Paul Gibbons
De fleste organisationer er bedre til at implementere kunstig intelligens end til at anvende den. De eksisterende arbejdsgange, beslutningsvaner og kulturelle normer i organisationen forbliver uændrede længe efter, at de nye værktøjer er taget i brug. Det er netop i dette gab mellem den tekniske implementering og den adfærdsmæssige tilpasning, at størstedelen af investeringerne i transformation går tabt uden at nogen lægger mærke til det.
Kløften mellem at implementere kunstig intelligens og rent faktisk at bruge den er et adfærdsmæssigt problem, og Paul Gibbons, skaberen af Adaptive Adoption-modellen og forfatter til otte bøger om organisatorisk forandring, hjælper ledere på direktionsniveau med at overvinde den.
Full Profile
Hvorfor virksomheder samarbejder med Paul Gibbons
- Hans Adaptive Adoption-model – en adfærdsvidenskabelig ramme med syv søjler til implementering af AI – og den tilhørende diagnostiske værktøj, Adaptive Adoption Maturity Index (AAMI), giver ledere et struktureret værktøj til at vurdere og håndtere de menneskelige forhold, der afgør, om en investering i AI giver afkast eller går i stå. Denne type navngivet, udviklet IP er sjælden inden for dette emneområde.
- "The Science of Organizational Change" nævnes af Googles forandringsteam og Microsofts interne kulturgruppe som værende med til at have ændret deres tilgang til transformation: en usædvanlig form for bekræftelse af, at den intellektuelle ramme holder under reelt operationelt pres, ikke kun i konsulentopgaver.
- Han vil fortælle en organisation, hvad der er galt med dens tankegang om forandring. Formanden for KPMG beskrev oplevelsen som at høre "det, vi havde brug for at høre, ikke det, vi ønskede at høre", en egenskab, der bliver værdifuld, når ledende medarbejdere i al stilhed har investeret i tilgange, der ikke fungerer.
- Hans karriere som praktiker spænder over grundlæggelsen af et af Europas førende ledelseskonsulentfirmaer (Future Considerations), en stilling som partner hos IBM Consulting og udvikling af forandringsledelsesmetodologi i PwC's afdeling for strategi, innovation og forandring, hvilket betyder, at rammerne er blevet stresstestet i netop de store, komplekse organisationer, der deltager i arrangementer for den øverste ledelse.
- Hans akademiske bredde, der spænder over neurokemi, økonomi, neurovidenskab, filosofi og adfærdsvidenskab, giver ham mulighed for at trække på discipliner, der sjældent anvendes i organisatorisk transformation, og for at navngive og aflive den pseudovidenskab, der fylder et felt, hvor, som Stanfords Jeffrey Pfeffer har bemærket offentligt, charlatanisme er almindeligt.
Højdepunkter i biografien
- Grundlægger og CEO af Future Considerations (2001), et af Europas førende konsulentfirmaer inden for ledelse og kulturændringer, med navngivne kunder som Shell, BP, HSBC, Barclays og KPMG
- Tidligere partner hos IBM Consulting (Talent og Transformation); tidligere seniorstrateg hos PwC's afdeling for strategi, innovation og forandring, hvor han udviklede virksomhedens metoder til forandringsledelse og organisatorisk transformation
- Forfatter til otte bøger, herunder "The Science of Organizational Change" – kåret som en af de bedste bøger om forandringsledelse nogensinde – og "Adopting AI: The People-First Approach" (2025)
- Rangeret som nr. 5 globalt inden for organisationskulturændringer af Global Gurus; udnævnt til en af de 52 bedste globalt inden for AI i 2026 (London Speaker Bureau)
- Medlem af Royal Society of Arts (FRSA); adjungeret professor i forretningsetik ved University of Denver (2015-2018); medlem af American Philosophical Association og U.S. Academy of Management Council
- Artikler bragt i The Wall Street Journal, The Financial Times og The Guardian; anbefalet af Jeffrey Pfeffer (Stanford Business School) og Simon Collins (formand, KPMG)
Biografi
De fleste organisationer ved, at deres investeringer i AI og transformation ikke lever op til forventningerne. Det sværere spørgsmål er hvorfor, og det ærlige svar er i de fleste tilfælde, at organisationens adfærdsmæssige og kulturelle arkitektur aldrig blev redesignet i takt med teknologien. Paul Gibbons har brugt tre årtier på at opbygge den evidensbase, der forklarer denne fiasko, samt de rammer, der hjælper ledere med at handle på den.
Hans intellektuelle bidrag tager udgangspunkt i en provokation. I "The Science of Organizational Change" argumenterer Gibbons for, at de fleste rammer for forandringsledelse er bygget på myter og uprøvet populærpsykologi, og erstatter dem med tilgange, der er forankret i adfærdsøkonomi, neurovidenskab og kompleksitetsteori. Både Googles forandringsteam og Microsofts interne kulturgruppe krediterede bogen for at have ændret deres tilgang til transformation. Jeffrey Pfeffer fra Stanford Business School roste hans arbejde for at bringe videnskabelig stringens ind i det, han beskrev som et felt fyldt med pseudovidenskab.
Den kritik udviklede sig til en konstruktiv ramme for AI-æraen. Hans Adaptive Adoption-model, en syv-søjlet tilgang baseret på adfærdsvidenskab, tilbyder ledere et struktureret alternativ til at anvende konventionel forandringsledelse på AI-transformation. Dens ledsagende diagnostiske værktøj, Adaptive Adoption Maturity Index, hjælper organisationer med at vurdere, hvor de rent faktisk står. Modellen bygger på tre årtier med rådgivningsarbejde for bestyrelser og ledelsesniveauer, herunder grundlæggelsen af Future Considerations, et af Europas førende ledelseskonsulentfirmaer, hans tid som partner hos IBM Consulting og udviklingen af forandringsmetodologi i PwC's afdeling for strategi, innovation og forandring.
Gibbons er medlem af Royal Society of Arts og er rangeret blandt de fem bedste globalt inden for organisatorisk kulturændring af Global Gurus og blandt de 52 bedste globalt inden for AI i 2026. Han har undervist i forretningsetik og ledelse ved University of Denver, sidder i bestyrelsen for Denver's Institute for Enterprise Ethics og er vært for podcasten Think Bigger Think Better, der udforsker krydsfeltet mellem AI, adfærdsvidenskab og organisatorisk ledelse.
Vigtigste foredragstemaer
- Adfærdsvidenskab og organisatorisk forandring
- Indførelse af AI og transformation af arbejdsstyrken
- Kulturændring og adfærdsdesign
- Myter om forandringsledelse og evidensbaseret praksis
- AI-etik og organisatorisk ledelse
- Lederskab i komplekse og usikre miljøer
- Fremtidens arbejdsliv og samarbejde mellem mennesker og maskiner
Ideel for
- CHRO'er og ledere inden for personaleudvikling, der navigerer i teknologidrevne organisatoriske forandringer
- Bestyrelser og ledere på C-niveau, der træffer beslutninger om implementering og styring af AI
- Fagfolk inden for organisationsudvikling og forandringsledelse
- Ledere inden for digital og teknologisk transformation i store, komplekse organisationer
Resultater for målgruppen
- En klar ramme for at forstå, hvorfor kulturændringer og indsatser for at indføre AI typisk mislykkes, baseret på adfærdsvidenskab snarere end konventioner
- Praktiske værktøjer til at diagnosticere, hvor adfærdsmæssige og kulturelle kløfter underminerer teknologiinvesteringer
- Et mere stringent grundlag for at evaluere strategier for implementering af AI og skelne troværdige signaler fra støj i markedet
- Sprog og rammer for samtaler i bestyrelsen og ledelsen om de organisatoriske betingelser, der kræves for en vellykket transformation
- Kendskab til Adaptive Adoption-rammen og Adaptive Adoption Maturity Index som strukturerede, evidensbaserede alternativer til konventionel forandringsledelse anvendt på AI
Samtaler
On what AI is doing to human cognition, and the skills question leaders are quietly worried about.
Key takeaways:
- What the research on cognitive offloading actually shows
- Why some workers report two to three times productivity gains while the evidence points the other way
- What leaders should do about skills development when both readings are true
On why individual AI gains of three to five times are not reaching the enterprise.
Key takeaways:
- A four-box friction model: load-bearing, theatre, ritual and turf-defending friction
- Which three types of friction do not earn their keep
- The leadership courage required to cut them
On building the support function most leaders cannot afford to hire.
Key takeaways:
- What a chief of staff role actually consists of, task by task
- How to assemble an always-available equivalent in a few hours
- Where the approach holds up and where it fails
On decision-making with incomplete information, drawn from Gibbons’ poker career and his 2026 book “Polymath Poker”.
Key takeaways:
- Expected value, Bayesian updating and range thinking as management tools
- How executives systematically misprice risk
- Why a good outcome and a good decision are different things
On the coming public reaction to AI and what it means for companies deploying it.
Key takeaways:
- Where the backlash is forming across trust, work, meaning and institutions
- What it means for organisations mid-deployment
- How to lead through it without retreating from the technology
On why Kotter and Prosci cannot carry AI adoption, and what replaces them.
Key takeaways:
- Why models built for go-live dates and stable end-states break on AI
- Change Agility as the capability to adapt continuously
- The leadership behaviours that build it