Vil AI-agenter revolutionere HR-strategi og -drift?

Hvad er en AI-agent til HR?

En AI-agent til HR repræsenterer et grundlæggende skifte fra traditionelle generative AI-værktøjer til autonome systemer, der fungerer selvstændigt i HR-arbejdsgange. Hvor generativ AI kræver menneskelige instruktioner for hver interaktion, overvåger AI-agenter løbende medarbejderdata, identificerer mønstre og iværksætter indsatser uden konstant tilsyn.

Generativ AI kan for eksempel hjælpe med at udarbejde en jobbeskrivelse, når den bliver bedt om det. En AI-agent overvåger organisatoriske data for at identificere rekrutteringsbehov, genererer beskrivelser baseret på kravene til rollen og sender dem videre til godkendelse – alt sammen uden manuel igangsættelse.

Det forvandler HR fra reaktiv opgavestyring til forudsigende automatisering, der forbedrer medarbejderoplevelsen og samtidig reducerer den administrative byrde. Agenterne fungerer inden for de parametre, som HR-ledere har fastlagt, hvilket sikrer menneskeligt tilsyn med strategiske beslutninger, samtidig med at rutinearbejdsgange automatiseres.

Lad os se på de to side om side:

Generativ AI vs. AI-agenter i HR – sammenligningstabel

Aspekt ved AI-teknologien	Generativ AI	AI-agenter
Igangsættelse	Kræver menneskelige instruktioner til hver opgave	Handler autonomt baseret på data i realtid
Menneskeligt tilsyn	Påkrævet ved hvert trin	Tilsynet fokuserer på fastsættelse af parametre og overvågning af resultater
Primær rolle	Svarer på spørgsmål og udarbejder tekst efter anmodning	Overvåger, analyserer og handler løbende uden instruktioner
Interaktionsstil	Reaktiv: afventer input	Proaktiv: tager initiativ til handling
Eksempel på anvendelse	Udarbejder en jobbeskrivelse på anmodning	Identificerer rekrutteringsbehov, udarbejder og videresender jobbeskrivelser
Dataanvendelse	Bruger statiske eller brugerleverede input	Integrerer dynamiske datastrømme fra HR-systemer
Indvirkning på HR-arbejdsbyrden	Reducerer arbejdsbyrden pr. opgave	Reducerer hele arbejdsgange gennem automatisering
Skalerbarhed	Begrænset af manuel instruktion	Meget skalerbar på tværs af flere funktioner og datakilder
Forbedring af medarbejderoplevelsen	Forbedrer indhold og svar	Forbedrer oplevelsen gennem rettidige, intelligente indsatser
Etiske og strategiske kontroller	Kontrolleres ved hver interaktion	Fastlægges på forhånd gennem politikker og rammer for tilsyn

Skiftet fra reaktiv til forudsigende HR

Traditionelle HR-aktiviteter fungerer ofte reaktivt. Det viser sig blandt andet i fratrædelsessamtaler efter opsigelser, medarbejdervurderinger efter at problemerne er opstået og onboardingprogrammer, der er afhængige af manuelle arbejdsgange.

AI-agenter kan hjælpe med at vende dette paradigme og skabe skalerbare AI-drevne løsninger, der effektiviserer HR-processer.

"AI'en overvåger konstant disse signaler og identificerer disse indsatser i realtid," forklarer Francisco Marin, administrerende direktør for Cognitive Talent Solutions. Hans virksomhed har udviklet otte specialiserede AI-agenter, som allerede er i drift på tværs af flere Fortune 500-virksomheder.

"Den grad af selvstændighed, de har, er langt højere end i traditionelle generative AI-grænseflader," sagde han.

I stedet for at vente på, at HR-medarbejdere analyserer dashboards eller svarer på medarbejderforespørgsler, arbejder disse agentiske AI-systemer kontinuerligt i baggrunden. De identificerer medarbejdere i risikozonen, optimale mentorparringer og muligheder for lederudvikling, før den menneskelige intuition opdager mønstrene.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Sådan forvandler AI-agenter HR

De mest succesfulde tidlige brugere fokuserer på anvendelsesområder for AI-agenter, der kan levere et hurtigt investeringsafkast, samtidig med at de opbygger organisationens tillid til AI-drevne HR-aktiviteter. Det omfatter blandt andet:

• Agenter til fastholdelse af talenter overvåger komplekse adfærdssignaler for at forudsige risikoen for medarbejderafgang og udløser automatisk fastholdelsesindsatser, før værdifulde medarbejdere overhovedet overvejer at forlade virksomheden. Disse AI-agenter analyserer mønstre i medarbejderdata i realtid for at optimere fastholdelsesstrategier.
• Agenter til matchning af mentorer revolutionerer introduktionen af nye medarbejdere ved at identificere optimale match mellem mentorer og menteer baseret på netværksanalyse, præstationsdata og kompatibilitetsmålinger.
  
  "At have en mentor og kunne matches med en person, som man normalt ikke har noget med at gøre, skaber forbindelser, som traditionel hierarkibaseret matching ganske enkelt ikke kan opnå," bemærker Dan George, en tidligere CHRO, som nu arbejder med disse AI-systemer.
• Agenter til successionsplanlægning analyserer kontinuerligt ledelsespipelines og identificerer medarbejdere med højt potentiale samt kompetencegab, før de udvikler sig til kritiske forretningsrisici, samtidig med at de automatiserer mange af de administrative opgaver, som traditionelt håndteres af HR-teams.
• Agenter til forandringsledelse kortlægger organisatoriske indflydelsesnetværk for at identificere centrale forandringsambassadører på alle niveauer og bruger AI til at optimere tværfunktionelt samarbejde ud over traditionelle HR-arbejdsgange.
• Agenter til præstationsledelse effektiviserer præstationssamtaler og løbende feedbackprocesser og skaber selvbetjeningsfunktioner, der reducerer manuelle HR-opgaver, samtidig med at medarbejderoplevelsen forbedres.
• Agenter til medarbejdersupport håndterer rutinemæssige medarbejderspørgsmål, forespørgsler om virksomhedens politikker og ofte stillede spørgsmål, så HR-medarbejdere kan fokusere på strategiske initiativer i stedet for gentagne administrative opgaver.
• Agenter til talentrekruttering automatiserer den indledende kandidatscreening, planlægning af samtaler og håndtering af rekrutteringsarbejdsgange, hvilket forandrer den måde, HR-afdelinger ansætter nye medarbejdere på.
• Agenter til håndtering af fravær behandler anmodninger om betalt fri, administrerer fraværspolitikker og håndterer planlægningskonflikter gennem intelligent automatisering, der integreres med eksisterende HR-systemer og HRIS-platforme.

Effekten kan måles på tværs af disse anvendelsesområder for AI-agenter. En enkelt mentorindsats kan for eksempel generere besparelser på $20,000-$30,000 ved at forkorte tiden, det tager nye medarbejdere at blive produktive, med op til 40 %, ifølge George. Anvendt på alle introduktionsforløb for medarbejdere i en stor organisation bliver investeringsafkastet imponerende.

Resultater fra den virkelige verden: Sådan anvender CHRO'er AI-agenter i dag

Hos Snowflake har den øverste personalechef Arnnon Geshuri anvendt AI-agenter til at forvandle både den operationelle effektivitet og de strategiske muligheder.

De begyndte et almindeligt sted for implementering af AI i HR med en agent, der kunne udarbejde en jobbeskrivelse.

Før implementeringen af AI-agenten kunne det tage en ansættende leder mellem 60 og 120 minutter at oprette en enkelt jobbeskrivelse. Nu er tiden blevet reduceret markant til blot 5 til 15 minutter pr. jobbeskrivelse, hvilket svarer til en betydelig tidsbesparelse på over 85 %.

"Vi har også analyseret tusindvis af kommentarer fra medarbejderundersøgelser på få minutter – en proces, der typisk tager uger," forklarer Geshuri. "Det gav os tid tilbage til at fokusere på mere værdifuldt arbejde, såsom at lede lyttesessioner med medarbejderne for at engagere dem og styrke relationen. I sidste ende handler investeringsafkastet ikke kun om tidsbesparelser; det handler om at optimere vores team, så det bliver mere effektivt og strategisk."

AI-agent til udvikling af bløde færdigheder

I mellemtiden udviklede Computer Generated Solutions Cicero, en AI-agent med fokus på udvikling af bløde færdigheder gennem fordybende rollespil.

"Vi så gentagne gange, at selv de bedst drevne virksomheder har svært ved at give medarbejderne den praktiske parathed, de har brug for til at navigere i komplekse menneskelige interaktioner," bemærker Doug Stephen fra CGS's afdeling for virksomhedslæring. Deres callcenterkunder oplevede en stigning på 32 % i salgsopgraderinger, mens medarbejdernes tilbudsaccepteringsrate steg fra 62 % til 97 %.

AI-agent til sammenligning af personalegoder

Hos Civis Analytics er vicepræsidenten for personaleoperationer Erin Turnmeyer et eksempel på, hvordan AI-agenter kan løse vedvarende HR-udfordringer med minimale investeringer.

Mens hun skulle håndtere et mindre team og samtidig opretholde de samme forventninger til medarbejderservice, udviklede Turnmeyer et AI-drevet værktøj til sammenligning af personalegoder, som eliminerer en af HR's mest tidskrævende opgaver.

"Jeg brugte tidligere et par timer hver uge på at besvare spørgsmål som 'Har vi fri på Arbejdernes Dag?'" forklarer Turnmeyer. "Nu får jeg ikke længere nogen spørgsmål. Overhovedet ingen."

Hendes rådgiver om personalegoder bruger Claudes AI-funktioner til at analysere medarbejdernes behov for sundhedsydelser, medicinudgifter og personlige omstændigheder for at anbefale de bedst egnede valg af sundhedsordning.

Systemet integrerer virksomhedens dokumenter om personalegoder, beskrivelser af forsikringsordninger og databaser over lægemiddelomkostninger for at give personlige anbefalinger, som tidligere krævede omfattende rådgivning fra HR. Det tog mindre end en time at opbygge værktøjet, samtidig med at det ugentligt sparer flere timer på medarbejderstøtte.

Strategisk ramme: Hvor skal man begynde med AI-agenter?

Førende CHRO'er bruger systematiske rammer til at identificere optimale anvendelsesområder for AI-agenter. Snowflakes tilgang prioriterer tre principper: automatisér gentagne HR-opgaver, styrk kreativt arbejde med AI-assistance, og sørg for, at følelsesmæssige og etiske ansvar fortsat varetages af mennesker.

"Tag udgangspunkt i menneskerne og problemet, ikke teknologien," råder Geshuri. "Det første, du bør gøre, er at spørge: 'Hvad er et problem i vores teams daglige arbejde, som, hvis det blev automatiseret, ville gøre en meningsfuld og mærkbar forskel i deres liv?'"

Denne strategiske tænkning afdækker centrale anvendelser af AI-agenter, som leverer et øjeblikkeligt investeringsafkast og samtidig opbygger organisationens tillid til AI-drevne HR-processer:

• Agenter til indhold og analyse effektiviserer administrative arbejdsgange ved at automatisere jobbeskrivelser, behandle svar på medarbejderundersøgelser og håndtere rutinemæssige medarbejderhenvendelser og ofte stillede spørgsmål. Det reducerer manuelle HR-opgaver og forbedrer samtidig svartiderne.
• Agenter til talentstyring revolutionerer rekruttering og fastholdelse gennem CV-screening, planlægning af samtaler, forudsigelse af risikoen for medarbejderafgang og optimering af onboardingprocesser, herunder matchning med mentorer baseret på netværksanalyser og præstationsdata.
• Agenter til læring og udvikling skaber personlige læringsoplevelser og bruger engagerende rollespil som Cicero til at udvikle bløde færdigheder gennem realistiske samtalescenarier, hvilket styrker medarbejdernes kompetencer i stor skala.

Tekniske barrierer og datastrategi

En vigtig erkendelse for HR-ledere, der undersøger AI-agenter, er, hvor tilgængelig teknologien faktisk er. Mange organisationer har allerede de nødvendige medarbejderdata i Microsoft-, Google- eller HRIS-systemer, som er tilgængelige via standard-API'er. Datakvaliteten er dog fortsat afgørende, hvilket kræver et stærkt samarbejde mellem CHRO og CIO om effektiv datastyring.

"HR-data kan være rodede," bemærker Geshuri. "Man skal investere tid i en solid HR-datastrategi, fra styring til datarenhed, for man skal have en datastrategi for at have en AI-strategi."

Den underliggende teknologi kombinerer generativ AI til skabelse af indhold, LLM'er til forståelse af kontekst og medarbejderhenvendelser samt specialiserede algoritmer til analyse af mønstre i medarbejderdata.

Integration med platforme som Workday, IBM-systemer og LinkedIn giver yderligere datakilder, mens selvbetjeningsgrænseflader gør det muligt for HR-medarbejdere at administrere AI-drevne processer uden omfattende teknisk oplæring.

Forandringsledelse

Den største udfordring handler ofte mere om organisatorisk accept end om teknisk kompleksitet.

"Mange HR-medarbejdere tiltrækkes af området, fordi de holder af den menneskelige side, så tanken om AI kan virke utryg og skræmmende," bemærker Geshuri.

Succesfulde implementeringer fokuserer på at vise, at AI-agenter styrker frem for at erstatte menneskelige evner. Hos Snowflake gik tilgangen ud på at begynde med deres eget HR-team og vise, hvordan automatisering kunne gøre arbejdet mere meningsfuldt ved at fjerne gentagne opgaver og skabe tid til meningsfuld støtte til og involvering af medarbejderne.

"Den vigtigste læring var, at man skal vælge anvendelsesområder, som har en meningsfuld indvirkning på menneskers daglige arbejde," understreger Geshuri. "Hvis man vælger noget, bare fordi det er nemt at automatisere, vil folk stille spørgsmålstegn ved værdien og føle, at deres arbejde er lige så svært som før."

Samtykke og etik

De mest avancerede implementeringer prioriterer samtykke og gennemsigtighed fra første dag. I stedet for at arbejde i det skjulte opbygger succesfulde CHRO'er, der bruger AI, tillid gennem tilvalgsordninger og tydelig kommunikation om, hvordan AI-agenter håndterer medarbejderdata.

"Begge parter ville derefter modtage en e-mail, hvor de klikker på knappen og giver deres samtykke," forklarer George. "Vi har underrettet begge, indhentet deres samtykke til at starte denne proces, og de kan til enhver tid trække deres samtykke tilbage, så vi ikke kun overholder GDPR, men også generelt anvender teknologien etisk."

Denne tilgang håndterer en kritisk udfordring: Medarbejdere bliver stadig mere sofistikerede i deres brug af AI på arbejdspladsen. Francisco Marins team har navigeret i komplekse etiske overvejelser om indsatser på individniveau kontra aggregeret niveau som en del af deres strategi for organisatorisk redesign.

"I forbindelse med fastholdelse af talenter diskuterede vi for eksempel, om det giver mening at levere denne indsigt på aggregeret niveau, eller om det giver mening at gøre det på individniveau og underrette den nærmeste leder," sagde George.

CHRO'er, der betragter gennemsigtighed som en konkurrencefordel snarere end blot en byrde med hensyn til overholdelse af regler, oplever større medarbejderengagement og højere anvendelsesrater på tværs af deres AI-drevne HR-processer. Det centrale princip er, som Marin fremhæver, "så vidt det overhovedet er muligt virkelig at opbygge disse tilvalgsordninger."

Hvorfor topledelsen lægger mærke til det

Disse initiativer med AI-agenter tiltrækker sig opmærksomhed langt uden for HR-afdelinger og personaleteams.

"Flere og flere af de samtaler, vi har, kommer faktisk fra uden for HR," fortæller George. "De er interesserede i at forstå alle deres medarbejderes kompetencer og netværk, så de kan fremskynde innovation, finde ud af, hvordan de kan samarbejde bedre, og forstå de kulturelle dynamikker i deres teams."

Administrerende direktører og driftsledere erkender, at netværksbaseret indsigt, der drives af AI-agenter, kan fremskynde implementeringen af forandringer, optimere samarbejdet på tværs af funktioner og identificere skjulte opinionsdannere i hele organisationen.

Som George bemærker: "At kunne få adgang til disse mennesker for at fremskynde implementeringen af forandringer er et enormt anvendelsesområde for os. Disse AI-løsninger giver fuld synlighed i talentnetværk fra ende til anden, som traditionelle HR-systemer ganske enkelt ikke kan matche."

Tiltrækningen rækker også til at forstå organisatoriske dynamikker i stor skala. I forbindelse med ethvert forandringsinitiativ kan ledere identificere, hvem vores vigtigste opinionsdannere er, som vi kender eller måske ikke kender, og tilpasse specifik kommunikation til disse personer og deres netværk, uanset om det er midt i organisationen, øverst eller på de lavere niveauer i organisationen.

Måling af succes: Afkast ud over tidsbesparelser

Førende implementeringer følger både kvantitative målepunkter og kvalitative forbedringer. Snowflakes automatisering af jobbeskrivelser gav øjeblikkelige tidsbesparelser, men den strategiske værdi viste sig gennem forbedrede muligheder for dataanalyse.

"Automatisering og standardisering af jobbeskrivelser sparede ikke bare tid; det gjorde det muligt for os at analysere de ustrukturerede data i dem for at få uvurderlig indsigt i de kompetencer, vi ansætter medarbejdere på baggrund af," forklarer Geshuri. "Muligheden for at udtrække og analysere disse oplysninger giver os mulighed for at se, hvilke kompetencer vi ansætter på baggrund af nu, og gør det muligt for vores teams at se, hvordan kompetencerne ændrer sig over tid hos Snowflake."

Dette repræsenterer AI-agenternes reelle værdiforslag: at omdanne rutineopgaver til strategisk intelligens, der danner grundlag for bredere forretningsbeslutninger.

CGS måler Ciceros indvirkning gennem forbedringer i rolleparathed, hurtigere introduktion af medarbejdere, forbedrede kundetilfredshedsvurderinger og feedback fra ledere.

Brugerfeedbacken har været særligt stærk, idet deltagerne har beskrevet oplevelsen som "overraskende virkelighedsnær", "øjenåbnende" og "mere engagerende end nogen træning i bløde kompetencer, jeg nogensinde har gennemført." Ledere roser Cicero for at være "både skalerbar og menneskecentreret, en sjælden kombination inden for læringsteknologi."

Det bredere afkast omfatter optimering af HR-driften, så den bliver mere strategisk, hvilket gør HR-teams i stand til at fungere som bedre forretningspartnere, samtidig med at den menneskelige forbindelse, der driver medarbejdertilfredshed og fastholdelse, bevares.

Køreplan for implementering

For HR-ledere, der er klar til at implementere AI-agenter, omfatter den gennemprøvede tilgang nogle ensartede trin.

• Begynd i det små og med fokus: Vælg to eller tre anvendelsesområder med stor effekt i stedet for at forsøge at automatisere alt. Fokuser på gentagne, datatunge HR-opgaver, der skaber meningsfulde tidsbesparelser for HR-teams.
• Prioritér datastrategien: Sørg for styring af medarbejderdata og datakvalitet, før AI-løsninger implementeres. I modsætning til traditionelle HR-systemer, der tolererer inkonsekvente data, kræver AI-agenter rene og tilgængelige oplysninger for at fungere effektivt.
• Sæt mennesker i centrum: Begynd forandringsledelsen med jeres eget HR-team, og vis, hvordan AI-agenter forbedrer deres muligheder, samtidig med at bekymringer om jobtab og etiske konsekvenser håndteres. Tag direkte hånd om modstand gennem gennemsigtig kommunikation om samtykkemekanismer og menneskeligt tilsyn.
• Mål meningsfuldt: Følg både effektivitetsgevinster og strategisk værdi. Se ud over tidsbesparelser, og mål forbedringer i medarbejderengagement, fastholdelse og teamenes evne til at fokusere på strategiske initiativer.
• Skalér systematisk: Byg videre på de tidlige resultater for at udvide AI-agenternes funktioner på tværs af yderligere HR-processer og arbejdsgange, samtidig med at det menneskelige tilsyn med etiske overvejelser og medarbejderstøttefunktioner opretholdes.

En netværkscentreret fremtid

Francisco Marin forestiller sig "et netværk, der drives af AI-agenter, hvor AI-agenter frigives for at gennemføre disse mikrointerventioner i stor skala." Dette repræsenterer et skift fra hierarki-først- til netværk-først-organisationsmodeller, der optimerer menneskelige forbindelser frem for traditionelle rapporteringsstrukturer.

For de enkelte medarbejdere betyder denne transformation, at de oplever "lignende incitamenter og en lignende oplevelse, som hvis de blev ansat i en nystartet virksomhed i den tidlige fase i Silicon Valley," som Marin forklarer.

AI-agenter bliver den infrastruktur, der leverer startup-lignende smidighed og forbindelse i virksomhedsskala. Nyansatte, der tiltræder i dagens hybride arbejdsmiljø, ofte uden ansigt-til-ansigt-interaktion med deres team, drager fordel af AI-systemer, der sikrer, at de får forbindelse til de rette mentorer, bliver en del af effektive teams og fremskynder deres vej til produktivitet gennem optimerede arbejdsgange.

Marins initiativ Netværk først-manifestet tiltrak 200 stiftende medlemmer og 80 organisationer, der støttede initiativet, inden for en enkelt måned, hvilket indikerer en bred fremdrift i branchen hen imod dette nye paradigme. Målet, som han forklarer, er at skabe "en fremtid for arbejdslivet, som vi alle glæder os til og ikke er bange for."

Vejen frem for HR-ledere

Mulighedsvinduet for konkurrencemæssige fordele gennem AI-agenter i HR-arbejdsgange er stadig åbent, men de tidlige aktører er allerede ved at opbygge betydelige forspring. CHRO'er, der handler nu, mens agentisk AI-teknologi stadig er ny, vil opbygge organisatoriske kompetencer og kulturel accept, som konkurrenterne vil have svært ved at efterligne.

For HR-professionelle, der er klar til at foretage dette skift, indebærer vejen frem at begynde med:

• Anvendelsesområder med lav risiko og stor effekt, såsom matchning af mentorer og introduktion af medarbejdere
• Opbygning af tillid gennem gennemsigtighed og samtykkemekanismer
• Systematisk opskalering baseret på dokumenteret investeringsafkast.

Fremtidens strategiske personaleledelse supplerer menneskelig dømmekraft med AI-agenter, der løbende overvåger, analyserer og optimerer organisationens mest værdifulde aktiv: medarbejderne.