Å vite om AI er ikke nok. Her er hvordan du faktisk bruker det.

In This Article

Kanskje du har åpnet ChatGPT en håndfull ganger, fått dårlige resultater og gått videre. Kanskje du har gått gjennom en AI-trening eller to og tenkt: «Kult, men hvordan gjelder dette egentlig for jobben min?» Eller kanskje du har bokmerket et dusin AI-verktøy du så anbefalt på LinkedIn og ikke har prøvd et eneste. Du er ikke alene. Det gapet mellom å kjenne til AI og å bruke AI er der mange av oss er akkurat nå. Og det hjelper ikke at alle ber deg bruke det. Jeg vet det fordi dette stort sett er jobben min: Jeg leder et skriveteam på HubSpot-bloggen, og en stor del av arbeidet mitt er å aktivere dem med AI. Ikke i den abstrakte, inspirerende hovedforstanden, men her er hvordan du får det faktiske arbeidet gjort bedre. Det jeg har lært er at problemet nesten aldri er motivasjon. Folk vil lære. Det er at informasjon om AI er overalt, men ekte aktivering - det som faktisk endrer måten du jobber på - er overraskende sjelden. Det er det dette innlegget handler om. I denne veiledningen vil jeg dele et praktisk rammeverk for å integrere AI i arbeidet ditt på en måte som fremmer dine ferdigheter, innflytelse og karriere. Innholdsfortegnelse Hvorfor å være AI-aktivert hjelper din karriere Hvorfor er AI så vanskelig å ta i bruk? Hvordan ser AI-aktivering ut? Hvordan team kan gå fra AI-eksperimentering til utførelse Hvor Futurepedia passer inn i AI-aktivering Hvorfor å være AI-aktivert hjelper din karriere La oss starte med litt ærlighet. "AI hjelper jobben din" er nær en ingenting-erklæring i 2026. Vi vet at det kan gjøre oss mer produktive, så hva nå? Her er en bedre innsikt: Det er et økende gap mellom folk som bruker AI og folk som bruker det godt. Fordelen vil gå til folk som har gått lenger, som har bygget AI inn i rutinene sine, som bruker det til å produsere meningsfullt bedre arbeid, og som kan vise den effekten. La oss se nærmere på hvorfor dette er: Kampanjer kommer fra produksjon, ikke innsats. "Jeg legger ned mye innsats, så jeg burde bli belønnet" er mye vanskeligere å argumentere i disse dager. Det er fordi AI-aktiverte fagfolk har en tendens til å produsere mer produksjon og effekt enn de som ikke gjør det. Med AI-aktivert mener jeg noen som regelmessig utnytter AI i sitt daglige arbeid for å øke produksjonen og effekten. I 2026 har mange bransjer nå gått over til en "operativ æra" av AI. Den eksperimentelle fasen (ad-hoc-oppfordring, engangsbruk av verktøy) er stort sett over. Forventningen nå er integrert, vedvarende bruk. Ta innholdsmarkedsføring som et eksempel: Små, strategisk fokuserte team kan bruke AI som en kraftmultiplikator, og avlaste rutinemessige aspekter av produksjonen slik at menneskelige redaktører kan fokusere på narrativ flyt, merkevarestemme og nøyaktighet. I følge HubSpots 2026 State of Marketing-rapport sier 67 % av markedsføringsteamene at AI sparer dem 10 eller flere timer per uke, og 71 % sier at AI hjelper dem med å lage betydelig mer innhold. Siden AI kan håndtere mye av den dagligdagse rollen i en rolle, frigjør det tid til arbeid av høyere orden: strategisk tenkning, kreativ problemløsning, tverrfunksjonell ledelse og langsiktig planlegging. Gjennomføring av grunnleggende oppgaver blir mindre verdifullt. Og når du ikke er flaskehals av det, gir ledere deg mer utfordrende og synlig arbeid. AI-bruk er i ferd med å bli den nye grunnlinjen. For en generasjon siden var det en differensiering å vite hvordan man bruker Excel. Så ble det gulvet. Det samme skiftet skjer med AI akkurat nå, noe som betyr at vinduet for å komme videre lukkes. Akkurat nå er AI-ferdigheter fortsatt imponerende. Hvis du forteller lederen din at du brukte AI til å halvere en prosess, eller bygde en melding som sparer teamet ditt tre timer i uken, blir det lagt merke til (mer om dette senere). Men det som gir deg anerkjennelse fra lederen din i dag, vil høres mye ut som "Jeg har laget en ny makro i Excel" om et år eller to. Nyttig, men ikke nevneverdig. Når AI-ferdigheter blir grunnlinjen, går fordelen til folk som kom dit tidlig og bygde på det mens alle andre fortsatt fant ut hvor de skulle begynne. Du kan til og med hevde at det er grunnlinjen: HubSpot-forskning fant at 83 % av markedsførerne sier at de forventes å produsere mer enn noen gang på grunn av AI. Og her er det som betyr mest for din karriere: AI vil ikke erstatte deg. Men noen som bruker det bedre kan kanskje. Ikke en hypotetisk robot eller en ansiktsløs bølge av automatisering. Noen i din bransje, på ditt nivå, som bestemte seg for å ta det på alvor før du gjorde det. Ledere legger merke til hvem som bruker AI (og hvem som ikke gjør det). 2026 Gallup-data viserat 69 % av lederne og 55 % av lederne bruker kunstig intelligens minst noen få ganger i året, sammenlignet med bare 40 % av IC-er. Lederen din bruker sannsynligvis AI mer enn deg, så de har en ganske god følelse av hva som er mulig og om du henger med. Jeg sier ikke at sjefen din holder et hemmelig resultatkort over hvem som ber Claude mest. Men når to personer på samme team leverer lignende arbeid, og en av dem konsekvent gjør det raskere og mer grundig fordi de har integrert AI i prosessen, er det bemerket. Det påvirker hvem som får neste strekningsoppdrag, hvem som blir tatt med i strategisamtalen og hvem som blir forfremmet. Hvorfor er AI så vanskelig å ta i bruk? Det er en grunn til at så mange mennesker blir sittende fast mellom "Jeg vet at jeg burde bruke AI mer" og virkelig å gjøre det. Faktisk er det flere veldokumenterte årsaker: Gapet om å vite og å gjøre Vi har alle ønsket å lære eller prøve noe nytt, bare for å innse at måneder eller år har gått uten å faktisk gjøre noe med det. Bare spør bassgitaren min som samler støv på soverommet mitt. Forskerne Jeffrey Pfeffer og Robert Sutton kalte dette fenomenet «det å vite-gjøre-gapet». I utgangspunktet er det nesten helt separate problemer å vite hva man skal gjøre og faktisk gjøre det. Når man bruker kunnskaps-og-å-gapet på AI, viser forskningen seg: BCG fant at til tross for utbredt AI-implementering, har 74 % av selskapene ennå ikke vist konkret forretningsverdi fra bruken av AI. Den fant også at 70 % av utfordringene bedrifter møter når de implementerer AI stammer fra menneske- og prosessrelaterte problemer, sammenlignet med bare 30 % for teknologiproblemer og 10 % for AI-algoritmer. Noe av årsaken til etterslepet er bare praktisk. Du har allerede en jobb å gjøre. Kalenderen din er full, oppgavelisten din er lang, og det abstrakte målet om å "finne ut hvordan du bruker AI bedre" er å konkurrere med alle andre ting på tallerkenen din. Da jeg spurte Timothy Biondollo, HubSpot Medias promptingeniør og AI-spesialist, hvorfor så mange mennesker stanser mellom bevissthet og adopsjon, sukkerlagde han ikke: "Bevissthet er passiv, og adopsjon krever at du endrer hvordan du faktisk jobber, ikke bare legger til en ny fane i nettleseren din. Gapet er at de fleste fortsatt beveger seg gjennom hverdagen oppgave for oppgave, i rekkefølge, gjør jobben selv. Aktiverte mennesker har gjort et helt annet skifte. De bruker tiden sin på å samle kontekst, skrive instruksjoner, og deretter kjøre ti parallelle arbeidsstrømmer i bakgrunnen mens de fokuserer på strategien og kvaliteten på en helt annen modell. forteller deg at det er slik overgangen faktisk ser ut, så folk prøver AI noen ganger, føler ikke skiftet og antar at det ikke er noe for dem eller at AI ikke er smart nok til å gjøre det.» Å lære AI i tillegg til å utføre ditt eksisterende ansvar er en reell begrensning. Hjernen din har et tak for å behandle ny informasjon, og når det overskrides (som, gitt tempoet til AI de siste årene, det nesten helt sikkert har vært), synker adopsjonen kraftig, selv når motivasjonen er høy. For mange alternativer, ikke nok klarhet La oss si at du bestemmer deg for tiden. Hva nå? Det er tusenvis av AI-verktøy på markedet. Landskapet endres månedlig. Nye modeller og funksjoner lanseres, og LinkedIn-feeden din er full av folk som forteller deg om det ene verktøyet som forandret livet deres. Du vet ikke hvor du skal begynne, så du starter ikke i det hele tatt. Selv om du ikke har hørt om valgparadokset, har du sikkert opplevd det. Jo flere alternativer vi har, jo mindre ønsker vi å velge. Så vi fryser, eller så tar vi en dårligere beslutning enn vi ville ha gjort hvis vi fikk færre alternativer. Det er akkurat det som skjer akkurat nå for alle som prøver å bygge en AI-vane. Hva er sjansen for at verktøyet du velger faktisk er det rette? Skremmende er en underdrivelse. Produktivitetsfellen Det er også en grusom ironi her som jeg ikke ser nevnt så mye som den burde: Hvis du ikke er bevisst på å bruke AI, vil det skape mer arbeid enn det reduserer. Tenk på et scenario der du vil bruke AI til å oppsummere et datasett som et notat. Du eksporterer arket, legger det i ChatGPT, og flott, et memo kommer tilbake om 30 sekunder. Men nå gjennomgår du utdataene, fanger opp unøyaktigheter, spør på nytt fordi noe er slått av, sjekker fakta påstander du ikke er sikker på, og formaterer hele greia for å treffe riktig tone. Når du er ferdig, føles AI ikke som en aktivator;det føles som en flaskehals. Dette er en stor grunn til at AI-adopsjon stopper. Folk prøver det, får et generisk svar og tror det er det? De konkluderer med at det ikke er verdt den vedvarende innsatsen og går tilbake til den gamle måten. Men problemet er tilnærmingen, ikke verktøyet. Å bruke AI godt betyr å vite hvor det virkelig sparer deg tid og hvor det bare flytter arbeidet rundt. Det skillet krever øvelse og skiller noen som er AI-bevisste fra noen som er AI-aktivert. Hvordan ser AI-aktivering ut? Vi vet hvorfor AI-aktivering og -adopsjon er viktig. Spranget fra kunnskap til praksis er der så mange av oss stopper opp, og det er ikke på grunn av mangel på forsøk. Deretter skal jeg skissere strategiene som har fungert for innholdsteamet mitt og meg. Dette er praktiske, inkrementelle trinn som gjør AI-angst til handling. Innse at du ikke er bak (ennå). Å gjøre et søk etter "nyeste AI-teknologi" er en fin måte å umiddelbart ønske å lukke den bærbare datamaskinen og logge av for dagen. Det er et press med AI som kommer fra den konstante strømmen av influencere, produktkunngjøringer, tenkebiter og til og med kolleger som forteller deg hvordan de kommer videre. Men den støyen er i stor grad designet for å få oppmerksomheten din og markedet til deg. Det er et av de eldste triksene i boken: Du faller bak. Du kan ikke falle bak. Abonner på nyhetsbrevet mitt, så du ikke faller bak. Disse meldingene appellerer til vårt primære ønske om å være i inngruppen. Det er i utgangspunktet huleperson-logikk. Litt virkelighet for deg: Ifølge Gallup rapporterer 49 % av amerikanske arbeidere at de aldri bruker kunstig intelligens i rollen sin, og bare 26 % bruker det noen få ganger i uken eller mer. La det synke inn. I landet der de fleste store AI-selskapene er basert, bruker bare omtrent en fjerdedel av arbeiderne AI ofte. Jeg vil introdusere et annet konsept for å sette ting i perspektiv: Diffusion of Innovation Theory. Først delt av E.M. Rodgers i 1962 (og fortsatt relevant i dag), delte Diffusion of Innovation-teorien hele publikumet for en teknologi inn i fem grupper: innovatører, tidlige brukere, tidlig flertall, sent flertall og etternølere. Disse gruppene tar i bruk ny teknologi i den rekkefølgen. Adopsjon starter med innovatørene (tenk teknologientusiaster, influencere, folk først i køen for den nyeste telefonen) og slutter med etternølerne (som fortsatt bruker fasttelefoner). Som du kan se fra diagrammet nedenfor, faller de fleste et sted i midten: Kilde Så hvor er vi på denne tidslinjen med generativ AI? Det er en subjektiv samtale, men gitt dataene vi har så langt, vil jeg satse på at vi nettopp har kommet inn i det tidlige flertallet. Med andre ord, mens AI som konsept har vært i offentligheten en stund nå, begynner AI-kunnskaper akkurat å treffe mainstream. Alle menneskene du har hørt fantasere om AI og dens muligheter er de første 15 %, innovatørene og tidlige brukere. Og de er mye mer vokale enn resten. Hva betyr det for deg? Hvis du ikke er komfortabel med å bruke AI ennå, er du fortsatt på et godt sted. Men ikke halt heller, fordi det tidlige flertallet er din siste sjanse til å gå videre. Dette er ikke å si at det er enkelt å være nybegynner i noe – absolutt ikke. Men mye av det ubehaget kommer fra å tro at alle er foran deg. Det er ikke tilfelle ennå. Begynn i det små. Som enhver ferdighet er AI-ferdighet en muskel som bygges over tid ved gjentatt bruk. Du blir ikke sterkere av å lese om vektløfting. På et tidspunkt må du plukke opp manualene. Dette betyr ikke at du trenger å tromme opp en agent som oppsummerer alle e-postene dine, renser regnearkene dine, administrerer timeplanen din og betaler skatten din med en gang. Omfavn det å være nybegynner, se etter små gevinster, og akkurat som trening, vil du se fordelene raskere enn du tror. Det første jeg noen gang gjorde med AI var å bruke den til å hjelpe meg med å foreslå omskrivninger av mine interne Slack-meldinger hvis jeg følte at tonen var av. Grunnleggende greier, men det ble umiddelbart klart for meg hvordan dette var mer effektivt enn å stuve over den perfekte måten å formulere noe på. Jeg så fordelen med relativt liten investering. Etter hvert ble jeg komfortabel med å bruke Claude til å hjelpe med koding av interne verktøy for teamet mitt, generere notater fra datasett og planlegge mine ukentlige ansvarsområder. Nå vil jeg bli hardt presset for å finne noe jeg ikke bruker AI til i hverdagen. Å bruke AI-løsninger på dine egne problemer og se fordelene i den virkelige verden er en kraftig motivator. Du bruker det på noe konkret,og det bare klikker. Du vil tenke: "Å, jeg kan bruke det til dette ... hva annet kan det gjøre?" Din nysgjerrighet blir motoren som bygger vanen. I tillegg fjerner det å veve AI inn i det eksisterende arbeidet ditt (i stedet for som et separat eksperiment eller aktivitet) barrieren for å prøve det én gang, få usikre resultater og gå tilbake til hvordan du allerede jobber. Du ser nytten på første hånd, så det er mer sannsynlig at du kommer forbi den første friksjonen. Fordelene med AI oppveier det midlertidige ubehaget. HubSpot Blog-skribent Amy Rigby har navigert dette på egen hånd: "Den vanskeligste delen med å veve AI inn i arbeidsflyter er også den vanskeligste delen av ethvert forsøk på effektivitetsgevinster: Til å begynne med kommer det til å være vilt ineffektivt. Du vil snuble over hvordan det fungerer, eksperimentere og mislykkes fordi det hele er nytt for deg ... du må holde den ut av den følelsen du har lært. Finn ut hvordan du spør. AI-spørring er den mest nyttige ferdigheten du kan lære når du starter opp. En god forespørsel betyr forskjellen mellom en generisk respons og en som faktisk hjelper. Da jeg spurte Meg Prater, Head of Content Strategy & Operations for HubSpot Media, hvorfor det var et gap mellom AI-bevissthet og faktisk adopsjon, sa hun: "De bruker ikke de riktige ledetekstene. Når du først lærer hvordan du spør bedre, gjør resultatene dine det umulig å ikke bruke AI til å forbedre arbeidet ditt og skape mer tid til å gjøre jobben som betyr noe." Det er greit å eksperimentere med forskjellige spørsmål først, men etter hvert vil du ha et rammeverk for bedre veiledede samtaler. Jeg oppfordrer forfattere på teamet mitt til å bruke WRITE-rammeverket – det gir AI fem viktige opplysninger for forespørselen: Hvem: Hvem fungerer AI som? Gi AI en persona, som en erfaren strateg, en teknisk ekspert, en prosjektleder, etc. Ressurser: Hvilken bakgrunn trenger AI for å få dette riktig? Dette er din kontekstdump: relevante detaljer om prosjektet, problemet du løser, referansemateriale og alt annet AI ikke ville vite på egen hånd. Instruksjoner: Hva skal AI gjøre? Vær spesifikk. Vilkår: Hvilke regler, grenser eller grenser gjelder? For eksempel lengde, format, tone, ting du bør unngå og ting du bør inkludere. Forventet resultat: Beskriv det ferdige produktet så spesifikt du kan: formatet, leveransene og, hvis mulig, et eksempel. Her er et eksempel på en SKRIV-forespørsel: W: Du er en markedsføringskonsulent for småbedrifter som spesialiserer seg på DTC-produktlanseringer. Publikummet mitt er kvinner i alderen 25-40 år som kjøper håndlagde lys som gaver og for egenomsorg, mest gjennom Etsy-butikken min og Instagram. R: Jeg lanserer en sommerkolleksjon for stearinlys i juni. Budsjettet mitt er rundt $500 for lanseringen. Min beste salgskanal er Instagram, og jeg har rundt 3000 følgere. Min siste kolleksjon ble utsolgt på to uker, hovedsakelig via Instagram Stories og e-post. I: Lag meg en fire ukers lanseringsplan som dekker teaser-innhold, en lanseringsdagsstrategi og oppfølging etter lansering. Inkluder hva du skal legge ut, når du skal legge det ut og én e-post for hver fase. T: Hold planen realistisk for en enmannsoperasjon. Ingen betalte annonser. Kun organisk og e-post. Tonen skal føles varm og personlig, ikke bedriftsmessig. E: En uke-for-uke-kalender jeg kan følge, med spesifikke innholdsideer for hver dag, tre korte e-postutkast og en sjekkliste for lanseringsdagen. Kjør denne ledeteksten ved siden av en uten rammeverk, og du vil se forskjellen. Hvis du faktisk er en stearinlysmaker, vil du lukte det også. Lag en AI-målplan. Når du har trikset litt og har en følelse av hvor AI kan hjelpe deg, er neste trinn å holde farten. Lettere sagt enn gjort. Husker du gapet om å vite og å gjøre? Forskning viser at det å ha en sterk målintensjon ikke er nok alene. Men folk som legger planer som spesifiserer nøyaktig hvordan de handler mot et mål, er mer sannsynlig å følge gjennom. Å tenke "Jeg vil bli bedre til å bruke AI" er mindre effektivt enn "Hver tirsdag morgen vil jeg bruke 20 minutter på å bruke AI på én oppgave på tallerkenen min." Så her er det jeg anbefaler: Planlegg en ukentlig plan for AI-gevinster. Dette er oppgaver som du rimeligvis kan klare på en uke. De trenger ikke å være store sprang. Tenk i stedet på dem som gradvis fremgang mot et større mål, lite nok til å faktisk fullføre, men meningsfylt nok til å flytte nålen. En strukturert timeplan gjør to ting. For det første gjør det intensjon tilvane, gir stillaset for å holde deg tilbake til det uten en heroisk handling av viljestyrke hver gang. For det andre kollapser den de uendelige mulighetene til AI til praktiske trinn som er spesifikke for arbeidet ditt. Det er en motgift mot opsjonslammelse. Si at du vil bruke AI for å forbedre møteeffektiviteten og oppfølgingen. Slik kan en tidsplan se ut i praksis: Primært mål: Bruk AI for å redusere tid brukt på statusoppdateringer og møteforberedelser i løpet av neste måned. Uke 1: Velg ditt mest tilbakevendende møte. Bruk AI til å generere en malagenda fra notatene dine. Uke 2: Etter møtet, bruk AI til å lage utkast til oppfølgingssammendraget. Sjekk om dette tok kortere tid enn vanlig. Uke 3: Lag en melding for ukentlige statusoppdateringer ved å bruke punktpunkter du allerede har. Uke 4: Kombiner alle tre til en enkel repeterbar arbeidsflyt. Kjør den i en uke under flere møter. Uke 5: Se gjennom systemet ditt. Hva fungerer? Hva er det ikke? Hva er det neste? Sett deg mål for den påfølgende måneden. Ingenting her er et sprang. Hver uke bygger på den siste, og innen uke fem har du et dokumentert system. Du kan spore fremgangen din, men det fungerer for deg: en notatapp som Notion, et oppgavebehandlingsverktøy som Asana, et løpende dokument eller klistrelapper hvis det er slik du ruller. Konsistens betyr mer enn format. Og (du har kanskje sett dette komme), AI kan til og med hjelpe deg med å bygge selve timeplanen. Forklar din rolle og ansvar for den, og be den hjelpe deg med idédugnad hvor du realistisk kan utnytte AI i arbeidsflyten din. Sett deg fast på ett SMART hovedmål å jobbe mot i løpet av de neste fire til seks ukene, og bruk deretter AI til å utarbeide deltrinnene for å komme dit. Gjør fremgangen din synlig. Hvis bedriften din er AI-forward, er sjansen stor for at lederen din vil vite hva du driver med. Hvor synlig AI-fremgangen din er for dem betyr like mye for karrieren din som selve arbeidet. Dette gjelder spesielt hvis ytelsen din er rettet mot AI-adopsjon. Regelmessig å fortelle lederen din hvordan du implementerer AI, oppdatere dem om nye bruksområder eller effektivitetsgevinster, signaliserer at du tenker fremover. Det kan se ut som en Slack-melding, et element i den ukentlige oppdateringen din eller en omtale i en-til-én. Selv små gevinster planter ideen om at du er uunnværlig. Synlighet er imidlertid lettere sagt enn gjort: Når du først kommer inn i ugresset med AI, er det lett å bli så fanget at du glemmer å kommunisere fremgangen din. Noen ganger blir jeg så investert i et prosjekt at jeg glemmer å oppdatere sjefen min om hvordan AI-bruken min faktisk har forbedret produksjonen min. Én løsning: Angi en gjentakende kalenderpåminnelse for en manager AI-oppdatering. Kopier deretter adopsjonsplanen din (eller hva du nå bruker for å spore AI-fremgangen), lim den inn i AI-verktøyet du velger, og be om å oppsummere den ukentlige fremgangen din. Bam, noe å dele med sjefen din nesten uten ekstra arbeid. Dette er grunnen til at det kan være nyttig å bruke et oppgavestyringsverktøy som Asana for å spore arbeidet ditt. Du kan eksportere de fullførte oppgavene dine til et regneark, gi det til et AI-verktøy og be det trekke ut de siste gevinstene. Fremdriftssporing er innebygd, og det er mye enklere enn å holde et separat Google-ark du må huske å oppdatere hver gang du gjør noe. Jeg oppfordrer deg også til å koble AI-bruken din til hvordan den fremmer arbeidet ditt. Fortell en fortelling: hvordan du har blitt bedre på det, og følgelig hvordan arbeidet ditt har blitt bedre, og hvordan det relaterer seg til team-KPIer. Vi snakker tross alt om å fremme karrieren din. En merknad til: Synlighet av jevnaldrende er også viktig. Ledere er viktige, men det er også den personen dine lagkamerater henvender seg til når de har et AI-spørsmål. Den uformelle ekspertstatusen bygger oppover press på din egen fremgang. Timothy hadde litt nyttig innsikt her: «Trikset er å dele hvordan, ikke wow. Ikke «se hva jeg bygde», men «her er hvordan jeg bygde det, kanskje dette hjelper deg.» I det sekundet det blir nyttig for noen andre i rommet, slutter det å være et skryt og blir en evne som låses opp for hele teamet.» Hold en informasjonssløyfe i gang. Du gjør arbeidet, du viser arbeidet, sørg nå for at du holder deg skarp. Mitt siste råd er å holde deg selv læring og oppdatert med fremskritt mens du setter kunnskapen din i praksis. Som Meg sier det, "Noen som er AI-aktivert er noen som er AI-nysgjerrig. Du bør eksperimentere med det, øve med det og prøve ut nye verktøy/bygg. Det er ikke nok å kjøre de samme treledetekster (selv om det er et flott sted å starte). Å være AI-aktivert i dag betyr at du bruker og utvikler deg med disse verktøyene og modellene etter hvert som de utgis." Nøkkelen er å holde en informasjonssløyfe som er lett nok slik at du ikke blir overveldet. Du vil ha en flyt som er omfattende nok til å holde seg oppdatert, men ikke så mye at du vil krype inn i et hull. Begrens deg til fire eller fem AI-informasjonskanaler om gangen. Dette kan være et nyhetsbrev eller blogg, en YouTube-kanal, et internt fellesskap, en mentor, en podcast, en LinkedIn-konto eller til og med en AI-motpart, noen i en lignende rolle som også eksperimenterer. Og for å gjøre dette bærekraftig: Hver gang du legger til en ny kanal, bør du vurdere å droppe en. Mine kanaler akkurat nå er: Simple.ai: et nyhetsbrev som presenterer AI-nyheter og oppdateringer på en jordnær måte. Hvis du vil ha et nyhetsbrev om AI uten å bli overveldet, er dette det. Ben's Bites: en Substack som er litt mer ambisiøs i omfang mens den fortsatt er fordøyelig. En intern AI Slack-kanal vi har på HubSpot for å dele AI-fremgang som er relevant for markedsføring. En AI-mentor. Teamet mitt, som jeg jevnlig diskuterer hvordan jeg best kan distribuere AI på bloggen vår. Og det er bare for nå. De kan endre seg i fremtiden ettersom komfortnivået og ansvaret mitt skifter. Hvordan team kan gå fra AI-eksperimentering til utførelse Alt ovenfor handler om å aktivere deg selv. Og for IC-er kan du stoppe der. Men hvis du leder et team, er overgangen fra "vi prøver dette ut" til "dette er en del av hvordan vi alle jobber nå" en annen utfordring. Å drive adopsjon på et lag er ikke gitt. Du kan ikke presentere informasjon for noen og forvente at de umiddelbart kjører med den. Ikke alle vil være like villige eller komfortable til å lære som deg. Det er ikke en bank på dem; folk har forskjellige forhold til ny teknologi, og du kan ha en spredning av tidlige brukere, tidlig/sen majoritet, og kanskje til og med innovatører eller etternølere ved siden av deg. Folk stoler generelt på andre når de tilpasser seg noe nytt. Jeg vil vedder på at det er en del av grunnen til at du søkte råd fra et blogginnlegg skrevet av meg, en sertifisert ekte person, over å bare spørre ChatGPT eller Claude. Det er noe med å høre "her er det som fungerte for meg" fra et annet menneske som ingen chatbot kan replikere fullt ut. Lederstøtte er også blant de sterkeste prediktorene for om noen bruker AI på jobben – ifølge Irrational Labs synker bruken av ansattes AI fra 79 % til 34 % uten lederens godkjenning. Så møt teamet ditt der de er. Spør dem hvordan de bruker AI. Ikke på en måte med mikrostyring, "vis meg din tilskyndende historie", men fra et sted med genuin nysgjerrighet. Hva holder dem tilbake? Basert på det du finner, foreslå noen av strategiene jeg har introdusert her. Jeg har lært mer av å snakke med teamet mitt ansikt til ansikt enn noen hjelpeartikkel eller treningsserie kunne ha lært meg. Hver enkelts AI-aktiveringsreise er deres egen, og det beste du kan gjøre som leder er å oppmuntre samtidig som de gir dem plass til å utforske. Hvor Futurepedia passer inn i AI-aktivering Hele dette innlegget har handlet om én idé: å vite om AI er ikke det samme som å bli aktivert av det. Og de største barrierene er ikke problemer du kan løse ved å lese en artikkel til eller bokmerke et verktøy til. Det er derfor HubSpot kjøpte Futurepedia. Futurepedia er verdens største uavhengige AI-utdannings- og oppdagelsesplattform. Den driver den første AI-verktøykatalogen – tusenvis av kuraterte verktøy i alle kategorier du kan tenke deg – sammen med en voksende utdanningsplattform med 25+ kurs og mer enn 1000 leksjoner fokusert på AI-ferdigheter i den virkelige verden for virksomhet og produktivitet. På tvers av Futurepedia, YouTube-kanalene og nyhetsbrevet har det blitt standard utgangspunktet for profesjonelle som faktisk ønsker å lære å bruke AI, ikke bare høre om det. HubSpot hjelper millioner av selskaper å vokse bedre. Futurepedia hjelper fagfolk med å finne og mestre AI-verktøyene som gjør arbeidet deres bedre. Nå er de det samme teamet, noe som betyr flere ressurser, større rekkevidde og den samme besettelse med å få AI til å fungere for ekte mennesker. De profesjonelle som vil vinne de neste fem årene er ikke de som vet mest om AI. Det er de som faktisk har lært å jobbe med det. Hvis dette innlegget ga deg rammen, gir Futurepedia deg stedet å starte.

You May Also Like

13 Trending Songs on TikTok in March 2026 (+ How to Use Them)

Our Best AI PM Workflows for Prototyping, Strategy, and Personal OS (2026)

China’s Cybersecurity Agency Issues Security Warning About OpenClaw