239: Hva du må vite om AI akkurat nå, med Sverre Haugen

«Alle» bruker KI nå. Men bruker vi det lurt? Og hvordan bør vi bruke det?  Hva er KI i stand til å hjelpe oss med i dag?  Og er det KI som snart rekrutterer KI?  
Sist med ikke minst, hvor fort går egentlig utviklingen? 

I denne episoden deler Sverre Meyer Haugen noen tall som setter det hele i perspektiv: i november 2024 gjorde KI like god eller bedre jobb enn mennesker på halvparten av kontoroppgaver. I januar: 71%. I mars: 83%. Til en tiendedel av tiden og fire prosent av lønnskostnaden.

Sverre er gründer og partner i rekrutteringsselskapet Meyer Haugen, tidligere programmerer, og en av Norges mest praksisnære stemmer på KI og rekruttering. Han er tilbake for tredje gang. Denne gangen er det mye nytt å ta tak i.

Lytt og hør mer om:

• Hva KI-modenheten faktisk er i norske organisasjoner nå, og hva som mangler
• Forskjellen på språkmodeller, agenter og vibe-coding, forklart på et praktisk og forståelig vis
• Hva en KI-agent konkret kan gjøre for deg i en rekrutteringsprosess, fra search til kandidatvurdering
• De største etiske fallgruvene: kildekritikk, «AI-slaps» og kunnskapsforvitring
• Hvorfor det er farlig å bruke ChatGPT til å vurdere kandidater, og hva du bør gjøre i stedet
• Hvorfor HR har en gyllen mulighet akkurat nå, og hva som kreves for å gripe den

En praktisk og fremtidsrettet episode for deg som vil forstå hva som faktisk skjer med KI, og hva du kan og bør gjøre med det i din egen rolle.

Linker til nyhetsbrev som nevnes i podcasten:
Johannes Sundlo er en anerkjent ekspert på fremtidens arbeidsliv og AI i HR.
Meld deg på hans nyhetsbrev her eller sjekk ut hans svenske nyhetsbrev på LinkedIn

__

Om dagens gjest:

Sverre Haugen er grunnlegger og partner av rekrutteringsselskapet MeyerHaugen, et av landets største rådgivningsmiljø innen executive search, employer branding og strategisk rekruttering. Han var tidligere rekrutteringsansvarlig i Accenture. Sverre regnes som en av Norges ledende fagpersoner innen rekruttering og bruk av kunstig intelligens.

________

Vil du ha e-post med ukens fagtips og personlig invitasjon til webinarer fra Leonda? Ja takk!

Sjekk ut Leonda sin nye eventkalender her - med inspirerende webinarer, frokostmøter og kurs. 

Liker du det du hører? Trykk på følg i din podcast app så får du beskjed når nye ukentlige episoder legges ut.

Transcript

HR - Podden - Episode 239- AI og rekrruttering med Sverre Meyer Haugen

HR-podden er gitt til deg av Leonda. Leonda tilbyr et raust og inkluderende kompetansefellesskap for deg som jobber med HR, kompetanse eller lederutvikling i en virksomhet. Les mer om oss på leonda.no

Velkommen til HR-podden! Mitt navn er Annelise Heide. Jeg jobber som lederutvikler, foredragsholder og coach, og jeg har et veldig stort hjerte for HR-faget. Jeg leder digitale og fysiske kompetansenettverk i Leonda, og i godt selskap med spennende gjester byr jeg på faglig påfyll og aktuelle HR-tips hver uke.

Velkommen til ukens episode av HR-podden og til en ny prat om KI. Og ja, jeg vet vi har snakket om det før. Og ja, jeg vet at det ikke er lenge siden sist. Men samtidig er det et felt som endrer seg. Raskt og mye om dagen. Så her gjelder det å henge med i svingene. Målet i dag er å lage en praktisk rette episode, der du får både en liten oppdatering på hva som skjer i andre organisasjoner om dagen, og helt konkrete tips til hva du bør tenke på i relasjon til din HR-rolle. Og til det så har vi fått med oss en skikkelig KI-nerd, en som er veldig opptatt av den praktiske hverdagen. og som gjør alt han kan for å fange opp det som er nytt på KI-felt om dagen.

Så velkommen tilbake til HR-podden, Sverre Haugen. Tusen takk. Jeg må si at jeg blir så glad av at du kaller meg nerd. Jeg elsker det. Det var så bra. Ja, vi er vel litt nerdete begge to, selv om jeg er litt mer da på HR-faget.

Du, takk for sist. Det er stas å ha deg tilbake, og det er tredje gang på HR-podden. En gang med jobbsøkertips for HR, tilbake i episode 141 og 142. Det er en stund siden, men det har vært to veldig populære episoder. 
Ja, så bra. 

Og så hadde vi en tidligere KI-episode høsten 2025, så det er ikke så lenge siden. Og likevel så er det mye nytt allerede nå. 

Ja, det skjer så fort, vet du.

Ja det gjør det. Og så er du for øvrig en av de, eller jeg tror du er den eneste gjesten jeg har hatt på podcasten, som har spilt inn mange flere podcastepisoder enn meg i sitt liv. Og det er godt gjort, for jeg har jo 238 episoder eller noe sånt nå, men du har noen flere under beltet, har du ikke det? 

Jeg har nok sannsynligvis det, men vi er spredt ut på flere podcaster da, og så bruker jo vi største volumet vårt som skjer her i det studiet vi står i nå, det er jo det at vi bruker podcast som verktøy når vi rekrutterer det. Der har vi spilt inn vi som selskap over 900, og jeg har nok gått over 100 av dem, for å si det sånn, og vel sånn, jeg har ikke talt.

Ikke sant. Og da er det vel på tide å si noe om hvilket studio står vi, og hvor er vi, og hvem er du, Sverre? 

Ja, vi står i Meyer Haugen sitt podcast studio. Veldig stas å få besøk av deg, Annelise. Veldig hyggelig å være tilbake. Og Meyer Haugen er jo et rekrutteringsselskap som jobber med spesialist- og lederekruttering og et litt bredere spenn av talent acquisition-tjenesterne rundt det.

 Og noe mer om deg, tech-nerd, det har vi vært inne på. Er det noe mer du har lyst til å si om deg? Jeg kan si, jeg startet jo karrieren min som programmerer og technolog, så det var jo både en utdanningsretning, og jeg jobbet seks år med programmering og software, før jeg fant ut at det er jo mye morsommere med menneske og psykologi og hva som driver folk, så switchet jeg til rekruttering. Og det har jeg gjort siden da, siden 2007-08 har jeg jobbet med rekruttering fast. Men nå er sirkelen sluttet, jeg er tilbake til å jobbe mer og mer med technologi, og hvordan vi kan bruke technologi for å effektivisere rekruttering, effektivisere hvordan vi skaper bedre opplevelser for ledere, for kandidater, og for egentlig alle som er involvert i en rekrutteringsprosess. 

Og det er jo litt surprising, ikke sant? Du kommer inn i et rekrutteringsfirma, der finner du den største tech-nerden innenfor KI. For det hele KI HR-feltet, nesten i hvert fall. 

Vi er litt stolte av det da. Du kan si fordelen, jeg var jo med å starte Mayer Haugen i 2018, det fine med å starte et selskap, det er at du har ingen legacy. Det som dreper innovasjonen, det er legacy, det er arven technologi i gjelden du har, som gjør at det er vanskelig å endre og teste og sånn. Vi har hatt med oss en innovasjons- og testingskultur fra start, og det drar vi nytta av, for da kan vi prøve ting og teste og finne ut hva som funker og ikke funker. 

Du, det er nesten litt vrient å vite hvor man skal starte når vi skal inn nå på KI-feltet, men jeg har lyst bare å spørre litt om trendene først, for jeg vet at du er ute og holder foredrag, du snakker mye om HR, du holder kurs. Hvordan er KI-modenheten i norske organisasjoner om dagen? Har du noe inntrykk av det? 

Den er i bevegelse, er det første jeg har lyst til å svare. Fordi vi har jo fulgt dette ganske tett over tid, fra tilbake til, og det morsomme er, KI er jo egentlig ikke nytt. Det begynte man å utvikle etter 2. verdenskrig, det har gått i steg over lang tid, men så skjedde det da noe i desember 2022, kommer Open AI og slipper ChatGPT, og da blir plutselig KI allemannseie, så det er da revolusjonen begynte da. Og siden den gangen så har det jo vært en veldig utvikling hvor nå det er nesten ingen som ikke bruker det. Alle har et forhold til det, alle snakker om det. De aller fleste organisasjonene, sånn som jeg ser det, er mye mer modne nå, både med tanke på at flere og flere brukere bruker det, altså som privatpersoner, du og jeg, nesten alle bruker det. Det andre er at flere og flere åpner opp for at ansatte kan bruke det, tilrettelegger med tilgang på modeller eller software som har kunstig intelligens innebygget. Så modenheten er mye, mye større nå. Samtidig så er det sånn at alle sammen lurer på hvor skal vi gå, hvordan skal vi bruke det, hva skjer nå? Fordi dette er jo et felt, som du sa innledningsvis, det skjer så utrolig fort. Og jeg som prøver å holde meg så oppdatert jeg kan, som jobber med disse tingene, bokstavelig talt, hver dag tester du ting, jeg pendler mellom å føle meg stokk dum, fordi det går så fort, og kjempesmart, fordi jeg har litt oversikt. Det er ikke så lett å føle seg smart. Hvis du føler deg smart innenfor AI, så er det kanskje noe de ikke har fått med deg, for det går så fort.

Hmm, ikke sant. Men du sier at det er mye som skjer nå, det vil si at modenheten er mye større, det brukes, det er en naturlig del av hverdagen, samtidig som man driver og lurer på hvor skal vi, og hvordan skal vi få ut effekten, er det sånn å forstå? 

Ja.. Ja, og da er det jo to ulike planer på det, kan du si. Men når jeg sier det brukes nå, så er det også verdt å nevne at det som brukes nå, og som det er en mye større modenhet på nå, det er jo språkmodeller. Det er techst. Techstbehandling, techstforståelse, techstskrivning og generering. Der er vi modne. Jeg opplever ikke den samme modenheten på for eksempel tale til techst. Altså det at vi nå snakker sammen, at det techstes automatisk. Det kommer til å komme. 

Ja, det er jo enormt, ja. 

Og det som kommer til å forandre kanskje aller mest er jo agenter som gjør jobben for deg. Der er vi helt i startgropa. 

Nettopp. Ja, for vi skal jo inn i dette her. Vi har jo på en måte vært gjennom tre store faser de siste årene, og du fortalte litt om dine aha-opplevelser når du var på nettverksmøtet for litt siden. Men det er liksom de åpne språkmodellene, en, og så er det agentene, og så er vel de siste nå vibe-coding, hvis jeg har forstått det riktig. 

Ja, det er i hvert fall du kan si på sett og vis så er jo vibe coding egentlig en form for agent. Men for meg så er det helt korrekt. De tre tingene du sier nå oppsummerer mine største sånne oh my effing god moments på AI når jeg liksom oppdaget det og testet det for første gang. 

Nettopp. La oss starte med språkmodellene, for vi kan si at mange bruker det, og vi er godt i gang, men jeg skulle til å si there is more to it, eller det betyr ganske mye for HRi hvert fall. både hvordan vi bruker det, og hvordan vi tilrettelegger for det i organisasjonen, og hva vi skal være litt varsomme med. Jeg tror vi må snakke om det også. Det er ikke bare en tech-prat vi skal ha, vi skal snakke om den praktiske hverdagen. 

Vi kunne nesten hatt denne podcasten bare om det, vet du. Jeg skal ikke spore oss helt av, men jeg er helt enig. Fordi det er sånn at nå har alle adoptert det, alle bruker det. Og det er nesten sånn at jeg er fristen å spørre deg, når googlet du noe sist? Mer og mer så blir det jo til at du går til en AI og spør i stedet. Fordi du får et svar som du stoler på, som du er trygg på. Men i det så ligger jo også litt av de potensielle etiske problemstillingene som gjelder AI-bruk. 

Jeg googlet for en halvtime siden, så jeg er veldig gammeldags, beklager deg, men 

Men googler du? Men du, av og til så spør du ei i stedet. 

Åja, jeg spør AI mye, og hvis jeg ikke kan det selv, så googler jeg i tillegg. Jeg bruker jo AI til mye som jeg har peiling på, og da diskuterer jeg med AI'en hvis jeg synes den er litt på jordet. 

Ja, men det morsomme er at du intervjuer jo meg, men du er jo veldig kunnskapsrik på dette selv, og du snakker jo med masse folk som jobber med dette og er flinke på dette, og jeg tenkte det kunne vært interessant å spørre deg, hva mener du er de største utfordringene? For jeg ser noen ting som jeg tenker er problematiske, men hvis vi ser på bare bruk av språkmodeller da, hvor ser du de største etiske problemstillingene? 

Det er et godt spørsmål. En er jo kildekritikken. Det er jo skummelt å se hva du kan få ut der noen ganger. Jeg har tenkt litt på dette med Confidence versus competence. For det er at når noen er veldig overbevisende i noe, og vi er som mennesker, så hvis en sier med veldig stor overbevisning at sånn og sånn er det, så har vi en tendens til å tro på vedkommende. Og det er jo måten jeg kommuniserer på, så det høres så fint ut. 

By default. 

Ja, og da kan det bli litt lurt. Så kan han tenke at det var jammen lurt. Jeg kan spare for eksempel når jeg skal lage et lederutviklingsprogram eller et kurs, bare for å se om jeg kan få noen flere poenger. Og så kommer han med et eller annet som egentlig er helt på jordet. Men det høres jo så bra ut. Og hvis jeg ikke hadde visst hva jeg drev med så hadde jeg kjøpt det glatt.

Du er helt spot on, mener jeg. Det mener jeg er et av de store problemområdene rundt den voldsomme adopsjonen av språkmodeller. Det er nettopp dette at det blir en kilde til sannhet, og så blir jo spørsmålet, er det egentlig sant? Er det egentlig riktig? Og en ting er faglig sett at du risikerer å gå på en faglig smell hvis du stoler for mye på intelligensen, den kunstig intelligensen på ting du ikke kan. Det andre er jo rent etisk sett, for du har jo masse guard rails i disse modellene og med en gang de som eier modellene har en politisk agenda, så vil de jo sørge for at dette vil tas med inn i disse beskrankningene i modellen.

Og så kan det være, så har man begynt å stole litt mer på det, for nå mener man at da er vi flinkere å finne reelle kilder og så videre. Og så sitter de da på Universitetet i Gøteborg og tester ut og legger ut et par sånne artikler om hva er det nye medisinske funn eller forskningsartikler som er bare bøll. Og det står type langbein om ikke mus i de artiklene, men det finner jo ikke AI ut da så de kjøper det, og så kan du søke etterpå, så kan du få da råd på bakgrunnen av disse her helt nye fantastiske medisinske artiklene, det er skummelt. Det er kjempeskummelt så dette er definitivt en problemstilling så mener jeg, en annen problemstilling er kanskje, hva skal vi kalle det liksom kunnskapsforvitring eller forvitring av arbeidsmoral fordi det som skjer er jo at AI’en kommer inn og gjør større og større deler av jobben for deg, techstskrivingen for deg, utkastet til den lange mailen, utkastet til den white paper’en, utkastet til den artikkelen, hjelper deg med techst, og på et eller annet punkt så begynner du å miste grep på hva som er god techst eller ikke, og du stoler for mye på det som produseres da. Og det ser vi jo veldig tydelige trender til, hvor en ting er jo det vi snakket om i stedet, som er feilaktig informasjon, misvisende informasjon, men det andre er når kvaliteten forringes, og du får AI-slopp, eller AI-slaps, som det heter på norsk da. 

Ja, det har jeg et norsk ord også ja, AI-slaps. Ja, for det var det neste jeg tenkte på. Og jeg tenker på hvordan kommer det til å spille seg ut i teamavdelinger? For du vil sitte i et team der noen bare er super effektive og måker av gårde ting som er laget med AI, og så er det noen andre som sitter og rydder opp. Hva gjør det med samarbeid? Hvem er det som får æren for jobben som gjøres her? Jeg får litt sånn vondt nå av noen, jeg skulle til å si flinke piker der ute, som sitter og gjør jobben og rydder opp, der noen har vært veldig smarte, men du har ikke gjort jobben. Du har bare produsert, og jeg får jo konsulentrapporter som er produsert av AI nå, og jeg blir helt svett, det går ikke an.

Vet du hva som må være den verste skjebnen nå, per dag? Det må være sånn at, la oss si at du skriver techstene selv, men ved et uhel så skriver du liksom AI-aktig. For du kommer jo til å bli dømt som at du har brukt AI hele tiden, uansett. Jeg har hatt en case hvor jeg snakker med en person, en journalist, som intervjuer meg, og så får jeg tilbake et utkast. som jeg opplever er, dette har jeg generert. Og så kommenterer jeg på det sånn, nei, dette har jeg skrevet selv. Om det da er sant, eller ikke, det vet jeg ikke, men du skjønner problemstillingen. 

Ja, ja, absolutt. Og jeg har kjent på det flere ganger, for jeg får techster jeg tenker at dette her skjer litt, men du tør ikke helt adressere det, for det føles litt frekt da, hvis du faktisk har skrevet det. 

Ja, og så har jeg også opplevd det samme, at jeg har sendt frem meg en stillingsannonse, som ja, sannheten skal si, utkastet var laget med AI, men jeg eier det, jeg har revidert det, jeg har skrevet om 25% i hvert fall av techsten, og så får jeg tilbake at dette er bare sånn AI-generert. Og det var sånn, ah, søren heller. Jeg gjorde jo alt riktig, jeg eide jo techsten, også likevel så var det ikke fornøyd. 

Ja, ikke sant? Og det holder jo ikke at vi sitter og tar bort alle de bindestrekene. Vi må på et høyere nivå. Det er mye spennende, men hvor var vi da? Jeg skulle begynne å snakke med deg om språkmodeller først, at det finnes ulike typer av sånne LLMs. For det er jo ikke sånn at språkmodeller, sjekk epitea, that's it. Kan du si litt om det generelt? 

Ja, altså LLM står for Large Language Model. Det er jo da en språkmodell som er en AI-modell som kan forstå techst og generere techst basert på forståelsen. Og når man snakker om en modell, så er det egentlig sånn ulike modeller som er trent opp, og så begynner man å snakke om leverandører av disse modellene, som er ChatGPT kjenner vi til. De kommer fra OpenAI. Gemini, eller Gemini, kommer fra Google. Claude kommer fra Anthropic. Og så har du andre sånn som DeepSeek, som er den kinesiske modellen, eller Grook, som ligger i eksplattformen, og så har du en egen i Meta, en egen i Snapchat, og så videre. Det er masse ulike modeller. Og de er egentlig bare sånn, denne modellen er trent, sånn og sånn og sånn med de og de dataene, og så får du et resultat ut. Men under hver av disse leverandørene, så er det jo egentlig mange modeller, men det trenger vi ikke nerde om nå, men under ChatGPT så har du jo ulike modeller av ChatGPT også. Ja, og så snakker vi om språkmodeller, eller LLM’s. Mm. Og de blir jo tilgjengeliggjort via en plattform. Ofte en gratis versjon, så du kan ha gratis tilgang til ChatGPT, du kan ha gratis tilgang til Gemini, til Claude, og så videre. 

Men du får ikke så mye ut av gratis lenger, gjør du da? 

Nei, men du får nok da. Jeg har ikke noe data på hvor mange som bruker gratis versus betalt. Men jeg tror noe grunnen til at de fikk 100 millioner brukere på to måneder, og nå er det liksom at nesten alle bruker det, det er jo at det er gratis. 

Jeg gjorde en liten test her sist, for jeg hadde et lederutviklingsprogram der de skulle lage stillingsannonser, og da brukte vi rett og slett litt sånn chatGPT for å lage først en kandidatprofil, og skulle du mate i den, så skulle du få ut stillingsannonsen. Da kom vi så langt at de fikk ut første utkastet. Men så var det stopp. De fikk ikke lov å begynne å diskutere videre. Da hadde du brukt opp mot noe. Kan du komme tilbake i morgen. Så det kom veldig kort med gratisversjonen. Og jeg har jo sittet og kranglet lenge med Claude først. Jeg skulle bare teste Claude før jeg konverterte. Og uten å betale for det. Det nytta ikke. Den ble aldri ferdig med en oppgave. 

Nettopp. Men det er jo litt av grunnen til at hvis du først skal bruke det i en jobbsamling, så er det nok for de fleste modellene en fordel å kunne ha en betalt versjon- En ting er at kvota de brukes opp, som du sier. Det andre er at, i hvert fall i ChatGPT, som er den modellen, eller den plattformen jeg kan best, så har du ikke kontroll på hvilken modell som brukes. Så du vet ikke når switcheren farer den beste modellen til den ikke så bra modellen med tanke på hallusinering og sånt. Så det er flere ulemper med gratisversjonen, da.

Netto. Hmm. Hvor var vi? Vi var midt i typisk språkmodell. 

Det ble litt nerding, da. Men det jeg har lyst til å si, det er at Vi snakker om språkmodeller, men det som er viktig å huske på, det er at når du da har for eksempel en ChatGPT lisens, eller en Gemini-lisens, eller hva det er, så har du tilgang på ikke bare en språkmodell, men en multimodell plattform. Fordi denne plattformen kan jo blant annet med telefonskålen ta bilder av ting, du kan få den til å tolke bilder, du kan snakke med den, så det ligger jo tale til techst i, så det er mer enn bare en språkmodell, det er ganske mange AI-modeller som er paketert inn i. En plattform, da. Mm. når man har en sånn lisens. Men man kaller det språkmodell. 

Ok. For mange er jo nervøse for hva kan jeg bruke disse åpne modellene til? For det er jo ting vi driver med på jobben, så vi ikke kan putte i en sånn språkmodell. Hva gjør vi da?

For det første vil jeg si at Det som er det mest kjente alternativet er jo Copilot. Som det er ØMicrosoft Office har sluppet, som egentlig, det vet mange, men egentlig så er jo det en ChatGPT, eller det er OpenAI sine modeller, det er samme modellene som du får via ChatGPT, ligger under Copilot. Men det er paketert inn som Copilot. Det ser ut som Copilot. Den har tilgang på dine data i Office 365-verdenen. Og så er det satt opp murer rundt, så det er sikkert at ingen data går ut noe annet sted. Det har de paketert og solgt. Og så mener jeg det er en viktig ting i allmennopplysningens navn. Hvis du bruker en vanlig språkmodell, sånn som ChatGPT eller Gemini eller andre, så kan du også slå av datadeling, som gjør at det blir i prinsippet like trygt som Office. Så vil du ikke ha like god tilgang til de dataene som ligger på SharePoint eller OneDrive eller tilsvarende, sånn at noen forskjeller er det, men sikkerhetsmessig, GDPR-messig, alt sånt noe, så kan du bruke ChatGPT, Gemini og det andre like trygt, så lenge du vet hva du gjør og slår av disse datadelingene. 

Men da er det hver enkelt som må styre det. Hvis du har Copilot, så kan du liksom ... IT kan styre det på hver vei av organisasjonen.

På Copilot så er det by default stengt. Men sånn som for eksempel på ChatGPT har du en privat lisens som du betaler selv, så må du slå deg manuelt. Så er ikke det noe vanskelig i det hele tatt. Men hvis du har en business lisens, så er det slått av. Selv om det er chatshipp i tid. Men det er klart, disse som selger Copilot og litt andre, de er jo veldig flinke på å påpeke hvor trygt og sikkert og bra det er. Og så tror alle at da er alt det andre usikkert. Ikke sant? Det handler jo om paketeringen da. 

Men det finnes jo også veldig lukkede modeller, eller typen du lager språkmodeller selv. Eller som jeg hørte på et advokatfirma som snakket om det i forrige uke som fortalte om New Code og Saga og en del sånne plattformer der du har alt internt. Det er ingenting som går ut. Det er veldig lukka, veldig sikkert. Hva er forskjellen på dette her? 

Altså Både New Code og Saga, sånn som jeg forstår det, så er jo det veldig spesifikke AI-systemet bygget rundt, altså i forhold til juridiske problemstillinger, og så har de nok bygget disse systemene rundt at modellen er jo sannsynligvis med 99% sikkerhet så ligger det enten ChatGPT, Gemini eller Copilot. En av disse modellene, ikke Copilot, men de ligger under. Sånn at den selve modellen i bånd er den samme sannsynligvis, i en eller annen variant, sannsynligvis. Men forskjellen er at de har sagt at bruk all den språkkompetanse som du har lært gjennom denne flotte treningen fra disse dataene. Men i tillegg, her har du alle de juridiske dokumentene, alle dataene, alt lovgrunnlaget og så videre. Bruk dette! Det kalles RAG, altså Retrieval Augmented Generation, som handler om at du gir tilgang på noe mer data som du bruker, og så har du kontroll på hvilke data den bruker. Og det gjør deg jo litt tryggere, sånn at i stedet for at du bare spør hva er loven for dette, ABC, og så spør du, og så vet du ikke helt hvor den går, hva den spør. Men i et sånt system så vet du at da går den og sjekker disse dataene som jeg har sagt at disse skal du alltid sjekke. Og så blir du tryggere på at det er riktig data og ikke så mye hallusinering og så videre. Og det finnes ulike modeller og varianter av den type software da. Det kan du bygge selv også for så vidt. 

Skjønner. Så vi har vært litt inne på de ulike formatene og de vanligste språkmodellene. Det er en gratis versjon og en betalt versjon. Vi snakker litt om fordelen med å betale for det. Og så har vi snakket om tillit. Det er den informasjonen du får. Ja. Der hadde du noen artige eksempler når du besøkte nettverket, for det er jo ikke alltid vi kan stole på det. 

Nei. Så ligger vel litt av utfordringen, og nå er jeg ikke sikker på om jeg husker akkurat hvilke eksempler du mener, men litt av utfordringen ligger jo, ene er jo som du sier, kan vi stole på det modellen sier? Og det er det ikke sikkert du kan. Tommelfingerregelen er at det er tryggere å bruke kunstintelligens der du er veldig god selv. Hvis du har masse kompetanse, så er det lett for deg å spotte at her er AI’en helt off. Og da er det jo mye safer å bruke AI brett. Hvis du er inne på et område du ikke kan så mye om, så er det jo litt skummelt å stole for mye på det, for da vet du ikke hvor treffsikkert er dette, hvor bra er det egentlig. Så det er den ene problemstillingen. Det andre er at vi ser at I større og større grad så blir vi som mennesker, vi lar oss stole på kunstig intelligens. Så vi i større og større grad har forgitt at det modellen sier er bra. En ting er språkmodell, techst, ok, den techsten er sikkert grei. Vi sender den av gårde. Det andre er å gi vurderinger til et rekrutteringssystem som sier her burde du ta denne kandidaten videre og ikke den andre. Så stoler vi på det da, at vi blir påvirket av AI’en. Og det er skummelt. 

Det er skummelt. Da blir jo verden vår veldig enkel, og det liker vi jo. Men ja, det finnes noen fallgruver her. For jeg tenker litt på det, hva bør være på plass i form av sånn policies og opplæring, og hvis du nå sitter som HR-leder og tenker at ja, ja, vi bruker jo AI rund baut her, hvordan skal vi passe på at folk ikke går i disse fallgruvene?

Det er kjempeinteressant, og det er et veldig interessant spørsmål, og jeg tror realiteten er at i hvert fall mange store organisasjoner så prøver man å kontrollere og legge lokk på å sette opp policy, så jeg er flinke på å si dette kan du, dette kan du ikke. Noen steder tilgjengeliggjør man noen plattformer og så videre. Det jeg opplever, det er at folk bruker det som funker uansett. Så la oss si at jeg har fått Copilot, men så sier jeg at det er ikke så bra, jeg synes det er bedre å bruke Gemini. Ja, men da går jeg å bruke Gemini ved siden av meg med min privatlisens. Så det er litt vanskelig å kontrollere, for det er så lett tilgjengelig. Det andre er at, ihvert fall innenfor rekruttering så er det ikke sikkert at det er så umodent at det ikke er alle som har disse policyene. Nå skal du få litt sånn early insights. Jeg har en survey ute nå hvor vi har snakket med rekrutterere om hva synes du er greit i forhold til kandidaters bruk av AI. Og det er veldig interessant. For da ser vi, det er jo 80 svar på denne surveyen, som er nok til at vi kan si at det er noen trender som er ganske tydelige. Synes vi som rekrutterer det er greit at kandidater bruker AI? Der er svaret ja. Generelt sett, som regel. Hvis du tar for eksempel å bruke til å research-selskap, helt greit, 80-90% synes det er problematisk. Skrive CV, 80% synes det er helt ok. Skrive søknad, 80% synes det er ok. Case, er det greit at de bruker det? Vet du hva? Der er det 80% som sier ok der også. Men når vi spør Burde kandidaten si fra at jeg har researchet på selskapet? Burde de si fra at jeg har skrevet søknaden? Si fra at jeg har skrevet CV? Si fra at jeg har brukt i caset? På de tre første, research, CV, søknad, så er egentlig svaret, nei, trenger ikke si fra. Det er 20% som mener det, men de fleste i majoriteten sier det trenger ikke. Men på case? Så flipper det. Der sier 80% du burde si fra.. Og så kommer spørsmålet da, Ref, det du sier med policies. Hvor mange av disse tror du har en tydelig policy? Nesten ingen. Så vi har en mening om hva som er greit, men vi har ingen, det er veldig få som sier at dette er vår policy i organisasjonen i forhold til kandidater som bruker AI. Og vi er veldig uenige om det, og så blir spørsmålet nummer to: Sier vi fra til kandidaten hva som er greit? Nei. Vi har jo ikke noe policy, vi kan jo ikke si frem noen ting. Så det sier noe om umodenheten. 

Ja, absolutt. Og litt sånn internt også, for at som du sier, hvis vi da har restriksjoner på det, hva du har lov å bruke, og folk bare bruker det uansett, så er det kanskje lurer å ha noen klare føringer på hva er greit, hva er ikke greit. Hva skulle du være forsiktig med? En opplæring som gjør at folk blir mer bevisst, kildekritiske. 

Det tror jeg. Det tror jeg er kjempelurt å ha gode opplæringsprogrammer, bevisstgjøringsprogrammer for å sikre at de som bruker det er bevisst de største feilene. 

Du ser jo noen som har hatt opplæringsprogrammer der de får de til å spørre disse åpne AI-modellene på ting du typisk vet at de svarer feil på, og der AI blir litt tatt på å gjøre feil. jeg tror dette var noe rørlegger eller bygg og anlegg eller noe sånt, men der de fikk de til å spørre om ting, de bare, hæ? Nei, men det stemmer jo ikke, for jeg vet jo bedre. Og da får du denne aha-opplevelsen på at, åja, den sier noe som er helt feil.

Ja, men dette er jo akkurat det jeg sa. Bruk AI der du er god, der du er ekspert, for da spotter du feilene, ikke sant? 

Og da blir det en del av læringen også. 

Det stemmer. 

Nydelig. Skal vi se, policies, opplæring snakker vi om, lokale språkmodeller og åpne. Skal vi gå videre til agenter? Er vi klare for det nå, eller er det noe mer? 

Det kan vi gjøre, jeg tror. Kommer vi på noe mer rundt de andre, så får vi vel komme tilbake til det, tenker jeg. 

Ja, ikke sant. Hva er agenter? Jeg vil gjerne ha dette praktiske. Hva kan HR bruke agenter til? 

Dette er interessant å vite hvor kan du bruke agentene da? Og så blir spørsmålet agentene. Hva er en agent? En agent i AI-kontechst er en software som gjør ting for deg. En språkmodell gjør jo noe for deg. Du ber om et spørsmål, du får et svar. Men en agent, hvis du tenker forskjellen på en vanlig chatGPT og sparer med chatGPT, så kan en agent gjøre noe for deg, gjøre flere valg underveis, den kan ta og vurdere ting, den gjør flere kjedede oppgaver etter hverandre, hvor den vurderer noen ting underveis, og så tar den noen valg underveis, og så får den gjort oppgaven ferdig. Så ta for eksempel hvis jeg hadde bedt deg nå om å lage en survey til dine lyttere av HR-podden for å finne ut hva du har lyst til å høre om i de neste episodene, så ville du kanskje fort gått til ChatGPT og spurt Hva bør jeg spørre om? Hvilke spørsmål? Kan du komme med noen forslag til spørsmål? Så kan du spare litt modellen, så får du et fint spørsmålssett. 

Nå begynner tilliten å falle her med en gang, for jeg er ikke god på spørsmål, spør du meg, men det er sikkert jeg som ikke er god på prompting. 

Kanskje det er noe kombo da, men følg tankeeksperimentet mitt her, for da sitter du med et sett med spørsmål. La oss nå si at du, kanskje du skroter deg, kanskje du lager ditt eget. Men du har funnet et spørsmålssett som du er interessert i og så må du bygge deg en servant. Hvor legger du ut den? Er det Survey Monkey? Forms? Hva pleier du å gjøre? 

Forms. 

Microsoft Forms, som er et spørreskjema. Da må du gå inn på Forms, så må du kopiere det, spørsmål å opprette, spørsmål å bygge den surveyen, gjøre den klar. Mm. Det kan jo ikke ChatGPT gjøre for deg. I utgangspunktet ikke nei. Men det kan agenten. Ja, ikke sant. Så den agenten kan gjøre en del ting. I praksis så har da i ChatGPT, og igjen for å gå tilbake til språkmodellen og at de er multimodale, i disse plattformene så finnes det agentfunksjonalitet. Du må bare klikke det. fremtiden, og da vil den åpne en browser, og da kan ChatGPT ut av boksen, logge inn på Forms med din bruker, bygge den surveyen akkurat som du vil ha den, legge inn spørsmål, alternativer, helt i tråd med hvordan du vil ha det. Den jobber med det et kvarters tid, du kan gjøre noe annet, ta deg en kaffekopp, høre på en podcast, og så når du går tilbake og titter, så er surveyen ferdig bygget for deg. Mm. Og da kan du sende den ut. Det kan du for så vidt også få agenten til å gjøre for deg da, hvis du vil.

Ja, nydelig. Det er et praktisk eksempel. Har du flere? Jeg blir sånn, kan vi snakke om flere måter og flere? 

Ja, altså. Først, la oss skille på den agentfunksjonaliteten jeg sier nå, det er en sånn type agentfunksjonalitet som ligger tilgjengelig i ChatGPT, og sikkert i de andre plattformene også.. Da har du en agent i språkmodellplattformen som gjør en jobb for deg via en browser. Den andre typen agentfunksjonalitet er den som bygges inn i softwaren hos softwareleverandørene dine. Der kan det være for eksempel at hvis du har et ATS, så har de lagt inn en agentfunksjonalitet som sier at når du legger ut en stilling, så skal denne agenten gå gjennom, søke gjennom alle kandidatene i kandidatbasen din, foreslå hvem som passer, og så legge de til som potensielt kandidater til stillingen. Og da gjør den en jobb for deg, men det er liksom innebygget av agentfunksjonalitet i den softwaren. Så det er liksom de to typene. Det ene er en generell AI-agent som gjør hva som helst som du ber den om. Det andre er en spisset agent som gjør den oppgaven du ber den om, eller som den er satt opp til å gjøre..

Og da tenker jeg på, inni en del av HR-systemene, så er det jo typisk bygd opp en funksjonalitet, la oss si i forhold til onboarding da, så er det noe med at da vil du at medarbeideren skal få noen få et læringsløp, de skal få noen som har videoer, de skal få noen tips, de skal få noen påminnelser. Lederen skal få det samme, skal få noen påminnelser om at her bør vi ha en en-til-en samtale, her har du en check-in, her må du passe på at medarbeidere får dette. Det er vel typisk ting som ... Det er en slags agent. Dette har jo funnet lenge. Dette er jo ikke nytt. 

Nei, men forskjellen er at den funksjonaliteten som da blir automatisert, jeg vet ikke om du kjenner til det begrepet, men RPA, altså Robotic Process Automation. Det er altså automatisering av arbeidsflyter, automatiseringsplattformer som gjør at lederen får de varslingene, at kandidaten for de varslingene, det har vi hatt lenge. Forskjellen er at en agent kan jo i praksis gjøre de oppgavene når du ber den om det på en eller annen arbeidsflyt som aldri har blitt satt opp før. Sånn at du kan få den til å gjøre en del ting som ikke har vært definert tidligere. Så den har en intelligens til å resonere og forstå. La oss nå si at du har lyst til å gjøre en arbeidsoppgave som er ikke regulert i noen prosess. Du har ikke fått noen til å sette opp noen automatiseringsløp på den onboardingen. Du har et unntak fra prosessen din. Og så kan du si til agenten, kan ikke du nå gå inn og ta de 20 som nå ligger på den onboarding-lista, ta så sjekk hvilken e-post de har, send dem en melding på LinkedIn for å si at dessverre så blir onboarding utsatt. Og den vil skjønne det også da. Mens disse gamle automatiseringene var veldig sånn, de følte et regelsett. Og de måtte settes opp, de måtte gjøres klare. Skjønner. Ok, men det tydeliggjør litt hva er forskjellen, for jeg tenker at det er jo veldig mye av dette vi har gjort lenge, men det er en annen måte vi bestiller på. Så kan du gjøre det selv. Du må ikke ha et svært system for å få det til. Men for å ta et annet eksempel da.

Innenfor rekruttering som er midtfelt, så har du jo search. Som gjør at når jeg skal finne deg en ny kommunikasjonsarbeider for deg, så vil jeg kanskje gå inn på LinkedIn, så vil jeg gjøre et søk basert på noen søkeord, kriterier. jobber jeg meg gjennom, så får jeg en liste med hundre navn, så vil jeg gå inn og titte på hvert av de navnene, vurdere de opp mot stillingen. Noen av de tar jeg bort, andre legger jeg i prosjektet. Når den jobben er gjort, så må jeg ta de som jeg har lagt inn i prosjektet, så må jeg sende en e-post til hver av de og si, du, jeg har en mulighet, kunne du vært interessert? Og når de svarer, så må jeg svare på det enn å si, ok, her er det informasjon om stillingen, ikke sant?

Ganske lang arbeidsprosess med masse tid. Det kan en agent gjøre for deg. Mm. Så det jeg kan si, her er stillingen. Men bare gå inn på LinkedIn, bygg det prosjektet, gjør et søk, kvalifiser noen kandidater, foreslå for meg hvem som er der, og så kan jeg gå inn og se over det. Og i praksis da, så kan du si at hvis du tenker fremtidsscenario, I morgen trenger ikke du ansette en researcher. Du kan ansette en liten stakkar som skal gjete ti sånne agenter som gjør ti search for deg. Det er jo fremtiden rundt svingen hvor du har agentene som gjør jobben og du sitter og passer på agentene Det kommer mer og mer. 

Bli leder for agenter, altså. Men mange er.

Ja, sånn AI-jeter, tror jeg. AI-jeter, ja. Jeg har lyst til å patentere det ordet. Ja, ikke sant. Og det høres ut som en slitsom jobb, for de er så effektive de agentene. Dette er jo Multitasking i sitt verste format. Ja, det er jo det. Men disse AI-motorene bruker jo litt tid på å gjøre den oppgaven du sa. Så for meg så tar det kort tid å sette i gang en AI. og så kan den stå og jobbe litt, så kan jeg sette i gang en annen AI, og så kan den stå og jobbe, og så kan jeg sette i gang en tredje, og når jeg er ferdig med å sette i gang den, så er jeg den første ferdig, så kan jeg gå og revidere hva den har gjort, og så kan jeg gi den en ny oppgave eller korrigere og så sitter du der og passer på flere AI som gjør jobb for deg.

Og da husker du hva alle gjør, og du satt inn, jeg har ikke satt inn. Ok, så det er realistisk å sette i gang med all det det nå, å begynne å bruke...

Vet du hva, Ann Elise? Jeg er 100% sikker på at folk har ikke skjønt hvordan dette treffer enda. Skal jeg gi deg noen datagrunnlag på hvorfor? Det er noe som heter GDP-val, som ser på noe sånt som 1400 oppgaver. Det er et bredt sett med arbeidsoppgaver, på tvers av 20 forskjellige industrier. Det er et stort sett med oppgaver. Så har de satt opp en målestandard som er sånn, hvordan jobb gjør en AI-agent på denne oppgaven konkret versus et menneske. Og da har de altså fått et menneske til å gjøre jobben, en ekspert. Og så har de fått en AI til å gjøre jobben. Og så sammenligner de jobben. Den som vurderer oppgaven vet ikke om en AI har gjort det, eller om en agent har gjort det. Ikke sant? Og så ser du da av disse 1400 oppgavene, hvordan jobb gjør AN med dem versus et menneske? 

Så vi konkurrerer med hverandre altså. 

Og da blir spørsmålet, hvor er AI’en up to speed? Hvor gjør de like god jobb som mennesker på disse oppgavene? Og da var det før jul, som er da fem måneder siden, så var det på 49% av oppgavene, altså halvparten av oppgavene, så gjorde AI en like god eller bedre jobb enn mennesker. Så allerede der, så kan du egentlig si at Halvparten av alle jobbene ute på kontorene der ute kan vi bare bytte ut, fordi AI’en gjør det like bra eller bedre. Det var i november. I januar hadde det gått fra 49% til 71%. I mars, 83%. Og hva betyr dette da? Da må du se på, ok, hvor lang tid bruker de da? Nei, de bruker en tienden av tiden. I snitt. Ok, så det er altså mye raskere, ja. Men da er det vel mye dyrere? Nei, det koster 4% av lønnskostnaden. Så jeg har altså ... Ute i de tusenvis av bedriftene der ute, så kan jeg erstatte 83% av oppgavene som gjøres til 4% av kosten, og det går ti ganger så fort. Vi er bare ikke modne nok til å ta imot den da. Det er den store forskjellen. 

Ok, så her er noen som kommer til å klare dette, og andre gjør det ikke.

Det kommer til å endre masse. Mm. Mye mer enn vi tror. Med mindre enn noe veldig uforutsatt. oppstår da. 

Vi skal videre på vibe-coding, og du sa at det er litt det samme som, eller forklar, hva er vibe coding, og hvorfor er det så kjekt?

Ja, og vibekoding er jo mitt tredje sånn wow-øyeblikk på AI når jeg har oppdaget hva det er. For jeg nevnte jo at jeg var tidligere programmerer. Med Vibe-koding, som er en form for agentfunksjonalitet, så kan du få AI’en til å programmere software for deg. Så du bruker kanskje et HR-system i dag, du bruker kanskje et CRM-system i dag, du bruker kanskje et ATS-system. Jeg spurte deg i sted, hvordan henter du en service? Nei, du bruker Microsoft Forms. Med vibe-koding så kan du bygge ditt eget forms. Du kan bygge ditt eget CRM, du kan bygge ditt eget ATS. I praksis så er det som en plattform som ligger ned på ChatGPT og de andre. Du sier hva du vil ha, og så bygger softwaren denne plattformen. Plattformen bygger softwaren for deg da. 

Ja, og det har jeg jo sett gjennom, jeg jobber med HR-meldingen sammen med Arve Kvaltsvik i Evidente, og han har jo bare bygget alt med wipe-coding, så liksom hele surveyverktøyet, den nye grafen som ligger ute, hele rapporten, alt som er liksom det dynamiske rapporten også nå ligger tilgjengelig for alle. Det er jo bygget med wipe-coding. 

Helt konkret hva jeg har vibe-kodet i dag, for å gi deg et live-eksempel, for det satt jeg og jobbet med tidligere i dag. Så er det sånn at vi har en del kurs, blant annet AI-kurs, og så trenger vi å ha et robust påmeldingssystem. Vi har brukt Microsoft Forms, men det er litt sånn 1982 vil jeg ha tilbake grensesnittet sitt. Så det vi har vurdert da, ok, hvordan kan vi få dette inn i Pipedrive, hvordan kan vi gjøre automatisk tilbakemelding med mail, med bekreftelse og så videre, så begynner vi å se på hvordan kan vi integrere Microsoft Forms med Pipedrive som er vårt CRM for å få den til å sende ut mail. Kanskje jeg kan sette opp et mail drop som gjør at det kommer en mail etter påmelding en en uke. før, og så videre. Men så blir det så kompleks å sette opp, det blir så komplekst å få til, så da går jeg heller så vibe-koder jeg det. Så sier jeg, jeg vil ha et påmeldingssystem for kurs, jeg skal kunne legge inn kurs, du skal vise disse kursene på webben vår, du skal sende bekreftelse da og da. Jeg bare sier hva jeg vil ha, og så går jeg og tar meg en kopp kaffe, kommer jeg tilbake, så er det ferdig. Det er ikke fullt så enkelt, for du må ofte jobbe litt videre med det, du må tweeke det og korrigere og be den fikse og rette, men i sum nå så har jeg brukt har ikke to timer på det, og har egentlig bygget nesten ferdig et fullverdig påmeldingssystem, som automatisk varsler kandidater, legger ting inn i CRM-en vår, sørger for at ting er oppdatert, varsler den som skal fakturere om at denne må sendes, så den gjør egentlig jobben for deg. Så jeg bygger egentlig en agent. som gjør jobben når noen melder seg på et kurs. 

Det gjør jo noe med konkurransesituasjonen etter hvert når det blir så enkelt. For vi kjøper jo disse tjenestene i dag. Jeg kjøper jo det fra Check-in og Kajabi. Og jeg er veldig glad i all den automatiseringen. Men nå sier du at jeg sitter og hacker det selv. Eller hacker. 

Og så kan du si, ja, men Sverre er jo programmerer. Ja, men that doesn't matter. Du kan også hacke det selv. Og der er vi på det samme som jeg vil si på nesten all AI. Hvis du synes dette hører spennende ut, eller hvis du sliter med å skjønne konseptuelt, hva er det? Test det. 

Mm. Ja, ikke sant? Jeg har satt på sånn hackathon og laget agenter og sånne ting. Jeg synes de jobber så innmari tregt, for da sitter du sammen og så sitter du og ser på agentene jobber, og så er det en enkel oppgave som tar lang tid, så da blir jeg bare lei hele greia. Men det er fordi at man ikke har testet, holdt på, sluppet tak i, ikke kan det godt nok. 

Ja, og jeg tenker sånn, når det kommer til for å gå tilbake til agentfunksjonaliteten da, så er det noe med når jeg kjører foredrag i AI, så pleier jeg som et eksempel, bare for å vise, så får jeg agenten til å sende en mail til arrangør dagen før, sånn at jeg kan vise til C, det var ikke jeg som sendte den mailen, det var agenten og så videre. Men det er bare en sånn demo-tulleøvelse hvor agenten bruker lengre tid på det enn meg, og jeg sparer ikke så mye tid på det, så det er en demo-oppgave. Men sånn som du har bygget en survey, å bygge selve spørreundersøkelsen og få AI’en til å opprette den i Forms, det er et sånn eksempel på en helt konkret oppgave som sparer meg masse tid, hvor jobben agenten gjør er like god, og jeg kan gjøre andre ting i stedet, hvor det er bare verdiskapning når den gjør det for meg. 

Jeg tror det er der vi må komme til å oppdage hvor det faktisk gir nytteverdi. For når vi ikke ser verdien, da gidder vi ikke. 

Jeg tror det kunne vært kjempeinteressant. Det er en utfordring fra meg til dere i dette HR-nettverket ditt. Kom med gode oppgaver. Lag en bank med oppgaver. Her kan du bruke agent. Dette funker du på. Og jeg har første bidrag. Bygge service i Forms. Fantastisk. 

Jeg tenkte vi skulle snakke om disse her HR-prosessene. La oss starte med rekruttering som er ditt område, og du har vært litt inne på det. Men jeg har lyst til å høre, hvordan bruker du KI-verktøy i rekruttering i dag? 

Vi, når du sier jeg, men vi er jo et selskap. Vi er jo et av de større rekrutteringsselskapene i Oslo og Norge. Ikke det at det skal så mye til, for vi har 13 stykker, så det er veldig store øyne. Men vi bruker KI eller AI. mange ulike steder i prosessen. Det ene er at vi bruker det jo aktivt i alt sånt som handler om eget arbeid med techst og den biten. Selvfølgelig så prøver vi å trene folkene våre på å være bevisste på å vaske denne AI techsten. Men vi har også satt opp ganske mange systemer som standardiserer, automatiserer AI-generering. For når vi kjører for eksempel et salgsmøte eller et intervju så transkriberer vi alle disse samtalene, alle intervjuene techstes, alle salgsmøtene techstes, slik at når jeg skal sende et tilbud, så kan jeg da ta den techsten fra det salgsmøtet, og bidra til å automatisert lage et utkastet tilbud som fanger opp de tingene som blir snakket om. Når jeg har hatt en kandidat på intervju, så får jeg umiddelbart i slutten av intervjuet en oppsummering. Dette er oppsummeringen av kandidaten basert på intervjuet. Alle disse tingene sparer oss enormt mye tid, samtidig som det løfter kvaliteten i det vi gjør da. I tillegg så bruker vi AI for annonsering. Vi har AI-løsninger som gjør at når jeg legger ut en stilling, så vil den automatisk target riktige målgrupper ute i sosiale medier, og som gjør at vi får en mye, mye bedre treffsikkerhet på annonseringsløsningene våre enn det vi får kjøpt andre steder. Så det er egentlig ganske mange områder vi bruker Ai på. Og så prøver jeg som produktansvarlig, innovasjonsansvarlig, jeg prøver å paketere disse på en sånn måte som gjør at jeg har kontroll på hvordan folka mine bruker det. Sånn at i stedet for at mine folk går og sier til en eller annen språkmodell, hei, gjør det her, så vil jeg heller ha en standardisert modell som gjør det dritbra, som er så bra, og så har jeg kontroll på at det er den modellen som brukes i stedet for at de gjør noe feil i promptingen sine.

Ok, så dere har et felles konsept for at sånn gjør vi. 

Vi har flere. Ja, ok. Det er greit. Og så er det litt sånn, når jeg paketerer det intern, så kaller jeg det for Mike. Men det skrives M-A-I-K, Mike. Og det er da Meyer Haugens AI-konsulent. Men egentlig så er Mike ikke en AI. Det er mange ulike modeller og systemer, men vi profilerer internt som Mike da. Nettopp. 

Hva har vært den største wow-opplevelsen for deg innenfor rekruttering da, når du har begynt å ta i bruk ting? 

Det er litt vanskelig å velge, men innenfor rekruttering, jeg tror det er et veldig spennende norsk startup som heter Skillscanner, som vi to har snakket litt om før. Mm. Men når jeg så de, så synes jeg det var veldig spennende, for jeg ser et potensiale for ikke bare å automatisere, effektivisere, men også for å skape enda bedre kandidatopplevelser og bedre vurderinger. At du får en sånn vinn, vinn, vinn, da. Det blir lettere for meg som rekrutterer, det blir bedre for arbeidsgiver, og det blir bedre for kandidat ved hjelp av tech. Og det er en plattform hvor du da kan sette opp intervjuer som er stemmebasert uten video, for der på video vet vi det er 50% drop-off-ish. Det er ganske mange som faller av på videointervjuer. Her er det et stemmeintervju, og du kan vurdere kandidater basert på CV og hva de har svart i et intervju på et sett med spørsmål. Og så får du et mye rikere datagrunnlag for vurdering av kandidater som også ivaretar softe kriterier som du vanligvis ikke kan skride på. Så det er nok en av de ... Når du spør meg, så er det den som pops to mind da. 

Ja, og vi fikk jo være med og kjøre en demo på det, så det var jo veldig gøy å se det live, både å søke på jobben og se hvor raskt den sorterte og screenet. Jeg er veldig skuffet for jeg fikk ikke jobben, men greit nok. Jeg tror jeg kom til intervju. Men det er bare å se på hvordan 20-30 stykker kan søke jobben samtidig, og så 1, 2, 3 så har du dataene du har listet opp, og så er all informasjon der. Og det er viktig. Det er ikke bare sånn at her får du scoren, vær så god, men du har underlaget, så du kan jobbe som rekrutterer likevel. 

Ja, og vet du hva? Hvis du tenker på dette med biases og problemstilling, hva hvis AI’en vurderer feil? Noe av det jeg liker med Skillscanner-plattformen er jo det at ... La oss si at jeg kan bruke en språkmodell som ChatGPT for å vurdere kandidater opp til en søknad, og jeg vet det er noen der ute som lytter som har gjort det. Dere burde ikke gjøre det, men jeg vet dere har gjort det. Så nå snakker jeg til dere der ute i eteren. For det du får da er at du får en vurdering som er basert på språkmodellen, språkmodellforståelse, hvor den vurderer, kanskje er den rett, kanskje er den ikke, men du har ikke kontroll på hvorfor. Og du kan heller ikke redegjøre for hvorfor ble det som det ble. Og hvis du skal vurdere da tusen kandidater, og så vet du ikke hvordan det var og hvorfor, så blir du fort svar skyldig da, hvis du blir sett i kortene på hva var egentlig grunnlaget her. Fordi datamengden er så stor, det er vanskelig å gjøre de vurderingene. Med Skillscanner har du brutt det ned på kriterier, og så kan du se på de kriteriene, hvordan ble det vurdert på disse viktige kriteriene. Og da blir det mye mer granulært, det er mye lettere å spore, det er mye lettere å redegjøre for, og det er mye ... Det er mye. Du får en helt annen transparenthet i vurderingen av kandidatene. 

Og du må jo kunne redegjøre for det, for du kan jo få spørsmål om innsyn. Og da kan du ikke sitte der og si, ja, men det var en språkmodell som vurderte. Vi har et rekrutteringssystem som gjorde denne skrivningen. 

Og da kommer det neste inn, og det er jo viktigheten av et etisk AI-bruk. For nå blir det jo mer og mer at det alterer det. Og folk bruker det hele tiden, og så er det liksom du vet ikke om det har blitt brukt, og du har kanskje ikke lyst til å avsløre det. Jeg er helt sikker på at hvis jeg hadde spurt en rekrutterer hvordan gjorde du den vurderingen av kandidatene? Så er det nok mange som hadde kvit seg for å si, nei, jeg puttet det i en chatGPT, så spurte jeg om en vurdering fra en chatGPT, fordi for det første, du vet det er shady, du burde ikke gjøre det, det kan være feil, du mister ansikt hvis det er en måte du har jobbet på. Det andre er at AI Act sier jo at du må kunne redegjøre for hvordan disse data-vurderingene har blitt gjort hvis du har brukt AI til vurderingene. Men det å ha en human in the loop, at du er menneske og ser over og har kontroll på det som gjøres av veien, det er fremdeles ganske viktig. 

Så det er jo litt sånn paradoksalt det her, for at du som rekrutterer sitter og bruker AI på så mye av prosessen som mulig, og kandidaten som søker bruker AI på prosessen så mye som mulig. Så det er jo KI som rekrutterer KI, eller hva tenker vi? 

Ja, det er en interessant spørsmålstilling det. Og potensielt sett så har du jo helt rett. Samtidig så tror jeg nok vi alle sammen prøver i hvert fall å bruke AI på en måte som er at AI representerer meg som jobbsøker, eller AI representerer de valgene jeg tar som rekrutterer. Det er jo intensjonen vår. Men det blir jo fort at du outsourcer tenkingen din, i stedet for at du bruker den til å tenke bedre selv. Vil du helst ha en andre som tenker for deg, eller en som hjelper deg å tenke? 

Hmm. Ja, ikke sant? Det er spennende. Hvordan kommer dette på å virke i faget ditt fremover? 

Ja, det er et godt spørsmål. Jeg har prøvde å spå hvordan AI påvirker ting før, og bommet grovt. Så jeg er veldig restriktiv når jeg skal prøve å spå fremover, men jeg har en hypotese som jeg fremdeles tror på, og det er at verdien av det som er ekte, og som er beviselig ekte, kommer til å øke. Det vil si verdien av at du og jeg nå kan stå her og se hverandre inn i øynene. I øyeblikket dette hadde vært på en skjerm, så kan ikke jeg vite om det er deg. Jeg kan ikke vite om det er en representasjon av deg, om det er en AI-agent. Men her nå er jeg ganske trygg på at det er deg i kjøtt og blod som står der. Og den ekteheten. Det kommer kanskje de til å være humanoide roboter som ligner på mennesker og sånn, men vi er ikke der helt enda da.. Så jeg tror verdiene akte kommer til å øke. 

Nydelig. Innenfor mitt fagfelt lederutvikling så er det her med KI coach og også KI treningspartnere er kanskje noe av det som er veldig nytt å spenne om dagen. Du skal tenke at du skal trene på den vanskelige samtalen og i stedet for at du skal trene med en kollega så kan du trene med AI. Og da slipper du å være redd for å dumme deg ut, og hva kommer de andre til å synes om meg hvis jeg gjør det dårlig, og så kan du få veldig relevante tilbakemeldinger. Har du noen erfaring med denne type verktøy? 

Ja og nei. Vi har prøvd å bygge noe selv. Vi hadde en bachelorgruppe her inne som jobbet et halvt års tid med å prøve å bygge en coach, en karriereveileder coach, AI-drevet. De bygde en coach, men det ble aldri rullet ut som noe ferdig produkt. Men det er jo et område, og vi har også brukt dette live i trenings øyemed selv. Det er veldig, veldig lett å sette opp en sånn treningssimulator ved hjelp av for eksempel ChatGPT. hvor du kan sette opp en egen AI-bot, hvor du kan bare si, gi meg et scenario, og så kommer det et scenario, så kan noen rolle spille det, så du får jo veldig mye god trening da, ut fra disse modellene. 

Ja, for da trener du med chatGPT da, eller? 

Da bruker du bare chatGPT som, altså det kan gjøre, vi har gjort det i et allmøte for eksempel, sånn, la oss si, Hvis jeg skal øve mine kolleger på hvordan du kan pitche Mayer Haugen hvis du møter noen, så kan jeg jo få satt opp en egen chatGPT instans, til å si du skal lage et scenario, det som skal øves på dette, beskriv scenario, si hva som skjer, legg det frem, og så skal noen rolle spille det. Plukke ut en av oss som skal være den som selger det, en andre som skal være sånn og sånn. Så du lager både scenariet og hvem som har hvilke roller. Men dere spiller med hverandre, ikke med Ja, da i dette tilfellet så har vi gjort det i plenum. Så da har vi fått opp den botten da, på skjermen. Og så trykker vi bare, ok, gi meg et scenario. Og da kommer det opp, scenarioer, du er på en middag, og der møter du en kar, han sier, åh, vi har litt sånn rekruttering, sånn og sånn og sånn, jeg lurer på hva jeg skal gjøre. og det er Ane som skal pitche og Sverre skal være liksom han som kunne så den setter opp hele scenariet og så må man spille det ut da og så etterpå, ferdig så er den satt opp til å si, ok, dette er ting du kunne sagt, dette er argumenter du kunne brukt, at du får noen potensielle fasitsvar.

Men da har ikke den lyttet til deg og gitt tilbakemelding på din, for det er jo det som er elegant. 

Ikke i dette scenarioet, men det er jo fullt mulig. 

Ja, det er jo kjempekult. Ja og For jeg vet jo noen som har nå begynt å sette opp trening på, og salgstrening for eksempel da, via SANA, som de bruker, der de mater med hva slags innvendinger får du, hvordan skal du håndtere det, og der er det blitt såpass smart på demmes måte å gjøre det på, at du kan sitte og trene med.

 Ja, og der finnes det jo softwareløsninger som spesialiserer seg på den type ting også der ute. Men jeg mener jo at disse scenariene, trening og coaching, er to typer scenarier som er kjempebra å bruke AI på. Og hvorfor er det bra? Jo, fordi så lenge det er satt oppriktig da. Hva skal en god coach gjøre? Den skal jo ikke komme med svar, den skal stille gode spørsmål. Det kan du jo få en AI til å gjøre, og da kommer du litt rundt hallusineringen. For det gjør ikke noe om en stiller et dumt spørsmål. Det er litt sånn det er ingen dumme spørsmål. Målet er å få deg til å tenke. Og så kan du si utfordringen er å sette opp den AI’en til å stille de gode, dype, treffende spørsmålene, men det er jo en ... 

Det blir den jo sannsynligvis bedre enn oss på ganske så snart, for det finnes jo modeller og technikker og...Hvis du tenker, disse fremste coaching-retningene i verden, de har jo sine modeller og strukturer. Dette er jo fullt mulig å sette opp AI’ene i et av de strukturene. 

Vi gjorde en litt morsom case når vi jobbet med studentcase. Jeg snakket med denne bachelorgruppa som skulle bygge en coach. For jeg har jo noen coaching-samtaler karrieremessig innimellom, og da fikk jeg aksept fra en jeg snakket med om til å transkribere samtalen, og så kjørte jeg en coaching-prat med den personen uten å tenke noe mer på det, men bare med techsting.. Og så etterpå kunne jeg gå til ChatGPT: Analyser hva slags spørretechnikk jeg bruker, hvordan jobber jeg, hva er det egentlig man sier, og bruk det. Og så kan du bruke det for å egentlig utvikle videre hvordan den coach skal jobbe. Det er kjempeinteressant. Det er en god ting. Jeg hadde aldri hørt om sokratisk spørretechnikk før.

Ikke sant? Ja, og det er som min datter nå som skal velge utdanning, og hun var bare sånn, ja, kanskje få en karriereveileder og sånn, og vi begynte å snakke om, ja, ja, men vi dekker gjerne det vi kan betale for det, men sett deg en runde med chatGPT først. Sett deg et par timer, sitt og spar. Her er noen tips til hvordan du setter i gang. Og når hun kommer opp der etterpå, så, nei, jeg vet hva jeg skal. Hun hadde ikke behov for noe. Og det var så tydelig og klart for henne. Så det er noe med at bruker du disse verktøyene riktig, så er du jo langt på vei, også med de åpne modellene. Jeg synes det er utrolig spennende, den der tanken på at du kan sitte og trene med de. For jeg tenker litt på den der tryggheten, for det er mange som synes det er litt kleint. Å trene når vi sitter kolleger sammen og du gjør det foran alle dine kolleger og så er det sånn ekstra kleint for en del. Så det der å ha mulighet å trene i et trygt rom. Det er jo lett å spørre AI om ting du kanskje synes er flaut å spørre andre om. Dette burde jeg visst. Men å spørre AI føles trygt. 

Men la oss si at, nå bare tenker jeg høyt, om det er en ny rekrutterer, Mm. og har lyst til å øve på intervju, første gang du skal intervjue noen, så få AI’en til å være kandidat da. Stil spørsmålene, be om forslag til hva du kunne sagt annerledes. Men det er klart det øyeblikket du går fra bare at den stiller deg spørsmål til at den kommer med forslag til løsninger eller forslag til fakta. Tilbakemelding på din trening. Da må du være bevisst at den kanskje ikke er det riktigste. 

Den skal være trent. Den skal ha riktig data. Ok, og hele dette her med simulering og sånne ting, kjempespennende at du kan simulere. Dette har vi også drevet med før, men det har jo vært stort og vanskelig å lage simuleringsøvelser på endringsledelse, eller på case, eller beslutninger. Hvordan vi egentlig nå kan begynne å bruke AI-modeller for å trene på ferdigheter i komplekse strukturer og få tilbakemeldinger på de vurderingene vi gjør. Det er ganske spennende. 

Det er masse potensiale.

Så jeg har jo nerdet og i hvert fall tenkt veldig mye på hvordan KI kommer til å påvirke læring og utviklingsfeltet i årene som kommer. Og bare det med at informasjonen er så lett tilgjengelig, vi må jo snu opp ned på alt vi driver med i forhold til læring i organisasjoner. Ja, men e-læring eller klikketrening som vi kan kalle det, det er jo ikke så interessant lenger.

Ja, og så kan du jo også dra det enda mer radikalt da, Anne Lise. For hva er det som læring? Er det snakk om ferdigheter eller kunnskap? Mm. Men trenger vi egentlig kunnskap lenger? Jeg er nettopp der. Men kunnskapen ligger jo i modellen. Men det du trenger er kanskje nysgjerrighet, kritisk tenkning, evne til å forstå, noe annet enn bare det å pugge fakta, da.

Ja, for puggefakta trenger vi ikke, men vi trenger å vite hva vi ikke vet. Ellers så går vi ikke og søker den kunnskapen. Så vi trenger denne motivasjonen for at du skal prøve å finne ut av noe, og vi trenger å ha tilgjengelig den riktige kunnskapen. Og så trenger vi å trene ferdighetene, og vi kan gjøre det dels med AI, vi kan gjøre det ute live, som du sier, det ekte kommer til å bli enda bedre og viktigere i fremtiden. 

Men jeg nevnte for deg kortest da at jeg bistår DNV nå med revideringen av sertifiseringskriterier til rekruttering sertifiseringen. Ja, det er spennende. Der ser vi også på en eksamen, og da plutselig kommer vi opp i den problemstillingen som er helt åpenbar i læring. Hvordan gjør du eksamen når du vet at alle kan bare sitte og google det, eller ikke google, men bruke AI for å finne svar, som er jo plutselig en veldig relevant og interessant problemstilling. 

Ja, hva har dere funnet ut? 

Jeg tror nok foreløpig så kommer det til å gå for mye av det samme som det har hatt før, men som er egentlig at du gjør det under oppsyn. Men det interessante er jo hvordan man tenker om oppgaver. Jeg synes min kone, shout out til henne, var veldig smart når hun satte opp eksamen i farmasi. Hun er professor på universitetet. Dette er tidlig, to år siden, rett etter at ChatGPT kom, men det modent nok til at hun skjønte at alle bruker ChatGPT, og det hallusinerer masse. Men i stedet for å la dem bruke det, så går hun til tjenestepartiet og sier, gi meg et svar på dette spørsmålet, og så får hun et forslag til svar med noen feil. Og så er det oppgaven, hvor hun sier til studentene, her er AI-svaret, hva er feil? og da blir det litt sånn da kan du liksom ikke helt stole på om AI kan hjelpe deg å finne svar, da må du tenke selv da 

Veldig kult. Ja, vi vet jo at dette kommer til å påvirke masse, og det er spennende å være tett på feltet og tett på utviklingen. Og så er vi veldig enige om at KI-kompetanse er bare en liten del av denne her ligningen. Det handler om nye arbeidsmetoder, det handler om ny organisering av arbeidet, det handler om juridiske forhold, compliance, vi har vært inne på det. Behandling av data, kildekritikk. Hvis du tenker HR, så er det jo ikke bare tech-neringen som er viktig. Det er jo hvordan vi sørger for at vi jobber etisk med det i organisasjonen. hvordan vi får menneskene på laget. Har du noen tanker om dette her? 

Ja. Jeg tenker at dette er en ganske fantastisk anledning for HR. Hvis du tenker HR, Human Resources, eller People and Culture, eller hvilken merkelapp du putter på det, men det handler om mennesker, så blir det liksom, ja, men skal du redusere mennesker til ressurser? Human Resources, det er jo så lite menneskelig. Det som er realiteten, spør du meg, nå kanskje jeg tråkker på noen tær da, men det er at veldig mange steder så er HR en administrativ støttefunksjon, som ikke nødvendigvis er verdiskapende, men som skal sørge for at andre kan gjøre jobben sin. 

Den diskusjonen tar vi etter at vi er ferdige med podcasten, så dere bare hører videre på hva som er det nå. 

Jeg vet jeg tråkker på kanskje noen tær, men det er faktisk realiteten der ute, at det er tilfeller. Det betyr ikke at man ikke vil, eller alt det her. Når vi ser på det som skjer på AI, hva er definisjonen av AI? Det er da software som kan gjøre oppgaver som vanligvis krever menneskelig intelligens. Det går rett inn i det samme som people. Så det vi ser internasjonalt, det er jo at i større og større grad så er det HR-funksjonen som også får et ansvar for AI. Tittelen i USA, People and AI, er en ny tittel. Og HR, rekruttering, just har vært langt fremme. HR ligger kjempe langt fremme, med tanke på AI, hvor appliseres AI. Dette er en gyllene anledning for HR til å være mer verdiskapende og komme på kartet. Så jeg ville jo sett på dette som en super anledning, men da må man jo henge med da, og holde seg oppdatert. 

Definitivt. Og så tenker jeg at det som HR har kompetanse på, som kanskje ikke er det administrative, men som er hvordan du kjører en god endringsprosess, hvordan du jobber med kulturen, hvordan du får mennesker med på laget, det er jo en viktig del av nøkkelen her. Det holder ikke at vi implementerer tech hvis vi ikke..

Nei, jeg tror veldig, veldig fort allerede nå så vil AI’en kunne fortelle deg hvordan du skal gjøre det. Sånn rent teoretisk sett så får du akkurat de like gode svarene. Den kan mer om endringsledelse enn meg. og deg til sammen, ikke sant? Men ikke gjennomføringen av det. Ikke som jeg sa i sted, det ekte, det fysiske, det å få det faktisk til å skje. På et teoretisk plan så kan du si hva du skal gjøre, men hjelper det ikke å lykkes med det. 

Nei, og da kommer vi tilbake til det hjelper jo ikke å ha kunnskap hvis du ikke får folk med, hvis du ikke påvirker, hvis du ikke endrer holdninger. Ja, nei, det er spennende. Jeg har ikke spurt deg om akkurat. om den kan rådgi meg på det. Jeg kjenner plutselig at jeg er litt skeptisk, for det finnes veldig mange teorier der ute som ikke er like appliker bare i praksis. Og jeg tipper at jeg er ganske god på teoriene. Ja. Men dette må jeg jo sjekke ut. Her fikk jeg jo noe nyt å nerde meg ned i. Så må vi huske på at når vi snakker om AI, så snakker vi om AI som en stor fellesinstans, og der er det jo god og dårlig AI, det er god og dårlig software, akkurat som det er god og dårlig ledere og god og dårlig endringsledere. Godt poeng. 

Mm. Absolutt. Nydelig. Jeg synes at dette her har vært kjempespennende. Vi har snakket litt tech, vi har snakket litt praktisk om prosesser. Er det noe annet vi burde ha med oss før vi begynner å tenke på å runde dette her? 

Det er helt sikkert det, men akkurat nå synes jeg som du sier at vi har vært innom ganske mye spennende ting. Jeg har et spørsmål til deg da, som jeg er litt nysgjerrig på. Hva er det neste du skal teste ut? På takk og ei. Har du noe på lista som du vet dette har jeg lyst til å prøve eller sjekke ut? 

Vi trenger å lage noen dashboards for styringsdata og sånne ting i Leonda. Så der ligger vi langt bakpå og har egentlig bare levd litt happy-go-lucky med at vi har herlige kunder og vi har det gøy, men vi trenger å være litt mer proff på det. Så der vet jeg jo at AI kan hjelpe meg. 

Der vil jeg teste ut vibe coding. Det er et kjempecase til å teste vibe coding. 

Definitivt, I know. Og så skal jeg gå og sjekke om den er god på endringsledelse. Det er det første. Og så er vi, hva sier jeg, driver og jobber med lederutviklingsprogrammer, så det er klart at jeg er veldig på hvordan kan vi få det inn i lederutvikling, hvordan kan vi merge disse nye mulighetene inn i lederutviklingsprogrammer slik at vi er up to date og at vi har ting som er...Jeg brukte det blant annet i et lederutviklingsprogram for litt siden, der vi skulle lære bort rekruttering. Det var dagens tema. Det var employer branding og rekruttering. Da brukte vi de enkle verktøyene, men det bare ga de ferdige prompter på hvordan de kunne lage en god annonse, så de fikk med seg verktøy tilbake. Ferdige prompter på kompetansebaserte intervjuer. Og så begynte jeg å tenke litt på, nå spinner jeg videre her da. Men det som skjedde da, det er jo at vi hadde veldig mange rekrutteringskurs der jeg har lært bort det å lage kompetansebaserte spørsmål. Fordi at det kan ikke ledere, vanligvis. Og da strever de, de holder på, de synes det er vanskelig, det er litt prosess å få det til, men de lærer jo når de sitter og kjemper. Og så hadde jeg den gjengen her, jeg ga de ferdige chatGPT-prompter, de satt og fiksa, fikk kjempegode spørsmål. Men jeg går ut og tenker at, faen, det var ingen av de som lærte.

Men det er interessant. Kjempeinteressant. 

Det er dilemma, så neste gang tror jeg de skal få kjempe litt før de får prompt’en hos meg. Veldig godt spørsmål. 

Jeg tror på min liste, jeg har en ting på min liste som jeg gleder meg til, og det er å prøve Claude Co-work. Ja. Som er en sånn, sånn som jeg har sett det konseptuelt, så er det litt sånn, har du hørt om, har du hørt om, hva heter det, Open Claw, tror jeg det heter, som er sånn at du gir tilgang til PC-en din, så det kan være. Og til grunn til appene og Explorer og egentlig alt på PC-en. Co-work er litt alle det samme. Det er fra Claude, hvor du da kan begynne å jobbe og ha en agent som jobber for deg på PC-en. Og jeg har ikke testet det, men det er ... en AI-guru som heter Johannes Sundlo, shoutout til han der ute, han har et fantastisk nyhetsbrev om AI som jeg deler på forespørsel, men hver gang jeg leser det så lærer jeg noe nytt, han er kjempekunnskapsrik. Og han har sagt, wow, når jeg testet denne co-work. Så jeg bare gleder meg, for jeg tenker når han sier det, så vet jeg at dette er, this is something. Det er kanskje mitt fjerde wow-moment kommer der. 

Aha, ok, det blir gøy å høre om. Vi legger en lenke til det nyhetsbrevet i episoden beskrivelsen, hvis noen har lyst til å gå inn og abonner på det. Supert. Da tror jeg vi sier tusen takk. Dette var superspennende. Vi kommer sikkert til å snakke igjen senere, jeg og du, dessverre. Men for nå, dette er nytt og praktisk om AI her og nå. April 2026. Ok, takk skal du ha.

Synes du dette var nyttig? Hjelp gjerne en venn eller kollega om denne episoden, slik at flere kan få glede av det som vi deler. Sjekk ut tidligere episoder på leonda.no/hr-podden. og følg oss på Apple eller Spotify for å få med deg neste episode. HR-podden byr på nye fagtips hver onsdag. Vi høres!