Jatkuva suorituspalaute kuulostaa mullistavalta, kunnes näet, miten yritykset toteuttavat sitä
Tekoälyn hyöty: Tekoälyyn perustuva palaute voi tarjota reaaliaikaisia näkemyksiä ja vähentää perinteisissä arvioinneissa esiintyviä vinoumia.
Tietojen laatu: Monilla organisaatioilla on vaikeuksia riittämättömien, vanhentuneiden tai epäyhtenäisten tietojen kanssa, mikä vaikuttaa palautteen laatuun.
Luottamusongelmat: Tekoälyn tuottaman palautteen läpinäkyvyys on ratkaisevan tärkeää; siitä kertominen vaikuttaa työntekijöiden luottamukseen ja palautteen tehokkuuteen.
Käyttöönoton kuilu: Tekoälyn mahdollisten hyötyjen ja sen käytännön soveltamisen välillä organisaatioissa on kasvava kuilu.
Palautesilmukat: Tehottomat palautesilmukat voivat lyhentää arviointijaksoja, mutta ne eivät ratkaise vuosittaisten arviointien ongelmia.
Jatkuva suorituspalaute, joka on olennainen osa reaaliaikaista suorituskyvyn hallintaa, on siirtynyt konferenssien toivelistalta yritysten käyttöön nopeammin kuin useimmat henkilöstöhallinnon käytännöt viime vuosina, ja tekoäly ohjaa yhä useammin näitä järjestelmiä.
Toimittajien viesti on yhdenmukainen: reaaliaikainen palaute, vähäisempi viimeaikaisuusharha sekä palaute, johon ei vaikuta se, millä tuulella esihenkilö sattui olemaan tiettynä iltapäivänä.
Työntekijät ovat jo pitkään sanoneet haluavansa useammin annettavaa ja täsmällisempää palautetta kuin vuosittaiset arvioinnit tarjoavat. Tekoälyavusteiset järjestelmät on suunniteltu juuri tätä varten, mutta lupauksen ja toteutuksen välistä kuilua on yhä vaikeampi olla huomaamatta.
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
Esimiehen kumileimasinongelma
Esihenkilöt hyväksyvät tekoälyn tuottamia yhteenvetoja perehtymättä niiden tuottaneisiin malleihin.
Andrew Whyatt-Sames, organisaatiopsykologi ja UptakeAI:n toinen perustaja, työskentelee tekoälyä käyttöön ottavien organisaatioiden kanssa henkilöstö- ja suorituskykyprosesseissa ja on nähnyt tämän toistuvasti.
Kun tekoäly tuottaa suorituskykyä koskevan yhteenvedon, useimmat esihenkilöt käsittelevät sitä hyväksyttävänä luonnoksena sen sijaan, että käyttäisivät sitä lähtökohtana tarkemmalle tarkastelulle.
Eräs esihenkilö, joka oli ollut kolme kuukautta käyttöönotossa 2 000 työntekijän yrityksessä, sanoi hänelle: "Siinä luki 'hyvä viestijä', ja olin samaa mieltä — kaikkihan tiedot ovat siinä, eikö niin?"
Taustalla oleva malli käytti kokouksiin osallistumista viestintätaidon sijaismuuttujana. Esihenkilöille ei ollut kerrottu tästä.
Osa ongelmasta on perustavanlaatuinen. Jatkuvan palautteen järjestelmät tarvitsevat jatkuvasti laadukasta dataa. Useimmilla organisaatioilla sitä ei ole.
"Sillä on käytettävissään vain se konteksti, jonka sille annat", sanoi The Predictive Indexin lahjakkuuksien optimoinnin varajohtaja Matt Poepsel puhuessamme Transform-konferenssissa maaliskuussa. "Se olisi kuin pyytäisit ystävältä neuvoa pomostasi ja hän vastaisi: 'En oikeastaan tunne pomoasi — sinun täytyy kertoa minulle enemmän.'"
Henkilöstöä koskeva data oli hänen mukaansa jo ennestään epäjohdonmukaista ennen tekoälyn käyttöönottoa. Tehtävänkuvaukset oli poimittu vanhentuneista työpaikkailmoituksista, taitoarvioinnit perustuivat muuttuneisiin vaatimuksiin ja käyttäytymisprofiileja ei ollut laadittu, koska kukaan ei ollut kouluttanut esihenkilöitä kysymään tarvittavia kysymyksiä.
Dataa on valtavasti. Kysymys kuuluu, onko se oikeaa dataa.
Kun taustalla oleva data on heikkolaatuista, jatkuva palaute ei korjaa itse itseään. Se vain moninkertaistaa ongelman suuremmalla tiheydellä.
Tekoälyn käytön ilmoittaminen on ongelma joka tapauksessa
Luottamukseen liittyvä dynamiikka vaikeuttaa käyttöönottoa entisestään. Kuten olemme aiemmin käsitelleet, Strategic Management Journal -lehdessä julkaistussa vuoden 2021 tutkimuksessa todettiin, että tekoälyn tuottama palaute on mitattavien tulosten osalta ihmisesihenkilön palautetta tehokkaampaa, mutta vain silloin, kun työntekijät eivät tiedä palautteen olevan koneen tuottamaa. Kun tästä kerrotaan, suorituskykyhyödyt katoavat.
Eneticin perustaja ja toimitusjohtaja Kamaria Scott on seurannut tätä ilmoittamiseen liittyvää ongelmaa suoraan.
"Älä vain koskaan valehtele siitä", hän sanoi. "Sinun on oltava avoin."
Tekoälyn tuottamaa palautetta antavat esihenkilöt ottavat riskin, että työntekijät torjuvat sen, jos he kertovat tekoälyn olleen mukana. Ne, jotka eivät kerro, joutuvat käsittelemään ilmoittamiseen liittyvää ongelmaa, joka yleensä tulee lopulta esiin.
Scottin mukaan kyse on siitä, käytetäänkö näitä järjestelmiä lähtökohtana vai päätepisteenä.
Arviointi ei ole lopullinen tavoite. Arviointi on keskustelun aloituskohta.
Hänen näkemyksensä mukaan tekoälyn käyttö suorituskyvyn johtamisessa on perusteltavinta datasyötteenä, joka avaa keskustelun, ei itsenäisenä yhteenvetona. "Jokin, joka sanoo: 'Tämä on neutraali paikka, josta voimme aloittaa' — se on hyödyllistä. Mutta teidän on päästävä keskelle."
Työntekijät tietävät, mitä mitataan
Whyatt-Samesin mukaan järjestelmän manipulointiin liittyvä ongelma alkaa yleensä nousta esiin noin kuuden kuukauden kuluttua käyttöönotosta.
Työntekijät oppivat, mitä järjestelmä seuraa, yleensä epävirallisia kanavia pitkin eivätkä minkään virallisen tiedon kautta, ja mukauttavat toimintaansa sen mukaisesti. Enemmän kommentteja seurantakeskusteluissa, enemmän merkittyjä tavoitteita, tuotoksia, jotka ovat järjestelmän ymmärrettävissä mutta eivät hyödyllisiä kenellekään. Eräs L&D-johtaja, jonka kanssa hän työskenteli, kutsui tätä kojelautan pelaamiseksi.
Määräongelma etenee samankaltaisesti. Organisaatiot mittaavat käyttöönottoa aktiivisuusmäärillä, joten palautteen kolminkertainen määrä näyttää menestykseltä.
Kun itse palautetta tarkastellaan, sen hyödynnettävyys heikkenee jyrkästi", Whyatt-Sames sanoi. "Siitä tulee lyhyempää, kaavamaisempaa ja keskittyneempää siihen, mitä järjestelmä palkitsee.
Signaalin ja kohinan kääntyminen päinvastaiseksi tulee usein esiin vasta, kun joku tekee jälkiarvioinnin, jolloin toimintamalli on jo vakiintunut.
Kun itse työ jaetaan tekoälyagentin kanssa
Scott esitti maaliskuussa kysymyksen, johon ei ole löytynyt yksiselitteistä vastausta: "Miltä suoriutuminen näyttää, jos ihmiset eivät itse tee työtä tai agentit tekevät puolet työstä? Miten aiotte arvioida suoriutumistani ihmisenä sellaisesta työstä, jota en enää edes tee kokonaan itse?"
Useimpia nykyisiä toteutuksia ei ole suunniteltu vastaamaan tähän kysymykseen. Niissä mitataan edelleen yksilön tuotosta tilanteessa, jossa yksilön panoksen rajat ovat muuttumassa yhä epäselvemmiksi.
Whyatt-Samesin diagnoosi siitä, miksi nämä ongelmat jatkuvat, yhdistää yksittäiset epäonnistumisen muodot.
Organisaatiot pitävät tekoälykerrosta ratkaisuna ja ohittavat muutosarkkitehtuurin", hän sanoi. "Järjestelmä tuottaa palautteen; kukaan ei kysy, muuttaako palaute käyttäytymistä. Se on käyttöönoton suunnitteluongelma, eikä useimmissa toteutuksissa ole ketään, jonka tehtävänä olisi ratkaista se.
Panoksena olevista perusasioista Poepsel totesi asian suoraan.
"Jokainen ihmisiä koskeva päätös on merkittävä päätös. Meidän on harkittava asiaa huolellisesti, jotta voimme edetä niin nopeasti kuin haluamme."
Perustelut tekoälyavusteisen jatkuvan palautteen puolesta ovat edelleen pätevät. Oletus siitä, että teknologian käyttöönotto ratkaisee johtamisongelman, jonka ratkaisemiseksi se rakennettiin, ei ole.
