. Och det är precis det jag ser nu med AI, att vi behöver på något sätt lyfta blicken lite högre och vara medvetna om att för att alla ska kunna tycka att AI är kul och omfamna det, så behöver vi ha med deras tillit. Att de kan känna att de litar på det vi gör, att de känner att de sitter i cockpit och att de har koll på att vi har säkerhetskontroll och att vi har säkerhetsrutiner. Och att det finns ett sätt att kunna säga stopp. Jag känner mig inte helt säker nu. Det ser ut som att vingen är av. Kan vi stoppa kan vi inte flyga i väg. Så jag tror att det är just den typen av början Vi behöver se komma på plats också. Att vi inte bara tänker, att yes vi kan. Vi kan göra saker mycket mer effektivt. Utan vi kan faktiskt göra det med hjälp av. Att vi har säkerhetsrutiner på plats och bättre kontroll än vad vi.
Anna Carlsson: Vi är väl lite ensamma då. Jag tänker att vi i och med chatt gpt som släpptes för 2,5 år sedan nu precis. Det var när jag var i Nya Zeeland vi pratade om det, och jag blev helt chockad när jag insåg vad jag hade missat. Komma tillbaka och förstå det här med språk, modeller och hela så är det ju som att vi blir kastade i att det finns ingen pilot. Alltså om vi jämför där det finns, vem säger att det här är tryggt och att det här är det verktyg som du kan använda? För vi har kontrollerat det och data är säker. Och det känns lite som vi blir utkastade i att prova själva. Och jag tror inte riktigt på den tanken. Jag tror, precis som du pratar om att ni använt verktyg som någon har byggt upp som är verifierade och testade, och er data har ni koll på. Då blir det ju liksom tryggt och säkert och någonting som bidrar.
Emira Blomberg: Jag tror ju att vi måste backa. I och med detta så tror jag att vi kommer att få en större förståelse för just data och vad data befinner sig, och vem som äger data. För det är ju egentligen sedan molnet introducerades som begrepp som jag tycker att vi har slarvat med det här som individer, att förstå vad som händer med vår data. Det finns inget moln som ligger.
Josefin Erséus: Det är ett kommersiellt uttryck att ett moln uppe i luften som hanterar vår data. Det är en server någonstans.
Emira Blomberg: Exakt någonstans och var står den och vem äger den och vem har tillgång till det?
Anna Carlsson: Och vem kan kliva in i serverrummet och göra saker? Vem kan koppla in sig och tanka ner vår data. Har vi koll på det?
Emira Blomberg: Ja precis. Och med flygplans liknelsen, tyckte jag var så himla kul. Jag älskar liknelser, men just det här att de här säkerhetsgenomgången som man fortfarande får. Eller nu flyger man ju för att folk har flugit, eller Hur många flygplan är det som går varje dag och hur många olyckor där? Jag har inte statistiken på det, men jag menar det.
Anna Carlsson: Inget man märker i alla fall.
Josefin Erséus: Mindre var det än vad folk flyger i alla fall.
Emira Blomberg: Ja men exakt. Det är farligare att gå ut här nere på gatan än vad det är att sätta sig i ett flygplan osv. Det vet man för att det finns statistik, men här har vi liksom ingen statistik. Och jag tänker också bara den här säkerhetsgenomgången som man alltid gör i flygplanen. Det är egentligen ond bråd död man pratar om, eller hur? Så vid en händelse av att vi skulle råka störta här så är det som att alla sitter där. Ja, då tar man på sig den där då. Är det lika allvarligt. Alltså är det lika allvarliga risker. Här pratar vi om ond bråd död å ena sidan, eller hur? Hur tar ni er an utmaningarna med säkerhet?
Josefin Erséus: Ja, vi är ju väldigt försiktiga med att implementera system som kommer utifrån. Vi gillar ju att utveckla system själva, helst när det kommer till Teleperformance som globalt bolag. Sen finns det ju såklart så att vi har högt ställda krav på säkerhetsrutiner, att vi vet var data ligger någonstans. Om det är ett externt verktyg som vi tar in så där är det ju väldigt, väldigt starka och tydliga protokoll som vi behöver följa. Och sen blir vi också ordinerade varje år på att vi vet exakt vad data är, vem som hanterar data, hur den processas och liknande. Så det har vi absolut på plats redan. Skulle jag säga. Vilket är en fördel.
Anna Carlsson: Där är ni ju också så stora så ni kan utveckla själva det. Det som jag ser är att de som har kommit långt med både bara analys, dataanalys och även AI är de bolag som är själva Tech bolag och som har tillräckligt mycket muskler för att göra det här själva och faktiskt fokuserar och ser ett värde här. Och det är många andra som inte har det här. De vet inte hur de ska göra säkerhetsgenomgången. De kanske jag frågar någon. Vad har ni för regler? Vad får ni lagra eran data? Ja, vi vet inte riktigt. Men fråga den som är säkerhetsansvarig. Den som är dataansvarig och se. Det var lite luddigt kan jag säga. Ja, och det är inte ovanligt att man liksom inte har tagit ställning.
Josefin Erséus: Och jag tror också att man tänker att den man. Det system eller en den systemleverantör man använder är den som är experten. Att det är den som har koll på hur data processas och var den hanteras någonstans. Men de har ju ett syfte att vilja få in ny business, så de kan kanske inte alltid vara så tydliga med hur saker och ting hanteras, vilket gör att jag tycker att man måste vara extremt kritisk och också väldigt nyfiken på att verkligen förstå hur det här funkar. För att kunna göra det rätt
Anna Carlsson: exakt. För att det är också så att om vi tittar på alla de bara HR systemleverantörer, så är det inte första de kan svara på var, vad har ni era servrar för data? För det är det som är den viktiga och det är den som man själv som användare av systemet har ansvar för. Det vill säga man måste ha kontroll på det här. Men hur ser, hur ser du på framtiden med AI? Det här med risker, möjligheter, lagar och liknande.
Josefin Erséus: Nej, jag tänker väl kanske mer på ett med mina personliga åsikter än kanske något annat. Men, men, jag ser ju att det är väldigt många olika saker som sker nu parallellt. Vi kan ju dels se att det finns två stycken supermakter som håller, men som har makt över våra språkmodeller och vår AI utveckling, Och det är ju Kina och USA. Tidigare så var jag ganska okej med att USA hade fördel i detta. Nu kanske jag är lite mer oroad för vad som kommer ske härnäst. Men och det jag kan tycka är risken är att det finns ingen spelare som kan matcha eller som kan vinna loppet eller komma i samma nivå som USA eller Kina. Det loppet är redan förlorat, så vi måste på Europanivå ta till lite andra medel. Och då tycker jag ändå att det vi gör nu med AI Act, att vi faktiskt sätter en struktur och att vi skapar ett krav på AI literacy och liknande är en ett initiativ i rätt riktning. För jag tror att om vi är de som är den nation som faktiskt skapar tillit och ansvar. Det gör också att när fler människor, precis som med flyget, om vi är den som sätter protokoll för hur saker och ting hanteras, så kommer fler och fler vara bekväma med att använda det och kommer känna sig mer nyfikna och kanske inte lika rädda för att använda AI till exempel. Så att jag tror att AI och EU har det som en fördel. Eller EU har en fördel i att bli bättre på AI just för att de har den här strukturen på plats. Men det jag ser som lite skrämmande är just för att det är kanske inte heller bara USA som land, eller Kina som land som är den som håller i makten, utan då är det ju egentligen bara väldigt, väldigt få aktörer som har den totala makten över de här.
Anna Carlsson: Ner till personerna.
Josefin Erséus: Ja precis. Och då är det kanske då säger de som faktiskt har kunskap om hur den här svarta boxen funkar, som faktiskt många pratar om när det kommer till AI modeller. Det är väldigt, väldigt få, kanske till och med ingen, som vet exakt hur våra språkmodeller funkar som vi använder dagligdags. Men det är ju precis som du säger på individnivå. De som har kontroll över hur det här finansieras, vilka strategiska kliv de ska ta och hur det kan påverka mänskligheten. Inte bara för USA utan hela världen i och med att de har total makt. Eller Kina. Så det är lite det jag tycker är intressant att reflektera kring. Hur, hur kommer det bli? Vem kommer vinna det här AI loppet? Och det här leder mig in på egentligen det som jag tycker är väldigt intressant. Och det är energi och hållbarhet. För om man då ser på Open AI VD som allt. Men han gick ju in och investerade i stjärn kärnfusion. Nu ganska nyligen. För han säger det att den som får tillgång till energi, det är den som vinner AI loppet. Det är så utvecklingen och AI strukturen för att kunna skapa ännu mer värde och kunna se att det kan utvecklas ännu snabbare än vad vi ser, det finns mer eller mindre redan på plats. Tekniken finns redan, men energin finns inte för att träna modellen att kunna bli så bra som vi vill. Så just den frågan tycker jag också är väldigt intressant att titta på. För det är ju för att kunna träna en AI modell för att kunna, men bara använda för att promota en AI modell som vi gör varje dag. Det kräver jättemycket energi och vi står redan nu inför en klimatkris där vi säger att vi måste bli bättre på att ta hand om vår energi och inte heller missbruka våra naturtillgångar. Så vad kommer då ske ifall vi har väldigt få aktörer som har en helt annan agenda och bara vill växa sina AI modeller utan att tänka på konsekvenserna.
Emira Blomberg: Vi är så omedvetna konsumenter. Ignoranta och omedvetna konsumenter. Jag är arg på oss. Jag tycker inte att vi tar vårt ansvar här som konsumenter faktiskt. Och också inte minst inte bara AI utan data ägande över huvud taget. Och jag såg ett inlägg av Sara Wimmercranz där hon hade. Hennes ansikte blir använt i olika sammanhang.
Josefin Erséus: Ja, jag såg det.
Emira Blomberg: För hon äger inte rätten till sitt eget ansikte. Och ändå lägger vi ut våra barn och ditten och datten på de här olika medierna. Sen såg jag också en annan liknelse kring att så här när det gäller barnen, vad vi gör med deras barndom och så där, att det är som om vi skulle släppa ut dem i verkliga livet. Att det står ett stort kasino helt plötsligt i deras lekplats och vevar in barnen och släpper inte ut dem och håller dem där inne, vilket är det som de stora aktörerna i princip gör för att det finns olika beteendeankare eller beteendedrivande.
Josefin Erséus: Ja men exakt!
Josefin Erséus: Beteendedrivande funktionalitet som får dem att stanna och stanna där inne.
Anna Carlsson: Och det är ingen som tänker det finns ingen varningstext på Chatgpt. Om du använder det här kommer du skövla skog.
Josefin Erséus: Nej.
Anna Carlsson: Det finns ingenting. Ingen som tänker på det. Om jag går in och googlar på något som vi kallar det för, som också är en aktör, eller om vi går in och ställer frågan via en generativ AI tjänst. Så driver det oerhört mycket mer i energi, och det är det enda de vill är att vi ska använda tjänsten så mycket som möjligt.
Josefin Erséus: Men det som jag tyckte var fint att se ändå, det var ju när en ny språkmodell lanserades för inte så länge sen. som var DeepSeek, där man också såg att aktien på ett stort bolag som heter Nvidia, som är de som jobbar med kretskort och så att man kan processa data som man tränar sin AI på. Den störtdök ju när detta hände, och det som hände då var att de tränade sin språkmodell som är ungefär lika bra som chat GPT på 6 miljoner dollar tror jag det var. Medan Chatgpt och modellerna den tränade så kostade sig 3 triljoner dollar. Nu är jag inte säker på min data om jag ska vara helt ärlig kanske.
Anna Carlsson: Det är mycket mer.
Josefin Erséus: Mycket mer.
Emira Blomberg: Fyrtiotusen miljarder euro.
Josefin Erséus: Tack! Där har vi det. Lätt mer, mer riktigt kanske.
Emira Blomberg: Nej. Jag tänkte på den här riksdagsledamoten som snubblade lite på den.
Josefin Erséus: Men exakt. Men det är värt att kolla upp exakt summor. Men det var så stor skillnad i vad det kostade och varför det kostade så mycket pengar var ju dels för att man behövde så mycket mer mängd data, så mycket mer energi och så mycket mer kraft för att kunna få modellen att bli bra. Men deepseek gjorde någonting som vart revolutionerande, att man kunde använda mycket mindre medel och mycket mindre energi till att träna sina AI modeller, men få ett likvärdigt resultat. Så jag hoppas på att vi ser att det ändå kommer ske ett skifte här nu, där man kan se lite mer energi.
Anna Carlsson: Energisnålare.
Josefin Erséus: Ja alternativ. Ja precis.
Anna Carlsson: Jag såg också i någonting jag läste häromdagen om att de också har kommit väldigt, väldigt högt upp på nyttjandet. Men då är vi ju inne på att det är kinesiska ägare, så då är det bättre eller sämre än USA just nu. Så det finns så otroligt många saker. Men där vill jag också göra en liknelse. Apropå det här med energiåtgång så är det ju så att om vi tittar på datorkraft så har ju den s.k. kostnaden för den och energiåtgången för att skapa datorer och chip och lagring har ju. Det har ju verkligen förändrats och blivit så mycket billigare. Men just nu är det ju extremt kostsamt för miljön. i det vi gör.
Josefin Erséus: Ja det är det verkligen.
Anna Carlsson: Det är ju en balansgång. Vem ska, hur mycket ska vi göra? Eller har vi råd att inte göra?
Josefin Erséus: Ja men visst.
Anna Carlsson: Hur kommer vi att se ut som länder och nationer? Och sen den här frågan kring EU. Vad kommer det att begränsa oss? Att EU sätter de här regelverken? Är det bra eller dåligt för våra företag?
Josefin Erséus: Jag kan tycka att det finns. Det är svårt att säga i och med att allting går så snabbt just nu. Men det jag hoppas på är att långsiktigt så kommer vi vinna på detta, för vi kommer ha mycket säkrare men mycket säkrare struktur. Vi kommer flyga mer säkert än vad andra kommer göra som inte behöver ha de här säkerhetsprotokollen på samma sätt. Men jag är rädd att det går lite för fort så att vi inte hinner med. Att vi inte hinner anpassa oss så att Kina och USA kommer att vara så långt fram. Så vi har inte en chans överhuvudtaget att hinna i kapp eller att kunna vara attraktiva som företag att investera i. Eller att vi inte kommer vara attraktiva som medarbetare att rekrytera för att vi inte har den kunskapen. För att vi ligger så långt bakom. På grund av att vi är reglerade så starkt som vi gör.
Anna Carlsson: Det kanske blir tre väldigt separata eller tre flera separata kontinenter som vi verkligen gör på olika sätt. Och det är mycket det vi pratar om. Det blir väldigt så när det blir politiskt.
Josefin Erséus: Ja.
Emira Blomberg: Men det är politiskt, det är politiskt och det är filosofiskt. Och det är ju den typen av dialoger som jag önskar att vi kunde ha mer av absolut technological literacy och AI big data. Det är två stycken core skills i den här nya rapporten från World Economic Forum som man bör besitta 2030. Men man pratar inte så mycket om etik och moral eller politiskt ställningstagande och så vidare. Sen kanske inte det är upp till var och varenda individ för att. Men jag tycker ändå medveten igen. Man måste kunna rimlighets bedöma saker.
Josefin Erséus: Verkligen. Och det jag kan tycka är intressant. Och det kanske inte är så politiskt utan mer reflekterande kring hur det kan bli och vad jag kanske tror som kommer ske. Och det är att Kina är ju väldigt statligt styrt där det är väldigt få som faktiskt har utrymme att kunna göra som de vill, medan USA är väldigt kommersiellt. Där bygger det på att starka aktörer ska få plats och att det är som vi ser nu. Elon Musk som sitter som är med i högst över styr ett helt land helt plötsligt. Och det är det jag kan tro också att om man säger att säg att Kina skulle vara de som faktiskt får energin och möjligheterna till att utveckla AI snabbast, så tror inte jag att staten är redo att släppa det, för de vill fortfarande kunna känna att de har kontroll. För om de ser att AI kan hjälpa individer så kommer deras makt att upphöra, vilket jag tror inte att de kommer vilja. Så jag ser ändå USA som den som kommer gå starkast ur detta, just för att de inte har samma.
Anna Carlsson: De vill inte ha det här.
Josefin Erséus: Toppstyrning.
Anna Carlsson: Toppstyrning precis. De vill inte att staten ska styra det utan det är individen som ska styra. Så då kan det komma andra krafter. Ja, det är en intressant perspektiv.
Emira Blomberg: Det tror jag också. Just det här att vara agil och flexibel. Också Core skills för övrigt.
Anna Carlsson: 2030.
Emira Blomberg: Ja.
Josefin Erséus: Ja men verkligen.
Anna Carlsson: Ja, jag tänker att vi kommer lite till slut i den här diskussionen. Men nu när du har arbetat med de här frågorna nu. Reflektera. Vad har du för råd? Har du några råd att skicka med till lyssnarna?
Josefin Erséus: Ja, det har jag. Alltså det viktiga jag kan tycka det är ju som jag varit inne på hela tiden, att börja själv och som jag tycker nästan alla säger som är, som jobbar med AI eller som undervisar eller utbildare i AI är också att bara börja testa. Det kommer inte att bli att ett bolag som man jobbar på behöver vara den som sätter en strategi eller sätter ett system på plats för att du ska börja använda det, utan börja använda det själv. Det skulle jag säga nyfikenhet är en väldigt bra startpunkt, men också bygga tillit. Precis som vi pratat lite grann om det här med flygplats eller flygplans liknelsen att vi behöver ha en tillit till att vi känner oss säkra med det vi använder. Och det är ju såklart viktigt att människor ska känna sig trygga och kunna förstå och känna att allting behandlas rätt och riktigt. Och sen så tycker jag väl också att det viktiga är att man. Att man verkligen känner att man. Och det här är kanske mer för chefer som har möjlighet att kunna sätta en strategi på plats. Att man leder med mening, inte bara för att det är en AI hajp eller att det är en AI trend, utan att man känner att konkurrensfördelen som jag nu måste ta, är att jag behöver bara ha en massa AI verktyg för att det ser bra ut utan. Varför vill jag ta in AI Verktyg. Hur kan det påverka mitt bolag? Hur kan jag? Hur kan det påverka mitt företag jag jobbar på. Och varför vill vi ha det på plats? Och vad är det för värde det skapar för våra medarbetare? Så det skulle jag säga är viktigt att tänka på.
Anna Carlsson: Och jag håller helt med om det jag tänker på. Det var mycket när vi var på HR Tech i Europa, att man pratade just om att de man kan prata så mycket om AI. AI vi måste, vad ska vi ha det till? Men det är inte det som är, utan vi måste förstå att det finns olika teknologier som fyller syften på olika platser och att det handlar om vad vi ska uppnå. Vad är vår organisation? Vad har vi för behov? Vad är våra utmaningar som vi ska lösa? Är det då AI som ska lösa det? Men det viktiga är ju att kunna. Och då är det tillbaka till det här med. Vad är min trygghet? Vad behöver jag för att känna mig trygg i den här världen? Och jag sa där, vilket jag också blev citerad på någon officiell sajt om att alla måste kunna. Alla kommer ha en digital del i sitt arbete framöver, oavsett roll och därmed så kommer alla också behöva ha en grundförståelse.
Josefin Erséus: Ja, det är det verkligen.
Emira Blomberg: Jag tar med mig från det här samtalet, För rekrytering har jag rätt bra koll på eftersom det är min expertis domän. Men jag tyckte att det var väldigt kul att höra hur ni har implementerat AI i prestation, och att Enhanced Performance är att få medarbetarna att bli bättre med hjälp utav coaching. För det tror jag verkligen är. Det är både etiskt, moraliskt. Om vi bortser från det här med vad lagras, data och allt det där. Men just att ge alla en chans att bli bättre och förstärka sin egen prestation med hjälp av AI. Det tycker jag var kul att höra att det är så ni ser på det på insidan och inte här. Nu ska ni ersätta alla medarbetare med AI röster.
Josefin Erséus: Exakt. Det är den vägen vi vill gå.
Anna Carlsson: Ja men tack så jättemycket för att du ville komma hit och diskutera.
Josefin Erséus: Tack så jättemycket för att ni ville ha mig här. Jätteroligt! Tack så hemskt mycket!
