Bytter ledere fremtidig kapacitet for kortsigtet AI-effektivitet?

AI ændrer måske arbejdet, men den større risiko er, hvad der sker, når organisationer optimerer så aggressivt efter effektivitet i dag, at de holder op med at opbygge morgendagens kapacitet.

Optaget live på AI4-konferencen i Las Vegas sætter værten David Rice sig sammen med Dr. Jana Brown, Chief Human Resources Officer hos eHealth, for at udforske de langsigtede konsekvenser af svindende talentrækker på begynderniveau, hvorfor HR har brug for ”transformationsforståelse” frem for udelukkende teknisk ekspertise, og hvad der adskiller nyttige AI-initiativer fra dyre virksomhedshobbyer. De undersøger også de menneskelige systemer og driftssystemer, der skal bevæge sig sammen, hvis transformationen skal forankres – og hvorfor selve teknologien sjældent er det, der får et AI-projekt til at mislykkes. Lytterne vil måske høre lidt mere støj fra konferencemiljøet end normalt, men det er prisen for at optage disse samtaler dér, hvor de faktisk finder sted.

Det lærer du

  • Hvorfor teknisk forståelse alene ikke er nok for HR-ledere, der navigerer i AI og digital transformation.
  • Hvordan faldende ansættelser på begynderniveau stille og roligt kan underminere en organisations fremtidige ledelsestalentpipeline.
  • Hvorfor arbejdsstyrkeplanlægning skal tage højde for både øjeblikkelig effektivitet og langsigtet kapacitet.
  • Hvordan man kan se på job som samlinger af opgaver og skelne mellem arbejde, der kan flyttes til teknologi, og arbejde, der stadig kræver menneskelig dømmekraft.
  • Hvorfor AI-initiativer skal have en direkte forbindelse til organisationens mission og målsætninger.
  • Hvordan organisationens ”menneskelige system” og ”driftssystem” skal udvikle sig sammen.
  • Hvorfor HR’s egen historie med automatisering giver funktionen nyttig erfaring med at lede AI-drevet forandring på tværs af virksomheden.

Vigtigste pointer

  • Transformationsforståelse er vigtigere end at lade som om, man er teknolog. HR-ledere behøver ikke blive ingeniører. De har brug for tilstrækkelig teknisk forståelse til at stille bedre spørgsmål, identificere konsekvenser for arbejdsstyrken og kombinere denne viden med det, HR allerede ved om forandring, implementering og organisatorisk adfærd.
  • Besparelser på begynderniveau skaber forsinkede konsekvenser. Fjernelse af juniorstillinger kan se effektivt ud fra kvartal til kvartal. Men hvis det gentages ofte nok, bliver en isoleret ansættelsesbeslutning til et mønster – og på et tidspunkt opdager organisationen, at den er holdt op med at udvikle de mennesker, der skulle være blevet dens erfarne talenter og fremtidige ledere.
  • Arbejdsstyrkeplanlægning skal bevæge sig ud over antal medarbejdere. Brown formulerer spørgsmålet omkring, hvorvidt organisationer skal opbygge, låne, købe eller automatisere kapaciteter. Det kræver en forståelse af opgaverne i de enkelte job i stedet for at behandle hver rolle som en udelelig enhed.
  • Pas på AI-hobbyen. Et initiativ, der ikke løser et problem knyttet til missionen eller organisationens målsætninger, bruger penge og kapacitet på privilegiet at blive opgivet på et senere tidspunkt. ”Vi har et AI-initiativ” er ikke i sig selv en strategi.
  • Teknologien er sjældent den eneste begrænsning. AI-projekter kan overleve den tekniske implementering og stadig mislykkes, fordi arbejdsgange, kapaciteter, implementering og organisatoriske strukturer ikke er ændret sammen med dem. Det er den nemme del at installere værktøjet. At genopbygge arbejdet omkring det er transformation.
  • Hold det menneskelige system og driftssystemet synkroniseret. Strategi og forretningsbehov kan gå forrest, men arbejdsstyrkens kapaciteter skal følge hurtigt efter. Brown beskriver menneskelig dømmekraft, ledelse og kvaliteten af beslutninger som den ”rygrad”, der forbinder de to systemer.
  • HR skal selv følge drejebogen. Hvis HR forventer at kunne lede resten af organisationen gennem automatisering, har funktionen brug for førstehåndserfaring med at redesigne sit eget arbejde. Brown peger på automatisering af salgsaflønning som en mulighed for at flytte sit team væk fra manuel administration og hen imod analyse med større værdi.
  • Ansvarlig AI betyder nogle gange ”ja, men ikke endnu”. Browns chatbot til personalegoder blev forsinket, så cybersikkerheds- og databeskyttelsesforanstaltninger først kunne testes. Det er vigtigt at bevæge sig hurtigt; men det er endnu vigtigere at kunne forsvare det, man stiller til rådighed for medarbejderne.

Kapitler

  • 00:00 — Omkostningerne ved kortsigtet effektivitet
  • 01:52 — Forandringskompetence
  • 06:58 — Manglen på talenter på begynderniveau
  • 09:23 — Hvem ejer talentpipeline?
  • 10:19 — Opbygge, låne, købe – eller bruge en bot?
  • 12:46 — Ledelsens mandat
  • 14:42 — Bedre anvendelse af personaledata
  • 16:32 — Hvad bør AI løse?
  • 18:25 — Sådan undgår du AI-hobbyprojekter
  • 21:15 — Hvorfor AI-projekter mislykkes
  • 23:14 — Mennesker kontra driftssystemer
  • 25:47 — Hvad HR bør automatisere
  • 28:42 — HR's plan for transformation
  • 31:02 — Hvornår AI bør vente
  • 35:27 — Afslutning

Mød vores gæst

Dr. Jana Brown er øverste HR-chef hos eHealth, hvor hun står i spidsen for strategi for menneskelig kapital og kulturtransformation inden for talent, lederudvikling, arbejdsstyrkeplanlægning, læring og samlet belønning. Som erfaren HR-leder har hun tidligere haft ledende stillinger hos Centurion Health, TIAA og CareSource. Jana har en doktorgrad i uddannelse med speciale i læring og organisatorisk forandring fra Baylor University, hvor hendes forskning undersøgte, hvordan HR-ledere kan forberede organisationer på digital transformation. Hendes arbejde fokuserer på ledelse, organisatoriske forandringer, arbejdskultur og den udviklende rolle for ledere med personaleansvar i AI-æraen.

You may also like