Henkilöstöhallinnon kokonaisuus sai tekoälyn, mutta kukaan ei korjannut dataa ensin
Useimmat HR-johtajat osaavat kertoa tarkalleen, mitä tekoälytyökaluja heidän organisaationsa käyttää. Hyvin harvat osaavat kertoa, mitä nämä työkalut tekevät toisilleen.
Kun tekoäly tulee osaksi rekrytointia, se muuttaa sitä, miten ehdokkaita arvioidaan. Kun tekoäly tulee osaksi suorituskyvyn johtamista, se muuttaa sitä, miten palautetta tuotetaan ja kuka sitä antaa. Kun tekoäly tulee osaksi oppimista ja kehitystä, se vaikuttaa siihen, mitä taitoja priorisoidaan ja kenelle. Nämä eivät ole erillisiä tapahtumia, mutta niitä hallitaan harvoin toisiinsa liittyvinä kokonaisuuksina.
Johtajat tekevät käyttöönottopäätöksiä toimintokohtaisesti, eikä lähes kukaan ole vastuussa siitä, mitä rajapinnoissa tapahtuu.
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
Henkilöstöjärjestelmiin — rekrytointiin, suorituskyvyn johtamiseen, L&D:hen ja etuihin — asennetaan tekoälyä yksi toiminto kerrallaan. Kutakin käyttöönottoa hallinnoi eri tiimi, jolla on eri toimittaja ja erilaiset tavoitteet. Näiden järjestelmien välistä vuorovaikutusta seurataan harvoin, eikä lähes kukaan ole vastuussa siitä, mitä rajapinnoissa tapahtuu. Siellä poikkeamat kumuloituvat.
Tuhat kukkaa, ei puutarhuria
Viime viikolla Las Vegasissa järjestetyssä Transform-tapahtuman paneelikeskustelussa keskityttiin siihen, mikä todella muuttuu, kun tekoäly tulee osaksi henkilöstötoimintoa. Esiin nousi toistuva jännite: organisaatiot kokeilevat laajasti, mutta hallitsevat suppeasti.
Jevan Soo Lenox, nopeasti kasvavan tekoäly-yritys WRITERin henkilöstöjohtaja, kuvaili sitä, mitä monet johtajat käyvät hiljaisesti läpi.
Olemme eläneet maailmassa, jossa annoimme tuhannen kukan kukkia. Kokeilemme paljon asioita, käytämme paljon työkaluja ja järjestämme hackathonin joka toinen vuosineljännes. Se luo hienon kokeilukulttuurin. Mutta se ei yksinkertaisesti riitä merkittävän sijoitetun pääoman tuoton saavuttamiseen.
Ongelma ei ole kokeilemisessa. Ongelma on siinä, ettei ole näkyvyyttä siihen, mikä todella toimii ja mikä aiheuttaa epäjohdonmukaisuutta organisaation sisällä.
Tämä epäjohdonmukaisuus on rakenteellista. Kun rekrytoinnissa käytettävä tekoälytyökalu pisteyttää ehdokkaita osaamismallin perusteella, erillinen suorituskyvyn johtamisen tekoälytyökalu tuottaa kehityssuosituksia eri kriteerien perusteella ja kolmas L&D-työkalu nostaa esiin oppimissisältöä jälleen muun tietosignaalin perusteella, organisaatiolle muodostuu kolme erilaista käsitystä siitä, miltä hyvä näyttää. Kukaan ei suunnitellut tätä lopputulosta. Kukaan ei valvo sitä.
Giovanni Luperti, Humaansin toimitusjohtaja, työskentelee tekoälyagentteja laajamittaisesti käyttöön ottavien yritysasiakkaiden kanssa. Hän toi esiin keskeisen eron, joka ohjaa monia näistä päätöksistä: päätöksenteon tukeminen verrattuna päätöksenteon korvaamiseen.
Toistuvassa, ennalta määritettävissä työssä — perehdytyksen koordinoinnissa, aikataulutuksessa ja käytäntöjä koskeviin kysymyksiin vastaamisessa — agentit voivat suorittaa prosessin luotettavasti ja kehittyä ajan mittaan. Mutta kaikessa, mikä edellyttää harkintaa, ihmisen on pysyttävä mukana prosessissa, ei vain muodollisena hyväksyjänä vaan varsinaisena päätöksentekijänä.
Usein ei ole olemassa yhtä oikeaa vastausta, Luperti sanoi, ja siksi kyse on päätöksenteon tukemisesta.
Ongelma on siinä, etteivät organisaatiot aina tee tätä erottelua tietoisesti. Tekoälyä lisätään työnkulkuun, koska se on saatavilla, koska toimittaja esitti vakuuttavan myyntipuheen tai koska tiimi eteni nopeasti.
Kynnys sille, kuinka suuri tekoälyn itsenäisyys on tarkoituksenmukaista tietyssä päätöksessä, asetetaan implisiittisesti eikä tarkoituksellisesti. Kun tekoäly vaikuttaa samanaikaisesti rekrytointiin, suorituskykyyn ja kehitykseen, nämä implisiittiset kynnykset alkavat vaikuttaa toisiinsa tavoilla, joita on erittäin vaikea auditoida.
Alla oleva perusta
Datakerros pahentaa tilannetta ennen kuin se alkaa parantaa sitä. Lennox ilmaisi asian suoraan:
Jos et rakenna hyvän ja yhdenmukaisen tietopohjan varaan — sellaisen datakerroksen, jota voit käyttää ja jonka päälle voit rakentaa — kaikki muu tulee hajoamaan.
Henkilöstötoiminto on perinteisesti ollut yksi organisaatioiden heikoimmista dataympäristöistä: järjestelmät ovat pirstaloituneita, määritelmät epäjohdonmukaisia ja manuaalisia prosesseja on kertynyt vuosien ajan. Tekoälyn käyttöönotto tämän päälle ei puhdista perustaa. Se moninkertaistaa kaiken, mitä siellä jo on.
Foursquaren henkilöstöstä ja kulttuurista vastaava johtaja Kit Krugman puhui suoraan siitä, mitä tämä hetki todella edellyttää.
Ihmisistä vastaavalla toiminnolla on aina ollut haasteena saada strateginen paikka pöydän äärestä, ja tekoäly on vallankumous siinä, mitä voisimme saavuttaa. Orkestrointikerros on yksi voimakkaimmista murroksista, joita tulemme näkemään tällä alalla. Mutta tarvitset toimivan perustason operatiivisen kerroksen, joten meidän on ajateltava koko toimintamalli uudelleen.
Se on se osa, jonka useimmat organisaatiot ohittavat. Ne ottavat käyttöön työkaluja miettimättä uudelleen niiden taustalla olevaa toimintamallia.
Krugmanin kuvaamaa orkestrointikerrosta — sitä, joka todella koordinoisi tekoälyn toimintaa koko henkilöstöjärjestelmien kokonaisuudessa ja toisi esiin, mitä järjestelmä tekee kokonaisuutena — ei useimmissa yrityksissä vielä ole. Sen sijaan käytössä on kokoelma erillisratkaisuja, jotka raportoivat eri johtajille, toimivat eri tietojen varassa ja optimoivat erilaisia lopputuloksia.
Lenox, jolla on ollut Writerissä etuna mahdollisuus rakentaa henkilöstötoiminto tyhjästä sen sijaan, että hän olisi sovittanut olemassa olevan toiminnon uuteen ympäristöön, kuvasi tässä yhteydessä lähestymistapaansa roolien suunnitteluun.
Tuo kärsivällisyys — päätös pysähtyä, kartoittaa todellinen tarve ja rakentaa sitten sitä kohti — on juuri se, mitä useimmilla organisaatioilla ei ole varaa ohittaa, kun tekoälyä otetaan käyttöön toisiinsa liittyvissä toiminnoissa.
Tarkoituksellinen eteneminen tarkoittaa tässä jotain hyvin konkreettista: tunnistetaan, missä tekoäly voi tuottaa mitattavan tuloksen, rakennetaan toimivan tietokerroksen pohjalta ja luodaan hallintamalli ennen laajentamista. Useimmat organisaatiot ohittavat tämän järjestyksen eivät siksi, etteivät ne tietäisi paremmasta, vaan koska työkalut ovat riittävän helposti saatavilla ja paine edetä nopeasti syrjäyttää harkitun etenemisen vaatiman kurinalaisuuden.
Seurauksena on henkilöstöjärjestelmien kokonaisuus, joka näyttää ulkopuolelta modernilta mutta on ytimestään epäjohdonmukainen. Kun tekoäly tekee samanaikaisesti suosituksia rekrytoinnista, suoriutumisesta ja kehityksestä ilman yhteistä logiikkaa ja ilman ketään valvomassa toimintojen välisiä vuorovaikutuksia, järjestelmä ei petä ilmeisillä tavoilla. Se ajautuu hitaasti suuntaan, jota kukaan ei valinnut.
