De siste 25-30 årene–har verden blitt stadig mer sammenkoplet på grunn av internett, vi har tatt i bruk datateknologi i stadig nye områder, og verken «Big Data» eller «Internet of Things» er lenger noe nytt, men en integrert del av hverdagen vår. Vi har mer data tilgjengelig enn noen gang, fra flere kilder enn noen gang, og vi har mer datakraft til å behandle disse dataene enn noen gang. Kunstig intelligens og kvantedatamaskiner har dessuten utsikter til å gi oss enda bedre verktøy til å håndtere disse datamengdene, enda raskere.
Intuitivt skulle vi da tro at vi også har bedre forutsetninger enn noen gang til å forutsi hva som skal skje i fremtiden. Derfor er det ironisk at det er nettopp større datamengde og flere sammenkoplede datakilder som gjør at tidshorisonten for hvor langt vi kan forutsi fremtiden er kortere enn noen gang, og at kunstig intelligens og kvantedatamaskiner trolig vil bidra til at tidshorisonten blir enda kortere enn i dag. Årsaken er at endringstakten og antallet nye muligheter bare øker.
Konsekvensen er at organisasjonsmodellene våre ikke virker lenger.
Verden endres hurtig og endringstakten har gått opp
De samme teknologiske utviklingene som har gitt oss disse enorme mengdene data og de digitale verktøyene til å analysere dem, har også bidratt til å øke endringstakten i samfunnet for øvrig.
Internett og medieplattformer har ikke bare koplet sammen systemer, men også mennesker, og forandret måten man driver forretning på. Endringer skjer faktisk mye hurtigere i dag enn for 50 og 100 år siden, det er ikke bare vår oppfatning. Verden brukte flere tiår på å innføre elektrisitet som allemannseie, men bare noen få år på å ta i bruk smarttelefoner. Mobilspillet Pokémon Go fikk 50 millioner brukere på mindre enn 19 dager da det kom i 2016.
Kompleksiteten som de sammenkoplede systemene introduserer er svært stor, og gjør at den verden som vi befinner oss i også har den samme kompleksiteten. Samfunnet og alle virksomheter kan anses som systemer, og tidligere har disse systemene vært såpass enkle og forutsigbare at vi har kunnet lage rutiner og prosesser for de problemstillingene vi møter. Systemene vi er en del av er ikke lenger forutsigbare, og det gjør at vi trenger andre verktøy enn prediksjon for å håndtere problemstillingene.
Avslørte dårlig IT-sikkerhet i forskningssektoren: Slik brøt de seg inn i systemene
Data er verdifullt for forståelse
Derfor er ikke data, og heller ikke big data, verdiløst – snarere tvert imot. Vi må bare være bevisst på hva vi kan bruke data til – og hva vi ikke kan bruke data til. For der hvor prediksjon tidligere var et sentralt verktøy for å løse problemene, er nå forståelse vårt viktigste verktøy. God tilgang på data og gode verktøy for aggregering, syntetisering og analyse gir oss mer innsikt enn vi noen gang har hatt, og vi har bedre forutsetninger enn noen gang til å forstå situasjonen vi er i akkurat nå basert på fortiden, og da særlig den nære fortiden.
Denne forståelsen er helt avgjørende for å løse problemstillinger med stor usikkerhet tilknyttet seg. Den kan forklare hvorfor ting er som de er, og hvorfor de gjør som de gjør – selv om vi ikke kan forutsi hva som skjer før det faktisk skjer.
Kanskje enda viktigere – forståelse er en evne der mennesket er fullstendig overlegen datamaskinene. Mennesket har evne til å se svært avanserte mønstre i informasjon og kople informasjon fra ulike kilder og håndtere abstrakte egenskaper som følelser, og selv om datamaskiner trolig vil hente inn noe av forspranget, er det ikke grunn til å tro at det skjer med det aller første.
Radikal informasjonsdeling
De store datamengdene medfører at vi trenger en annen tilnærming til deling av data og informasjon. Med begrensede data- og informasjonskilder var det en overkommelig oppgave for en leder å vite hvem som trengte tilgang til dataene, og man hadde i mange år et prinsipp om at kun de som hadde bruk for tilgang til informasjon, faktisk skulle ha det.
I utgangspunktet er dette en god tanke, men den bygger på en forutsetning om at noen faktisk vet hvem som trenger tilgang. Ettertiden har vist at amerikansk etterretningstjeneste faktisk hadde informasjonen de trengte for å hindre terrorangrepet 11. september 2001. Men det var så mange bruddstykker spredt rundt hos ulike mennesker, at ingen var i stand til å se helhetsbildet, de hadde rett og slett ikke tilgang til alle bitene i puslespillet.
Derfor har også norsk etterretningstjeneste og Forsvaret gått bort fra en slik tilnærming – selv om de udiskutabelt håndterer mye informasjon som absolutt ikke må komme i feil hender. Data- og informasjonsmengden er så stor, at det er fullstendig umulig for noen å vite hvem som trenger tilgangene. Tilnærmingen man har valgt er i stedet å sørge for at alle som kan ha nytte av informasjonen får tilgang til alt, og at man i stedet har gode kontrollmekanismer for å komme inn og sterke insentiver for å holde informasjonen innenfor organisasjonen.
Opera-ansatt delte VPN-abonnenters persondata med Chat GPT
Nye organisasjonsmodeller
Fortidens strukturer og organisasjonsmodeller har vært tilpasset den virkeligheten de befant seg i. Man løste kompliserte, men likevel forutsigbare problemer, og man etablerte strukturer og arbeidsformer som egnet seg til dette. Prosjekter og spesialiserte avdelinger i hierarkiske linjeorganisasjoner som kunne jobbe mer eller mindre uavhengig av hverandre var et resultat av dette. Informasjonsflyten var såpass liten at det var tilstrekkelig at den fulgte linjen. Linjeleder kunne til en hver tid ha oversikt over informasjonsflyten og hvem som trengte tilganger. Disse strukturene og organisasjonsmodellene bygger på noen antakelser om at man kan forutsi behov, tidsbruk og kostnader, og at rammevilkårene ikke forandrer seg nevneverdig fra start til slutt.
Denne virkeligheten har forandret seg. Informasjonsmengden har blitt så stor og behovet for å dele data gjør at lederne har blitt en stor flaskehals. Selv om tilgang på data og datakraft kan hjelpe oss med overføringen, skal lederen fremdeles ta beslutninger og styre informasjonsflyten – kanskje også utenfor eget kompetanseområde. Antakelsene som ligger til grunn, er ikke lenger gyldige. Likevel henger hierarkiene og organisasjonsmodellene igjen mange steder.
Komplekse problemstillinger trenger andre organisasjonsmodeller, der man kan utveksle informasjon og forståelse på tilsvarende måte som dataene og informasjonen, og som er tilpasset høy endringstakt og usikkerhet. Verden står overfor nye, helt ukjente problemstillinger som ingen har innsikt eller kompetanse til å løse i dag. På samme måte som vi må forstå situasjonen på grunnlag av data og tilpasse oss fortløpende for å løse komplekse problemer, må organisasjonene også forstå og tilpasse seg. Organisasjonene må bli mer dynamiske, mer som en levende organisme – ikke en statisk maskin.
Team of Teams
Sitatet som dannet utgangspunktet for dette innlegget, er fra boken «Team of teams» av general Stanley McChrystal, tidligere leder av de amerikanske spesialstyrkene. De gjorde akkurat disse erfaringene i Irak tidlig på 2000-tallet, da de møtte en militært underlegen, men organisatorisk overlegen motstander i al-Qaida. Den amerikanske krigsmaskinen var effektivisert og optimalisert gjennom mange tiår. Likevel var den ikke i stand til å reagere på de tilsynelatende uorganiserte angrepene fra en organisasjon de ikke klarte å forstå. De lette etter hierarkier og strukturer som ikke fantes, og først da de erkjente det, kunne de begynne å omstille seg.
Steg for steg gjorde de en organisatorisk omstilling bygde om sin egen organisasjon til et nettverk av mer eller mindre selvstyrte team, en dynamisk organisasjon som liknet mer på den motstanderen de hadde på slagmarken. Resultatene noen år senere var overveldende; fra å måtte bruke uker på planlegge aksjoner, kunne de ha en aksjon på morgenen, og gjennomføre en ny aksjon samme ettermiddag, basert på informasjonen fra den første.
Spesialstyrkene omorganiserte seg selv, men de omorganiserte også måten de samarbeidet med etterretningstjenestene og andre deler av det amerikanske forsvaret. Dette var helt avgjørende for kunne utøve den smidigheten som trengtes for å gjennomføre flere aksjoner samme dag.
Omfattende informasjonsdeling mellom de ulike aktørene var nøkkelen – først når alle puslespillbrikkene befant seg på samme bord, kunne hele bildet vises.
Posten-angrepet: Dette vet vi om trusselaktøren
Informasjonsdeling i næringslivet
Næringslivet har ikke en fysisk fiende på denne måten, og er heller ikke i strid slik som spesialstyrkene, og suksess handler som oftest ikke om liv og død. Likevel er det mange likheter og mye vi kan lære av hvordan de har organisert seg selv og samarbeidet med andre. Samarbeid om å løse de store verdensproblemer er viktigere enn noen gang, og selv om ingen kan løse eksempelvis klimakrisen alene, kan alle bidra litt. De fleste problemstillinger har grensesnitt til omverdenen, og det vil alltid være noen som kan tilføre ny lærdom dersom de har den samme informasjonen tilgjengelig.
Samarbeid i næringslivet er ikke nytt, men teknologien åpner for at informasjonsdeling kan skje hurtigere og på andre måter. Lenge har man sett på data og informasjon som bedriftshemmeligheter som ikke må deles – og slikt finnes naturligvis enda. Likevel er det mye som kan deles, og en delingskultur som legger opp til omfattende deling av informasjon – også mellom virksomheter og fagmiljøer – åpner for helt nye synergier og potensielle løsninger på problemstillingene våre. Derfor blir også nettverk mellom virksomheter – selv om de kanskje er konkurrenter – viktigere og viktigere. Informasjon og data er verdifullt for egen virksomhet, men dobbelt så mye informasjon fra ulike aktører kan levere mer enn dobbelt så mye verdi - for alle.
Organisering av offentlig sektor
Dette gjelder ikke minst offentlig sektor, der ulike etater sitter på mengder av informasjon om de samme problemstillingene, men ingen har tilgang til alt. Også i offentlig sektor har arbeidsoppgavene skiftet fra manuelle rutineoppgaver til mer komplekse problemløsningsoppgaver, der data og informasjon er nøkkelen til gode løsninger. Dermed vil også offentlig sektor tjene på andre organisasjonsmodeller. Hierarkiene og arbeidsformene som ble innført med New Public Management var laget for å løse helt andre problemstillinger i en helt annen tid. En tid da alt gikk saktere, og man kunne anta at situasjonen før og etter prosjektet var nokså stabil – sett bort fra endringene prosjektet medførte. Slik er ikke verden lenger – nå kan rammebetingelsene forandres radikalt på kort tid, også i offentlig sektor.
Smidig transformasjon
Vi må erkjenne at data og sammenkoplede datakilder påvirker hvordan vi må organisere virksomhetene våre og måten vi jobber på. Men det påvirker så mye mer – det påvirker måten vi må tenke på, hvordan vi utøver ledelse, styringsmodeller og hvilket menneskesyn vi må legge til grunn for å løse problemstillingene vi står overfor. Forretningsmodellene er ikke lenger statiske, de må utvikles kontinuerlig. I dag er det pandemi, klima/bærekraft og digital transformasjon som er de største driverne, hva som kommer i morgen vet vi ikke.
Smidig transformasjon har blitt et buzz-ord, men faktum er at alle virksomheter må bli mer dynamiske og endringsdyktige for å møte fremtidens utfordringer. Samarbeid og informasjonsdeling blir viktig. Data og informasjon var tidligere ansett som et konkurransefortrinn for å forutsi fremtiden, nå er det forståelsen som er konkurransefortrinnet – ikke informasjonen i seg selv.
Som en positiv bieffekt får vi et mer positivt menneskesyn, som setter både brukeren og de ansatte i fokus.
Grindr-saken: − Ukontrollert og omfattende deling av sensitive data
