De fleste organisasjoner måler kultur med skalaer knyttet til brede påstander om engasjement, ledelse eller bedriftskultur. Slike målinger er nyttige for å forstå stemningen i organisasjonen, men de driver sjelden handling fremover og de fanger sannsynligvis ikke opp et stort stykke av helheten. Kultur lever i hverdagslige historier, fra hvordan beslutninger tas, hvordan konflikter håndteres og hvordan feil behandles. Å samle inn disse dataene i en tradisjonell spørreundersøkelse har vært for tid- og ressurskrevende, men med nye AI-baserte analyseverktøy kan vi nå forstå dem i stor skala.
Vi beskriver et enkelt tre-stegs rammeverk for hvordan ny teknologi kan tas i bruk, og hva dette betyr for måten vi forstår kultur og medarbeideropplevelse på.
1. Innsamling: Be om ærlige, lange historier
Start med å behandle spørreundersøkelsen som mini intervjuer heller enn et skjema. Fokuser på konkrete situasjoner («Tenk på siste gang du hadde en idé til å utfordre status quo…») og be folk beskrive hva som skjedde, hva som hjalp og hva som sto i veien. Oppmuntre til lange svar.
Siden store språkmodeller (LLM-er) kan analysere store mengder fritekst, kan du trygt invitere til lange svar fra tusenvis av medarbeidere. Det gjør en tradisjonell spørreundersøkelse om til virtuelle fokusgrupper med over 1 000 deltakere og lar deg forstå menneskers faktiske opplevelse mye bedre enn avkrysningsbokser alene gjør.
Med god styring og åpenhet kan du også supplere med andre spørreformater (chatbot-grensesnitt) eller innhente data fra passive kilder, for eksempel interne diskusjonsfora eller mønstre i samarbeidsverktøy.
I praksis:
Formuler spørsmål rundt reelle beslutninger, avveininger og interaksjoner og oppfordre til lange svar
Denne typen spørsmål krever tid av deltakerne. Begrens derfor antallet til for eksempel fire til fem spørsmål
Kommuniser tydelig hvordan dataene vil bli brukt og beskyttet
2. Analyse: Fra råtekst til atferdsinnsikt
Tradisjonelt ville dette steget kreve et team av analytikere som går gjennom kommentarene manuelt. Nå kan LLM-verktøy raskt gruppere dem etter temaer (hva snakker folk om?) og sentiment (hvor fornøyde eller misfornøyde er de?). Det som tidligere tok analytikere uker, kan nå gjøres på timer av én person.
Forskning viser at AI-basert koding med godt promptdesign og menneskelig tilsyn kan matche eller overgå menneskelig konsistens i mange kvalitative oppgaver, men validering er uansett nødvendig. I fritekstbaserte undersøkelser kan du finne innsikter du ikke ventet, der respondenter tar tak i sidetemaer underveis. Vær åpen for å justere hva du fokuserer på. Og vær kritisk til hvilke AI-verktøy du bruker, da ikke alle er laget likt og nøyaktigheten må være høy.
I praksis:
Finn riktig AI-verktøy, generiske, enkle modeller kan hallusinere
Definer et sett med atferdstemaer du vil følge med på, men vær åpen for å legge til flere
Sjekk for skjevheter og feilklassifiseringer, og juster prompter eller modeller etter behov
3. Deling: La ledere «snakke» med svarene
De fleste undersøkelser mislykkes fordi innsiktene ikke omsettes til handling. Også her kan ny teknologi hjelpe. I stedet for en statisk rapport kan du gi ledere et konversasjonsgrensesnitt, en chatbot koblet til de anonymiserte dataene. De kan stille spørsmål på naturlig språk, som «Hva foreslår folk at vi gjør annerledes for å forbedre beslutningstakingen?».
Denne modellen endrer hvordan ledere forholder seg til atferdsinnsikter. Den gir dem eierskap til hva de utforsker, henter frem relevante eksempler på forespørsel og oppmuntrer til hyppigere og nysgjerrighetsdrevet engasjement. Det gjør innsiktene mer relevante og handlingsbare og avdekker ofte temaer du ikke engang hadde tenkt å spørre om.
I praksis:
Bygg en sikker chatbot på toppen av de analyserte dataene
Lag eksempelspørsmål for HR og forretningsledere
Støtt dem i å omsette innsikten til eksperimenter (for eksempel ved å prøve nye rutiner i ett team før effekten måles)
Hva dette betyr for fremtidens kulturarbeid
For organisasjoner muliggjør denne tilnærmingen en ny form for lytting: dyptgående, historiedrevet, regelmessig og skalerbar. Atferdspsykologi gir linsen; AI gir hastigheten og rekkevidden; mennesker gir dømmekreft og etikk.
Selskaper som tar i bruk denne tre-stegs prosessen, bedre innsamling, smartere analyse og interaktiv deling, vil kunne forstå kulturen sin i sanntid, høre flere stemmer tydeligere og designe tiltak forankret i hvordan arbeidet faktisk oppleves på bakken.
