På Imitera arbetade jag i ett litet team där programmerarna hade specialistauktoritet inom programmering, 3D-artisten hade det visuella under sina vingar och jag hade mitt tydligaste djup inom ljud. Jag behövde inte förstå varje teknisk detalj i deras arbete för att kunna samarbeta med dem, på samma sätt som de inte behövde kunna mitt område på samma nivå.
Det viktiga var att det fanns tillit till kompetensen och att vi kunde förstå hur våra olika delar påverkade slutresultatet. När den tilliten finns har fullständig detaljförståelse inget egenvärde om den inte förändrar beslutet eller minskar en verklig risk.
I Min Egenkontroll har samma princip fått en annan form. Där använder jag AI som löpande verktyg och specialistresurs inom flera områden som jag inte skulle beskriva som mina egna specialistkompetenser. Mitt ansvar ligger i stället i att formulera problemet, sätta mål och krav, välja riktning, granska antaganden och avgöra om resultatet faktiskt håller.
Det innebär också att graden av granskning behöver variera. När specialistkompetensen är etablerad kan man delegera mer. När den är osäker – vilket ofta är relevant med AI-genererat arbete – behöver resonemang, källor och logik granskas hårdare.
Jag tycker att det är en viktig skillnad mellan att använda specialistkompetens och att tillskriva sig den. Om en AI hjälper mig skriva kod betyder det inte automatiskt att jag är mjukvaruutvecklare. Om jag håller ihop SEO-arbetet betyder det inte att jag behöver kalla mig SEO-specialist. Det som går att försvara är att jag kan definiera vad arbetet ska åstadkomma, involvera rätt resurser och ta ansvar för att delarna fungerar tillsammans.
För mig är bredd därför mindre en lista över saker jag kan göra själv och mer en förmåga att förstå tillräckligt mycket av helheten för att se beroenden, ställa relevanta frågor och veta när detaljen ska lämnas till någon som kan den bättre.
Projektkopplingar: Imitera och Min Egenkontroll.