Tänk dig att varje morgon börja arbetsdagen med några snabba frågor i mobilen om hur du mår, hur motiverad du känner dig inför dagen och hur du upplever din chef, dina kollegor och din arbetsplats – på en skala från ett till fem. Dina svar samlas ihop med kollegornas och presenteras som en samlad bild till din chef. Om engagemanget sjunker får ledaren förslag på åtgärder, till exempel mer fokus på inkludering eller förändringar i hur arbetet organiseras. Negativa trender kan upptäckas tidigt och insatser sättas in innan problem växer sig stora.
Så påverkar AI och data själva ledarskapet
Ledarskap och vd-rollen Digitaliseringen förändrar inte bara verksamheten – utan själva ledarskapet. Med AI och prediktiva analyser som kartlägger kultur, engagemang och välmående i realtid växer en ny modell fram genom algoritmer. För vd:ar innebär det både kraftfulla möjligheter att fatta bättre beslut – och svåra frågor om ledarskapets kärna.

Foto: Adobe Stock
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
VD-tidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Det här är ett exempel på algoritmiskt ledarskap – en modell där digitala verktyg analyserar stora mängder data för att ge ledare bättre beslutsunderlag.
K7H6bkn9m/F3lrCz30enJ7DO5LEnOd2XRKCSquPPUwapCa0RGdZIPJRDG1kSwCLHNoyQlf3/LlFdXlbX9/SbGTgpVzzFzqjYDh7NHILhc0Q4V+uKFi8bBpXyWcxWY9+nqCLyMb4sJDaAsFdYuT9OEmDTR7tICdUQ2kUw9UbtPB6sg1xT8VSUlJP96oPr9zwUPMHCh3Vj6ioUKaOrbasQplAaPtpPRmYz1pTGlIES5MvPHJIw+pLMOV3hRI+Goiy07b/mTbJNC48mis/4zQBQvccKpRGX1yaL1dTU7a86eztwQbHtmfbfW7i3rA6iHBCcK+zLG1tolwF4Ao/buSP9ElJG8mAfkx36M9QO60kF0QZYEPcQ2k7RI4Lo52MRDC0r+n5t/uv6Sf5rd4eRBIk6N6TOJgkAZJmx2G3P1kFa2aDE9Oa9L2zPg0uNVDgJMulmhdFSkGQ834D8dQ/q3LiDYn6qr5NcVqVh55A/IMBfm0/zKyjPWoe3NifxAPga1MQvkltrN6oYQipIc5rVhUGqjsAyJTq1RthhyKxRFfNLBDrkxoQZT0QSVlFnoikThPRQW7NT5PJ5sLvKqiWYUj8FNuBa3fdGQP53f1mI+tty/cnhjoetvUbILEJNoE3RWhBPCsDPjxwfMgq5ioNS3rv7F3WtzeIt7YUlj32u6KmCqQz9tIQprovkjNJgibdPt7FQHLLx1n1jZVhGCQaL1rlpe38Gm8KxMq44qoF9Jrl2djdlAIJveE5BlUf5Al8Wr1Nt0kmvNLkQFVu2sz19SGLUDcWhoHyQ272s7afaMMlRXdN/MVo3xsrPE7zwjx57prs8P0ysU4beZSONHhLN+ZsXwY4LEgRs4krqCYaOsut3p6b3KydwJTrWwEp/pwrtWXr7KL5t8Afb2vwD2TYg8DYVh1CRCZlao43HDfCKZ5zMI9CDyHPr3U99tkTdPm8FHtnRdxckdRnYj1AUOMbg5uifDov1Fw8KeESuNLIpo3F+RP5kzu37DAm585d+u3fHNuvJlusfxotur5TixfmBdX1DlO3uF18uvxBSJGM/i/KGXttm+bOB786B3ymFUdMcgn1dmA7qgH2Rq5wjswbfMB5qjb+LkDpH8wFAKkr1XXIlI7JlmiGd7lMGZnQk9uOp3cEyjCOT8BSD/EwBISlWgn/gKY7GLOId1k6FMdewqOly2+5q2PMsASQCdfB5/2i2a2H4awH4tHI8qPKV6AddJRsk1tLrV70m3WCuRMpLqwrFeETjLkQ9QnXO0MmQ2/MMcH0qojfWshDKXQzIkZHQYI+u7b0Nx0bv0NHvfkMbuNQQWivKAAmbAhLE1ZjaGlCJrGyZuxr82SS7N0h2BACupCDTqXg4RioVKPytYnZsRlT8dRNUsMuQubyhWFF2Y5ylQs6J759CWAxrzau5yoLNcAHtPGOxRDLW7RkEKgbFsjawf/0ePPH7gFqM6HtiTXviUBaIHOWlalPrpIgPS0QQvDxju3KwOjUFkqUA3wCQhC8+ylUuuFxCNjsIM/D/2V3XwjykxfuC0JKS91sBCtuMwxvQ/vY+qFfF3kEROiBFlpBqKS7hE+MaM4jw+8p4mO587ju99gQo2oFLcvC2sEuKehqonUJfSx3bfBaeV+vr+pdjgOM4afyadyJuJdkWIOKyQBlCxR4CTBqGP7LshvxgZfhDSKn1o2aFOH6DjQE9HhQR+rx65DNbX+eDWHzrHnL2xLzPPKeIn8jmR/uCS6UPX8RcghXFof1qu3djxfoIpAPvvhM2fy0fOjaKj1/Guv4PTjrWVuReb/LAyBudh2vbfNjfcml9Ck1WUU/8vSIv/dAlXczXIGLicOoLbXgTsvRVm6xCHpLW85lAy7BiXCP/rTyvDS5E5EtnLQp18kbm7RisqX6fmvGoOMNRJfnroc1r8KL/qPflYgo5BVJ7WCg4uTh0Tq3wNjPA03sMOvlRJJ0YhZ7HdShWwnYOyNy/kva91q5VKBx84TvAW9GFg+iZSUUD3WkIXxFqUgaiaDdk46FnjI+upvPNN+Wq/Co8gIvZPPK9qTf8+2Q8PbMG/D/Hoq5NDxbdJhgm76zRhfT4RMI6fToJqlRKQGmv8lRwsLyLWey23QaRY01z3prclqzlCoiJ2tAUwr+fD8iJGnMvJDuNjCTRei2YWw7YQbTQM+WU3sMFKWkio5etyQgkG6dCFS7HGbsOzvjPinpj3YYpsICx6Xgayg7r0wdOY8Vtn0NDXtTgws8GdVPGZSkH5mnWVevGf9k+RbZ9YJIAdB+NIPWEgFEOdBaSNjCEf9txbre/M8VMdXLgSNTrcJz+CF8KAn1z9B24oxS3im9bTOEx0tUohSaQdRNaaBog99kI9Cz44vMhjwyLIqnfpvJETrJCJMuIx8RPXCQSlKy5l4mvDoCtve4Ac1cxTzOpj+D6+NnTRVQrjwyH25rteP1l7VRVVcUZlttc8sQ0Aw5flSTRTRVXsuy/T8x0YaCKDzUOQxjqykfCBmzLz/RGTlWhnMII+MhzcdzBiW2M5TrV1cfdI797++xeh337A3xBoHnusjiBZNikOOy8M6Xn7zqJKOxTT0PFCroOp4cRJk2D5yZvzZW0N36fG6xOZuziFnVL8NYqc6QkhWn7vHJpsGgBDAIFDqaf4WMdYHwxXGUPgp1GZr3SFKmQ2rDj3bl7ZLeGXlodKri/oTDhCo5fCJ6KdJVW2dEyT7wU3QsuYJrjWg7CGXDG+TOIzStKs5zWaAiHpcuQqr+z+jemsl2ggtWKRZFxFtXzYKk6x6I26GLqibzINadp0krVFEeJOyRmlNUzd0Vevj5g3HL+182fq9x7a1dCw+7lORe97+Tfc7FRsft+wOPneQz2jOS9dt/yHseQqV2FxTbO1E+JJZenwnnevwdVb2EOUTsOIRs8cHtd/xDlAZG84UQjzI1N/GAhLsvB3C5pYhW3W1NC0ogGxRrqnJ8KtCtvPSNK9YVMnw41XCIoTN58aFCP10q/bDgj8L+mZPnpD5FsZmB9J1wZ/5A0k5OQjXs/c8o0kMr7+jJgDRnBtcqpI5H6Xhs7bJk6vdyfjDeMsCXmIqGXN51a/2BAkfCf7aZKqejA94emac03m793o8nNSDa9CRso8qKuV5eHzLS+aJbEYILePTLul62EVQFHzAj8R+xqZ1qpnwoeVyw6IimY2wqLMNDz2Pkas3plclPqIU4lUX294gV4NyDTZZzdzkPQQ/XqmMB6q7Buh/D981l85GeNgj+C3vdiPuYnYyANfNqSmQRr6TBrEcpTl6TzcTuevcF5w6oM+uSmVqrpTnL9/j+XJk5VlxJzBtDh9Y1WhQ+nckY6+tRFTSW6QK8hXvaako3wXMdrGya5bESGqWpZIW0yiyJ8BkGX5Jo3E9bSXQnvY3p4QSDMA131u6W+LxsVKmNVtpYyCharQNIe+VN5E4af3ldiejbXCeH1COFPvrdYH/VA6Hp7MlYdhFmbxVbj6ies1HkaOUXZm1r+FSTV/6mbYV9MwaEYPsZFRIBVU32LYB5tRh/BkvV1obAuKAV4A2os9pbWiCwLL/a239LEbn4Z6xgWOrR/vCeyA/jvD99X/exWCY6InaQxnfaqwQLp8dFoFeiRjzoT3PUFnhUl/Eezn6Eo/ekux2UfP3Cb6gjugnWSMwaZjdfB4U/9vOpVmNWcsUqokKD9oMgOCMYlZYbowkcYPW4tCBx3h/ezmsSDpTWaabwejDCYCafzPzFPW4GVeZofKCyHeQJgtrm1fjRmXLBmdLnXM2a/hOafqhPOuJ0DELlqQEHDqFgv2nl6FDKd/hEhanEZEBdsaQt5AS3ishemcIfZDkbMvDjOYLjUQyWvPTV79Ww9vfdnJmKohrO/1VLR5rzgQ2tv9wns43gZ4qpPMiLIXlr/iGnmIp8wILbFhv/uej9UWNtjP31oHW3Z8Bpx+Dp1THoGU42OUeDc1mL+Zc1hEiQwtv0PZhILxfcgQlu+Dw+SSH7CDi3w3LxVOArws+MCbqpIAF9zaltO+noMVIGhl/3bjQtvTsZmX75V6T3GWdOLLrpT1cS8yyl4B+FTf0IkB12Op/QurQh+lKiw/IqjcWY+uHA4ZGQYeus1TD9gbAhK4XLJ37apbN/Wqb/aljgzHA4UVDiO5aeQn9WRnFS/WnVx7WHXhUdFMj/DaDlw+hLIYx6/q4zlWHKJ1Ap+87cKchQg26I5K2i3jXg4fwrLMJdwgzWxjeoQzG4AZgEmDs6Kupti9fzg7b2KU40OjO1hjxXnKSboA+zhHzA0z975CrCnCqCA9BtoEsdcqfPjsYfbxbMV19hoLBzEEC/jvKACFZNT+dkrIlmy2XhJCUz4skvO1Zd3llmTe6lRPLPD6xoeMuMFMUkSPBETM/hqNDE+IXjuJUsYubPzv4dW6ncOe/W0x9tq14k5zx/n8rgovvj4ilIEXM7IJNtdwyU4ZoTpe3gsynXV9V6V3R5FMzZpzS8crl8moiMAoIRWEB3h7inMTuwK+zw6DMv56ZzGiGHkzbT+bKdniBilU3X+GQbQZ5uc3Ee8/qwK2IDG5HIjo0JTiGcQ2+FKqaAZxK0S+3N2wZDWF4461U6D5KgmxDm+Bfwevn0xya/A9YsFATkNNn7NSegqGOyYDJWEcTch7/n50+7VEOjArah+u0l2Sz/XO9x3ARt3GyQ8GVFJVA3OZiH0Rq0nQIIgsLrFTJUrbndUD7C/L4p0fOg5b2IM84jmH+HntOKIoq+NXxuy9mMsO3gtQTQmfGjobP/9sJXtB2TSh/vRx/qpFkM9ckz9b5h4N/pJDR29xr/RfvU6LI/PjUEUN9ZH5IWZ17iB4dL5EDcDFpXCeTjvLxC7Tjyzr+bNhd+o+c6XtCvj6EU8MRV/cYV+wrfX4uwLL0HhjRWmB0OyGYA5YuUIU42OEBGOfxnAEQvTF0WcBeS8TqRfrfj+P5chUbAaqw6qsNdUGhExXn83lmVcChUdTwxc4E5s2x1rABkTKGpw15Sslz9RdL1S4Kbd7OVwZ0dC1GeqhSvg1x69YFIErrY4z0GA4Z+UWOI7bg8Db0S97mMvA/+sZfcHAW/QWwq/wNJ86c7g1vaSB0+vN89pxf35ute1wyEP9GvxCgCVKEAqByBfMFQXiZEXN2SXRIF2+Cp5vL26CvJJxyZfAFc4v7L+SrO/K4H6vSqbGt+0DXL0gwCWx6TK5KMQCACV+ed9ap2OgxS3ofXqF5fVrAT7lM+Ke9Gt5P9SZSsjqgyFUMUFKsdP9SdynQkuqNxE88O7YwDrZUjLqN8x/ABNKzub78zU0dYEK2sxPJdAHgi70Gm97yqdOY2efNO/Q6euKXsNj+0pNANpXY8oKHfTAg6CYqI87kNP9JUxz+hiG16wDac/mQ/FqAt4YNFRcBFZIQ4FiNsECdevGb5zwc7lCW3APMy2neH83f3o1pjV35rob8FpbCaH4W+ELr7giaLXX8Wk+dfa3ZL91KVbu0hbT+V3k4LjORaRR4SoR4iTXjl8tpvI3SHy+Ep2/21KZGk9l/2yq+O9kGxz/TOrjkUpFk1Cbg2TgAfsnhNGbr1ZctvYIuVWtb+dri67phbpee3vUXltCn4/5oMUOnJHlUZnN12pElQkKDanZ/6EJW3oYlCfmo38h+hG8iw48/ct8lBOtP6bEjp/cydDiYgvSJK0wlR04c/oZ3/c1PskyU0a6iqjZDj753CUQ5M3Uxxzb6US57IkYhaqvsrrtD9sUKN1JGfwTGrYG8d3Far33am7ep16IxOhU01+HUXE4pDLHldSufHeIwXsiBpYBJsDQuY8YQt2kh+zCC+NCaWrxsn98IuBGo+IopNf6bD+wVM3koUrkLv6y1zI29Cyjv5tp01BIDbFCRer+8qfwal9S72MK7ew/oNV+WV1ExvfgjEu3X0ws3700fYXl/+wAkYVNZFeL1+UkPpMurelN/Al+bokpXS92ef858Rr1WaWHdLYrFOdO78r5iiKlaFPfivhAEOjuYj7tBY6UhpPxj0tOexijL40Q9ZUuXZcB5DRk+P4eKpCW4fKkk66ikpRIkZPR+zNsa7X1hDK5XkA0egGZV/7pIloDM9NPVOOrMWDa6w8HlcRA9zFlBFUw9s944omFStk4q9f3v5lv2Kl4popkOENidYzDp99tti5/0H3MVSFmsezjqOKoBVbHejZUx9lyfTvnWClv3W0Usbhn+zTlBPS0XEkRCNInw5U57tJfalW0S8GJ0cWDHRXRAA20Qvg4xCkG2n8teXeS6WIOjgPGCATCRP6SCxLutEWOG7cs5kAVz4crvhguoxBGPuOU8HFSVps8WYAV2O2FjrYH0yLBnThKXchmA5t9Kpn