AI kan støtte refleksion, men ser ikke arbejdsadfærden
Generativ AI kan være tilgængelig, tålmodig og god til at strukturere tanker. Den kan foreslå spørgsmål, hjælpe en coachee med at forberede en samtale og omskrive et abstrakt mål til mulige handlinger. Det gør teknologien nyttig før og mellem coachingsamtaler, især når brugeren allerede ved, hvilket problem der skal undersøges.
Men AI møder primært den fortælling, brugeren vælger at give den. En sammenhængende fortælling kan bygge på et upræcist selvbillede, udelade kollegernes reaktioner eller gøre en kompleks relation til et individuelt problem. Systemet var ikke til stede på mødet og ved ikke, om den ønskede intention blev synlig for andre.
Skeln mellem en samtalepartner og en professionel coach
Nye studier sammenligner AI-baserede coachingforløb med menneskelig coaching og finder lovende resultater på afgrænsede mål. Samtidig varierer systemer, designs og målemetoder betydeligt. Den praktiske konklusion er ikke, at teknologien skal afvises eller sidestilles med enhver menneskelig indsats, men at opgaven, risikoen og behovet for relationel dømmekraft skal afgøre anvendelsen.
En kvalificeret coach kan registrere tøven, modsætninger og relationelle mønstre, udfordre en elegant forklaring og hjælpe coacheen med at holde flere perspektiver åbne. Ved konflikt, magt, trivsel eller etisk følsomme spørgsmål er den menneskelige proces og klare ansvarlighed særlig vigtig.
Belbin bringer strukturerede perspektiver ind
Belbin Individrapporten kombinerer personens selvvurdering med ord fra mennesker, der har set vedkommende arbejde. Forskellen mellem de to billeder skaber spørgsmål, som ikke kan fremstilles troværdigt alene ud fra en prompt: Hvorfor ser kolleger et stærkt Koordinatorbidrag, som personen ikke selv regner med? Hvorfor er et ønsket idébidrag kun synligt i én relation?
Observatørerne er heller ikke en objektiv domstol. De har forskelligt udsyn og møder personen i forskellige kontekster. Værdien ligger i at undersøge mønstre og konkrete hændelser. AI kan hjælpe med at sortere spørgsmål, men den menneskelige samtale må forbinde feedbacken med opgave, relation, mandat og virkning.
Brug teknologien i en tydelig arbejdsdeling
Før samtalen kan AI hjælpe coacheen med at samle hændelser, formulere hypoteser og forberede spørgsmål til observatører. Mellem samtaler kan den støtte en enkel refleksionslog: situation, handling, reaktion og næste forsøg. Efter feedback kan den foreslå forskellige formuleringer af et adfærdsmål, som coach og coachee vurderer kritisk.
Belbin leverer sproget for bidrag og komplementaritet. Observatørerne leverer kontekstnære data. Coachen holder proces, etik og læring. Coacheen ejer valg og handling. Denne arbejdsdeling udnytter AI til struktur uden at lade et sandsynligt sprogligt svar foregive at være viden om personens arbejdsliv.
Beskyt fortrolighed og professionelt ansvar
Profiler, feedback, konflikter og coachnoter kan indeholde følsomme personoplysninger. De bør ikke indsættes i åbne AI-tjenester uden et klart juridisk grundlag, passende databehandlerforhold, dataminimering og informeret samtykke. Anonymisering er vanskeligere, end den ser ud, når organisatoriske hændelser og roller stadig gør mennesker genkendelige.
Coachen skal også kunne forklare, hvornår teknologien bruges, hvad den bidrager med, og hvem der har ansvaret for fortolkningen. AI må ikke skjules som en usynlig medcoach eller bruges til automatiske vurderinger af mennesker. Professionel anvendelse kræver en tydelig grænse mellem støtteværktøj, feedbackkilde og beslutning.
Mål værdien på adfærd i virkeligheden
Det relevante spørgsmål er ikke, om AI leverede en god samtale, men om coacheen blev bedre i stand til at handle i den situation, der udløste behovet. Vælg derfor en konkret adfærd, afprøv den og bed relevante kolleger beskrive virkningen. Hvis målet alene er oplevet klarhed, kan teknologien virke overbevisende uden at ændre arbejdet.
Den stærke position er hverken teknologibegejstring eller afvisning. Brug AI dér, hvor den skaber adgang, struktur og træning. Brug Belbin og observatører til at bringe andre perspektiver og den faktiske arbejdskontekst ind. Brug en kvalificeret coach, når dømmekraft, relation og ansvar er en del af opgaven.
Otte perspektiver til den praktiske samtale
- 01
Generativ AI kan hjælpe en coachee med at formulere spørgsmål, strukturere refleksioner og forberede en samtale. Den kan være tilgængelig, tålmodig og sprogligt stærk. Det gør den nyttig som støtte, men ikke til en observatør af arbejdslivet.
- 02
En overbevisende refleksion kan stadig bygge på et skævt selvbillede. AI møder primært de oplysninger, brugeren vælger at give den, og kan ikke uden videre vurdere, om intentionen bliver synlig som den ønskede virkning.
- 03
Relevant coachingfeedback afhænger af opgaven, relationerne og de hændelser, hvor adfærden udspiller sig. Kolleger ved, hvad der skete på mødet, hvordan beslutningen landede, og om en ændring gjorde arbejdet lettere.
- 04
Belbin-observatører bidrager med strukturerede perspektiver på arbejdsadfærd. Deres vurderinger kan kobles til konkrete situationer og sammenholdes med personens selvvurdering. Den forskel skaber spørgsmål, AI ikke kan opfinde troværdigt.
- 05
Profiler, feedback og coachingsamtaler kan indeholde følsomme personoplysninger. Brug ikke fortroligt materiale i åbne AI-tjenester uden et klart juridisk og sikkerhedsmæssigt grundlag. Dataminimering og informeret samtykke gælder også, når værktøjet føles uformelt.
- 06
AI kan hjælpe med at omskrive et abstrakt mål til mulige synlige handlinger, generere refleksionsspørgsmål eller forberede en feedbackanmodning. Forslagene skal vurderes af personen og coachen i den konkrete kontekst.
- 07
Mennesker leverer realitetschecket: Hvad så de? Hvilken virkning havde handlingen? Hvad havde situationen brug for? En kvalificeret coach hjælper med at fortolke data uden at gøre dem til en dom.
- 08
Den stærke kombination er klar: Brug AI til struktur og forberedelse, Belbin til et præcist sprog for bidrag, observatører til kontekstuel feedback og coachen til faglig proces, etik og læring.
En ansvarlig protokol for AI mellem coachingsamtaler
Begynd med en opgaveklassifikation. AI er velegnet til lavrisikoaktiviteter som at formulere refleksionsspørgsmål, skabe struktur i ikke-fortrolige noter eller generere flere mulige adfærdseksperimenter. Den er mindre egnet som fortolker af konflikter, psykisk mistrivsel, magtforhold eller persondata. Ved høj risiko, uklarhed eller stor konsekvens skal en kvalificeret person overtage processen og ansvaret.
Brug derefter dataminimering. Coacheen kan beskrive en generisk situation uden navne, virksomhed, rapporttal eller identificerende detaljer og bede om alternative spørgsmål frem for en diagnose. Output betragtes som ideer, ikke evidens. Coach og coachee undersøger, hvilke antagelser forslagene bygger på, og om de passer til den virkelige opgave, relation og kultur.
Når et forslag vælges, oversættes det til observerbar adfærd. AI kan eksempelvis foreslå “lyt mere”, men målet skal blive til en konkret handling og ønsket virkning. En relevant kollega giver feedback efter faktiske hændelser. Denne feedback har en anden status end systemets tekst, fordi kollegaen har set arbejdssituationen og mærket konsekvensen.
Til sidst dokumenteres læringen uden at gemme unødige persondata i værktøjet. Hvad blev afprøvet, hvad observerede andre, og hvad er næste justering? Den enkle protokol bevarer teknologiens praktiske fordel, men forhindrer, at flydende sprog forveksles med relationel indsigt. AI hjælper med forberedelsen; arbejdslivet leverer realitetschecket.
Hvad de tidlige effektstudier faktisk gør relevant
Studier af digitale og AI-baserede coachinginterventioner er lovende, men feltet er ungt. Nogle undersøgelser finder forbedringer i målopnåelse eller trivsel, men systemerne spænder fra strukturerede samtaleforløb til generativ AI, og kontrolgrupperne varierer. Resultater kan derfor ikke uden videre overføres til alle produkter, brugere eller komplekse coachingopgaver. Organisationer bør kræve dokumentation for den konkrete løsning og det konkrete formål.
Sammenligningen med menneskelige coaches afhænger også af, hvad der måles. Et system kan være effektivt til at holde fokus på et enkelt mål eller stille konsekvente spørgsmål. En menneskelig coach kan arbejde med tavshed, alliance, modstand, magt og skiftende problemforståelse. Ved at specificere opgaven undgår man den upræcise debat om, hvorvidt AI “kan coache”, som om coaching var én ensartet aktivitet.
Adfærdsdata kræver særlig omtanke. En organisation kan fristes til at koble AI til mødeoptagelser, beskeder eller performanceinformation og dermed gøre feedback mere “objektiv”. Men kontekst, samtykke, formålsbegrænsning og fejltolkning bliver kritiske. Belbin-observatørfeedback er gennemsigtig: personen ved, at udvalgte mennesker vurderer arbejdsbidrag. Automatiseret overvågning er en anden praksis og bør ikke pakkes ind som coaching.
Den mest lovende anvendelse er derfor ofte som supplement i en veldefineret proces. Teknologien kan øge adgang og hyppighed, mens coach, observatører og coachee tilfører relation, kontekst og ansvar. Effekten skal følges på det niveau, indsatsen lover at ændre: ikke kun tilfredshed med chatbotten, men gennemførte handlinger og relevante resultater i arbejdet.