Målstyring er aldri rett fram

I operative organisasjoner med sprikende retning er folk veldig opptatte. Ikke så rart, uten retning oppleves flere ting som viktige samtidig. Folk fyker fra møte til møte, fra oppgave til oppgave, uten tid til kollektiv læring og refleksjon om vi gjør de rette oppgavene.

Det er her målstyring skal hjelpe, men ironisk nok tar ofte etablering av målstyring mye tid. Det føles viktig, alle må involveres, og før vi vet ordet av det har vi brukt uker på å finjustere setninger få har sett.

Løsningen er som for alle andre problemer nå, AI. Og knallhardt menneskelig arbeid som alltid. Men også AI.

Utfordringer med å etablere målstyring

Her er greia: våre kjære språkmodellvenner gjør arbeid med tekst enklere og raskere, og i strategiarbeid er selve ordlyden, teksten, ekstremt viktig for god kommunikasjon og forståelse. Og ikke minst hastigheten på dette arbeidet.

Se for deg tradisjonelt målstyringsarbeid, hvor ledelsen setter seg sammen og skal formulere de virkelige gode målene som skal forene virksomheten. Dette er en vanskelig oppgave av flere grunner:

• De som jobber med målstyringen må ha nok kunnskap og kontekst til å ta kloke valg gitt føringer fra utsiden og folkene som er tilgjengelige
• Følelsen av at ting må være bra før den jevne medarbeider får se det, nå, fordi målstyringsarbeidet oppleves som viktig og skal framstå “proft”
• Siden mange folk skal involveres, kan sterke leirer eller eksisterende konflikter føre til vage formuleringer for å unngå ubehagelige samtaler eller endringer
• Uansett hva vi gjør, vil det finnes folk som er uenige i retningen som blir valgt (det skal vi være glad for, da har vi evnet å prioritere)
• I starten på målstyringsarbeidet kan vi minst om målene, organisasjonen, teamene og oss selv enn noen gang etterpå
• Vi bruker lang tid på å kna enkeltord og formuleringer for å få dem “just right”

Vi svetter detaljene når vi kan minst om dem, bruker lang tid før målene møter folkene som på ekte skal gjøre jobben og selve prosessen for å sette opp målstyringen kan virke treg (fordi den er det).

Som i produktutvikling for øvrig ligger løsningen i iterasjon, samarbeid og evnen organisasjonen har til læring. Og der kommer AI inn.

AI gjør gjørejobben enklere

Som de fleste andre anbefaler vi et hierarki i målstyringen som direkte kobler aktiviteter med målene, en rød tråd som folk forstår og ser verdien av. Et overordnet mål som rammer det inn, ambisjoner som setter retning, nøkkelindikatorer som viser om vi er på rett vei og tiltak som faktisk tar oss dit vi skal.

Når vi starter målstyringsarbeidet, utgjør føringene som kommer utenfra vår ramme. Innenfor dem gjelder det å komme seg så raskt som mulig fra blanke ark (eller hva enn vi gjorde før) til ambisjoner som passer vår organisasjon. Disse rammene kan være tildelingsbrev, eksisterende strategi på virksomhetsnivå eller andre føringer, og danner grunnlaget for arbeidet med målprosessen.

La meg skissere hvordan vi kan gå fram.

Effektiv målprosess

Alle AI-verktøy har et konsept om agenter, eller prosjekter som det heter noen plasser, disse kan vi gi kontekst i form av tekst og dokumenter. Om vi da mater inn rammene våre i Claude, ChatGPT, Gemini, Copilot eller hva enn AI-verktøy som er innenfor i din organisasjon, er vi få steg unna suksess.

Å bygge denne konteksten i en form som AI kan benytte, er starten på en mer effektiv målprosess.

De grønne søylene indikerer innsats gjort av AI-en. Vi begynner med å gi den all informasjon om rammene som vi har og prater litt med den om hva vi ønsker å oppnå.

Deretter kjører vi på med workshop (seff) med viktige beslutningstakere for å bygge ambisjoner. Vi tar AI-en med oss inn i workshoppen, fullastet med god kontekst fra steget før. Etter folk har sagt sitt, kan vi i plenum sammenstille dette og vise fram jukselappen: forslagene fra AI-en, laget på forhånd. Etter litt diskusjoner og bearbeiding av tekst, har vi gode nok ambisjoner til å fortsette. Vi prater timer, ikke måneder. Dette er første utkast. Og skal itereres over.

Tilsvarende øvelser gjør vi for indikatorer og tiltak, da med andre folk for å dekke bredden og få med de som faktisk skal jobbe med å skape effektene vi ønsker oss. Vi er allerede nå klare for å gjennomføre tiltak, måle effekten av disse og iterere videre. Vi itererer både i tiltak, indikatorer og ofte også ambisjoner, for å komme fram til det rette vi skal gjøre. Og dette stopper aldri. Organisasjonen vår skal forhåpentligvis vare lenge, mye lenger enn en strategiperiode i hvert fall, og ting endrer seg. Da må målene våre også endre seg, det viktige er at vi jobber fokusert sammen mot de felles målene vi til enhver tid har.

Mennesket styrer prosessen, avklarer og forankrer, AI-en tar den tidkrevende gjørejobben og utnytter sine største styrker: se sammenhenger i mengder av informasjon og formulere god tekst. Med støtte fra oss så klart.

La oss se på et typisk scenario: en avdelingsdirektør i en offentlig virksomhet skal omsette et tildelingsbrev til operativ målstyring.

Jobbe fram mål sammen med AI-en

Vi er på første steg i prosessen.

På høyre side ser vi konteksten, et internt dokument (ikke hemmelig, følg organisasjonens sikkerhetsregler), en årsrapport, statsbudsjettet og sågar et bilde av organisasjonen vi har å spille med.

Til venstre ser vi prompten, ledeteksten, kategorisert etter hva den delen av teksten representerer. Målet er å starte itereringen, få utkast som kan brukes i forankring, og raskt komme i gang.

Dessverre vil du bli skuffet ved en kontekst og prompt slik som dette. I tillegg til fakta, må vi fortelle AI-en hvordan en god tekst hos oss faktisk ser ut. Vi må gi eksempler på gode formuleringer, hos oss, og beskrive den faglige intuisjonen som vi fagfolk faktisk har. Den tause kunnskapen vi mennesker tar for gitt, men som AI-en fullstendig mangler.

Grønn firkant på bildet over er tekst vi kan bruke, grå er det som ikke traff. Som vi ser av modellen lærer agenten seg hva vi liker etter hvert. Hvis vi forteller om det. Uten slik iterasjon sammen med AI-en, vil resultatene forbli generiske og ikke tilpasset akkurat vår organisasjon og folkene som vi trenger å ha med oss.

Vanlige fallgruver når vi bruker AI i målstyring

AI gir fart, men det er vi som må gi retningen. Her er de vanligste feilene vi ser når folk bruker AI i målarbeid:

• For lite kontekst: Agenten får for lite av strategien, virkeligheten og føringene våre. Da skriver den pene, men tomme formuleringer.
• Ingen eksempler på “slik skriver vi hos oss”: Uten språklige eksempler blir alt generisk, og generisk skaper ikke retning.
• Forventningen om at første utkast skal være “riktig”: AI treffer sjelden blink på første forsøk. Det er helt normalt, den må “lære” om oss.
• For lite menneskelig dømmekraft: AI ser mønstre, vi ser konsekvenser. Hvis vi ikke bruker begge, ender vi med mål som ikke treffer.

Start i dag, ikke i morgen

Målstyring handler fortsatt om valg, fokus og læring. De menneskelige tingene. AI endrer ikke det, den gjør det bare mye lettere å komme i gang.

Her er hva du kan gjøre før helgen:

1. Finn fram rammene dere allerede har: tildelingsbrev, strategi, årsplaner. Last dem inn i en AI-agent.
2. Start med noe enkelt: "Basert på disse dokumentene, hva er de 3-5 viktigste ambisjonene vi bør jobbe mot i 2026? Skriv som om du var avdelingsdirektør hos oss."
3. Ta resultatet til en 60-minutters workshop med nøkkelpersoner. Diskuter, kast, behold, juster. Dette er ikke sluttresultatet, det er starten på læringen.

Første utkast er aldri perfekt, men det er uendelig mye bedre enn blanke ark. God jul, og krev prioritering i 2026.