Briefing
Situationen
En analys visar att 60 % av det dagliga arbetet hos era juniora analytiker nu kan göras av AI. Resultatet är bättre, snabbare och billigare. Men: era seniora analytiker säger samstämmigt att det var just dessa uppgifter som lärde dem omdömet. Om ni automatiserar bort lärlingsåren — vart kommer era framtida seniora ifrån?
Diskussion
Frågor att brottas med
Vad är det vi egentligen lär ut?
- 1.Vilka av lärlingsårens uppgifter byggde tekniskt kunnande — och vilka byggde omdöme?
- 2.Hur skiljer vi på det vi gärna vill bli av med och det vi inte borde släppa?
Ny karriärbåge
- 1.Hur ser en juniors första 18 månader ut hos oss om tre år?
- 2.Vilka helt nya roller kan uppstå mellan 'junior' och 'senior'?
Ramverk · Kompetensväxlingsmatris
Att luta sig mot
Automatisera
Repetitivt, datatungt, lågt lärvärde.
Förstärk
Människa + AI parar ihop, AI tar tunga lyft.
Bevara
Manuellt — det är just här lärandet sker.
Uppfinn
Helt nya uppgifter som inte fanns förut.
Beslut
Möjliga vägval
- AFrys nuvarande juniorprogram tills vi designat om det.
- BBehåll juniorrekrytering men gör om innehållet i lärlingsåren.
- CSkär ner juniorrekryteringen drastiskt och rekrytera mer seniort externt.
- DInvestera i ett internt 'AI-kompanjonskap' där juniorer parar med agenter under handledning.
Triggers
Kasta in när diskussionen fastnar
- ▸Tre seniora analytiker går i pension nästa år.
- ▸Konkurrenter rekryterar aggressivt från er juniorpool.
- ▸Era kunder börjar fråga vem som faktiskt gjort analysen.
För facilitatorn
Tips för att få ut mer
- Be deltagarna berätta: 'den uppgift som lärde mig mest tidigt i karriären var…' — och se vad det säger om vad ni nu håller på att avskaffa.
Reflektion
Att ta med sig
- "Vilken typ av seniora ledare behöver vår organisation om tio år — och vad gör vi i år för att de ska existera?"