HiBobs AI-funktioner: Fra medarbejderselvbetjening til styring på tværs af organisationen
Markedet for HR-software er fyldt med påstande om AI. Det, der er sværere at finde, er et direkte, uredigeret indblik i, hvad disse funktioner gør, når en rigtig bruger sætter sig ned og begynder at stille spørgsmål uden et poleret manuskript. Det var præcis det, vi satte op med HiBob, en AI-drevet platform til administration af menneskelig kapital, der er udviklet til moderne organisationer i hastig vækst.
Tim Fisher, VP for AI hos People Managing People, satte Josh Rod, HiBobs ansvarlige for produktmarketing, på prøve i en direkte session. HiBobs filosofi er, som Josh formulerede det, at demokratisere adgangen til AI på tværs af organisationen ved at gøre de værktøjer, som HR skaber, tilgængelige for alle ledere og medarbejdere – ikke kun systemadministratorer.
Platformen opnår dette gennem én samlet samtalegrænseflade, der videresender forespørgsler til specialiserede agenter, som kører i baggrunden, og som alle styres af den samme tilladelsesstruktur, der bestemmer, hvad den enkelte bruger kan se på platformen. Nedenfor gennemgår vi HiBobs vigtigste AI-funktioner baseret på den direkte session.
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
Et dybdegående kig på HiBobs AI-funktioner
Inden demonstrationen delte Josh data fra HiBobs analyse af 160.000 samtaler med kunder og potentielle kunder – et forsøg på at kortlægge, hvor organisationer faktisk befinder sig med hensyn til AI-parathed.
Fordelingen:
- Cirka 10 % befinder sig på det avancerede, agentbaserede niveau
- Omkring 30 % er stadig ved at afgøre, om det er sikkert at introducere AI
- Omtrent 60 % befinder sig i midten og fokuserer på at gøre det eksisterende arbejde hurtigere og mere effektivt.
Hvis du befinder dig blandt de 60 %, er du en del af flertallet, og HiBobs AI-funktioner er udviklet præcis til den situation, som denne gruppe står i lige nu.
1. Bob AI Companion: Selvbetjening for medarbejdere
Bob AI Companion er en samlet samtalegrænseflade, der videresender forespørgsler til specialiserede agenter inden for dokumenthåndtering, præstationsstyring og andre områder. Medarbejderne interagerer med ét chatvindue, mens videresendelsen foregår i baggrunden.
Selvbetjeningsscenariet er det område, hvor dette skaber øjeblikkelig, målbar værdi. I stedet for at sende en Slack-besked til HR, søge i en intern vidensbase eller vente på svar på en supportsag kan medarbejderne spørge companionen direkte.
I den direkte demonstration spurgte Josh til virksomhedens politik for hunde på kontoret. Systemet viste den specifikke politik for kontoret i Tel Aviv, fordi det ud fra Joshs profil vidste, hvilken placering der gjaldt for ham. Politikken for New York, som har andre regler, blev ikke vist.
Derefter spurgte han til sin ret til fædreorlov og bad om en fridag, mens han gennemførte hele transaktionen i den samme grænseflade. Da han ved en fejl valgte en lørdag, markerede systemet det, inden anmodningen blev sendt.
Sådan får du mest muligt ud af Bob AI Companion:
- Giv den adgang til jeres faktiske politikker. Companionens nøjagtighed afhænger af, hvad der findes i systemet. Velstrukturerede politikdokumenter giver kontekstbevidste og rollespecifikke svar.
- Tænk på antallet af supportsager – ikke kun omkostningen pr. supportsag. ROI-beregningen handler ikke kun om den sparede tid pr. supportsag – det handler om den kumulative effekt på tværs af alle medarbejdere hver måned.
- Brug den til at udvide HR's rækkevidde. Companionen giver medarbejderne direkte adgang til HR-viden døgnet rundt uden at skabe ekstra arbejde for dit team.
2. AI-understøttet ledercoaching
Et af de vanskeligere problemer inden for HR er kløften mellem præstationsdata og meningsfuld coaching. Ledere ser ofte på den seneste evaluering og går videre, hvilket efterlader en stor mængde historiske data ubrugt. Når en leder overtager et nyt team, bliver problemet større, fordi den historiske kontekst ganske enkelt ikke bliver videregivet.
HiBobs AI-kompagnon løser dette ved at give ledere mulighed for at forespørge direkte om deres teams historik over performanceevalueringer og feedback fra kolleger og derefter omsætte disse data til coachinghandlinger.
I livedemoen bad Josh kompagnonen om at hente hans egne performanceevalueringer og feedback fra kolleger. Derefter bad han den om at identificere tre forbedringsområder og foreslå mål. Systemet sammenfattede den historiske dokumentation til specifikke, handlingsanvisende anbefalinger — herunder en bemærkning om, at han burde uddelegere mere.
Den vinkel, Josh præsenterede for dette anvendelsesområde, er værd at holde fast i: Forestil dig, hvis alle ledere altid havde en organisatorisk coach i rummet sammen med sig, som trak på alt, hvad der nogensinde var blevet dokumenteret om deres team.
Du sidder på en enorm mængde data, som AI vil hjælpe dig med at frigøre, så du kan blive en bedre leder — og hjælpe dig med at lede dit team.
Sådan får du mest værdi ud af AI-understøttet ledercoaching:
- Brug det, når du overtager et team. Forespørgsler på historiske performance-data giver nye ledere den kontekst, som de ellers ville bruge måneder på at opbygge uformelt.
- Betragt resultatet som et udgangspunkt. AI-genererede coachingforslag er kun så gode som de data, de bygger på. Brug dem til at sætte gang i en samtale, ikke til at erstatte din dømmekraft.
- Integrer det i tilbagevendende rutiner. Når evalueringscyklusser kobles sammen med AI-coachingpåmindelser, skabes en kontinuerlig feedbacksløjfe i stedet for en årlig begivenhed.
3. Rapportering på naturligt sprog for HR-administratorer
HR-teams bruger en betydelig del af deres tid på rapporter — på at hente data, formatere dem og distribuere dem til interessenter, som havde brug for dem i går. HiBobs AI-kompagnon giver administratorer mulighed for at generere rapporter ved hjælp af forespørgsler på naturligt sprog direkte i platformen.
Josh loggede ind som administrator i det fulde demomiljø og bad kompagnonen om at oprette en lønfordeling efter afdeling. Rapporten blev genereret i den samme grænseflade uden at åbne et separat rapporteringsmodul eller eksportere til et regneark.
Her kom en vigtig skelnen omkring tilladelser frem. I sit personlige HiBob-miljø bemærkede Josh, at en forespørgsel om den administrerende direktørs løn ikke ville returnere noget, fordi han ikke havde tilladelse til at se den. I administratormiljøet bliver denne forespørgsel tilgængelig. AI'en tilsidesætter ikke tilladelsesstrukturen; den fungerer fuldstændigt inden for den.
Det er dette, der adskiller indlejret AI fra at eksportere data til et eksternt værktøj. Styringslaget forsvinder ikke, når du skifter til AI-tilstand.
Meget af tiden bruger HR-teams og ledere for meget tid på rapporter. Det er noget, AI kan hjælpe dig med at gøre på få minutter.
Josh Rod, ansvarlig for produktmarketing, HiBob
Sådan får du mest værdi ud af AI-drevet rapportering:
- Fastlæg tidligt, hvem der skal have adgang til kompagnonen på administratorniveau. AI er kun så værdifuld som de tilladelser, du har gennemtænkt. Opbyg din tilladelsesstruktur, før du ruller funktionen bredt ud.
- Erstat faste rapportanmodninger med selvbetjeningsforespørgsler. Lær interessenter at hente deres egne rapporter via naturligt sprog i stedet for at sende forespørgsler gennem dit team.
- Brug det til spørgsmål, der opstår pludseligt. Den største værdi ligger ofte ikke i den planlagte rapport — men i det uforudsete spørgsmål fra en VP kl. 16, som ellers måtte vente til næste morgen.
4. Kompetencerammer og oprettelse af L&D-kurser
Kompetencekataloger og lærings- og udviklingsprogrammer har historisk set været funktioner på virksomhedsniveau, som krævede konsulenter, måneders opsætning og et betydeligt budget, før de skabte nogen værdi. HiBobs AI ændrer denne beregning for organisationer af enhver størrelse.
Josh genererede en kompetenceramme for rollen som produktmarketingchef inden for HR-teknologi ved at indtaste en jobbeskrivelse. På få sekunder returnerede systemet en niveaudelt kompetenceramme med færdighedsniveauer — en proces, der typisk ville kræve en specialist og flere ugers arbejde.
Derefter demonstrerede han oprettelse af kurser ved at angive et emne, en tone og den ønskede længde, hvilket fik systemet til at opbygge et helt læringskursus som en grundstruktur. Det er ikke generiske skabeloner; AI'en trækker på den job- og rollekontekst, der allerede findes i systemet, for at producere resultater, der er relevante for organisationen.
For virksomheder, der starter fra bunden eller forsøger at skabe struktur, før de har nået den medarbejdergrænse, der traditionelt ville retfærdiggøre investeringen, er dette en af platformens mest praktisk anvendelige funktioner.
Med AI er det ikke længere sådan, at disse funktioner er forbeholdt de største aktører i branchen.
Josh Rod, leder af produktmarketing, HiBob
Sådan får du mest værdi ud af AI-genererede kompetencer og læring:
- Start med dine mest kritiske roller. Brug AI til at generere kompetencerammer for de stillinger, hvor kompetencegab er mest omkostningsfulde, og udvid derefter.
- Betragt AI-resultater som udkast, ikke færdige produkter. Få en personaleekspert til at gennemgå og finpudse det, systemet genererer, før det offentliggøres internt.
- Brug kompetencedata til at skabe forbindelse til performance og rekruttering. Kompetencerammer er mest effektive, når de informerer om, hvordan du evaluerer, udvikler og rekrutterer — ikke når de står isoleret.
5. Arkitektur for styring og tilladelser
Styring egner sig ikke til spændende demonstrationer. Men det er grunden til, at HR-ledere faktisk kan implementere AI-funktioner i stedet for at lade dem blive stående på en ønskeliste til IT-godkendelse på ubestemt tid.
HiBobs tilgang er bygget på tre principper:
Data gemmes eller bruges ikke til træning. HiBob har en aftale med OpenAI om, at kundedata behandles pr. forespørgsel og ikke opbevares på OpenAI's servere eller bruges til at træne deres modeller. Denne forskel er vigtig, når der er tale om lønhistorik, præstationsoptegnelser og følsomme medarbejderoplysninger.
Tilladelser styrer alt, inklusive AI. Hver forespørgsel, som assistenten kører, er afgrænset af den anmodende brugers tilladelsesprofil. AI'en får ikke adgang til et bredere datasæt for derefter at filtrere det — tilladelseslaget afgør, hvilke oplysninger der overhovedet inkluderes i forespørgslen. Josh beskrev princippet som "tilladelser først, AI bagefter".
Funktioner kan slås til eller fra individuelt. Ikke alle AI-funktioner indebærer den samme regulatoriske risiko. I Europa befinder brugen af AI i beslutninger om rekruttering eller løn sig i et andet regulatorisk miljø end brugen af AI til at besvare spørgsmål om politikker.
HiBob gør det muligt at slå individuelle AI-funktioner til eller fra, så organisationer kan aktivere det, de har tillid til, og vente med det, de stadig evaluerer, uden at blive tvunget til en alt-eller-intet-beslutning.
Jeres HCM, jeres HR-system skal være den kontrolkilde. Dette er jeres virksomheds mest følsomme data — der findes ingen virksomhed i verden, som ville dele deres HR-data offentligt, fordi de ikke tilhører virksomheden. De tilhører hver enkelt medarbejder.
Josh Rod, leder af produktmarketing, HiBob
Sådan får du mest værdi ud af HiBobs styringsarkitektur:
- Kortlæg tilladelsesgrupper, før du går live. Tilladelsesstrukturen styrer, hvad AI kan og ikke kan vise. Få den på plads under implementeringen i stedet for efter, at en datamæssig bekymring er opstået.
- Placér ansvaret for AI-styring eksplicit. Joshs anbefaling til enhver organisation: Opret en dedikeret funktion for AI-styring — et team eller en person, hvis rolle er at sikre, at AI bruges ansvarligt. Gør det ikke til en eftertanke.
- Brug kontroller på funktionsniveau til trinvise udrulninger. I stedet for at lancere alt på én gang kan du bruge individuelle funktionskontroller til bevidst at udvide adgangen, efterhånden som tilliden vokser.
HiBobs AI-funktioner sammenlignet med andre HR-platforme
HiBobs tilgang prioriterer AI, der er integreret direkte i systemet, som indeholder de autoritative data — dér, hvor dataene allerede findes — frem for selvstændige AI-lag, der er føjet oven på separate værktøjer.
- AI-værktøjer til generelle formål (ChatGPT, Copilot, Claude brugt uafhængigt) kan være nyttige til analyse og udarbejdelse af udkast, men de fungerer uden for det operationelle system. I det øjeblik du eksporterer HR-data for at bruge dem sammen med en ekstern model, har du introduceret et styringsgab og en sikkerhedsrisiko. Du har også mistet den realtidskontekst, der gør AI-anbefalinger handlingsorienterede.
- AI-værktøjer til specifikke formål kan tilbyde stærke funktioner inden for ét område — ansættelse, medarbejderengagement eller præstation — men mangler de tværfunktionelle data, der giver HiBobs AI sin kontekstuelle nøjagtighed. En forespørgsel om en politik skal vide, hvem du er, hvor du arbejder, og hvad der gælder for din rolle. Et isoleret værktøj kan typisk ikke forbinde disse punkter.
- Ældre HCM-systemer med AI-tilføjelser står ofte over for udfordringen med at tilpasse AI til en dataarkitektur, der ikke er designet til det. HiBobs samtalebaserede grænseflade ligger oven på en moderne datamodel, hvilket gør det muligt for tilladelser, kontekst og forespørgselsrouting at fungere sammen i stedet for mod hinanden.
Den væsentlige forskel er, at HiBob fungerer som både systemet, der indeholder de autoritative data, og AI-laget på samme tid. Når AI'en viser en anbefaling eller besvarer et spørgsmål, sker handlingen i den samme arbejdsgang, ikke efter en eksport, en overdragelse eller et separat login til et andet værktøj.
Fremtiden for AI i HR-software
Josh var bevidst forsigtig med langsigtede forudsigelser — en rimelig holdning i betragtning af forandringstempoet på dette område. Han foreslog, at seks måneder er omtrent så langt frem, som man kan lave forudsigelser med sikkerhed.
Det, han bekræftede for HiBobs produktplan og den bredere retning for kategorien:
- Integration af eksterne data. Salgsresultater, resultater fra udviklingsafdelingen og andre operationelle data bringes ind i HiBob sammen med HR-data, så objektive præstationssignaler forbindes med det subjektive HR-billede.
- Dybere eksisterende funktioner. De funktioner, der allerede findes på platformen, udvides i stedet for at tilføje overfladiske funktioner.
- Vibe coding og API-udvidelsesmuligheder. Der arbejdes hen imod en model, hvor organisationer kan skabe lette applikationer, der interagerer med HiBob, så platformen kan udvides af teams med tekniske kompetencer.
- MCP-integration. HiBob forbindes med eksterne AI-værktøjer som Claude eller Cursor gennem Model Context Protocol, så disse værktøjer på ansvarlig vis kan forespørge HiBobs data gennem platformens eget styringslag. (Som baggrund: MCP, eller Model Context Protocol, er en standard, der gør det muligt for AI-agenter at interagere sikkert med data i virksomhedens systemer — den har en funktion, der minder om en API, men er specifikt designet til AI.)
Den underliggende retning er konsekvent: HR skal bevæge sig fra reaktiv rapportering til proaktiv intelligens, og denne intelligens skal udvides til alle niveauer i organisationen — ikke kun til de personer, der har administratoradgang.
»Jeg ville være meget tilbageholdende med at lave forudsigelser, der rækker længere end seks måneder«, sagde Rod. »Udviklingstempoet i denne branche har været vanvittigt.«
Klar til at se HiBobs AI-funktioner i dit miljø med dine data?
