Den vigtigste AI-beslutning, HR vil træffe, er, hvad der ikke skal automatiseres
Beskyt de menneskelige øjeblikke: AI i HR bør fjerne den administrative byrde, samtidig med at ægte anerkendelse, coaching og relationsopbygning bevares.
Udpeg signalerne: I stedet for at skrive ros kan AI vejlede medarbejdere i at udtrykke mere specifik, personlig og meningsfuld påskønnelse.
Find signalerne: AI hjælper HR-ledere med at fortolke pålidelige data om arbejdsstyrken, identificere meningsfulde mønstre og fokusere opmærksomheden dér, hvor en indsats er vigtig.
Ledelsesmæssigt skøn: Bedre medarbejderindsigt bør sætte ledere tæt på medarbejderne i stand til at reagere eftertænksomt, ikke centralisere beslutninger om arbejdsstyrken over deres hoveder.
Tag ansvarligheden på dig: AI-anbefalinger kræver menneskeligt tilsyn, fordi effektivitet kan videreføre bias, svække tilliden og omdanne dømmekraft til automatisering.
AI kan skrive anerkendelsesbeskeden, opsummere trivselsundersøgelsen og endda markere en medarbejder, der ser ud til at være på vej væk. I stigende grad kan den også fortælle en leder, hvad vedkommende bør gøre som det næste.
Spørgsmålet for HR-ledere handler nu ikke længere om, hvorvidt teknologien kan indgå i medarbejderoplevelsen. Det handler om, hvor langt man ønsker at lade den gå.
Den spænding gik igen i vores nylige samtale om Fremtidens AI i HR med Motivositys Chief Product Officer Jesse Dowdle og VP for Engineering Dano Gillette. Deres argument var, at den mest nyttige rolle for AI i HR måske slet ikke er at erstatte menneskelig interaktion. Det kan i stedet være at fjerne alt det omkring den, som gør meningsfuld interaktion vanskeligere.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
“Det menneskelige i jobbet er det, der er værd at beskytte,” sagde Dowdle.
AI bør i stedet, argumenterede han, reducere den tid, HR bruger på arbejdets “ikke-menneskelige dele” – administrationen, rapporteringen og den kognitive belastning, der trækker personaleledere væk fra rådgivning, coaching og relationsopbygning.
Det lyder som en enkel skelnen. Det bliver sandsynligvis betydeligt sværere at opretholde den.
Når effektiviteten begynder at opsluge oplevelsen
Meget af den første bølge af AI i virksomheder har været organiseret omkring et enkelt spørgsmål: Hvad kan vi automatisere?
Det giver mening, når det pågældende arbejde handler om at afstemme regneark eller generere analyser og rapporter. Det bliver mere kompliceret, når opgaven er at takke en medarbejder, fortolke tegn på manglende engagement eller beslutte, hvem der fortjener en samtale om sin fremtid.
Anerkendelse er et nyttigt eksempel.
Et generisk medarbejderanerkendelsesprogram er relativt nemt at skalere. Virksomheder har gjort præcis det i årtier med anciennitetspriser, månedens medarbejder-programmer, plaketter og standardiserede beskeder. Problemet er ifølge Dowdle, at skalerbarheden ofte er sket på bekostning af betydningen.
“Det, AI gør muligt, er et niveau af personlig anerkendelse i stor skala, som aldrig før har været muligt,” sagde han. “Muligheden er at gøre den form for individuel påskønnelse, som folk husker, til noget, der sker hver dag i en organisation, selv i en meget stor og geografisk spredt organisation.”
Men der er en åbenlys fælde her. Hvis AI kan skrive påskønnelsen, hvorfor så ikke lade den gøre præcis det?
Motivosity prøvede noget, der lignede det, under udviklingen.
I begyndelsen tænkte vi: Hej, lad os bare skabe en knap, der takker folk for dig. Folk havde ikke lyst til at høre fra en robot.
I stedet byggede virksomheden en AI-coach, der opfordrer medarbejderne til at gøre deres egen anerkendelse mere specifik – ved at spørge, hvad der skete, hvorfor det var vigtigt, eller hvilken indvirkning nogen havde – uden at formulere påskønnelsen på deres vegne. Gillette sagde, at denne tilgang har resulteret i påskønnelser, der er omkring 20% længere inde på platformen.
Det interessante er ikke de ekstra ord. Det er produktbeslutningen bag dem.
AI var teknisk set i stand til at fuldføre opgaven. Motivosity valgte bevidst at stoppe den, før den nåede så langt.
Gillette beskrev målet som at hjælpe nogen med at blive “mere specifik, mere omsorgsfuld, mere oprigtig”, samtidig med at man erkender, at oprigtighed i sig selv ikke er noget, AI kan levere.
“AI kan skubbe dig i den rigtige retning,” sagde han.
Den bedre anvendelse af AI kan være at afgøre, hvor man skal lede
Der er et andet område, hvor AI’s værdiforslag ser betydeligt stærkere ud: at hjælpe HR med at skabe mening i de oplysninger, man allerede har.
Personaleafdelinger har sjældent lidt under mangel på data. Trivselsresultater, anerkendelsesaktivitet, præstationsdata, læringssystemer og fastholdelsesmålinger skaber rigeligt af dem. Udfordringen er at afgøre, hvad der fortjener opmærksomhed.
Under demonstrationen viste Gillette, hvordan AI blev brugt som en grænseflade til data om anerkendelse og engagement – så en HR-leder kunne bevæge sig fra et virksomhedsdækkende overblik til afdelinger, tendenser og signaler fra individuelle medarbejdere.
Men Motivosity foretog også en anden bevidst sondring her. AI beregner ikke de underliggende statistikker.
Gillette sagde, at virksomheden tidligt erfarede, at det kunne give upålidelige resultater at bede selve sprogmodellerne om at udføre aritmetik. I stedet genereres tallene gennem konventionelle systemer og kan krydstjekkes via API'er eller eksporterede data. AI bruges til at fortolke resultaterne.
Denne adskillelse har betydning langt ud over én platform.
For HR handler løftet ved generativ AI måske mindre om at skabe ny information end om at reducere afstanden mellem en leder og den information, de allerede har.
Systemet kan i bund og grund svare på: Hvor skal jeg kigge? Hvad har ændret sig? Hvilket mønster kan jeg have overset?
Gillette beskrev målet som at hjælpe ledere med at gennemgå information for at afgøre: “Hvor kan jeg yde den mest meningsfulde indsats?”
Det er potentielt en langt mere betydningsfuld anvendelse af AI end at skrive endnu en opsummering.
Hvis en HR-leder kan identificere en afdeling, hvor anerkendelsen er kollapset, en leder, hvis team er ved at miste engagementet, eller en medarbejder, hvis adfærd pludselig har ændret sig, kan AI omdanne et hav af organisationsdata til en opfordring til handling.
Men derefter skal et menneske stadig handle.
Bedre indsigt gør ledere vigtigere
Det er måske her, det større skifte for HR finder sted.
Efterhånden som medarbejderindsigt bliver lettere at få frem, kan organisationer reagere ved at centralisere flere beslutninger. Giv de øverste ledere et kontrolpanel, identificer de statistiske afvigelser, og led arbejdsstyrken fra toppen.
Dowdle argumenterede for den modsatte tilgang.
Han beskrev, hvordan man bruger anerkendelse og andre medarbejderdata til at skabe det, han kaldte et “tredimensionelt billede” af en person. Det handler ikke blot om, hvorvidt en sælger nåede sit salgsmål, eller om en medarbejder gennemførte en certificering, men om hvad kolleger værdsætter ved at arbejde sammen med dem, hvor deres styrker kommer til udtryk, og hvordan de bidrager socialt til organisationen.
Hans anbefaling var at give frontlinjelederne denne indsigt.
Lad løsningen arbejde nedefra og op for at udvikle jeres medarbejdere.
Det er en markant anderledes vision for AI-understøttet ledelse end en algoritme, der træffer stadig mere vidtgående beslutninger om medarbejdere.
Teknologien opdager det. Lederen fortolker. Det enkelte menneske reagerer.
Og HR er fortsat ansvarlig for at designe det system, som gør alle tre ting mulige.
More Articles
- Sådan opretter du et medarbejderanerkendelsesprogram, der virker
- Sådan udarbejder du et forretningsgrundlag for HR-software: En guide i 10 trin
- Implementering af HR-software: Eksperttips og tricks
- Valg af et læringsstyringssystem: En enkel proces i 5 trin
- Sådan skifter du EOR-udbyder uden forstyrrelser: Proces i 7 trin
AI fjerner ikke ansvarligheden
Efterhånden som HR-systemer bevæger sig fra blot at synliggøre information til at anbefale handlinger, er ansvarlighed fortsat et vigtigt aspekt af, hvordan hele systemet udformes.
Dowdle forventer, at platforme til medarbejderoplevelser bliver stadig mere proaktive. I stedet for at vente på, at nogen åbner et kontrolpanel, kan AI opdage et mønster, der tyder på risiko for fastholdelse, og proaktivt bede en leder om at tage kontakt til en medarbejder via Teams, e-mail eller en anden kanal.
Målet, sagde han, er at hjælpe ledere med at “være der i de øjeblikke, der betyder noget”, mens en indgriben stadig kan gøre en forskel.
Der ligger et enormt potentiale i den idé. Der er også en ret åbenlys fare.
Jo mere overbevisende et system identificerer et problem og anbefaler en reaktion, desto lettere bliver det at forveksle en anbefaling med en beslutning.
Dowdle pegede på rekruttering som en eksisterende advarsel. Automatisering kan gøre ansættelser mere effektive, men den kan også sortere stærke kandidater fra ved hjælp af heuristikker, der kun har ringe forbindelse til det, en organisation faktisk værdsætter. På samme måde kan automatiseret anerkendelse forvandle noget dybt personligt til endnu et standardbrev fra virksomheden.
Løsningen er at bevare ansvarligheden.
“Der er i sidste ende nogen, som er ansvarlig,” sagde Dowdle. “Selv når AI udfører det underliggende arbejde, skal et menneske stadig stå inde for resultatet.”
For HR-ledere betyder det, argumenterede han, at de fortsat skal være ansvarlige for at afgøre, om en AI-understøttet handling er passende, i stedet for at betragte systemet som den ansvarlige part.
Det er ved at blive en af de afgørende kompetencer inden for ledelse i AI-æraen: at vide, hvornår man skal acceptere maskinens anbefaling, hvornår man skal undersøge den nærmere, og hvornår man helt skal se bort fra den.
Målet er ikke mindre menneskeligt HR-arbejde
Der findes en version af AI-fremtiden, hvor HR bliver markant mindre, fordi software håndterer rekruttering, personalegoder, løn, medarbejderspørgsmål, præstationsanalyse og beslutninger om arbejdsstyrken.
Der findes en anden mulighed.
AI fjerner så meget administrativt arbejde, at HR i højere grad kan fokusere på det område, som organisationer historisk har haft svært ved at systematisere: at forstå mennesker.
Dowdle er udpræget optimistisk med hensyn til denne fremtid. Han forestiller sig, at AI overtager en stor del af det compliance-orienterede og transaktionsbaserede arbejde omkring løn, personalegoder og personaleadministration, så personaleområdet mere direkte kan koncentrere sig om kultur og organisatorisk effektivitet.
Om denne vision bliver til virkelighed, vil i mindre grad afhænge af, hvad AI i sidste ende bliver i stand til at gøre, end af hvad organisationer vælger at overlade til teknologien.
For kapacitet er i stigende grad en dårlig grænse.
AI kan allerede formulere takken. Snart ved den måske, hvem der har brug for en, hvornår de har brug for den, og hvad en leder bør sige.
Den egentlige designbeslutning er, om organisationen ønsker, at AI skal erstatte dette øjeblik, eller sikre, at et menneske ikke overser det.
