Tärkein tekoälypäätös, jonka henkilöstöhallinto tekee, on se, mitä ei automatisoida
Suojaa inhimilliset hetket: Henkilöstöhallinnon tekoälyn tulisi vähentää hallinnollista taakkaa ja samalla säilyttää aito tunnustus, valmentaminen ja ihmissuhteiden rakentaminen.
Tunnustuksen suunnittelu: Sen sijaan että tekoäly kirjoittaisi kehuja, se voi ohjata työntekijöitä kohti täsmällisempää, henkilökohtaisempaa ja merkityksellisempää arvostuksen osoittamista.
Löydä signaalit: Tekoäly auttaa henkilöstöhallinnon johtajia tulkitsemaan luotettavaa henkilöstödataa, tunnistamaan merkityksellisiä malleja ja kohdistamaan huomion sinne, missä tarvitaan toimenpiteitä.
Esihenkilön harkinta: Parempi työntekijöitä koskeva tiedonsaanti antaa lähiesihenkilöille valmiudet reagoida harkitusti sen sijaan, että henkilöstöä koskevat päätökset keskitettäisiin heidän yläpuolelleen.
Kanna vastuu: Tekoälyn suositukset edellyttävät ihmisen valvontaa, koska tehokkuus voi toisintaa ennakkoluuloja, heikentää luottamusta ja muuttaa harkinnan automaatioksi.
Tekoäly voi kirjoittaa tunnustusviestin, tehdä yhteenvedon henkilöstökyselystä ja jopa ilmoittaa työntekijästä, joka vaikuttaa etääntyvän. Yhä useammin se voi jopa kertoa esihenkilölle, mitä tämän pitäisi tehdä seuraavaksi.
HR-johtajien kysymys ei nykyään liity siihen, voiko teknologia osallistua työntekijäkokemukseen. Kyse on siitä, kuinka pitkälle haluat sen menevän.
Tämä jännite nousi esiin äskettäisessä tekoälyn tulevaisuutta HR:ssä käsitelleessä keskustelussamme, johon osallistuivat Motivosityn tuotepäällikkö Jesse Dowdle ja tekniikan varatoimitusjohtaja Dano Gillette. Heidän näkemyksensä oli, että tekoälyn hyödyllisin rooli HR:ssä ei välttämättä ole ihmisten välisen vuorovaikutuksen korvaaminen. Sen sijaan se voi poistaa kaiken sen, mikä ympäröi vuorovaikutusta ja tekee merkityksellisestä kanssakäymisestä vaikeampaa.
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
”Työhön kuuluvat ihmisten parissa tehtävät osat ovat suojelemisen arvoisia”, Dowdle sanoi.
Hänen mukaansa tekoälyn pitäisi sen sijaan vähentää aikaa, jonka HR käyttää työn ”ihmisiin liittymättömiin osiin” – hallintoon, raportointiin ja kognitiiviseen kuormaan, jotka vievät henkilöstöjohtajia kauemmas neuvonnasta, valmentamisesta ja ihmissuhteiden rakentamisesta.
Ero vaikuttaa yksinkertaiselta. Sen ylläpitäminen tulee todennäköisesti muuttumaan huomattavasti vaikeammaksi.
Kun tehokkuus alkaa syödä kokemusta
Suuri osa yritysten tekoälyn ensimmäisestä aallosta on rakentunut suoraviivaisen kysymyksen ympärille: Mitä voimme automatisoida?
Se on järkevää, kun kyse on laskentataulukoiden täsmäyttämisestä tai analyysien ja raporttien tuottamisesta. Tilanne muuttuu monimutkaisemmaksi, kun tehtävänä on kiittää työntekijää, tulkita sitoutumisen heikkenemisen merkkejä tai päättää, kuka ansaitsee keskustelun tulevaisuudestaan.
Tunnustaminen on hyvä esimerkki.
Yleinen työntekijöiden tunnustusohjelma on suhteellisen helppo skaalata. Yritykset ovat tehneet juuri niin vuosikymmenten ajan palvelusvuosipalkintojen, kuukauden työntekijä -ohjelmien, kunniataulujen ja standardoitujen viestien avulla. Dowdlen mukaan ongelmana on, että skaalautuvuus on usein tapahtunut merkityksellisyyden kustannuksella.
”Tekoäly mahdollistaa aiemmin mahdottoman henkilökohtaisen tunnustamisen suuressa mittakaavassa”, hän sanoi. ”Mahdollisuutena on tehdä sellaisesta yksilöllisestä arvostuksesta, jonka ihmiset muistavat, jokapäiväinen osa organisaatiota – jopa hyvin suurta ja hajautettua organisaatiota.”
Tässä piilee kuitenkin ilmeinen ansa. Jos tekoäly voi kirjoittaa arvostuksenosoituksen, miksi sen ei annettaisi tehdä juuri sitä?
Motivosity kokeili kehitysvaiheessa jotain sen kaltaista.
Aluksi ajattelimme: hei, luodaan vain painike, joka kiittää ihmisiä puolestasi. Ihmiset eivät halunneet kuulla robotilta.
Sen sijaan yritys rakensi tekoälyvalmentajan, joka kehottaa työntekijöitä tekemään omasta tunnustuksestaan täsmällisemmän – kysymällä, mitä tapahtui, miksi sillä oli merkitystä tai millainen vaikutus jollakulla oli – ilman että se laatii arvostuksenosoitusta heidän puolestaan. Gilletten mukaan tämä lähestymistapa on johtanut siihen, että alustalla kirjoitetut tunnustukset ovat noin 20 % pidempiä.
Mielenkiintoista eivät ole ylimääräiset sanat. Mielenkiintoista on niiden taustalla oleva tuoteratkaisu.
Tekoäly pystyi teknisesti suorittamaan tehtävän. Motivosity päätti tietoisesti pysäyttää sen ennen loppua.
Gillette kuvaili tavoitteeksi auttaa ihmistä olemaan ”täsmällisempi, välittävämpi ja aidompi” ja samalla tunnustaa, ettei tekoäly itse pysty tarjoamaan aitoutta.
”Tekoäly voi ohjata sinua oikeaan suuntaan”, hän sanoi.
Tekoälyn parempi käyttötapa voi olla sen päättäminen, mistä etsiä
On toinenkin alue, jolla tekoälyn arvolupaus vaikuttaa huomattavasti vahvemmalta: se auttaa HR:ää ymmärtämään paremmin tietoa, jota sillä jo on.
Henkilöstötiimit ovat harvoin kärsineet datan puutteesta. Sitoutumispisteet, tunnustamistoiminta, suoritustiedot, oppimisjärjestelmät ja henkilöstön pysyvyyttä kuvaavat mittarit tuottavat sitä runsaasti. Haasteena on määrittää, mikä ansaitsee huomiota.
Esittelyn aikana Gillette osoitti, miten tekoälyä käytetään tunnistamis- ja sitoutumistietojen käyttöliittymänä – jolloin HR-johtaja voi siirtyä koko yrityksen näkymästä osastoihin, trendeihin ja yksittäisten työntekijöiden signaaleihin.
Motivosity teki tässä kuitenkin toisenkin tarkoituksellisen erottelun. Tekoäly ei laske taustalla olevia tilastotietoja.
Gillette kertoi, että yritys oppi varhain kielimallien itsensä laskemiseen pyytämisen voivan tuottaa epäluotettavia tuloksia. Sen sijaan luvut luodaan perinteisillä järjestelmillä, ja ne voidaan tarkistaa ristiin API-rajapintojen tai viedyn datan avulla. Tekoälyä käytetään tulosten tulkitsemiseen.
Tällä erottelulla on merkitystä paljon yhtä alustaa laajemmin.
HR:n näkökulmasta generatiivisen tekoälyn lupaus saattaa liittyä vähemmän uuden tiedon luomiseen ja enemmän johtajan ja hänen jo hallussaan olevan tiedon välisen etäisyyden pienentämiseen.
Järjestelmä voi pohjimmiltaan vastata kysymyksiin: Mistä minun pitäisi etsiä? Mikä muuttui? Minkä kaavan olen saattanut jättää huomaamatta?
Gillette kuvasi tavoitteeksi johtajien auttamisen tiedon läpikäymisessä, jotta he voivat määrittää, ”missä voin saada aikaan merkityksellisimmän vaikutuksen?”
Kyseessä on mahdollisesti paljon merkityksellisempi tekoälyn käyttötapaus kuin uuden yhteenvedon kirjoittaminen.
Jos HR-johtaja voi tunnistaa osaston, jossa työntekijöiden huomioiminen on romahtanut, esihenkilön, jonka tiimin sitoutuminen on heikkenemässä, tai työntekijän, jonka käyttäytyminen on yhtäkkiä muuttunut, tekoäly voi muuttaa organisaation datameren toimintaan kannustavaksi kehotteeksi.
Sen jälkeen ihmisen on kuitenkin edelleen toimittava.
Parempi tietopohja tekee esihenkilöistä tärkeämpiä
Siinä saattaa piillä HR:ää koskeva suurempi muutos.
Kun työntekijöitä koskevaa tietoa on helpompi tuoda esiin, organisaatiot voisivat vastata keskittämällä päätöksiä entistä enemmän. Annetaan ylimmälle johdolle koontinäyttö, tunnistetaan tilastolliset poikkeamat ja johdetaan työvoimaa ylhäältä käsin.
Dowdle kannatti päinvastaista lähestymistapaa.
Hän kuvasi, miten tunnustusten ja muiden työntekijätietojen avulla luodaan se, mitä hän kutsui henkilön ”kolmiulotteiseksi kuvaksi”. Kyse ei ole vain siitä, saavuttiko myyjä tavoitteensa tai suorittiko työntekijä pätevyyden osoittavan koulutuksen, vaan myös siitä, mitä kollegat arvostavat hänen kanssaan työskentelyssä, missä hänen vahvuutensa tulevat esiin ja miten hän osallistuu sosiaalisesti organisaation toimintaan.
Hänen suosituksensa oli antaa tämä tietopohja esihenkilöiden käyttöön.
Anna ratkaisun toimia alhaalta ylöspäin ihmisten kehittämiseksi.
Kyseessä on huomattavasti erilainen visio tekoälyä hyödyntävästä johtamisesta kuin algoritmi tekemässä yhä merkityksellisempiä työntekijöitä koskevia päätöksiä.
Teknologia huomaa. Esihenkilö tulkitsee. Ihminen reagoi.
HR on edelleen vastuussa sen järjestelmän suunnittelusta, jossa kaikki kolme asiaa tapahtuvat.
Tekoäly ei poista vastuullisuutta
Kun HR-järjestelmät siirtyvät tiedon esiin tuomisesta toimien suosittelemiseen, vastuullisuus säilyy tärkeänä osana koko järjestelmän suunnittelua.
Dowdle odottaa työntekijäkokemusalustojen muuttuvan yhä ennakoivammiksi. Sen sijaan että joku odottaisi koontinäytön avaamista, tekoäly saattaa havaita työntekijän pysyvyyteen liittyvään riskiin viittaavan kaavan ja kehottaa esihenkilöä ennakoivasti ottamaan yhteyttä työntekijään Teamsin, sähköpostin tai jonkin muun kanavan kautta.
Tavoitteena on hänen mukaansa auttaa esihenkilöitä ”olemaan läsnä merkityksellisissä hetkissä” silloin, kun väliintulolla voi vielä olla vaikutusta.
Ideassa on valtavasti potentiaalia. Siihen liittyy myös varsin ilmeinen vaara.
Mitä vakuuttavammin järjestelmä tunnistaa ongelman ja suosittelee siihen vastaamista, sitä helpommin suositus voidaan sekoittaa päätökseen.
Dowdle viittasi rekrytointiin varoittavana esimerkkinä. Automaatio voi tehostaa rekrytointia, mutta se voi myös karsia hyviä ehdokkaita heuristiikkojen perusteella, joilla on vain vähän yhteyttä siihen, mitä organisaatio todella arvostaa. Vastaavasti automatisoitu tunnustaminen voi muuttaa jotain syvästi henkilökohtaista jälleen yhdeksi yrityksen vakiomuotoiseksi viestiksi.
Ratkaisu on vastuullisuuden säilyttäminen.
”Joku on viime kä kädessä vastuussa”, Dowdle sanoi. ”Vaikka tekoäly suorittaisi taustalla olevan työn, jonkun on edelleen seisottava tuloksen takana.”
HR-johtajille tämä tarkoittaa hänen mukaansa sitä, että vastuu sen päättämisestä, onko tekoälyn tukema toimi asianmukainen, säilyy heillä sen sijaan, että järjestelmää pidettäisiin vastuullisena osapuolena.
Siitä on tulossa yksi tekoälyaikakauden johtamisen keskeisistä kyvykkyyksistä: tietää, milloin koneen suositus hyväksytään, milloin sitä kyseenalaistetaan ja milloin se jätetään kokonaan huomiotta.
Tavoitteena ei ole vähemmän inhimillinen HR
On olemassa versio tekoälyn tulevaisuudesta, jossa HR pienenee huomattavasti, koska ohjelmistot hoitavat rekrytoinnin, etuudet, palkanlaskennan, työntekijöiden kysymykset, suoritusten analysoinnin ja henkilöstöä koskevat päätökset.
Toinenkin mahdollisuus on olemassa.
Tekoäly poistaa niin paljon hallinnollista työtä, että HR voi keskittyä enemmän siihen osa-alueeseen, jonka järjestelmällistämisessä organisaatioilla on perinteisesti ollut vaikeuksia: ihmisten ymmärtämiseen.
Dowdle suhtautuu tähän tulevaisuuteen ehdottoman optimistisesti. Hän kuvittelee tekoälyn ottavan vastuulleen suuren osan palkanlaskentaan, etuuksiin ja henkilöstöhallintoon liittyvästä vaatimustenmukaisuuteen keskittyvästä ja rutiininomaisesta työstä, jolloin henkilöstötoiminnot voivat keskittyä suoremmin kulttuuriin ja organisaation tehokkuuteen.
Se, toteutuuko tämä visio, riippuu vähemmän siitä, mihin tekoäly lopulta kykenee, kuin siitä, mitä organisaatiot päättävät sille delegoida.
Sillä kyvykkyys on yhä heikompi rajapyykki.
Tekoäly osaa jo laatia kiitoksen. Pian se saattaa tietää, kuka sitä tarvitsee, milloin sitä tarvitaan ja mitä esihenkilön pitäisi sanoa.
Varsinainen suunnittelupäätös koskee sitä, haluaako organisaatio tekoälyn korvaavan tuon hetken vai varmistavan, ettei ihminen jätä sitä käyttämättä.
