Hvad AI vil — og ikke vil — erstatte inden for people analytics

David Rice: AI vil ikke erstatte 90 % af det, som et stærkt people analytics-team leverer. Hvad er der i de 90 %, som er unikt menneskeligt?

Roxanne Laczo: Det, der er deri, er det, der er inde i vores hoved, vores hjerne. Der er interessentpåvirkning i historiefortælling. Jeg tror, at de 90 % måske ændrer sig på et tidspunkt, men AI vil aldrig være i stand til at erstatte det fuldt og komplet.

David Rice: Risikerer vi at skabe et slags todelt system, hvor AI bliver den gode nok løsning for de fleste organisationer?

Noelle London: Traditionelt er people analytics en ressource, som store virksomheder får. Det er ikke en ressource, som folk nødvendigvis har budgettet til selv at udføre. Det, vi ser, er, at organisationer ansætter til disse typer kompetencer tidligere, end vi så det for to eller to et halvt år siden. Det gør det virkelig spændende.

David Rice: Er people analytics på vej til at blive HR's og dermed AI-transformationens magtcentrum?

Cole Napper: Jeg vil sige nej. Og grunden er ikke et spørgsmål om kompetencer. Det er et spørgsmål om vilje.

David Rice: Når vi ser 12 til 18 måneder frem, hvilke specifikke kompetencer bør de udvikle for at forblive relevante? Og omvendt: Hvilke kompetencer bør man holde op med at investere tid i, fordi man tror, at AI med tiden vil håndtere dem?

Velkommen til The People Managing People Podcast — programmet, hvor vi hjælper ledere med at holde arbejdet menneskeligt i AI's tidsalder. Jeg er David Rice, og jeg er jeres vært. I dagens episode har jeg fornøjelsen af at være sammen med tre fremragende mennesker, som arbejder inden for people analytics, til en slags rundbordssamtale.

Først har vi Roxanne Laczo. Hun er chef for People Analytics hos Cloudflare. Velkommen, Roxanne!

Roxanne Laczo: Hej, det er dejligt at være her!

David Rice: Vi har også Cole Napper, som I måske husker fra hans tidligere optræden i podcasten. Han er VP of Research, Innovation & Talent Insights hos Lightcast. Velkommen, Cole!

Cole Napper: Tak, fordi jeg måtte komme, David.

David Rice: Og endelig har vi Noelle London. Hun er grundlægger og administrerende direktør for Illoominus. Velkommen, Noelle!

Noelle London: Tak, fordi jeg måtte komme. Jeg glæder mig til at være her.

David Rice: Fantastisk. I dag skal vi tale lidt om people analytics' aktuelle tilstand, hvor vi ser området bevæge sig hen i fremtiden, og hvordan vi omdefinerer funktionen, og hvad det betyder for HR.

Så jeg vil begynde her. Da vi talte sammen før dette, drøftede vi, at AI ikke vil erstatte 90 % af det, som et stærkt people analytics-team leverer, og Roxanne kom med denne lidt kontroversielle vurdering. Så lad os begynde der. Roxanne, hvad er der i de 90 %, som er unikt menneskeligt? Og tror du, at den procentdel holder, efterhånden som AI's kapacitet udvikler sig?

Roxanne Laczo: Ja, absolut. Jeg tror, at det, der er deri, er det, der er inde i vores hoved, vores hjerne. Der er en strategisk kontekst for organisationen og virksomheden, som AI ikke nødvendigvis kan opfange. Der er institutionel viden og relationer, som man har i organisationen. Man får adgang til information og dataindsigter, som man ikke nødvendigvis ellers får.

Et AI-værktøj kan ikke nødvendigvis indsamle det. Der er interessentpåvirkning i historiefortælling, hvilket er meget svært at genskabe i et AI-værktøj, medmindre man har den stærke kontekst, jeg nævnte før. Så jeg tror også, at det sidste er evnen til at stille de rigtige spørgsmål på baggrund af de relationer, man har, det man ved om organisationen, og det man ved om virksomhedens problemer.

Jeg tror, at de 90 % måske ændrer sig på et tidspunkt, men jeg tror, at det på kort sigt især er værdien af det, vi leverer som individer gennem vores relationsopbygning og vores kontekst, der vil ændre sig. AI vil aldrig være i stand til fuldt og komplet at erstatte det på det niveau, som jeg tror, at alle på dette opkald gerne vil have, at det fungerer på.

David Rice: Det er interessant. Cole, jeg vil gerne høre din mening om det, fordi du er meget nede i detaljerne omkring kompetencer. Du ser meget af det, der sker inden for transformation og automatisering. Hvad tror du vil bestå i people analytics-funktionen?

Cole Napper: Hvis vi går tilbage til dit tidligere spørgsmål, sagde du, at 90 % af et stærkt people analytics-team ikke forsvinder.

Hvis man ikke har et stærkt team, tror jeg, at 90 % af det måske forsvinder. Jeg deler det lidt op i to kategorier: Udfører man transaktionelt arbejde, eller udfører man strategisk eller transformerende arbejde? 90 % af det strategiske, transformerende arbejde forsvinder ikke. Alt det, Roxanne sagde, er rigtigt. Jeg tror, at 90 % af det transaktionelle arbejde forsvinder.

Vi lavede for nylig noget research hos Lightcast, som jeg delte med jer, før vi lavede denne podcast. Den kortlagde alle HR-teknologier eller alle HR-kompetencer efter, hvor værdifulde de var, hvor meget de var vokset, men også hvor meget AI ville forstyrre dem. People Analytics var samtidig den mest værdifulde kompetence inden for HR, men også en af de kompetencer, der med størst sandsynlighed ville blive forstyrret af AI.

Og derfor syntes jeg, at det var et fascinerende paradoks ved det, der sker: Mange af de transaktionelle dele af people analytics vil efter min mening forsvinde i løbet af de næste par år.

David Rice: Noelle, fra dit perspektiv — for du tænker altid over, hvordan folk sammensætter deres teknologistak, ikke?

Og hvordan AI indgår i alt det. Hvad ser du som det område, hvor det nærmest skubber — jeg vil ikke sige skubber mennesker ud af processen — men hvor det har stor indflydelse på, hvordan folk interagerer med den teknologi, de har i dag?

Noelle London: Ja. Jeg vil indlede med at sige — og jeg tror, vi kommer ind på det lidt senere i samtalen — at når vi siger people analytics, betyder det meget forskellige ting i virksomheder af forskellig størrelse og med forskellig modenhed.

Når vi siger people analytics, er det altså ikke præcis det samme eller præcis det samme behov i forskellige organisationer. Når vi tænker på people analytics og på organisationer, som måske ikke har en Roxanne, synes jeg, at Roxanne er en utrolig værdifuld ressource for sin organisation, og jeg tror, at 90 % måske er lidt højt, når man siger, at man ikke kan erstatte 90 %.

Jeg tænker heller ikke nødvendigvis på det som en erstatning. Jeg tror, at ordet erstatte mere handler om en co-pilot, som kan hjælpe med mange af de ting, der ærligt talt slider på folk. Noget af det arbejde, hvor vi taler med organisationer, der måske er lidt tidligere på deres rejse eller har færre medarbejdere, er for eksempel vedligeholdelse af integrationer og gennemgang af datakvalitet og oprydning. Det er ting, der holder dem fast i en reaktiv position.

De laver regelmæssig rapportering, men den er måske bagudskuende. Det kan være meget tidskrævende, hvis man ikke har et fuldt opbygget team til at gøre det. Derfor er der muligheder for at få det arbejde af bordet og have en co-pilot, der hjælper, så man kan bruge mere tid på den kontekst, der, som Roxanne sagde, er inde i ens hoved.

Jeg tror stadig, at der er nogle ting — AI ændrer sig selvfølgelig for os næsten hver uge i øjeblikket — men nogle af de ting er stadig virkelig svære at håndtere, og det vil jeg ikke lægge skjul på. Cole og jeg havde faktisk en samtale om det tidligere på ugen, hvor vi talte om grænsetilfælde.

Der kommer så mange grænsetilfælde. Noget af det, vi ser, er for eksempel interne overflytninger og intern mobilitet. Vi ser, at organisationer håndterer det forskelligt i deres systemer. Det er den slags ting, hvor vi stadig virkelig er nødt til at være opmærksomme på grænsetilfældene.

Og jeg tror, at den kontekst og organisatoriske indsigt — hvordan tager vi alt det, som AI hjælper os med som vores co-pilot inden for people analytics, og bruger mere tid på at tænke over, hvad vi skal gøre ved det, og mindre tid på det arbejde, der igen og igen slider på os — er afgørende.

David Rice: Det er interessant, for mange virksomheder har jo ikke en Roxanne.

Jeg er nysgerrig: Risikerer vi at skabe et todelt system, hvor AI bliver god nok — den gode nok løsning for de fleste organisationer? Hvor det kun er meget velstillede virksomheder, der får den ægte strategiske indsigt og har den kontekst?

Noelle London: Ja, det er faktisk det, jeg bliver mest begejstret for, fordi vi traditionelt har set, at people analytics er en ressource, som store virksomheder får.

Det er ikke en ressource, som organisationer nødvendigvis har budgettet til, hvis de for eksempel har 12.000 eller færre medarbejdere. Jeg ved, Roxanne, at du måske er en undtagelse der, hvor du er nu, men jeg tror, at det, vi ser, er, at organisationer ansætter til disse typer kompetencer og roller tidligere, end vi så det for to eller to et halvt år siden.

Flere organisationer spørger: »Min organisation er under forandring. Jeg er nødt til at kunne tænke over fremtidens arbejdsstyrke. Jeg har brug for data, der kan hjælpe mig med at træffe den slags beslutninger.« Vi ser det derfor komme tidligere i organisationerne, og det gør det virkelig spændende. Ja, der er større organisationer, som har 30 personer på et people analytics-team.

Det betyder noget helt andet at arbejde med people analytics dér end i en mindre og mere agil HR-organisation. Jeg mener ikke nødvendigvis, at det skaber et todelt system. Jeg synes faktisk, at det spændende og den mulighed, vi kan frigøre, er, når vi kan samle dataene og dele indsigter på tværs af virksomheder.

Det er den virkelig store mulighed: benchmarking og læring fra kolleger om, hvad der fungerer i deres organisationer. Vi har ikke nødvendigvis drejebøger for nogle af de store forandringer, der sker inden for HR. Jeg tror, at netværkseffekten ved at lære på tværs af mellemstore organisationer er en meget stor mulighed.

For mig er det en mulighed for næsten at springe de organisationer over, der hurtigt er ved at komme op i fart inden for people analytics, og tage dem til næste niveau.

Roxanne Laczo: For at vende tilbage til det, Noelle sagde tidligere om, hvordan vi definerer people analytics her: Vi kunne lave en hel anden podcast om, hvad people analytics betyder.

Jeg har et meget stærkt synspunkt på det, men jeg garanterer, at de fleste virksomheder, der siger, at de gør det, ikke gør det på den måde, jeg ville definere det. På den anden side vil jeg også sige, at mange virksomheder, der ikke har et people analytics-team, har medarbejdere, der laver det, jeg ville definere som people analytics. Har du talent? Har du vurdering?

Man kan ikke gøre nogen af de ting uden analytics. Så jeg tror, det handler om organisatorisk parathed, kontekst, organisationens størrelse og virksomhedens forretningsforståelse. At sige, at der er en risiko ved et todelt system, er måske ikke helt rigtigt. Risikoen handler ikke om evnen til at gøre ting og levere indsigter.

Den handler i virkeligheden om, hvorvidt ens forretningspartnere har kompetencerne til at bruge AI til at træffe beslutninger. Det behøver ikke være drevet af people analytics — 0 % behøver at være drevet af people analytics. Har man kapaciteten og investeringerne i hele sit people- eller HR-team til at gøre folk i stand til at bruge forskellige typer værktøjer og systemer med indbygget AI, så de kan begynde at indsamle alle disse indsigter og træffe beslutninger?

Og er vi ved at gøre people analytics overflødig? Ikke nødvendigvis. Det handler i virkeligheden om et kompetenceproblem. Det er efter min mening ikke et investeringsproblem.

Cole Napper: Når vi går tilbage til spørgsmålet om det todelte system, tror jeg faktisk, at people analytics' historie er mere todelt end fremtiden. Man kan gå tilbage — jeg skriver om det i min bog, People Analytics, som bør være udgivet, når dette bliver udgivet — og se, at der for ikke så længe siden var virksomheder med people analytics-teams på 100, 200 eller 300 personer.

Og i vid udstrækning bliver de afviklet. Jeg ser bare ikke en fremtid, hvor man har brug for et people analytics-team på mere end 50 personer, og jeg tror faktisk, at det er den mest egalitære version af people analytics' fremtid. AI mindsker adgangsbarriererne. Det er meget lettere end for måske fem år siden, eller endda for et år siden, at gå fra ingen mennesker eller ingen teknologi med fokus på dette til én person eller én teknologi.

Og jeg tror, det er bedre for HR's fremtid og for people analytics' fremtid.

David Rice: Ja, det er interessant med netop denne funktion, for jeg ser på tendenserne omkring mange andre roller i organisationen, og der er fra ledelsens side en tendens til at satse på »godt nok« i mange andre roller.

Man kan tænke på marketing eller noget lignende. Der er en vis frimodighed i at sige: »Det her er godt nok.« Jeg ved ikke, om det vil følge samme mønster her, for mange i organisationen forstår det nærmest ikke til at begynde med.

Når man så anvender det — også ved hjælp af AI — er jeg ikke sikker på, hvor let det er at forstå eller have tillid til det, man får tilbage. Tager jeg fejl? Har man stadig brug for nogen mellem sig selv og AI, hvis man er leder?

Cole Napper: Det her er et område, hvor jeg har meget stærke holdninger. Jeg synes, det har været en skandale, hvor længe HR har haft ledere, der ikke var datadrevne eller ikke forstod, hvordan man bruger data til at træffe beslutninger. Jeg tror faktisk, at AI vil tvinge dette spørgsmål frem.

Det er ikke længere — man kunne sige acceptabelt, men jeg vil sige eksistentielt for selve HR-funktionerne — at være datamæssigt ukyndig. Man har allerede set Moderna-eksemplet, hvor de fusionerede HR, og det i praksis sagde: »AI overtager HR, fordi AI kan bruge data til at træffe beslutninger, og HR kan ikke.«

Det var den underliggende besked, jeg så i den meddelelse, og jeg håber ikke, at det er en tendens, der fortsætter. Det vil den ikke gøre, hvis HR tager udfordringen op, og hvis HR kan være de ledere, som de mener, de kan være. Jeg tror bare ikke længere, at det er acceptabelt at være en HR-leder, der ikke forstår data.

Det er en af grundene til, at det faktisk er spændende at være leder inden for people analytics lige nu, fordi jeg tror, det er en af de HR-funktioner, der vil forberede dig på at blive fremtidens chief people officer eller CHRO.

Roxanne Laczo: Jeg vil gerne bygge videre på det og sige, at vi kommer til at kritisere HR-teams lidt her. Problemet er ikke: »Hvordan AI-ificerer vi noget?« Det er: Forstår du virksomheden? Er du også virksomhedsleder og ikke bare det, vi ville putte i kassen som en traditionel HR-leder?

Det er det strategiske HR-forretningspartnerproblem, som jeg bogstaveligt talt har hørt om i 20 år. Hvis du faktisk ikke kan tale virksomhedens sprog, er det problem nummer ét. Og det er på en anden måde det, jeg tror, Cole hentyder til.

Vi er nødt til at holde op med at tænke på AI som »hvordan«. Vi kan ikke gøre noget med AI, før vi virkelig ved, hvilket problem vi forsøger at løse. Ellers kaster vi bare affald efter affald. Og hvad bliver resultatet? Mere affald. Det er en situation, hvor ingen vinder.

Noelle London: Jeg vil måske springe ind og forsvare HR lidt, fordi jeg i mit daglige arbejde møder HR-ledere, som virkelig gerne vil have dataene. Så jeg vil give dem fordel af tvivlen.

Det, jeg typisk ser, er HR-ledere, hvis del af organisationen kronisk er blevet underinvesteret i. Alle virksomheder har en kundedataplatform. Hvis man ikke har en kundedataplatform i 2025, hvad baserer man så sin drift på?

Den type investering gik altid til salg og marketing, fordi vi tænkte på omsætning. Salg og marketing kunne få, hvad de ville have, mens HR-budgettet blev gennemgået og beskåret, og man ikke fik medarbejderdataplatformen. Vi har heller ikke haft det i samme omfang før nu.

Jeg tror, HR har noget indhentning at gøre med hensyn til systemer og datagrundlag for fuldt ud at kunne udnytte AI. Det er selvfølgelig spændende lige nu, fordi alle HR-teknologiværktøjer har noget med AI. Sidste år havde vi for eksempel kunder, som brugte tre personer i tre uger på at gennemgå en medarbejderengagementundersøgelse, og som brugte omkring 30.000 dollars på et medarbejderengagementværktøj for et par hundrede personer.

Det behøver man ikke længere. Tidligere ville vi have tænkt på min kritiske HR-teknologistak. Hvis jeg er økonomidirektør og taler med HR, får du et HRIS-system, et system til talentanskaffelse, engagement, og hvis du er heldig, får du et performance-system.

Nu kan vi sige — og det er jeg optimistisk omkring — at people analytics, altså hvordan vi faktisk forbinder de forskellige systemer, bør blive en kritisk del af teknologistakken. Vi begynder at se erkendelsen af, at når AI kan anvendes på dele af det øvrige arbejde, skaber det plads til strategisk at tænke over, hvordan puslespillet skal sættes sammen.

David Rice: Det her er interessant. Jeg vil skifte spor lidt, for jeg tror, der er et gab mellem det, bestyrelser forventer af AI og HR, og det, der faktisk er muligt lige nu. Hvordan bygger man efter jeres mening bro over den afkobling mellem det pres fra ledelsen, der er for at »gøre AI«, og virkeligheden?

Noelle London: Det handler meget om det, jeg lige nævnte. Der er mange anvendelser i den eksisterende HR-teknologistak, hvor man allerede er begyndt at udnytte nogle af værktøjerne.

Når du lige nu bliver spurgt: »Hvordan inkluderer I AI i HR?«, er det tidspunktet, hvor du skal argumentere for people analytics. Du kan sige: »Vi kan lave de små enkeltstående løsninger, men hvis I virkelig ønsker, at vi skal være strategiske for virksomheden, og hvis vi alle fokuserer på lønsomhed i år, så er vores største omkostning som organisation vores medarbejdere.«

Så vil vi forstå, hvad der fungerer i organisationen, og hvad der ikke gør. Vi kan godt lave de små løsninger, men hvis I ønsker AI i HR, og I presser os til at gøre det, så er det nu, vi skal fremsætte den forretningsmæssige argumentation.

Roxanne Laczo: Jeg synes også, at der er meget, der skal gøres muligt. Man kan ikke bare sige: »Hey, brug AI.« AI koster typisk penge, og det tager tid at lære det. I forskellige organisationer og samtaler oplever jeg store forventninger, men mange mennesker, især dem, der ikke er vant til det, ved ikke engang, hvor de skal begynde.

Man kan ikke bede en masse rekrutteringskoordinatorer om at begynde at bruge AI, hvis de måske aldrig har været eksponeret for det. Der mangler altså en indsats for at gøre det muligt. For det første skal man investere i at gøre folk i stand til at bruge det. Man skal investere i værktøjer.

Man kan ikke sige til HR: »Vi skærer jeres budget, men gå ud og hent en masse AI-værktøjer til at udføre alt dette arbejde.« Det bringer os tilbage til samtalen om, at vi ønsker, at HR skal være mere strategiske og forretningsfokuserede partnere. Hvad skal gøre det muligt? Investering i AI, teknologi, people analytics og opkvalificering.

Cole Napper: Jeg vil tilføje et par ting til det, Noelle og Roxanne sagde, set fra bestyrelsens perspektiv. Det er forskelligt fra virksomhed til virksomhed, men et generelt tema i økonomien er, at bestyrelser siger til administrerende direktører: A, vi vil have, at I foretager AI-investeringer, som koster penge, som Roxanne sagde. B, vi vil have, at I holder driftsomkostningerne uændrede.

Det, der sker, er derfor C: Man skærer i antallet af medarbejdere, og fordi regnestykket skal gå op, tilføjer man AI, som skal øge produktiviteten. Man bør altså stadig se produktivitetsvækst i organisationen. Men fordi vi alle har set statistikkerne om, at 95 % af AI-pilotprojekter fejler lige nu, ender man med at presse de nuværende medarbejdere endnu mere for at se produktivitetsgevinsterne.

Folk arbejder længere timer, og man ser mere manglende engagement. Mange af de ting, Roxanne påpegede om kompetencegab, viser sig også i dette mærkelige pres, vi ser i samfundet, hvor produktivitetstallene faktisk stiger — men ikke på grund af AI. Det skyldes, at der i øjeblikket presses mere saft ud af citronen.

David Rice: Det er jeg enig i. Jeg har for nylig hørt flere samtaler, hvor der også er behov for undervisning af alle ledelsesteams om forskellen mellem AI, maskinlæring og automatisering. De kan være beslægtede, men de er ikke altid det samme.

Da vi talte før dette opkald, skelnede du mellem mikro-AI-løsninger, som at bruge GPT til en daglig opgave, og en makroløsning, hvor leverandører indlejrer AI i arbejdsgange. Hvor bør en HR-leder, der lytter til dette, placere sine investeringer og lære mest?

Cole Napper: Jeg har nogle tanker om det. Fra bestyrelsens eller C-suite-ledelsens perspektiv siger man, at man vil se produktivitetsgevinster og en grundlæggende transformation af HR. Det er makro-AI-anvendelse.

Man ønsker, at hele arbejdsgange og processer skal være AI-indfødte eller AI-integrerede, så man ser et grundlæggende skift i den måde, arbejdet udføres på. HR siger til HR-medarbejdere: »Prøv ChatGPT eller Gemini eller noget andet, og se, om I kan skrive en bedre jobbeskrivelse.« Nogle HR-teknologier har måske en AI-chatbot indbygget, som man kan afprøve.

Der er en grundlæggende afkobling mellem de to ting, fordi forventningen og virkeligheden divergerer for meget, hvis man ser på det gennem en mikro- eller makrolinse. Den sidste ting, jeg vil sige, er, at det, jeg vil kalde version et af AI-anvendelse i HR, er meget anderledes end version to.

Lige nu vil jeg sige, at 95 % af udgifterne til AI-anvendelse i version et er gået til at få en ny AI-indpakning og lægge lidt AI oven på den eksisterende infrastruktur, måske med lidt fokus på kompetencer, funktionalitet eller data. Jeg tror, alle kan se, at det ikke fungerer i stor skala på den måde, vi håbede.

Version to bliver derfor meget anderledes. Hvis du havde 100 ekstra dollars at bruge på AI, ville jeg bruge 95 % på bedre data og bedre infrastruktur og 5 % på en bedre indpakning. Det er den retning, udviklingen vil gå i. Derfor bliver jeg begejstret over at arbejde i en virksomhed som Lightcast, fordi vi har denne type data.

Det er også det spændende ved den research, jeg nævnte tidligere, om people analytics og værdien af people analytics i vores researchprojekt Beyond the Buzz, som man sikkert kan sætte i shownoterne. Vi befinder os i en transformerende fase, men vi har endnu ikke fundet den endelige løsning.

Noelle London: Det kan jeg virkelig godt lide, Cole. Jeg tænker, at rejsen og modenheden i forhold til at få mere AI ind i HR for at fjerne noget af det arbejde, der slider på folk, lige nu handler om hurtige gevinster med nogle af AI-værktøjerne og de AI-funktioner, der allerede findes i systemerne.

Få nogle af de hurtige gevinster, der er tilgængelige, men det er ikke anvendelsen, og det er ikke dér, det stopper. Få de hurtige gevinster, men invester samtidig i at få styr på datagrundlaget. Gør datagrundlaget rent og troværdigt. Begynd at forbinde det, for det er sådan, vi virkelig frigør potentialet.

Når vi kan kortlægge hele medarbejderrejsen og samle systemerne, kan vi få hjælp til ting som intern mobilitet og arbejdsstyrkeplanlægning, som kan føles meget vanskelige med den nuværende situation.

Roxanne Laczo: Jeg vil blot tilføje, at jeg forstår ideen om at opfordre folk til at bruge ChatGPT eller Gemini til at gøre opgaver hurtigere.

Men jeg vil gerne have folk væk fra tanken om, at de gør noget fantastisk med AI ved at gøre det. Det er efter min mening ikke et stærkt anvendelsesområde for AI. Det er, at du lærer at være lidt mere produktiv ved hjælp af et værktøj, der er tilgængeligt for dig. En kollegaven og jeg taler meget om AI-skrammel.

Vi kommer ikke til at tælle AI-skrammel med, når vi tænker på værdiskabende aktiviteter. Det er fint, at du gør det, men de værdiskabende aktiviteter er de større ting, som vi lettere kan måle, og som vi ved vil give mening i stor skala. Jeg siger ikke, at man skal holde op med de små ting, for de er vigtige, men det bør bare være en del af det normale arbejde.

Det er ikke det samme som at sige: »Jeg brugte AI til at løse et stort problem.« Det er en produktivitetsgevinst, som alle bør overveje på en eller anden måde.

David Rice: Ja, på mange måder er det en hastighedsgevinst. Det gør det muligt at gøre tingene hurtigere, så man faktisk får lidt tid til overs til at forsøge at gøre noget andet.

Alle roller er en del af det nu, uanset hvilken branche man arbejder i. Udtrykket »grundlæggende krav« er så varmt lige nu. Ingen sagde det for to år siden. Det var sjældent, at man hørte det, og nu føles det, som om det står i alle LinkedIn-opslag.

Jeg vil vende tilbage et øjeblik, for Cole, du nævnte, at en people analytics-leder står godt placeret til at blive fremtidens CHRO. Vi antyder, at en proaktiv people analytics-leder kunne påtage sig rollen som leder af AI-transformationen.

Jeg har netop skrevet om at ansætte sin første chief AI officer i HR. Når man leder efter en chief AI officer, bør man måske se på HR-folk i stedet for en person i en teknisk rolle, fordi mennesker ofte er den største flaskehals i disse transformationer.

Er people analytics derfor positioneret til at blive HR's og dermed AI-transformationens magtcentrum?

Cole Napper: Jeg vil tage den anden side af mit eget argument og sige nej. Grunden er ikke mangel på kompetencer. Det er mangel på vilje. Næsten alle people analytics-ledere, jeg taler med, ønsker ikke den rolle og er ikke interesserede i den. Og jeg tror ærligt talt, at der er dele af rollen som chief people officer, som people analytics ikke er særlig godt rustet til.

Det gælder for eksempel medarbejderrelationer og håndtering af organisationspolitik. Man skal fungere som organisationens terapeut i C-suite-ledelsen for at være en god chief people officer. Det er på mange måder ikke et sjovt job. Jeg har selv fløjet for tæt på solen i en tidligere organisation, så jeg har en vis erfaring.

Jeg tror, at jobbet som chief people officer skulle ændres, før det kunne blive tilfældet. Det er ikke umuligt. Jeg har faktisk i flere år gået med en idé om at skrive om en fremtidig driftsmodel for HR. Jeg har bare ikke haft viljen til at udgive den.

Jeg tror, der findes en fremtid, hvor det er muligt, men jeg tror ikke, det er den nuværende situation.

Roxanne Laczo: Jeg synes, der er så mange veje til at blive chief people officer, at svaret er både ja og nej — og der er 50 andre måder at nå dertil på. Kan det at være en AI-kraftcentral hjælpe dig med at nå dertil? Ja.

Men jeg vender tilbage til det, jeg sagde tidligere: Forstår du virksomheden? Hvis du er people analytics-leder uden forbindelse til virksomheden, og du ikke forstår den, bør du ikke være chief people officer.

Man ser også, at mange gode virksomheder henter folk udefra, for eksempel ledere fra engineering eller andre baggrunde, som gør fantastiske ting med people-teams. Det er én vej til at nå dertil. Men jeg er enig med Cole i, at der er nogle mennesker i vores type roller, som ønsker det.

I de fleste tilfælde ser jeg dog ikke, at folk siger: »Mit næste job bliver CHRO.«

Noelle London: Hvis jeg skal se lidt anderledes på det, har jeg tænkt meget over, at people analytics måske er den perfekte AI- og HR-person — ikke nødvendigvis en, der kommer fra people analytics.

Personen forstår både data og er stærk til at fortolke data. En person i den rolle kan i vores HR-afdeling forklare, hvordan strategien hænger sammen, og hvordan vi fortolker de resultater, der kommer fra AI.

På mange måder står denne person meget stærkt i forhold til at hjælpe HR-organisationen med spørgsmål som: Hvad er vores strategi? Hvordan passer delene sammen?

Denne person kan også samle dataene og vise, at dette er medarbejderrejsen, og at vi alle er ansvarlige for KPI'er inden for denne medarbejderrejse, men at det er sådan, funktionen arbejder sammen. Det kan være en interessant styrke, som personen kan bringe ind i rollen.

En anden ting er, at en person inden for people analytics kender sine tal indgående. Man kan se på tallene, træffe datadrevne beslutninger og opbygge forretningssager for, hvorfor det er strategisk vigtigt for virksomheden at træffe nogle af de beslutninger og foretage de investeringer, vi gør.

Jeg siger ikke nødvendigvis, at hvis man ikke har viljen, så skal man ikke være i rollen. Men der er nogle historiske blokeringer for afdelingen, som denne person kan tilføre stor værdi til at løse.

David Rice: Og du sagde »undskyld mit franske«. Jeg troede, jeg skulle have brugt min bip-knap.

Noelle London: Siloopdelt.

David Rice: Vi er ved at løbe tør for tid, men jeg vil gerne slutte med dette. Noget, der står klart for mig efter samtalen, er, at mange virksomheder bør gentænke, hvad HR og people analytics faktisk er og gør i virksomheden i dag.

Når de gør det, og vi ser 12 til 18 måneder frem, hvilke konkrete kompetencer bør folk inden for people analytics udvikle for at forblive relevante om 18 måneder?

Og omvendt: Hvilke kompetencer bør man holde op med at investere tid i, fordi man tror, at AI med tiden vil håndtere dem?

Roxanne Laczo: Jeg vil stille mig op på min sæbekasse — det er tredje gang — og sige: Forretningsforståelse. Hvis du ikke kan tale virksomhedens sprog, er det et problem.

Det er noget, jeg stadig selv arbejder med. Det er ikke let, men man er virkelig nødt til at lære at samarbejde med ledere på en måde, der gør det muligt at være mere integreret i det, der sker i virksomheden. Det er svært at udføre sit arbejde uden det.

Man har også brug for generel forståelse af AI-etik, styring, regler, lovgivning, udvalg og alt det, der kommer. Det bliver meget vigtigt, efterhånden som vi bevæger os videre ad denne vej.

Der er stadig en del af mange people analytics-teams — og det er teams, jeg ikke engang ville kalde people analytics. Det er grundlæggende rapporteringsteams. Man skal kunne bevæge sig i retning af historiefortælling og påvirkning.

Der er en stærk rådgivningskomponent, og større virksomheder har i mere eller mindre grad people analytics-rådgivere knyttet til forskellige dele af virksomheden. Det synes jeg er en rigtig god model, og det er noget, vi arbejder hen imod, efterhånden som mit team vokser og udvikler sig.

Det er tre meget vigtige ting. Det, man ikke længere bør investere i, er manuelt, transaktionelt og gentagende dataoprydningsarbejde. Det hører til hos dem, der ejer kildedatasystemerne. Det hører ikke til i people analytics-teams.

AI kan gøre det muligt at oprette dashboards, skrive kode, producere produkter og skabe leverancer. Man behøver ikke bruge timevis på at kode og producere dem, når man sandsynligvis allerede har værktøjer i organisationen, som kan hjælpe med at få dem ud ad døren meget hurtigt.

Noelle London: Jeg er helt enig, Roxanne. Man skal integrere sig i virksomheden og skabe virkelig stærke relationer til interessenter, så man bliver uvurderlig. Roxanne, du kan ikke se det, men du peger på dit hoved med hensyn til det første spørgsmål — det hele er deroppe, og du har meget af det.

Jo mere man kan opbygge sin viden om virksomheden, jo mere af den viden kan man have i hovedet, og det gør en mere værdifuld. Man må ikke sove på det, der sker inden for AI. Hold dig ajour, uddan dig selv, og vær skarp på det. For mig er det det mest afgørende.

Cole Napper: Jeg er voldsomt enig i det, Roxanne og Noelle har sagt.

Jeg kan kun gentage det i den forstand, at Roxannes pointe om forretningsforståelse er så vigtig. Jeg taler og skriver om dette hele tiden, og jeg tror, mange kommer til det og forventer, at jeg vil tale om Excel-formler eller om, hvordan man skriver kode.

Det handler næsten altid om, hvordan man skaber differentieret værdi for sin virksomhed gennem mennesker — ikke om, at mennesker er problemet eller noget i den stil. Det er derfor, people analytics er interessant, sjovt og spændende.

Hvis du forsøger at skabe den bedste nye widget, så køb noget. Brug AI, og gør noget. Det transaktionelle område bliver fuldstændig forstyrret. Forstå dine data. Det er afgørende. Investér i den rigtige datainfrastruktur. Det er afgørende. Men at være den person, der kører en rapport, har efter min mening en kort halveringstid.

David Rice: Helt sikkert. Det har været en fascinerende samtale. Jeg elsker at tale med jer alle. Tak, fordi I var med i dag. Jeg sætter virkelig pris på, at I kom med i programmet.

Cole Napper: Tak, fordi jeg måtte komme.

Roxanne Laczo: Tak, David.

Noelle London: Tak.

David Rice: Okay. Lyttere, indtil næste gang: Arbejd på jeres forretningsforståelse. Tilmeld jer People Managing People-nyhedsbrevet, som altid.