K-folk, der arbejder med intern kommunikation, har oplevet det før: Forandringer skabt af nye digitale muligheder. Først med introduktionen af e-mails og nyhedsbreve, senere mobiltelefonen og sociale medier.

Men med introduktionen af generativ AI står faget nu over for endnu en forandring. Denne gang kan det ændre måden, man laver intern kommunikation på markant, mener Jonas Bladt Hansen, der rådgiver i intern kommunikation i Next Level IC.

”Den interne kommunikation bliver hurtigt langt mere selvkørende og langt mere autonom i fremtiden, da det bliver lettere for alle at producere indhold, og derfor er vi allerede nu nødt til at tage stilling til, hvor vi, der arbejder med intern kommunikation, bør sætte vores præg med et human touch,” siger Jonas Bladt Hansen.

Der har allerede været meget fokus på, hvordan AI kan bidrage i marketing og i den eksterne kommunikation, men teknologien er, ifølge Jonas Bladt Hansen, mindst lige så brugbar i den interne kommunikation.

Han peger specifikt på tre roller, som man kan bruge AI til i dag, og en rolle, der bliver mere aktuel i fremtiden. De fire roller kan tilsammen generelt gøre den interne kommunikation hurtigere og mere effektiv, men vigtigst af alt skaber det mere tid til bedre indhold og nye værktøjer til at blive mere inkluderende.

Rolle 1: Producent-assistenrollen

I intern kommunikation bruger man meget tid i produktionsfasen, forklarer Jonas Bladt Hansen, der selv har erfaring med disciplinen fra blandt andre Arla, Danske Bank og DSB.

”Vi bruger normalt utrolig meget tid på artikler og informationsproduktion, som nødvendigvis ikke behøves være skrevet af et menneske, fordi meget kan være relativt basal information,” siger han.

Derfor kan AI, ifølge Jonas Bladt Hansen, hjælpe i producent-assistentrollen, hvilket gør arbejdet mere effektiv og bidrager til bedre indhold.

”Du kan også få hjælp til at opsummere længere tekster og dermed få hjælp til at fremhæve de vigtige pointer. Det kan være alt fra at lave en disposition eller et artikeludkast til fængende overskrifter eller forslag til, hvilken placering artiklen skal have i det interne nyhedsbrev”, siger han.

Det er ikke nyt, at man i intern kommunikation taler om information overload - at man simpelthen har for meget information - kan man ikke risikere, at der bare kommer mere og mindre brugbart indhold?

”Det kommer an på, hvordan man ser på det. Bare fordi man kan producere indhold hurtigere, betyder det ikke, at man skal gøre det. Men der er en risiko for, at det kommer til at ske, da alle nu med hjælp fra generativ AI hurtigere kan producere indhold. Omvendt kan man også sige, at du med hjælp fra AI kan nå en bredere målgruppe hurtigere og nemmere. Når du skriver en artikel, kan du få hjælp til at fremhæve de vigtigste punkter til forskellige afdelinger. Og du kan gå fra tekstindhold til at få det formidlet på video og lyd virkelig hurtigt. Det vil sige, at du med hjælp fra AI kan blive mere inkluderende i den interne kommunikation,” siger han og fortsætter:

Samtidig kan du få frigjort noget af din tid til at fokusere på det arbejde, som giver mere kvalitet og værdi for forretningen eller organisationen. På den måde kan AI også bidrage til at gøre os mere relevante som kommunikatører:”

Rolle 2: Rådgiverrollen

Det er ikke kun i selve produktionen af indhold, AI kan bidrage. Ifølge Jonas Bladt Hansen kan AI-programmer også hjælpe dig i rollen som rådgiver.

”AI-programmer kan allerede nu hjælpe dig med at brainstorme. Du kan få den til at agere som ekspert og give noget rådgivning i forhold til den ekspertrolle, den har fået,” siger han.

Men kræver det ikke ret meget af medarbejdernes tekniske kunnen og forståelse for AI, hvis man skal bruge det i sit arbejde?

”Jo, det tager tid at forstå, hvordan man skal instruere en sprogmodel, så den giver dig det output, du gerne vil have. Det handler i høj grad om at give den nok kontekst og lade den forstå, hvilken rolle den skal have. Og så er det også altid godt at fortælle den, at den skal stille dig nogle spørgsmål, så du kan give den nok kontekst til, at den forstår konteksten,” forklarer han.

Rolle 3: Super-reseracherrollen

En ting er at bruge programmer og værktøjer, noget andet er at bygge dem selv. Og selvom det lyder svært og dyrt, så kan det, ifølge Jonas Bladt Hansen, gøres på under fem minutter.

”Du kan allerede nu lave simple menneskelignende chatbots, som er i stand til at håndtere for eksempel en kedelig bæredygtighedsrapport, som organisationen har brugt rigtig lang tid på at lave, men som ingen rigtig kan komme igennem,” siger han.

Disse små hjemmelavede robotter, som Jonas også kalder “snæversynede robotter”, kan bidrage i det, Jonas Bladt Hansen kalder super researcherrollen. Det gør kommunikation mere inkluderende og skaber nye indsigter.

”Robotten forholder sig kun til det indhold, som du uploader til den, og det gør det muligt, at du kan have en chat med robotten om indholdet, i stedet for at skulle læse dig igennem rapporten. Samtidig opsamler robotten spørgsmålene og svarene, så man kan gå ind og analysere det og se, hvilket indhold der er mest interessant.”

Rolle 4: Den selvstændige medhjælper

Selvom det ikke er helt så aktuelt nu, er det, ifølge Jonas Bladt Hansen, vigtigt, at man allerede nu kender til den sidste rolle, hvor AI kan bidrage.

Han kalder rollen for ’Den selvstændige medarbejder’, hvor AI er en selvstændig robot, der kan arbejde autonomt, efter at den har fået nogle instruktioner af os.

”I den nærmeste fremtid vil AI i stigende grad kunne fungere som en selvstændig medarbejder. Den kommer til at kunne svare på mails eller følge op på de arbejdsområder, der netop er blevet aftalt i et møde. På den måde vil denne robot også kunne tage en mere proaktiv rolle, hvor de andre robotter er mere reaktive” siger han.

Jonas Bladt Hansen påpeger, at selvom det allerede er muligt i dag, så er det ofte lidt for besværligt at sætte op. Men der gør ikke lang tid, før vi begynder at se automatiske AI-programmer, der kan bidrage, uden vi skal bede den om det hver gang.

”AI kommer til at få en kæmpe betydning. Vi har det dog med at overvurdere sådanne teknologier på kort sigt og undervurdere dem på langt sigt. Det er vigtigt, at vi forstår at teknologien stadig er umoden. Derfor skal vi lige nu eksperimentere og nøjes med at give robotterne nogle simple opgaver for på den måde at lære, hvordan og hvad vi skal bruge teknologierne til på længere sigt, og hvad vi ikke kan bruge dem til,” siger han.

Tre spidskompetencer

En af de største udfordringer, som k-folk har med AI, er, ifølge Jonas Bladt Hansen, at de går for hurtigt og for avanceret i gang:

”Lige nu er anvendelsesmulighederne ret begrænsede. Hvis det bare bliver en smule for ambitiøst og lidt for komplekst, så møder man hurtigt en mur, hvor det enten ikke kan levere eller det bliver for generisk.”

Derfor skal man, ifølge Jonas Bladt Hansen, holde sig til det simple, når man bruger programmerne.

Han peger på særligt tre spidskompetencer, der kan give dig en fordel ved arbejdet med AI.

1. Prompting:

”Prompting er ikke særlig svært, men der er enkle grundregler, der er vigtige. Du er simpelthen nødt til at vide, hvordan man instruere en sprogmodel.

a) Giv ChatGPT en rolle

b) Beskriv opgaven

c) Del kontekst (hvilken organisation, sted, målgruppe, værdier, historik etc.)

d) Bed den om at stille dig spørgsmål for at give mere kontekst

e) Beskriv formålet og målet med opgaven

f) Beskriv hvilket output du gerne vil have og hvordan (eks. tonalitet, teksttabel etc)

g) Efter første resultat - forfin resultatet i en løbende chat (eks. Uddyb dette/brug en anden tonalitet etc)

2. Kritisk sans:

”Det er vigtigt at forstå, at sprogmodellens output blot er et sandsynligt resultat. Den måde den sammensætter ord på er ren matematik, da den ud fra den givne kontekst ser på hvad det mest sandsynlige ord er, der kommer i forhold til det næste. Derfor er det vigtigt altid at være kritisk, når man bruger AI-værktøjer. Den er kun så god som de data den er oplært med, og derfor skal du også være meget opmærksom på bias, diskrimination m.m.”

3. Forstå sprogmodellerne:

”En generel forståelse af hvordan sprogmodeller virker er vigtigt. Forstå, hvordan den er trænet og på hvilke data. Det gør dig både bedre til arbejdet med AI, og det gør, at du kan få meget mere ud af programmerne.”

Foto / PR