Tidligere HR-chef i en virksomhed, nuværende HR-underviser, forklarer, hvad der kræves af ledere i en AI-verden – og hvordan man vælger de rette AI-værktøjer til en organisation

Lydia Wu er skaberen af Oops, Did I Think That Out Loud. Som en person, der til daglig anmelder HR-teknologi, argumenterer hun for, at HR-fagfolk skal holde op med at evaluere AI-værktøjer, som de tidligere evaluerede SaaS-værktøjer.

Ifølge Lydia kræver denne forandringsperiode, at vi bliver teknologisk kyndige og forstår vores værktøjers indre funktioner, før vi tager dem i brug i vores organisationer.

Vi talte med Lydia for at finde ud af, hvordan ledere kan vælge den rigtige teknologi og integrere den effektivt. Her er, hvad hun fortalte os.

Skæringspunktet mellem HR og AI-teknologi på arbejdspladsen

Jeg betragter mig selv som brancheobservatør, influencer og underviser. Jeg er grundlæggeren og skaberen bag Oops, Did I Think That Out Loud, en platform dedikeret til oprigtige samtaler om skæringspunktet mellem HR og teknologi.

Platformen blev grundlagt for to år siden, da jeg stadig arbejdede med HR i en virksomhed. Jeg indså, at der er mange, som jeg vil kalde "traumatiserede HR-købere" på markedet. Det er mennesker, der af den ene eller anden grund har haft meget dårlige erfaringer med HR-teknologi.

Der findes nogle virkelig, virkelig fremragende leverandører derude, som måske har brugt lidt for mange penge på produktudvikling og teknik, men ikke nok penge på markedsføringssiden. Så for mig blev det med tiden et mål at forbinde HR-købere med virkelig fremragende løsninger, der faktisk er designet til at løse problemer uden alle dikkedarerne.

Derudover har min karriere omfattet produktudvikling inden for HR-teknologi, medarbejderstrategi og HR-transformationer i stor skala. Jeg har gennemgået over 800 HR-teknologiløsninger, forvaltet en HR-portefølje på $40 million og stået i spidsen for den praktiske implementering af mere end 60 teknologiløsninger. Og jeg har arbejdet med organisationer af alle størrelser – fra startupvirksomheder i kraftig vækst til Fortune 500-virksomheder – og hjulpet dem med at navigere i HR-teknologiens komplekse verden.

Hvorfor HR-ledere skal blive mere teknologisk kyndige i AI-æraen

Jeg mener, at den måde, HR har betragtet, interageret med og valgt teknologi på, ændrer sig hurtigt i en verden med AI. Vi er nødt til at købe værktøjer på en anden måde.

Dengang traditionel cloudbaseret SaaS var standarden, vurderede man typisk teknologien ud fra brugerkrav, så så man en demonstration og besluttede, om værktøjet var i stand til at opfylde brugerkravene. Simpelt.

Sådan er det ikke længere. De digitale komponenter og lag, der er nødvendige for at skabe AI-værktøjer, er langt mere komplekse end tidligere versioner af HR-softwareteknologi – ikke alle leverandører har mulighed for at lagre og behandle deres egne data, og de har heller ikke mulighed for at træne deres egne AI-modeller. Det betyder, at de er nødt til at indgå aftaler med tredjepartsleverandører om deres egen teknologiske infrastruktur.

Set fra en HR-købers perspektiv tilfører dette mere kompleksitet og risiko i forbindelse med databeskyttelse og sikkerhed, da man ikke altid ved, hvem der håndterer organisationens data, eller hvor de behandler dem.

Derfor skal teknologiens bagvedliggende lag, som i realiteten er den intelligens, der driver platformen, også evalueres.

Sådan evaluerer du AI-værktøjer til HR før implementering

For at gøre dette skal du først forstå et værktøjs formål og sammenholde det med dine forretningsproblemer.

• Automatiseringsbaseret AI automatiserer eksisterende processer. Det er godt, når virksomheden blot har brug for at gøre noget hurtigere og mere effektivt.
• Understøttende AI hjælper mennesker med at gennemføre arbejdsgange. Det er godt, når du vil hjælpe din organisation med at gøre tingene mere konsekvent.
• Prædiktiv AI forudsiger resultater. Det er godt, når du vil forstå mønstre og forebygge risici.
• Adaptiv AI leverer personaliserede oplevelser ved at tilpasse sig den enkelte. Det er godt, når du har brug for at skalere kultur og vækst.

Når du har fundet en sammenhæng, anbefaler jeg, at du stiller softwareleverandøren tre spørgsmål – og ser, om de er villige til at svare:

1. Hvor bevæger mine organisatoriske data sig hen fra indtastningen af dem, til jeg modtager resultatet, hvem håndterer dem, og hvor bliver de behandlet?
2. Hvilken LLM bruger I som bagvedliggende model?
3. Hvilken yderligere træning modtager jeres model, og hvordan foregår denne træning?

Sådan kan HR-fagfolk opbygge AI-kompetencer

Det er også vigtigere for HR-fagfolk at uddanne sig langt mere og holde sig ajour med de mange bagvedliggende systemer med AI-funktioner, der findes.

Hvordan uddanner man sig mere? Ved at følge mig, LOL. Spøg til side er der nogle få ting, du kan gøre:

• Vær nysgerrig. Bare fordi noget lyder teknisk, betyder det ikke, at ChatGPT ikke kan bryde det ned i komponenter, der er lettere at forstå.
• Vær ikke bange for at stille spørgsmål. Gode teknologipartnere er altid villige til at påtage sig rollen som underviser. Hvis dine spørgsmål forbliver ubesvarede, siger det meget om løsningen.
• Tal om det. Ved at dele dine udfordringer og bedste praksis i mindre fællesskaber kan du få et langt mere helhedsorienteret perspektiv fra dine fagfæller og komme i kontakt med personer med lignende erfaringer.
• Få fingrene i det. Du kan ikke lære AI ved at studere teori og koncepter online. Du er nødt til at få praktisk erfaring for virkelig at forstå det.

Hvorfor HR-ledere skal genoverveje arbejdsgange, før de tilføjer AI

Men husk, at AI blot er endnu et stykke teknologi. Vi står midt i en transformation, men vi har set disse transformationer mange gange tidligere. AI er blot en anderledes teknologi, der gør transformationen mulig.

Nogle grundlæggende principper, der er blevet brugt i tidligere transformationer, gælder stadig i dette tilfælde. Bare fordi det er en ny teknologi, betyder det ikke, at vi skal kassere alt det, vi ved. Vi skal stadig kunne:

• Forstå og diagnosticere de nuværende processer
• Definere, hvordan værdiskabelse ser ud for virksomheden
• Og samarbejde med andre interessenter på tværs af forskellige funktioner og arbejde sammen som én enhed for at katapultere virksomheden ind i fremtiden.

Jeg tror, at mange springer dette første skridt over: at undersøge den nuværende situation og virkelig forstå, hvordan virksomheden fungerer på arbejdsgangsniveau — og hvorfor bestemte trin i arbejdsgangen ser ud, som de gør.

Hvis du er en leder, der ønsker at transformere en organisation med AI, men ikke føler, at du ved nok om det, vil jeg sige, at det er tid til at vende tilbage til det grundlæggende. Forstå, hvordan arbejdet udføres i dag, før du forsøger at gentænke fremtidens arbejde. Find derefter muligheder inden for disse arbejdsgange. Og arbejd inden for din organisations kultur for at gennemføre transformationen.

En ny definition af forretningsværdi og ROI i AI-æraen

Det handler ikke kun om, hvordan organisationen fungerer; vi er også nødt til at genoverveje, hvordan vi skaber værdi.

Tidligere, når vi udarbejdede forretningscases og beregnede ROI, antog vi en utrolig lineær sammenhæng mellem handlingerne og resultaterne. Da vi for eksempel indførte en digital platform, antog vi, at der ville opstå effektiviseringer, enten gennem omfordeling af arbejdsstyrken eller en samlet reduktion af udgifterne.

Med AI er vejen til ROI imidlertid ikke lige så lineær.

Når HR for eksempel indfører bestemte AI-løsninger, kan det være, at du ikke ser et direkte resultat på HR-teamets samlede PNL, men du vil begynde at bemærke en forskel i, hvordan din kundeservice, dine salgsteams osv. præsterer målt på den samlede andel af afsluttede sager og lignende forhold.

I AI-æraen handler det derfor mere om, at hele organisationen samles og samarbejder på tværs af funktioner for at definere og skabe værdi for hele organisationen, i modsætning til at hver funktion arbejder alene, som vi har set det tidligere.

Hvorfor virksomheder ikke kan behandle AI-æraen som internet-æraen

Vi kan ikke drive virksomheder i AI-æraen på samme måde, som vi gjorde i internet-æraen. Denne teknologi kræver en grundlæggende transformation af den måde, vi tænker på vores forretningsdrift, vores arbejdsgange og vores værdiskabelse.

Det er den store afkobling. Vi forventer stadig, at AI skaber værdi oven på forældede processer, der blev designet til internet-æraen. Og ja, hvis man lægger AI-værktøjer oven på eksisterende processer, vil det skabe en vis værdi, men det skaber også udfordringer i forhold til, hvorfor virksomheder ikke kan skalere ud over en afprøvning af et koncept eller et pilotprojekt til større driftsenheder, fordi teknologien aldrig blev designet til disse gamle processer.

En transformation i AI-æraen vil kræve, at vi alle går tilbage og ser på kernen i, hvordan vores virksomheder drives. Derefter kan vi ændre forældede processer, før vi anvender AI oven på de grundlæggende principper.

Lydias tip

En transformation i AI-æraen vil kræve, at vi alle går tilbage og ser på kernen i, hvordan vores virksomheder drives. Derefter kan vi ændre forældede processer, før vi anvender AI oven på de grundlæggende principper.

Opbygning af AI-kompetencer gennem korte, praktiske HR-oplevelser

Som jeg nævnte tidligere, opnås AI-kompetencer gennem øvelse og praktisk, taktisk læring. Hele arbejdsstyrken skal opmuntres til at få fingrene i det.

Jeg har set nogle få eksempler på, hvor dette blev gjort virkelig godt, og de havde alle én ting til fælles: De startede i det små og gjorde AI meget konkret og effektfuld.

For eksempel startede en HR-organisation en promptmaraton, hvor det globale HR-team blev samlet for at finde på prompter, afprøve dem i en virkelighedsnær situation, hvorefter de bedste prompter blev samlet i et promptbibliotek, som hele organisationen nu kan bruge.

Et andet eksempel er et HR-team, der opfordrer hinanden til at overveje, hvordan de bruger AI i deres privatliv, og dele bedste praksis fra disse erfaringer. Derefter forsøger de at finde ud af, hvordan dette kan anvendes i deres professionelle sammenhænge.

Det er vigtigt at huske, at HR-teams ikke behøver at blive AI-eksperter fra den ene dag til den anden. Fortrolighed med AI opstår gennem gradvise oplevelser i små bidder og gennem øvelse.

HR's driftsmodel vil ændre sig inden for 12 måneder

Hvis vi ser tilbage på HR-funktionen siden 1970'erne og 1980'erne, har HR's funktionsstruktur stort set ikke ændret sig. Jeg mener, vi bruger forskellige navne—rekruttering, talentanskaffelse, operationelle tjenester eller fælles tjenester—men virkeligheden er, at arbejdet udføres i forskellige funktionelle siloer.

Men AI-teknologien står på tærsklen til at ændre HR's driftsmodel — inden for de næste 9-12 måneder.

Hvis vi virkelig skal realisere værdien og fordelene ved AI, er vi nødt til at reorganisere, hvordan arbejdet udføres i HR, og nedbryde de funktionelle siloer. Vi skal fokusere på de endelige resultater.

Følg med

Du kan dygtiggøre dig og følge Lydias arbejde på LinkedIn, YouTube og Instagram. Og gå ikke glip af Oops Did I Think That Out Loud.

Der kommer flere ekspertinterviews på People Managing People!