Miksi tuottavuuden parantaminen alkaa työn ymmärtämisestä

David Rice: Kun johtoryhmän jäsen tarkastelee organisaatiota, hän näkee organisaatiokaavion ja prosessikuvauksen. Rooli A saa jonkin asian valmiiksi ja luovuttaa sen roolille B, joka luovuttaa sen roolille C. Se on siistiä, yksinkertaista ja lähes täysin fiktiivistä. Tämän päivän ohjelmassa keskustelen ActivTrakin toimitusjohtajan Heidi Farrisin kanssa kuilusta sen välillä, miten johtajat ajattelevat työn tapahtuvan ja miten se todellisuudessa tapahtuu.

Todellinen työnkulku muodostuu kaikista luovutuksista, kiertoteistä ja epävirallisista uudelleenohjauksista, jotka eivät koskaan päädy mihinkään dokumenttiin. Heidi kutsuu tämän hyvää versiota hiljaiseksi tiedoksi. Kyse ei ole siitä, että joku tietää yrityksestä paljon, vaan pienistä päivittäisistä mukautuksista, jotka pitävät asiat toiminnassa. Ihmiset tekevät työstä joka päivä parempaa, Heidi sanoo.

Ongelma on, ettei tämä näy kunnolla dokumentaatiossa. Tänään käsittelemme siis sitä, miksi dokumentoitu prosessi vastaa harvoin työn todellista suorittamista, millä kolmella perusteella päätetään, mihin tekoäly kuuluu roolissa, mitä organisaation läpimenolle tapahtuu, kun yksi tiimi nopeutuu mutta sen naapuritiimit eivät, sekä todellisia merkkejä siitä, että yritys on siirtynyt tekoälyn käyttöönotosta tekoälyn vaikutuksiin.

Minä olen David Rice. Tämä on People Managing People, ja jos organisaatiosi mittaa tekoälyn onnistumista käyttömittareilla sen sijaan, mitä sen luoma kapasiteetti sai aikaan, tämä keskustelu näyttää, mitä sinulta jää näkemättä. Aloitetaan.

Selvä, Heidi, tervetuloa ohjelmaan. Mukava saada sinut mukaan.

Heidi Farris: Kiitos, David. Olen erittäin iloinen täällä olemisesta.

David Rice: Halusin aloittaa keskustelumme siitä, että kun johtoryhmän jäsen tarkastelee organisaatiota nykyään, ajattelen, että yksi yleisistä turhautumisen aiheista, joita monilla ihmisillä on työelämän johtamisesta, on se, että tuntuu kuin johtajat eivät oikeastaan tietäisi, mitä työn tekeminen vaatii.

Olen utelias: mitä johtoryhmän jäsenet tyypillisesti ymmärtävät väärin siitä, miten työ todellisuudessa tehdään?

Heidi Farris: Luulen, että tämä on asia, jonka kanssa monet organisaatiot kamppailevat nykyään, kun tarkastelemme tilannetta ja kaikki puhuvat työn uudelleensuunnittelusta tai tekoälyn soveltamisesta työhön. Johtajat näkevät organisaatiokaavion ja prosessikuvauksen.

Rooli A saa jonkin asian valmiiksi, antaa sen roolille B ja sitten B antaa sen C:lle. Sen pitäisi olla mukava ja siisti luovutus, mutta meillä on taipumus yksinkertaistaa liikaa sitä, miten työ organisaatioissa oikeasti tehdään. Yksittäinen työntekijä voi päivän aikana helposti käyttää kymmeniä sovelluksia, selvittää useita hyväksymisprosesseja, toimia monien eri sidosryhmien kanssa ja hyödyntää kiertoteitä.

Todellinen työnkulku muodostuu kaikista luovutuksista, kiertoteistä ja epävirallisista uudelleenohjauksista, joita ihmiset joutuvat käyttämään ja jotka eivät näy prosessikuvauksessa tai organisaatiokaaviossa. Se on johdolle todella näkymätöntä, ja etäännymme melko nopeasti siitä, miten työ organisaatiossa todella tehdään.

David Rice: Niin. Se on tavallaan luonnollista, eikö? Kun etenet organisaatiohierarkiassa, asiat pelkistyvät kaavioiksi, vakioiduiksi toimintaohjeiksi ja koontinäytöiksi. Mielestäni työntekijöiden näkyvyyden ja työn näkyvyyden välillä on kiinnostava ero. Ne eivät oikeastaan ole sama asia, vai mitä?

Heidi Farris: Aivan. Juuri niin. Meitä kiinnostaa itse työ. Työntekijät pyrkivät vaistonvaraisesti aina tekemään parhaansa. Kyse on enemmän siitä, miten voimme auttaa parantamaan työtä koko organisaatiossa tai ymmärtää, miten työ tapahtuu, jotta voimme sitten kehittää työtä tai tunnistaa ne inhimilliset tehtävät, joissa ihmiset voivat soveltaa harkintaa ja empatiaa tavalla, johon tekoäly ei pysty.

David Rice: Jos yrität päättää, missä tekoälyn pitäisi muuttaa työn tekemisen tapaa, mitä työstä täytyy ensin ymmärtää? Mikä on se todella arvokas tieto, joka auttaa muotoilemaan päätöstä?

Heidi Farris: On ymmärrettävä, mitä tehtäviä kukin rooli sisältää.

Ne on pystyttävä ryhmittelemään, koska työpaikat ovat tehtäväkokonaisuuksia ja tekoäly muuttaa työtä muuttamalla tehtäviä, ei välttämättä korvaamalla kokonaisia rooleja. Jokaisessa roolissa on tiettyjä osia, joihin tekoälystä voi olla hyötyä. Ensimmäinen vaihe on luokitella tietyn roolin tehtävät toistuviin, jäsenneltyihin ja sääntöpohjaisiin tehtäviin, jotka sopivat hyvin tekoälylle; tekoälyn avustamiin tehtäviin, jotka edellyttävät nopeaa tiedon yhdistämistä tai hahmojen tunnistamista ja joissa tekoäly toimii ihmisen työparina; sekä aidosti inhimillisiin tehtäviin, jotka edellyttävät empatiaa, tunneälyä ja harkintaa.

Se on ensimmäinen vaihe, mutta useimmat ohittavat sen kokonaan ja heittävät teknologiaa jokaiseen ongelmaan.

David Rice: On kiinnostavaa, että sanot noin, koska ajattelin aiemmin nähtyä videopätkää, jossa joku puhui empatiasta tulevaisuuden tärkeimpänä asiana. Mielestäni sitä ei ole opetettu erityisen hyvin.

Olemme usein ajatelleet sitä ominaisuutena emmekä taitona. Yksi tekoälyn vaaroista on, että sen hyödyllisyys tehtävätasolla voi häiritä kysymästä, pitäisikö tehtävää ylipäätään tehdä nykyisessä muodossaan. Interventiolle on todella eri tasoja. Voit parantaa tehtävää, mihin olemme mielestäni käyttäneet paljon aikaa.

Voit ehkä poistaa tehtävän tai suunnitella työnkulun uudelleen. Voit arvioida uudelleen tavoitteen, johon pyrit. Tässä on monia vaihtoehtoja. Ero on kuitenkin siinä, kysytäänkö ”Pystyykö tekoäly tekemään tämän?” vai ”Miksi jonkun täytyy tehdä tämä?” Jälkimmäinen kysymys tuntuu seurauksiltaan merkittävämmältä.

Helpommin automatisoitavat asiat eivät siis monissa tapauksissa välttämättä ole arvokkaimpia muutettavia asioita.

Heidi Farris: Aivan. Aina kun teet tarkastuksen, tekoäly valaisee työtä juuri nyt, mutta kuvaamasi asia on ollut olemassa aina. Ajan mittaan meille kertyy työvelkaa samalla tavalla kuin teknologiakokonaisuudelle tai tuotteelle kertyy teknistä velkaa.

On asioita, joita pitää jossain vaiheessa arvioida uudelleen ja kysyä: ”Miksi teemme tätä enää?” On tehtävä täydellinen tarkastus ja ymmärrettävä jälleen työn eri tyypit ja se, miten niistä tehdään parempia. Kaikki ei nimittäin ole tekoälyä.

Tekoäly ei ole ratkaisu jokaiseen työssä näkemäämme ongelmaan. Joskus pitää suunnitella työnkulku uudelleen, joskus tarjota ihmisille paremmat edellytykset työn tekemiseen ja joskus kyseessä on kokonaan väärä teknologia. Työn tapahtuminen ja tehtävien sisältö on todella ymmärrettävä, jotta työ voidaan purkaa osiin ja sanoa: ”Näin tätä oikeasti parannetaan.”

Ratkaisu voi olla tekoälyä tai jotain muuta.

David Rice: Oletetaan, että tekoäly palauttaa tiimille 15 prosenttia sen kapasiteetista. Olemme nähneet paljon tuottavuushyötyjä ja tapauksia, joissa se on helpottanut hallinnollisia tehtäviä. Jos ihmiset saavat kapasiteettia takaisin, mikä päätös täytyy tehdä seuraavaksi?

Olen kysynyt tätä monilta johtajilta viime aikoina: mikä on ensimmäinen askel, kun kapasiteetti kohdennetaan uudelleen liiketoiminta-arvo mielessä? Jos asia jätetään työntekijöiden päätettäväksi, lopputulos voi olla hyvin mielenkiintoinen.

Heidi Farris: Ensimmäiseksi organisaatiossa on valtuutettava joku päätöksentekijäksi.

Tarkoitan sillä sitä, että kapasiteetti ei kohdennu uudelleen itsestään. Jos kukaan ei ole siitä nimenomaisesti vastuussa, se vain imeytyy hiljaisesti takaisin organisaatioon, ehkä vähäarvoiseen työhön tai katoaa johonkin Slackiin. Kuten sanoin, ajan mittaan kertynyt työvelka ei välttämättä ole arvokkainta työtä, johon ihmisten halutaan palaavan automaattisesti.

Toiseksi on päätettävä, mihin ryhmään kapasiteetti kuuluu. Onko tavoitteemme kustannusten vähentäminen ja toiminnon pienentäminen? Onko kyse uudelleensijoittamisesta, jolloin vapautuneet tunnit suunnataan arvokkaampaan työhön? Vai onko tavoitteena laajentuminen eli kokonaan uuden projektin tai uudenlaisen työn aloittaminen organisaatiossa?

Jokaisella vaihtoehdolla on erilainen taloudellinen vaikutus. Jotkut voidaan yhdistää käyttökatteeseen, jotkut kasvuun ja jotkut markkinoilla erottautumiseen. Jos juhlistat vain käyttöönottoa koskevaa mittaria etkä koskaan tarkista, mihin ryhmään kapasiteetti päätyi, et pysty yhdistämään sitä tuloslaskelmaan ja sanomaan: ”Näin teimme sen.”

Työn parantaminen on vain toinen puoli yhtälöstä. Toinen puoli on osoittaa, miten tulos näkyy organisaation taloudellisessa profiilissa.

David Rice: Olen täysin samaa mieltä siitä, mitä sanoit vähäarvoiseksi työksi muuttumisesta. Keskustelin hiljattain erään toisen mediaorganisaation johtajan kanssa. Heillä vapautui aikaa, koska tekoälyä alettiin käyttää luovassa suunnittelussa, mutta henkilöä pyydettiin käyttämään vapautunut aika erilaisten laskentataulukoiden täyttämiseen ja hallintaan. Aika kului laskentataulukoiden hallintaan.

Onko se hyvä tapa käyttää luotua kapasiteettia? Tekoäly voisi todennäköisesti hallita laskentataulukoita myös. Se ei kuitenkaan automaattisesti tarkoita, ettei henkilöä enää tarvita. Mielestäni tässä kertomuksessa keskitytään liikaa henkilöstömäärän vähentämiseen.

Kapasiteetista voisi tulla paljon muutakin. Ehkä johtamisessa on puuttuva päätös sen välillä, että säästämme aikaa ja että luomme arvoa. Jonkun on päätettävä, mihin aika käytetään. Pitäisikö johtajien siis päättää kapasiteetin uudelleenkohdentamisesta ennen automatisointia? Automatisoida niin, että kapasiteettia syntyy tiettyä tarkoitusta varten?

Heidi Farris: Kyllä, koska pitäisi aloittaa tavoitteista. Jos tavoitteena on käyttökatteen parantaminen rooleja vähentämällä, on ensin ymmärrettävä, missä organisaatiossa on suurin mahdollisuus tekoälyautomaatioon, ja aloitettava siitä. Jos taas organisaatiossa on paljon rooleja, joissa 80 prosenttia ajasta kuluu tehtäviin, jotka edellyttävät tekoälyä työparina tai paljon inhimillistä harkintaa, et tule poistamaan näitä rooleja.

Jos poistat ne, palkkaat ihmiset takaisin, koska huomaat, että inhimillinen harkinta, empatia ja kyky arvioida kriittisesti tekoälyn antamia vastauksia ovat tärkeitä. Tämä eroaa täysin sellaisen asian automatisoinnista, joka on jo hyvin määritelty ja tietopohjainen prosessi. Jos roolista 80 prosenttia koostuu noista muista tehtävistä, et kuitenkaan saavuta haluamaasi käyttökatetta.

Kuten sanoit, tavoite on ymmärrettävä ennen aloittamista. Muuten voit tehdä paljon työtä saavuttamatta tavoitettasi.

David Rice: Tekoälyn käyttöönotto ja tekoälyn tuottama arvo eivät automaattisesti johda toisiinsa. Mitä johtajien pitäisi mitata tietääkseen, luoko tekoäly merkityksellistä kapasiteettia ja muuttuuko kapasiteetti paremmiksi liiketoimintatuloksiksi?

Heidi Farris: Käyttömittarit mittaavat käyttöönottoa. Tarvitset kuitenkin ennen ja jälkeen -mittauksen. On ymmärrettävä, miltä läpimenoaika, läpimeno tai jokin muu mittari näytti ennen muutoksen toteuttamista ja miltä työ näytti sen jälkeen.

Ilman ennen ja jälkeen -kuvaa on vaikea arvioida, miten prosessiin lisätty uusi asia vaikutti työn tekemiseen. Paraniko kapasiteetti? Paraniko läpimeno? Missä saavutimme jotain? Lisäksi lähes kukaan ei nykyään seuraa, mihin kapasiteetti todellisuudessa päätyi.

Jos et pysty vastaamaan, mitä tiimi tekee tekoälyn palauttamalla ajalla, sinulla ei ole sijoitetun pääoman tuottoa koskevaa tarinaa vaan ainoastaan käyttöönottoa koskeva tarina. Käytimme rahaa ja aloimme käyttää enemmän työkaluja, mutta emme yhdistäneet niitä mihinkään merkitykselliseen yrityksessä.

David Rice: Kysyit juuri, mitä tiimi tekee. Sen pitäisi olla painopiste. Yksilön tuottavuus on houkuttelevaa, koska se on helppo osoittaa: ennen tehtävään kului 40 minuuttia ja nyt 10.

Hyötyykö organisaatio todella siitä, että yhden henkilön prosessi nopeutuu hieman? Yksilö voi muuttua 30 prosenttia tuottavammaksi ilman, että organisaatio muuttuu 30 prosenttia tuottavammaksi. Jos saan työni valmiiksi kaksi kertaa nopeammin, mutta se jää edelleen jonkun toisen jonoon kolmeksi päiväksi pullonkaulaksi, paransimmeko mitään?

Tehokkuuden, työnkulun läpimenon ja liiketoimintatuloksen välillä on hyödyllinen ero. Miksi johtajien käsityksen työnkulun toiminnasta ja todellisen toteutuksen välillä on usein niin suuri kuilu?

Heidi Farris: Prosessikuvaus on hetkellinen tilannekuva, mutta työ muuttuu jatkuvasti. Sisäisesti sanomme usein, että prosessikuvaus harvoin selviää työvoimasta.

Se ei tarkoita, etteivät ihmiset tekisi oikeita asioita. Se tarkoittaa, ettei prosessikuvaus näytä käytännössä kaikkea hienovaraista vaihtelua. Työtä lähimpänä olevat ihmiset tekevät joka viikko kymmeniä pieniä mukautuksia parantaakseen työtä. Nämä mukautukset palaavat hyvin harvoin mihinkään dokumenttiin. Kun tämä kerrotaan satojen tai tuhansien roolien ja monien vuosien määrällä, dokumentoidun prosessin ja todellisen työnkulun välinen kuilu kasvaa nopeasti. Johtajat tarvitsevat selkeän ja jatkuvan näkymän siihen, miten työ tehdään, jotta he voivat johtaa organisaatiota ketterästi tekoälyn aikakaudella.

David Rice: En keksi työpaikkaa, jossa meillä ei olisi ollut työntekijöiden luomaa toistettavaa kiertotietä. Muodollinen prosessi ei vastaa käytännön todellisuutta. Yksi tekoälyn riskeistä on, että yritämme automatisoida virallisen työnkulun ymmärtämättä kiertotietä, joka ehkä sai asian toimimaan.

Jos alamme poistaa nämä asiat, meidän on vastattava siihen, kuinka suuri osa prosessista rikkoutuu.

Heidi Farris: Johtajina emme mielestäni anna riittävästi tunnustusta sille, että ihmiset tekevät työstä joka päivä parempaa käyttämällä päättelykykyään. Uusi työntekijä etenee prosessikuvauksen vaiheiden läpi ja törmää johonkin. Silloin vieressä istuva henkilö, joku toisella puolella työtilaa tai Slackissa kertoo: ”Pidä vaihtonäppäintä painettuna, siirry Exceliin, kopioi tämä täältä ja liitä se tuonne, niin kaikki toimii taas.”

Ihmiset ratkaisevat tällaisia asioita, eikä niitä kirjata mihinkään. Tätä kutsutaan hiljaiseksi tiedoksi. Kun ihmiset puhuvat hiljaisesta tiedosta, he ajattelevat usein, että joku tietää paljon liiketoiminnasta. Organisaation toiminnan kannalta tärkeää hiljaista tietoa ovat kuitenkin kaikki pienet yksityiskohdat ja kiertotiet, joiden avulla jokin saadaan toimimaan joka päivä.

David Rice: Tämä johtaa toiseen kysymykseen: mitä työvoimasuunnittelulle tapahtuu, kun tekoäly muuttaa eri toimintojen kapasiteettia?

Muutos tapahtuu eri tahtiin. Analyytikolle vaikutus on erilainen kuin markkinoinnissa tai taloushallinnossa. Eri aloilla sovelletaan samaa teknologiaa, mutta vaikutus ei aina ole sama.

Mitä työvoimasuunnittelussa on otettava huomioon?

Heidi Farris: Meillä oli tästä hyvä sisäinen esimerkki. Suunnittelutiimimme otti käyttöön tekoälypohjaiset koodaustyökalut ja löysi tavan saada niistä paljon hyötyä. Lyhensimme läpimenoaikoja ja nopeutimme toimituksia. Suunnittelun läpimeno yli kaksinkertaistui.

Se oli voitto, ja aloimme juhlia. Pian kuitenkin huomasimme, että suunnittelijamme pystyivät koodaamaan nopeammin kuin tuotehallintatiimimme pystyi kehittämään heille uusia vaatimuksia. Siirsimme pullonkaulan ryhmämme toiminnosta toiseen, joten organisaation kokonaisläpimeno ei oikeastaan parantunut.

Tilanne parani väliaikaisesti, koska suunnittelijat saivat jo heidän työjonossaan olleet vaatimukset valmiiksi nopeammin. Uusien vaatimusten tuottaminen heidän uuden kehitysvauhtinsa tahdissa oli kuitenkin ongelma. Organisaatioita on tarkasteltava kokonaisuutena ja ymmärrettävä, että kaikki työ liittyy toisiinsa. Jos yksi osasto nopeuttaa läpimenoa tai lyhentää läpimenoaikaa, naapuritiimien on mukauduttava pysyäkseen muutoksessa mukana.

David Rice: Tämä on hyvä esimerkki työvoimasuunnittelun ongelmasta. Kyse ei ole siitä, kuinka monta ihmistä tarvitsemme, vaan siitä, mihin rajoite siirtyy seuraavaksi. Eristetyt tuottavuushyödyt voivat siirtää pullonkaulaa tai luoda uusia pullonkauloja vanhojen poistamisen sijaan.

Heidi Farris: Osa tästä tapahtuu väistämättä, koska kaikkea ei voi tehdä samanaikaisesti. Siksi asioille pitää olla järjestys. Työvoimasuunnitteluun pitäisi kuulua sen pohtiminen, mitä osaa kiihdytetään ensin ja kuinka pitkän ajan se ostaa ennen kuin muualla tulee vastaan uusi pullonkaula.

Kun työstä on jatkuva kokonaisnäkymä koko organisaation tasolla, voidaan ymmärtää, missä vaihtelut tapahtuvat.

David Rice: Kun löydät työnkulun, joka kuluttaa enemmän kapasiteettia kuin pitäisi, miten päätät, onko vastaus tekoäly, prosessin uudelleensuunnittelu, jokin muu teknologia vai yksinkertaisesti parempi tuki?

Heidi Farris: Johtajien on ensin vastattava kysymykseen, mikä kitkaa oikeasti aiheuttaa. Jos työ on toistuvaa, hyvin määriteltyä ja volyymiltaan suurta, se sopii automaation tai tekoälyn kohteeksi. Jos itse järjestys on väärä, hyväksyntöjä on liikaa, luovutuksia on tarpeettomasti tai vaiheita toistetaan, kyseessä on prosessin uudelleensuunnitteluongelma.

Jos prosessi ja työkalut ovat kunnossa, mutta ihmiset eivät tiedä parasta tapaa tehdä työtä tai heiltä puuttuu siihen tarvittava taito, kyseessä on osaamis- ja tukiongelma. Korjauksen on vastattava todellista syytä, jonka vuoksi työ ei ole niin tehokasta tai laadukasta kuin haluaisit. Useimmat organisaatiot päätyvät jälleen ostamaan lisää teknologiaa tarkistamatta ensin, mikä näistä kolmesta ongelmasta on kyseessä.

David Rice: Tässä näyttää olevan kannustinongelma. Olemme kohdentaneet tekoälybudjetteja, johtajat ovat tehneet tekoälysitoumuksia ja kaikkia on kehotettu asettamaan tekoäly etusijalle. Siksi asian määritteleminen tekoälyn käyttötapaukseksi voi tuntua houkuttelevammalta kuin sen tunnustaminen tylsäksi johtamis- tai prosessiongelmaksi.

Kun päätät, että tekoäly on strategisesti tärkeää, onko vaarana, että jokainen tehottomuus alkaa näyttää tekoälymahdollisuudelta, vaikka kyseessä olisi toistuva manuaalinen tehtävä, joka tarvitsee vain automaatiota, epäjohdonmukainen tehtävä, joka tarvitsee selkeämmät standardit, tai sekava tehtävä, joka tarvitsee koulutusta?

Heidi Farris: Tekoälyyn lähdettiin vahvasti, ja vauhti jatkuu. Se on suuri muutos. Tekoäly on erittäin arvokasta ja muuttaa kaikkien tapaa työskennellä.

Ymmärrän, miksi organisaatiot toteuttivat suuren tekoälypanostuksen. Muutosjohtamisessa on usein vaikeaa onnistua, ellei johonkin sitouduta täysin. Ihmisten työtapojen muuttamiseksi ja laatikon ulkopuoliseen ajatteluun kannustamiseksi on joskus tehtävä jotain ylikorostettua, jotta muutos lähtee liikkeelle.

Nyt muutos on kuitenkin jo käynnissä. Näemme ihmisten sanovan, että heidät irtisanottiin liian nopeasti ja heidät pitää palkata takaisin. Kaikille saatettiin kertoa, että merkkikiintiön maksimoiminen nostaa käyttäjän tulostaulukon kärkeen ja tuo bonuksia, minkä jälkeen kulutukselle asetetaan rajoja.

Tekoälyn käyttöön tarvitaan nyt pitkällä aikavälillä harkitumpi lähestymistapa ja viitekehys, jossa ymmärretään roolit, tehtävät, ihmisen avustamat tehtävät ja tekoälyn yksin tekemät tehtävät. Mihin tekoäly kuuluu ja miten siitä saadaan pitkäaikainen hyöty nyt, kun kaikki on saatu vakuuttuneiksi sen tarpeellisuudesta ja ihmiset käyttävät sitä?

Mitä teemme seuraavaksi?

David Rice: Se on melkein kuin kaupunkirakennuspeli. Ensimmäinen kaupunki oli ehkä siisti kartta, mutta nyt siitä on rakennettava yksityiskohtainen, monimutkainen ja hienostunut kaupunki.

Ymmärrys siitä, mitä työssä tapahtuu, on muuttunut. Olemme jo pitkällä ja etenemme sen kanssa, ja työnkulut muuttuvat eri toimintojen välillä. Henkilöstöhallinto omisti perinteisesti työpaikat, kyvykkyysjärjestelmät ja työvoimasuunnittelun. Operatiivinen toiminta omisti prosessit, IT teknologian ja taloushallinto rahat.

Kuka on vastuussa itse työn uudelleensuunnittelusta, kun työnkulut alkavat muuttua näiden toimintojen välillä? Jos kaikki tekevät asiat eri tavalla, en tiedä, pysyvätkö ne enää synkronissa.

Heidi Farris: Työn uudelleensuunnittelulla täytyy olla omistaja, jolla on kaksi asiaa, joita useimmilta tekoälyhankkeilta nykyään puuttuu.

Ensimmäinen on näkyvyys koko työnkulkuun, ei vain yhden toiminnon osuuteen. Siten ymmärretään, missä vaihtelut ovat ja miten työ liittyy toisiinsa. Toinen on todellinen valta muuttaa työn rakennetta. Ilman jälkimmäistä kädet ovat sidotut.

Voit osoittaa kaikki organisaation ongelmakohdat, mutta jos sinulla ei ole valtaa sanoa, että tämän toiminnon, roolin tai osaston työn rakenne mietitään kokonaan uudelleen, et voi tehdä muutosta. Toimintojen johtajat ovat lähellä työtä. Juuri siksi he voivat myös kiinnittyä tiettyyn toimintatapaan ja hermostua sen muuttamisesta.

Kyse ei siis voi olla pelkästään tekoäly- tai IT-tiimistä, koska ne eivät tunne toimintojen johtajien hallussa olevaa hienovaraista tietoa. Se ei myöskään voi olla vain toimintojen johtajien vastuulla, koska he eivät ymmärrä kaikkea, mitä tekoäly voi organisaatiolle tuoda.

Tarvitaan usein operatiivisen johtajan kaltainen rooli, joka omistaa tulokset alusta loppuun ja käsittelee uudelleensuunnittelua organisaation todellisena toimitettavana kokonaisuutena. Tekoäly on vain yksi tapa ratkaista ongelma, ei ratkaisu itsessään.

David Rice: Olen samaa mieltä. Olemme keskustelleet paljon siitä, että henkilöstöjohtajan vastuualueen pitäisi laajentua työpaikkojen ja organisaatioiden suunnittelusta siihen, miten ihmisten ja koneiden kapasiteetti yhdistetään työn tuottamiseksi.

Niille, jotka ovat tehneet tämän, se on kuitenkin tarkoittanut operatiivisen vastuun kasvua. Rooli ei tunnu enää olevan ensisijaisesti henkilöstöhallintoa tai henkilöstötoimintoja. Se on kehittynyt paikkaan, jossa en rehellisesti tiedä, onko tämä pitkän aikavälin ratkaisu, koska ihmisiin liittyvä haaste on jo itsessään riittävän suuri.

Heidi Farris: Olen samaa mieltä. Tekoäly tuo henkilöstöjohtajille mielestäni erittäin kiinnostavan mahdollisuuden yhdistää ihmiset ja operatiivinen toiminta.

Organisaatiot ovat usein sijoittaneet henkilöstöhallinnon sivuun: henkilöstöhallinto tekee omaa tehtäväänsä ja muu organisaatio pyörittää liiketoimintaa. Henkilöstöhallinto tulee mukaan vaatimustenmukaisuuteen liittyvissä asioissa ja sillä on omat tietonsa, kun taas liiketoimintaa johdetaan toisen tietoaineiston perusteella.

Nyt tietojen on muodostettava sama näkymä työhön, koska jos rooleja suunnitellaan uudelleen, henkilöstöhallinto on keskeinen sidosryhmä tai jopa koko keskustelun omistaja. Muutoksilla on vaikutuksia palkkaukseen, nimikkeisiin, rakenteeseen ja kaikkeen muuhun.

Tekoäly on henkilöstöjohtajille erittäin kiinnostava mahdollisuus, vaikka se on samalla kuormittava. He voivat nyt olla aidosti mukana päivittäisen liiketoiminnan johtamisessa sen sijaan, että he olisivat kaiken sivulla toimiva vaatimustenmukaisuuskeskus.

David Rice: Mainitsit aiemmin käyttömittarit. Lisenssien aktivoinnit, viikoittain aktiiviset käyttäjät ja käynnistetyt käyttötapaukset kertovat, että käytämme teknologiaa. Ne eivät kuitenkaan välttämättä kerro, että olemme siirtyneet pelkästä käyttöönotosta toiminnan muuttamiseen.

Mitkä ovat merkkejä siitä, että näin on tapahtunut ja että liiketoimintaa johdetaan nyt eri tavalla?

Heidi Farris: Organisaatio on siirtynyt käyttöönoton ohi, kun johto tai kuka tahansa organisaatiossa pystyy kuvaamaan, mitä työtä suunniteltiin uudelleen, mikä lopputulos oli ja missä se näkyy tavoitteissa.

Johdolle tämä näkyy tuloslaskelmassa ja tiimeille sen alaisissa tavoitteissa. Ei siis riitä, että sanotaan, että asiakaspalvelutiimi säästää aikaa. He tekivät aiemmin asiakasliiketoiminnan katsaukset manuaalisesti, keräsivät kaikki asiakastiedot ja loivat esityksen. Nyt sama työ tehdään viidessä minuutissa neljän tunnin sijaan.

On kysyttävä: missä se näkyi tavoitteessa tai tuloslaskelmassa? Ajansäästö ei itsessään ole asia. Merkityksellistä on, että ylimääräisen ajan ansiosta jokainen pystyi kasvattamaan asiakasportfoliotaan 50 asiakkaalla ja asiakkuuspäälliköiden suhde asiakkaisiin muuttui yhdestä 25:een suhteeseen yhdestä 75:een.

Silloin vaikutus näkyy tavoitteissa. Nämä ovat keskeisiä merkkejä siitä, että organisaatio siirtyy käyttöönotosta vaikutuksiin. Älä kerro vain, mitä teit tekoälyllä, vaan kerro, mitä teit tekoälystä saamallasi hyödyllä.

David Rice: Mitä enemmän keskustelen tästä, sitä vahvemmin tulen siihen tulokseen, että vaikutuksen on lopulta tultava näkyväksi jossain. Se ei voi näkyä vain koontinäytössä. Sen on näyttävä roolien suunnittelussa, asiakastuloksissa, organisaatiorakenteessa, osaamisessa tai jossain muussa.

Jos tekoäly todella muuttaa organisaatiota, minun pitäisi pystyä näkemään siitä todisteita ilman mittarin tarkastelua. Ehkä tekoälyn kypsyyden lopullinen merkki on, että lopetamme tekoälystä puhumisen, koska puhumme siitä, miten liiketoiminta toimii.

Heidi Farris: Olen täysin samaa mieltä. Henkilöstöhallinto ja operatiivinen toiminta tulevat tekemään yhteistyötä, ja tekoäly on yksi monista ratkaisuista, kun tutkimme sitä, miten työ nykyään tehdään.

David Rice: Heidi, siinä olivat kaikki kysymykseni tältä päivältä. Kiitos, että tulit ohjelmaan ja jaoit näkemyksiäsi. Arvostan tätä todella.

Heidi Farris: Kiitos paljon kutsusta, David.

David Rice: Kuulijat, jos ette ole vielä tehneet sitä, siirtykää osoitteeseen peoplemanagingpeople.com/subscribe. Tilatkaa kaikki uutiskirjeemme. Niitä ilmestyy kolme joka viikko, ja saatte kaiken tämän sisällön kätevästi pakattuna suoraan sähköpostiinne.

Ensi kertaan asti: ihmiset tekevät jo joka päivä työstä parempaa. Älkää unohtako sitä.