AI for nonprofitorganisationer: Automatisér det manuelle arbejde, ikke omsorgen

De fleste råd om AI til nonprofitorganisationer starter med løftet om, at et mindre team pludselig kan gøre mere med mindre, hvis de bare automatiserer alt.

Når det budskab lander, er det fordi, nonprofitteams allerede bliver bedt om at gøre mere, end deres systemer, bemanding og kalendere med rimelighed kan understøtte. Indsamlere bærer for mange relationer, mens driftsteams afstemmer for mange rapporter, og arrangementsteams forventes at levere bedre deltageroplevelser med begrænset personale, begrænset tid og meget lidt plads til fejl.

Som I ved, sker nonprofitarbejde ikke i et demo-miljø. I stedet sker det, når en indsamlingsansvarlig forsøger at forstå en givers historik før et opkald, når et medlem af arrangementspersonalet svarer en frustreret deltager uden den fulde kontekst, eller når en driftsansvarlig bygger en bestyrelsesrapport. Disse gentagne processer er de steder, hvor nonprofitorganisationer kan drage mest nytte af AI.

Men enhver AI-indførelse skal også behandles med tilbørlig forsigtighed. „Hvor meget kan vi automatisere?“ behandler effektivitet, som var det jeres endemål, og antager, at det arbejde, der mest fortjener at blive fjernet, er alt det, en maskine kan efterligne.

Nonprofitorganisationer skal være tydelige om, hvad AI's rolle er for deres organisation. AI bør fjerne de administrative byrder, der dræner personalets tid, og holde mennesker væk fra det menneskelige arbejde, der faktisk bærer missionen.

Automatiseringer forfølger deres eksistensberettigelse, når de hjælper personalet med at finde information hurtigere, opsummere spredt kontekst, identificere manglende data, kategorisere forespørgsler og reducere de driftsmæssige problemer, der gør meningsfuldt arbejde sværere. Den egentlige fjende, I bekæmper, er dubletter, adskilte systemer, forældede eksporter, manglende felter, rapporter genopbygget manuelt og historikker over støttespillere spredt over indbakker og regneark. Jeres nonprofitteam er stadig helten, der gør menneskelige resultater mulige. Automatisering betyder kun noget, når det giver jeres team nok kontekst og kapacitet til at møde op for mennesker og for jeres mission.

Manuelt, gentagent arbejde er stedet at tilføje automatisering

De bedste AI-anvendelser for nonprofitorganisationer er sjældent glamourøse, og det er en god ting. Deres værdi kommer fra at fjerne det arbejde, der holder indsamlere, arrangementsdirektører, serviceteams og driftsansvarlige væk fra givere, deltagere, frivillige, sponsorer og missionskritiske beslutninger. I ønsker at automatisere de ting, ingen har lyst til at lave, ikke de kritiske relationer, jeres organisation har brug for at pleje.

Start med det arbejde, ingen bygger en konferencepræsentation omkring: opryddet af poster, opsummering af noter, udkast til interne opsummeringer, videresendelse af forespørgsler, søgning i gamle kommunikationer, find af manglende felter, tagging af almindelige supportsager, oprettelse af opgavepåmindelser, afstemning af kampagneresultater, og at forvandle registrerings-, indsamlings-, donations-, merchandise- og servicedata til noget, et menneske faktisk kan bruge.

I ender med at miste kapacitet og båndbredde (og øge sandsynligheden for udbrændthed blandt personalet) gennem tusind små friktionspunkter, der ender med, at alt fra indsamlerkommunikation til kampagneopsummeringer bliver til arkæologiske projekter, mens jeres team graver gennem uklare data i hånden.

Automatisering bør fjerne den administrative byrde omkring giverrelationer, missionsstemme og følsomme beslutninger frem for at overtage ejerskabet af relationerne, stemmen eller beslutningerne selv. I en nonprofit-arrangementsarbejdsgang vil nyttige AI-opgaver ikke involvere at skrive selve plejestrategien eller white-glove-e-mails til jeres vigtigste støttespillere. Forvent i stedet, at AI forbereder et første udkast til en arrangementsopsummering baseret på registrerings- og donationsaktivitet, eller fremhæver tilbagevendende servicespørgsmål, før de bliver et større problem for deltageroplevelsen.

Hos haku ved vi, at automatisering kun har værdi, når det reducerer manuelt arbejde på tværs af arbejdsgange for arrangementer, indsamling og støttespillere, uden at tage kontrollen væk fra de mennesker, der er ansvarlige for disse relationer. Når teams kan se mere af støttespillerrelationen på ét sted, bliver automatisering mere nyttig, fordi den arbejder ud fra en bedre kontekst. Vigtigere er det, at mennesker bliver mere effektive, fordi de ikke bruger deres bedste opmærksomhed på at genopbygge det samme billede igen og igen.

AI bør forberede personen, ikke lade som om, den er personen

Automatisering kan forberede en person til at pleje relationer, men den bør ikke efterligne personen, der gør det. Den grænse betyder mest i de øjeblikke, hvor arbejdet afhænger af hukommelse, timing, relationshistorik og dømmekraft snarere end pænt formateret sprog.

AI kan opsummere, udarbejde udkast, klassificere og identificere mønstre. Den kan endda behandle poster nogle gange, men den kan ikke være et betroet menneskeligt kontaktpunkt.

Overvej, at AI ikke ved, hvorfor en giver gav, hvad der skete i samtalen efter sidste års arrangement, eller hvorfor en deltager bliver ved med at vende tilbage til en sag, selv når livet gør deltagelse svær. Den forstår heller ikke, hvilket sponsorforhold der er politisk kompliceret, hvilken frivillig der i stilhed har holdt et program sammen, eller hvilken længeveerende støttespiller der har brug for et telefonopkald i stedet for endnu en poleret e-mail. Kun et menneske kan gøre det.

At pleje relationer betyder at træffe beslutninger baseret på egen dømmekraft over tid, ikke blot kommunikation. Et medlem af arrangementspersonalet, der svarer en frustreret deltager, løser ikke bare en sag. De beskytter oplevelsen, fortolker politik og beslutter, hvornår svaret skal være effektivt, og hvornår det skal være personligt.

I praksis kan automatisering opsummere en støttespillers arrangementsdeltagelse, indsamlingsaktivitet, donationshistorik og serviceinteraktioner, før et personalemedlem tager kontakt. Den kan udarbejde flere mulige opfølgningsnotater, så indsamleren ikke starter fra et tomt ark. Et gentaget supportproblem kan også flages, før et personalemedlem svarer, hvilket ændrer tonen og hastegraden i svaret. I alle disse tilfælde giver automatisering mennesket et bedre udgangspunkt.

En person skal stadig beslutte, hvad en bestemt oplysning betyder, og om næste skridt skal være en e-mail, et opkald, en tak, en undskyldning, en eskalering eller slet ingen henvendelse. Relationen tilhører jeres organisation og de mennesker, I betjener, ikke det værktøj, der hjalp med at organisere konteksten.

Nonprofit-skepsis omkring AI-indførelse giver mening

Nonprofit-ledere skal ikke overtales væk fra forsigtighed. De har set teknologiløfter ankomme med pæne slides, vage benchmarks og lidt forståelse for, hvordan missionsdrevet arbejde faktisk foregår. Systemer, der skulle spare tid, har skabt nye administrative byrder. Dataprojekter er gået i stå, fordi kildeposterne var ufuldstændige, duplikerede eller spredt på tværs af adskilte værktøjer. Alt for mange teams er blevet fortalt at „skalere relationer“ af mennesker, der virker mærkeligt uinteresserede i relationerne.

Når nonprofitteams rejser bekymringer om AI, er de ikke gammeldags. De genkender en meget reel omdømmerisiko.

Nonprofit-ledere og medarbejdere er skærpet opmærksomme på den langsomme udhuling af tillid, der kommer fra små håndteringer af skødesløs automatisering. Når en giver får en besked, der burde lyde personlig, men tydeligvis ikke er det, eller en indsamlingskaptajn modtager et svar, der overser konteksten af deres sag, signalerer det, at jeres organisation ikke bekymrer sig om jeres fællesskab, selv hvis I meget vel gør.

Én fejl ødelægger måske ikke en relation. Men nok af dem lærer folk, at organisationen optimerer udseendet af omsorg frem for at praktisere den.

Det er derfor, AI-styring ikke kan sidde til side som en juridisk fodnote eller et IT-anliggende. Den hører hjemme i samtalen om relationspleje, hvor nonprofitteams beslutter, hvilken slags organisation de er villige til at blive i jagten på effektivitet.

Et blankt ja eller nej omkring AI og automatisering vil ikke hjælpe et nonprofitteam med at træffe det bedste valg muligt. Teams skal vide, hvor AI trygt kan understøtte arbejdet, hvor menneskelig gennemgang er påkrævet, og hvor den endelige beslutning skal blive hos et menneske.

For haku skal ansvarlig automatisering vise sig i produktet og servicemodellen. Det er derfor, haku tager provisionering, tilladelser, implementeringsstøtte, arbejdsgangsdesign og kunderådgivning meget seriøst. Alt det hjælper teams som jeres med at forstå, hvad de bør automatisere, før de automatiserer det. Effektivitetsgevinster er kun nyttige, hvis de beskytter den tillid, jeres organisation har brugt år på at oparbejde.

Brug en risikostige, ikke en generel politik

Meget AI-politikarbejde går i stå, fordi teams forsøger at behandle hvert brugstilfælde ens. At skrive en intern opsummering er ikke det samme som at sende en giverhenvendelse. At markere duplikerede poster er ikke det samme som at beslutte, hvem der modtager høj-touch pleje. At udarbejde en kampagneskitse er ikke det samme som at komme med påstande om programpåvirkning.

Nonprofitorganisationer har brug for en risikostige, der matcher niveauet af menneskelig gennemgang til, hvad der står på spil i arbejdsgangen. Jo mere en arbejdsgang påvirker tillid, privatliv, penge, service, værdighed eller offentlige påstande, jo mere menneskelig kontrol kræver den.

En anden ting at bemærke er, at ikke alle AI-assisterede opgaver har brug for en langvarig godkendelsesproces. Meningsfuld gennemgang er en absolut nødvendighed, hvor end en fejl kunne skade tillid, afsløre private oplysninger, fejlrepræsentere effekt, mishåndtere penge eller behandle nogen uden den værdighed, missionen kræver.

Det sagt er gennemgang ikke et dekorativt trin tilføjet efter det egentlige arbejde. I nonprofit-arbejdsgange med høj indsats er gennemgang en del af arbejdet. I kan bruge risikostige-konceptet til at identificere, hvor I skal bruge mere tid på gennemgang, og hvor I kan reducere cyklusserne.

AI er ikke en genvej rundt om dårlige systemer

AI vil ikke redde jer, hvis I har rodede systemer, fordi AI kun er så god som dens input. Med andre ord giver ufuldstændige støttespillerdata ufuldstændig kontekst. Og det bør ikke komme som en overraskelse, at personale, der ikke stoler på dataene i dag, ikke pludselig vil stole på et AI-genereret output i morgen. De vil måske stole mindre på det, og i mange tilfælde bør de det.

Automatisering fortjener kun tillid, når systemerne under den giver personalet nok kontekst til at stole på outputtet. Teams har brug for indsigt på tværs af arrangementer, indsamling, donationer, køb, kampagner og serviceinteraktioner. De skal forstå, hvad der ændrede sig, hvem der handlede, og hvad der kræver opfølgning. Segmentering bør afspejle meningsfuld adfærd frem for hvilke felter der var lettest at eksportere. Ledere skal også vide, om automatisering forbedrede arbejdet, eller om det blot fik arbejdsgangen til at se mere moderne ud.

At automatisere arbejdet omkring omsorg – med omsorg

Nonprofitorganisationer bør være på vagt over for ethvert AI-pitch, der behandler menneskelighed og omsorg som ineffektivitet.

At pleje relationer tager tid, ligesom god service og menneskelig gennemgang gør. Alle, der tror, det er fejl i nonprofitmodellen, er i den forkerte branche. Så automatisér ikke omsorgen. Automatisér i stedet arbejdet omkring omsorg: søgningen, opsummeringen, tagging, videresendelsen, opryddet og rapporteringen, der gør det sværere for personalet at møde op godt.

AI fortjener en plads i arbejdsgangen, fordi når I bruger det rigtigt, kan AI give mennesker mere tid, kontekst eller klarhed til det arbejde, kun mennesker kan udføre.

Hvis I vil bruge AI i jeres nonprofitorganisation, skal I huske, at de nonprofitorganisationer, der bruger AI bedst, ikke vil være dem, der jagter den mest synlige automatisering. I stedet vil de tegne omhyggelige grænser omkring reelle arbejdsgange, forbundne data og menneskelig gennemgang, og behandle automatisering som en måde at skabe kapacitet på frem for at udvande ansvar.

Så AI kan hjælpe en nonprofitorganisation med at forberede, prioritere og følge op, men støttespillerrelationer tilhører stadig mennesker. Sådan bør det være.

Er I klar til at automatisere de manuelle, gentagne opgaver, der reducerer jeres organisations kapacitet? Tal med haku om at reducere manuelt arbejde på tværs af jeres arbejdsgange for arrangementer, indsamling og støttespillere, mens jeres team bevarer kontrollen.