Miten toimijuudellinen tekoäly muuttaa perehdytystä, mentorointia ja henkilöstön pysyvyyttä

David Rice: Mikä tekee näistä agenteista todella toimijuudellisia verrattuna esimerkiksi koontinäyttöön tai älykkääseen avustajaan?

Francisco Marin: Toimijuudellinen tekoäly ei oikeastaan odota ihmisen esittävän kysymystä. Se tekee reaaliaikaisia päätöksiä ennakoivasti tai tunnistaa toimenpiteitä niiden yleisten mittareiden perusteella, joihin tekoälyllä on pääsy.

David Rice: Miten varmistatte luottamuksen, kun tekoälyagentit käynnistävät niinkin arkaluonteisia asioita kuin henkilöstön pysyvyyteen tai mentorointiin liittyviä toimia?

Dan George: Meidän täytyy varmistaa, että kaikessa toimijuudellisessa toiminnassa on asianmukainen suostumus ja eettinen käyttötapa. Käyttäjä siis napsauttaa suostumuspainiketta, ja hän voi milloin tahansa peruuttaa suostumuksensa.

David Rice: Miltä onnistuminen sitten näyttää?

Francisco Marin: Mentorointiin liittyvässä toimenpiteessä voidaan saada 20 000–30 000 dollarin säästöt lyhentämällä uuden työntekijän tuottavuuden saavuttamiseen kuluvaa aikaa jopa 40 prosentilla.

David Rice: Tervetuloa People Managing People -podcastiin, ohjelmaan, jossa tarkastelemme työn inhimillistä puolta, siihen vaikuttavaa teknologiaa ja rohkeita ideoita, jotka muokkaavat henkilöstökäytäntöjen tulevaisuutta. Olen juontajanne David Rice.

Minulla on tänään kaksi vierasta. Francisco Marin on Cognitive Talent Solutionsin perustaja ja toimitusjohtaja. Hän on myös Network-First Manifesto -julistuksen kirjoittaja ja organisatorisen verkostoanalyysin uranuurtaja. Francisco johtaa kasvavaa maailmanlaajuista yhteisöä, joka keskittyy siihen, miten epäviralliset verkostot ja tekoälyyn perustuva yhteistyö voivat nopeuttaa perehdytystä, mentorointia ja epävirallista johtajuutta suurissa organisaatioissa.

Dan George toimii CTS:n kokemusjohtajana sekä Piper Key Analyticsin perustajana ja toimitusjohtajana. Hän on palkittu henkilöstöanalytiikan, työvoimasuunnittelun ja tietopohjaisen henkilöstöhallinnon muutoksen asiantuntija. Hänellä on kokemusta Fortune 100 -yrityksistä ja keskisuurista innovatiivisista yrityksistä, ja hän on auttanut muuttamaan henkilöstöhallintoa strategiseksi, analytiikkaan perustuvaksi toiminnoksi. Hän kuuluu myös toimituksemme neuvonantajalautakuntaan.

Tässä keskustelussa syvennymme siihen, miten tekoälyagentit ja verkostoanalyysi muuttavat henkilöstöhallintoa staattisesta raportoinnista toiminnallisiksi, itsenäisiksi työnkuluiksi. Francisco jakaa näkemyksiä varhaisista kokeiluista, joissa tekoälyagentit yhdistävät mentoreita ja aktoreita, kartoittavat epävirallista johtajuutta ja nopeuttavat perehdytystä keskeisissä verkostoissa. Dan puolestaan kertoo, miten nämä agentit voivat skaalata itse henkilöstöanalytiikan toimintoa, automatisoida oivalluksia ja antaa henkilöstöammattilaisille mahdollisuuden keskittyä strategiseen työhön.

Johditpa henkilöstöhallintoa, henkilöstötoimintoja tai osaamisstrategiaa tai halusitpa vain ymmärtää, mihin työvoiman muutoksen seuraava kehitysvaihe on menossa, tämä keskustelu on sinua varten. Siirrytään suoraan asiaan.

Hyvä on! Francisco ja Dan — tervetuloa!

Dan George: Hienoa olla täällä. Kiitos.

David Rice: Haluan aloittaa puhumalla visiosta, joka teillä on Cognitive Talent Solutionsin kanssa. Miksi juuri nämä kahdeksan agenttia? Mitä keskeisiä alueita halusitte käsitellä, kun tarkastelitte henkilöstöhallintoa kokonaisuutena?

Dan George: Meidän näkökulmastamme tekoälyagentit voisivat olla henkilöstöhallinnossa tehokkaita monin tavoin, mutta nämä kahdeksan olivat ilmeisimpiä. Niissä pystyimme paitsi keräämään suostumukset ja varmistamaan, että kaikki prosessiin osallistuvat olivat halukkaita ja kykeneviä osallistumaan, myös seuraamaan sijoitetun pääoman tuottoa erityisesti suhteessa siihen, miten agentit vaikuttavat henkilöstöhallinnon kokonais toimintaan ja ensimmäisen sukupolven ratkaisujen välttämättömiin osa-alueisiin.

Emme halunneet tehdä mitään liian suurieleistä, mutta halusimme tietenkin saada aikaan vaikutusta ja samalla tiedostaa, että kaikki tämä kehittyy ajan mittaan. Nämä kahdeksan olivat selvästi järkevimmät vaihtoehdot.

Francisco Marin: Olen täysin samaa mieltä Danin kanssa. Täydentäisin sitä hieman: havaitsimme, että ydinhenkilöstöhallinnon prosesseissa, kuten palkanlaskennassa tai sääntelyn noudattamisessa, oli jo käytössä joitakin toimijuudellisen tekoälyn valmiuksia.

Meiltä kuitenkin puuttui joukko käyttötapauksia, jotka vaikuttavat henkilöstöanalytiikkaan ja erityisesti niihin, jotka sopivat CTS:ssä käyttämäämme verkostokehykseen. Miten agentit voisivat auttaa meitä ajattelemaan uudelleen keskeisiä prosesseja, kuten muutosjohtamista, johtajuuden kehittämistä tai perehdytystä sosiaalisen aktivoitumisen näkökulmasta?

Valitsimme tämän kahdeksan käyttötapauksen ryhmän ja saimme paljon kiinnostusta. Voimme myöhemmin keskustella perehdytyksestä ja mentorointikumppanien yhdistämisestä, mutta koimme, että tämä käyttötapausten kokonaisuus kuvasti viestiä siitä, että tämä on uusi tapa hyödyntää toimijuudellisen tekoälyn valmiuksia koko henkilöstöanalytiikan alalla, ei vain organisatorisen verkostoanalyysin piirissä.

David Rice: Dan, mainitsit suostumuksen. Miten varmistatte suostumuksen, luottamuksen ja läpinäkyvyyden, kun tekoälyagentit käynnistävät niinkin arkaluonteisen asian kuin henkilöstön pysyvyyteen liittyvän toimenpiteen tai vertaisten välisen mentorointiyhteyden?

Dan George: Juuri näin. Yksi ennakkoajatuksistamme oli, että kaikessa toimijuudellisessa toiminnassa on oltava asianmukainen suostumus ja eettinen tapa käyttää automaattisia prosesseja. Yksi parhaista tavoista toteuttaa tämä on se, että alustamme ottaa vastaan palvelu- ja sähköpostitietoja sekä prosessin kohteena olevilta että muilta organisaation jäseniltä. Kun agentti havaitsee tietyt kriteerit, se voi käynnistää automaattisen sähköpostiviestin, jonka ylläpitäjä on luonut.

Ylläpitäjä voi käynnistää viestin tai koko niiden henkilöiden prosessin, jotka on tunnistettu. Molemmat osapuolet saavat sähköpostin, jossa he napsauttavat painiketta ja antavat suostumuksensa. Näin ilmoitamme molemmille, että prosessi on alkamassa heidän suostumuksellaan, ja he voivat milloin tahansa peruuttaa suostumuksensa. Näin pysymme GDPR:n mukaisina ja toimimme yleisesti eettisesti.

Francisco Marin: Lisäksi keskustelimme tiimin kanssa jatkuvasti kunkin käyttötapauksen yksityiskohdista. Esimerkiksi henkilöstön pysyvyyden kohdalla pohdimme, olisiko järkevää tarjota oivallukset koontitasolla: “Teillä on 13 hengen tiimi, jossa havaittujen signaalien perusteella on suuri vaihtuvuuden riski, ja tässä ovat toimenpiteet, joita voitte toteuttaa.”

Vai olisiko parempi toimia yksilötasolla ja ilmoittaa asiasta lähiesihenkilölle? Joissakin tapauksissa testaamme koontitason lähestymistapaa ja toisissa yksilötason lähestymistapaa. Seuraamme, millainen reaktio on ensimmäisissä kokeiluissa mukana olevissa yrityksissä ja työntekijöissä.

Periaatteena on rakentaa aina kun mahdollista nämä osallistumisesta kieltäytymisen mekanismit. Jos sinut esimerkiksi tunnistetaan uuden työntekijän mentoriksi, sinun on annettava suostumuksesi mentorointiin osallistumiseen. Toinen kysymys liittyy lähiesihenkilön rooliin.

Pitäisikö lähiesihenkilön olla portinvartija, jonka on hyväksyttävä toimenpide, vai pitäisikö hänelle vain ilmoittaa tunnistetusta mahdollisuudesta niin, että mentori on lopulta se henkilö, jonka on annettava suostumuksensa osallistumiseen? Kehitämme tätä vielä, mutta tavoitteena on täysi GDPR:n ja muiden säädösten mukaisuus sekä näiden osallistumismekanismien rakentaminen aina kun mahdollista.

David Rice: Puhutaan hetki toiminnallisuudesta. Olen utelias siitä, mikä tekee näistä agenteista todella toimijuudellisia verrattuna esimerkiksi koontinäyttöön, älykkääseen avustajaan tai muihin asioihin, joihin generatiivinen tekoäly yleensä yhdistetään.

Francisco Marin: Toimijuudellisessa tekoälyssä on nimensä mukaisesti kyse siitä, että tekoälyllä on enemmän omaa toimijuutta.

Tekoäly ei odota, että ihminen analysoi koontinäytön tai esittää kysymyksen. Se tunnistaa mahdollisia kysymyksiä ja toimenpiteitä ennakoivasti. Ihmistä tarvitaan edelleen hyväksymään toimenpide alustalla, mutta tekoäly seuraa jatkuvasti signaaleja ja tunnistaa toimenpiteitä reaaliajassa.

Se voi myös tehdä asiayhteyteen perustuvia päätöksiä. Joissakin tapauksissa käytettävissä on tietty määrä mittareita, toisissa muita mittareita, jotka perustuvat tekoälyn käytettävissä oleviin yleisiin mittareihin. Lisäksi tiedonhakuun perustuvan generoinnin kehyksessä kokonaisuutta ohjaava agentti eri käyttötapauksineen tekee reaaliaikaisia päätöksiä siitä, miten sähköposti-ilmoitukset koostetaan ja miten toimenpiteet toteutetaan.

Sen toimijuuden taso on siis paljon korkeampi kuin esimerkiksi perinteisessä generatiivisen tekoälyn käyttöliittymässä, joita olemme aiemmin rakentaneet alustalle.

David Rice: Mainitsit pilottihankkeet. Mitkä agentit ovat pilottitutkimuksissa saaneet nopeimmin kiinnostusta tai herättäneet eniten innostusta käyttäjissä? Ja miksi uskot sen olevan näin?

Francisco Marin: Mentorointikumppanien yhdistäminen perehdytykseen. Haluatko ottaa tämän, Dan?

Dan George: Kyllä. Mentorointikumppanien yhdistäminen on todennäköisesti riskiltään ja vaatimuksiltaan helpoimpia käyttötapauksia. Uskon vahvasti siihen, ettei ihmisellä pitäisi olla vain yhtä mentoria vaan useita.

Organisaatiot, jotka haluavat parantaa uusien työntekijöiden tai uusien esihenkilöiden sitoutumista, voivat yhdistää henkilön mentoriin, joka ei ehkä ole hänen suorassa linjassaan tai muuten läheisesti yhteydessä häneen. Mentorointitoiminto pyrkii ymmärtämään henkilöä paremmin, hänen tasoaan, tavoitteitaan ja toiveitaan sen mukaan, kuinka perusteellinen aktiivinen organisatorisen verkostoanalyysin kysely on.

Sekä mahdollinen aktori että mentori saavat suostumusviestin. Molemmat voivat vastata myöntävästi, minkä jälkeen esittely alkaa. Laajassa mittakaavassa tämä tekee prosessista helpon. Olen itse hoitanut tällaisen prosessin aiemmin käsin ollessani henkilöstöjohtaja ja vastatessani henkilöstöanalytiikasta eri organisaatioissa.

Olen joutunut laatimaan listoja ja lähettämään niitä oppimis- ja organisaatiokehityksen tai muille henkilöstön sitouttamisesta vastaaville tiimeille. Kun prosessi on automatisoitu ja hyväksytty, ylläpitäjä voi vain napsauttaa painiketta. Se tekee prosessista paljon helpomman ja auttaa meitä pääsemään eroon siitä, että valitsemme aina samat tutut mentorit ja aktorit.

Kaiken kaikkiaan tämä on yksi helpoimmista, vähäriskisimmistä ja vaikuttavimmista asioista, joita organisaatio voi tehdä suhteessa kustannuksiin. Se on uskomatonta.

Francisco Marin: Ihmiset ymmärtävät tämän helposti, koska kaikki suurissa monikansallisissa yrityksissä työskennelleet tietävät, että sillä on valtava merkitys, onko ensimmäinen henkilö, jonka kanssa olet tekemisissä ja joka esittelee organisaation toimintatapoja, innostava, tukeva ja sitoutunut vai välinpitämätön ja ehkä organisaatiosta lähdössä oleva henkilö.

Tämä on erityisen merkityksellistä nykyään, koska monet uudet työntekijät liittyvät organisaatioihin hybridijärjestelyissä ilman kasvokkaista vuorovaikutusta tiiminsä kanssa.

He liittyvät organisaatioihin, jotka käyvät parhaillaan läpi muutosta. Ympäristö on hyvin epävarma, joten perehdytysprosessin optimointi ja uuden työntekijän tuottavuuden saavuttamiseen kuluvan ajan lyhentäminen on ratkaisevan tärkeää. Me pyrimme ajattelemaan perehdytystä uudelleen sosiaalisen aktivoitumisen näkökulmasta.

David Rice: Erittäin kiinnostavaa. Voin kuvitella, että tämä olisi monikansalliselle yritykselle erinomainen tapa luoda yhteyksiä, etenkin kun yritykset palkkaavat ihmisiä yli rajojen. Mainitsit ennen keskustelua, että nämä agentit voivat alkaa tunnistaa työuupumuksen riskejä ja yhdistää henkilön automaattisesti mentoriin tai esihenkilöön. Miltä työnkulku käytännössä näyttää?

Francisco Marin: Voimme ehkä selittää mentorointikumppanien yhdistämisen työnkulun, koska se on tällä hetkellä toiminnallisesti käytössä useissa yrityksissä.

Se oli ensimmäinen käyttötapaus, josta aloitimme. Prosessi toimii näin: uusi työntekijä liittyy organisaatioon. Tekoäly tunnistaa henkilön, joka sopii parhaiten hänen mentorikseen tai perehdyttäjäkseen. Tunnistus perustuu esimerkiksi organisatorisen verkostoanalyysin avulla aiemmin mitattuun epäviralliseen johtajuuteen, tekniseen osaamiseen, rooliin, osastoon, suoritustasoon ja työkokemusvuosiin.

Mitä enemmän tietoa järjestelmälle annetaan, sitä kehittyneempiä ja käyttökelpoisempia suositukset ovat. Kun sopiva pari on tunnistettu, toimenpide esitetään henkilöstöhallinnon käyttäjälle verkostoanalyysialustalla, jonka jälkeen käyttäjän on hyväksyttävä toimenpiteen aloittaminen.

Tämän jälkeen tekoäly ottaa yhteyttä mentoriin ja pyytää hänen suostumustaan osallistua aloitteeseen. Samalla ensimmäiselle esihenkilölle ilmoitetaan asiasta, mutta häneltä ei pyydetä lupaa mentoroinnin toteuttamiseen. Jos mentori antaa suostumuksensa, tekoäly lähettää esittelysähköpostin mentorille ja aktorille.

Se sopii heidän välilleen tapaamisen, jotta he voivat tutustua toisiinsa, dokumentoi, toteutuiko tapaaminen ja arvioi toimenpiteen vaikutuksen. Vaikutusta arvioidaan esimerkiksi sen perusteella, kuinka paljon uuden työntekijän tuottavuuden saavuttamiseen kuluva aika lyheni. Tämä on esimerkki täydellisestä agenttipohjaisesta perehdytyksen työnkulusta mentorointikumppanien yhdistämisessä.

David Rice: Puhutaan hieman tuloksista. Miltä yhden näistä agenteista onnistuminen näyttää? Mitä signaaleja tai tuloksia seuraatte sen määrittämiseksi?

Dan George: Vaikutusten osalta tutkimusta on tehty pitkään, ja olemme keränneet sen perusteella melko tyypillisiä sijoitetun pääoman tuottoja eri tilanteisiin.

Kun agentit suorittavat tehtävänsä ja ihmiset tapaavat toisensa sekä toteuttavat alustavat järjestelyt, järjestelmä alkaa laskea näitä tapauksia ja liittää niihin rahallisen arvon. Kaikki kootaan koontinäytön yläosaan, jossa henkilöstöhallinnon ylläpitäjä tai muu järjestelmän ylläpitäjä voi tarkastella tuloksia.

Käyttäjät voivat käyttää omia tuottolaskelmiaan tai muuttaa niitä, jos he haluavat lisätä tai vähentää rahallista arvoa. Kokonaisuutena tarkastelemme automatisoitua työnkulkua, joka ottaa huomioon sen, että kaikki on aikataulutettu, koordinoitu ja toteutettu.

Se voi itsessään säästää organisaation koosta ja työryhmän laajuudesta riippuen kymmeniä tai satoja työtunteja. Kaikki tämä tuotto kootaan samaan paikkaan. Mittarit voidaan esittää koontinäytöllä eri tavoin, jotta vaikutuksia voidaan esitellä tiimikokouksissa tai johdolle.

Näin kaikki ymmärtävät toteutuneen ja suoritetun toiminnan määrän.

Francisco Marin: Voin lisätä yhden tarkemman esimerkin. Yhdessä mentorointikumppanien yhdistämiseen liittyvässä toimenpiteessä voidaan saada 20 000–30 000 dollarin säästö lyhentämällä uuden työntekijän tuottavuuden saavuttamiseen kuluvaa aikaa jopa 40 prosentilla.

Tämä voidaan toteuttaa laajasti jokaisen organisaatioon liittyvän uuden työntekijän kohdalla. Tällä hetkellä nämä tekoälyagentit ovat saatavilla itsepalvelualustallamme Connect Network Analyzerissa, mutta etenemme kohti niiden integroimista suoraan esimerkiksi ServiceNow’n ja Googlen alustoihin. Näin asiakkaat voivat käyttää niitä osana nykyistä IT-infrastruktuuriaan.

Agentit voivat olla vuorovaikutuksessa esimerkiksi tapaustenhallinnan tietojen tai ServiceNow’n HRSD:n kanssa työntekijöiden työnkulkujen kokonaisuudessa. Tämä on erittäin kiinnostava ja innostava ajanjakso, jossa löydämme uusia käyttötapauksia ja saamme paljon palautetta.

Valmistelemme ratkaisua, jotta kaikki kahdeksan agenttia voidaan lopulta ottaa käyttöön laajassa mittakaavassa ja voimme siirtyä pilottivaiheen ulkopuolelle.

Dan George: Olemme saaneet kiinnostusta myös muilta asiakkuudenhallintajärjestelmiltä. Ajatus siitä, että tämä lisätään niiden markkinapaikoille natiivina sovelluksena, auttaa sujuvoittamaan teknologian käyttöä nykyisissä ekosysteemeissä.

David Rice: Kuvittele, että käytössäsi on maailman paras osaaminen. Olipa kyseessä insinööri São Paulossa, myyntijohtaja Dublinissa tai uskomaton suunnittelija Kapkaupungissa — seuraava loistava työntekijäsi voi olla missä tahansa päin maailmaa. Oysterin avulla hänen ei tarvitse olla se, joka pääsi karkuun.

Oyster auttaa yrityksiä palkkaamaan osaajia maailmanlaajuisesti, hoitamaan täsmällisen ja oikea-aikaisen palkanmaksun sekä pysymään säädösten mukaisina joka vaiheessa. Rakenna unelmatiimisi ja kasva luottavaisin mielin, sillä koko maailma on todellakin sinun osterisi.

Oletan, että henkilöstöhallinnossa on paljon kiinnostusta, mutta mainitsit mahdollisuuden keskustella muun johtoryhmän kanssa ja esitellä ratkaisua heille. Näetkö kiinnostusta myös operatiivisessa johdossa, toimitusjohtajissa ja vastaavissa tehtävissä?

Dan George: Yhä useammat viikoittaiset ja kuukausittaiset keskustelumme alkavat henkilöstöhallinnon ulkopuolelta.

Yleensä olemme tulleet mukaan henkilöstöanalytiikan ammattilaisten, henkilöstöhallinnon muutoksesta vastaavien tai osaamisen johtamisen ammattilaisten kautta. Yhä useammin keskustelemme kuitenkin henkilöstöhallinnon ulkopuolisten johtajien kanssa, koska he haluavat ymmärtää työntekijöidensä osaamisia ja verkostoja.

Näin he voivat nopeuttaa innovointia, selvittää, miten yhteistyötä voidaan parantaa, ymmärtää tiimiensä kulttuurista dynamiikkaa ja tunnistaa esimerkiksi muutoshankkeissa keskeiset vaikuttajat. Johtajat voivat selvittää, keitä organisaation tärkeimmät vaikuttajat ovat ja kenen he eivät ehkä vielä tiedä olevan vaikuttaja. Sen jälkeen he voivat kohdentaa viestintää näille henkilöille ja heidän verkostoilleen organisaation eri tasoilla.

Vaikuttajia on kaikkialla organisaatiossa. Mahdollisuus hyödyntää näitä henkilöitä muutoksen omaksumisen nopeuttamiseksi on meille erittäin merkittävä käyttötapaus.

David Rice: Teknisestä näkökulmasta jokaisen organisaation data ja infrastruktuuri voivat olla hieman erilaisia. Millaisia tietoja ja infrastruktuuria yrityksillä on oltava ennen kuin ne voivat realistisesti ottaa nämä agentit käyttöön?

Francisco Marin: Se on hyvä kysymys, koska käyttöönoton esteet ovat paljon pienemmät kuin ihmiset ajattelevat. Yhdistämme aktiivisen ja passiivisen organisatorisen verkostoanalyysin. Aktiivinen analyysi perustuu verkkokyselyihin ja passiivinen analyysi yhteistyövälineiden, kuten Microsoftin, Googlen, Slackin ja muiden työkalujen, koottuihin metatietoihin.

Tarvittavista mittareista tärkeimpiä ovat työntekijän nimi, sähköpostiosoite, esihenkilön nimi ja esihenkilön sähköpostiosoite. Pilotin käynnistämiseen tarvitaan oikeastaan vain nämä tiedot. Sen jälkeen mukaan voidaan lisätä osasto, yksikkö, suoritustaso, sitoutuminen, vaihtuvuus ja vaihtuvuuden historia.

Mitä enemmän tietoa on käytettävissä, sitä parempi, mutta toimijuudellisen tekoälyn etu on, että se pystyy tekemään asiayhteyteen perustuvia päätöksiä myös käytettävissä olevien perustietojen pohjalta. Jos tekoäly ei tiedä, kuka työntekijän esihenkilö on tai mikä tämän sähköpostiosoite on, se ei pysty ilmoittamaan asiasta tai lähettämään viestejä.

Monet näistä tiedoista ovat kuitenkin oletusarvoisesti saatavilla Microsoftin tai Googlen rajapinnoissa. Käytettävissä olevat täydentävät tiedot parantavat toimintaa.

Dan George: Tiimit ovat ladanneet meille hyvin yksinkertaisia hierarkiarakenteita, kun taas toiset asiakkaat ovat ladanneet kaksi tai kolme erillistä hierarkiaa sen mukaan, miten he haluavat tarkastella organisaatioitaan ja seurata kehityssuuntia.

Pystymme siis omaksumaan lähes minkä tahansa heille järkevän rakenteen. Taustalla toimivan oman suuren kielimallimme ansiosta ja silloin, kun toimimme jonkin muun toimittajan järjestelmässä, voimme yhdistää myös kyseisen järjestelmän kielimallit kokonaisuuteen.

Näin useampi kielimalli auttaa omaa organisatorisen verkostoanalyysin moottoriamme verkostojen analysoinnissa.

Francisco Marin: Hyvä esimerkki on hiljattain tekemämme työ Fortune 5 -yrityksen kanssa. Yrityksellä oli seitsemän erilaista mittaria tiimien määrittelyyn: valvova organisaatio, toiminnalliset raportointisuhteet, suorat ja epäsuorat raportointisuhteet sekä muita rakenteita. Tekoäly pystyi jäsentämään kaikki nämä yleiset mittarit ja sisällyttämään ne suosituksiin. Lisäksi se pystyi yhdistämään ne generatiivisen tekoälyn komponenttiin, mikä on toinen merkittävä ominaisuus siinä, miten asiakkaat käyttävät tällaisia oivalluksia.

David Rice: Olen nähnyt tutkimuksia, joiden mukaan erityisesti henkilöstöhallinnon ammattilaiset kokevat, etteivät he ehkä ole päteviä käyttämään monia tekoälytyökaluja. Oletteko kohdanneet epäilyksiä tai vastarintaa tuodessanne toimijuudellista tekoälyä perinteisesti ihmiskeskeisiin prosesseihin, ja miten olette käsitelleet sitä?

Francisco Marin: Kokemukseni on tähän mennessä ollut, että ihmiset ymmärtävät hyvin, että tekoälyllä tulee olemaan ratkaiseva rooli työn tulevaisuudessa. Ei ole väliä, työskenteletkö henkilöstöhallinnossa, IT:ssä tai taloushallinnossa — sinun on perehdyttävä tähän, koska se vaikuttaa työhösi lyhyellä aikavälillä.

Tämä kiireellisyyden tunne vähentää ehkä vastarintaa verrattuna aiempiin teknologia-aaltoihin. Kun olimme yksi ensimmäisistä henkilöstöanalytiikan yrityksistä, jotka integroivat generatiivisen tekoälyn ratkaisuihimme, jotkut yritykset sanoivat: “Rakastamme teknologiaa ja haluamme käyttää sitä, mutta emme ole vielä valmiita lisäämään generatiivisen tekoälyn komponenttia.”

Kaksi kuukautta myöhemmin samat yritykset saattoivat ottaa toimijuudellisen tekoälyn käyttöön koko organisaatiossa. Ne ymmärsivät, että niiden on oltava varhaisia omaksujia tai ne jäävät markkinoilta.

Näen ajattelutavan muuttuvan. Tekoälystä tulee yhä tärkeämpi osa jokapäiväistä elämäämme. Kokemukseni mukaan vastarinta on ollut paljon vähäisempää kuin odotin.

Dan George: Tässä on kaksi näkökulmaa. Ensinnäkin olemme suunnitelleet alustamme kaikille ammattilaisille riippumatta siitä, kuinka hyvin he tuntevat organisatorisen verkostoanalyysin ja graafitietokantojen taustalla olevan matematiikan.

Kaikki odotettavat mittarit ovat saatavilla, mutta alustalla ja raporteissa näkyvät tiedot ovat helposti ymmärrettäviä henkilöille, joilla ei ole laajaa ONA-taustaa mutta jotka ymmärtävät verkostoja, yhteyksiä ja yhteistyötä, joita kaikissa suurissa organisaatioissa tarvitaan.

Yleiset raportit ja vaikutusmittarit ovat helppoja ymmärtää, mutta jos käyttäjä haluaa tarkastella yksityiskohtia, kaikki tieto on saatavilla. Tiedot voi ladata erilaisiin taulukkolaskentatiedostoihin ja yhdistää nykyiseen tietokantaan tai henkilöstötietovarastoon yhtä helposti kuin uuden taulukon lataamalla.

Sillä ei ole merkitystä, käsitelläänkö 300:tä vai 30 000:ta henkilöä. Kaikki voidaan integroida järjestelmään. Yhtäältä keskitymme siis teknisesti helppokäyttöisiin raportteihin ja oivalluksiin, mutta samalla kaikki matemaattinen tausta on käytettävissä.

Keskustelin hiljattain asiakkaan kanssa, joka halusi aloittaa ilman generatiivista ja toimijuudellista tekoälyä, koska se tuntui heistä turvallisemmalta. Kun he kuitenkin tutustuivat järjestelmään, sen mahdollisuuksiin ja kyselyjen sekä tulosten esittämiseen, he totesivat, että tekoäly olisi hyvä lisä.

Yksi syy oli se, että ratkaisu toimii erillään muista keskeisistä henkilöstöhallinnon järjestelmistä. He tiesivät, ettei kyseessä ollut koko järjestelmän kattava tekoälytyökalu, vaan alustaan rajattu toiminto. Siksi he kokivat olonsa turvallisemmaksi, koska tekoäly ei päässyt käsiksi tietoihin, joita sen ei pitäisi nähdä.

Francisco Marin: Tämä viesti on keskeinen. Korostamme henkilöstöhallinnolle ja muille sidosryhmille, että alustan käyttäjät hallitsevat täysin sitä, miten oivalluksia jaetaan organisaatiossa. He voivat hyväksyä toimenpiteen tai jättää sen hyväksymättä. He voivat jakaa PDF-muotoisen johdon yhteenvedon.

He voivat myös itse mukauttaa raporttiin sisällytettäviä mittareita, oivalluksia ja kaavioita sekä raportin laajuutta. Käyttäjä toimii portinvartijana ja päättää, miten tieto jaetaan. Tämä puhuttelee henkilöstöhallinnon tiimejäni.

David Rice: Uskon, että tällainen mukautettava käyttökokemus ja mahdollisuus sovittaa ratkaisu käyttäjän tasoon ovat tärkeitä käyttöönoton kannalta.

Se johtaa seuraavaan kysymykseeni. Kaiken tämän toiminnallisuuden luomiseen on varmasti kulunut aikaa. Mihin näet tämän etenevän seuraavaksi? Onko seuraavaa kehitysvaihetta varten jo toimijuudellisia valmiuksia, joista haaveilette?

Francisco Marin: Kyllä.

Dan George: Vastaan ensin, koska tiedän, että Francisco suhtautuu tähän intohimoisesti.

Hänellä on ollut tähän jo pitkään loistava visio. Olemme tunteneet toisemme viisi tai kuusi vuotta ja pohtineet tätä jo ennen pandemiaa. Näen paljon alueita, joilla voimme kehittää nykyisten kahdeksan agentin toista sukupolvea ja samalla laajentua uusiin käyttötapauksiin, kun ihmiset tulevat niiden kanssa tutummiksi.

Pyrimme myös seuraamaan kehityksen tahtia ja ymmärtämään, mitkä trendit ovat kulloinkin suosituimpia tai vaikuttavimpia. Kilpailun näkökulmasta haluan pitää osan suunnitelmista vielä omana tietonani. Olemme kuitenkin erittäin innostuneita tästä ensimmäisestä sukupolvesta, seuraavasta sukupolvesta ja kaikista myöhemmistä ratkaisuista.

Francisco Marin: Tulevaisuuden organisaatio on mielestäni verkosto, jota agentit ohjaavat. Tekoälyagentit toteuttavat laajoja toimenpiteitä mittakaavassa. Suuret monikansalliset yritykset toimivat uudenlaisen työnteon hautomoina — kutsumme tätä verkostokeskeiseksi työn tulevaisuudeksi.

Samalla syntyy uusia organisaatioita, jotka skaalautuvat ja integroivat näitä käytäntöjä alusta lähtien, kuten me teemme CTS:ssä. Olemme 50 hengen, hyvin hajautettu yhteisö, johon kuuluu konsultteja, lähettiläitä ja Kaliforniassa toimiva ydintiimi.

Haluamme lopulta luoda CTS:n omasta johtamistavasta tapaustutkimuksen siitä, miltä tämä uusi työnteon tapa näyttää.

Olemme myös käynnistäneet henkilökohtaisella tasolla, CTS:stä erillään, Network-First Manifesto -aloitteen. Sen tarkoituksena on kutsua kaikki, joita verkostokeskeinen työn tulevaisuus puhuttelee, laatimaan julistus ja joukko periaatteita. Teemme yhteistyötä alan ajatusjohtajien ja muiden asiantuntijoiden kanssa.

Meillä on tällä hetkellä 200 henkilöä, joista noin 80 edustaa hoitoalan organisaatioita. Tämä saavutettiin vain kuukaudessa. Järjestämme pian ratifiointitapahtumia ja ilmoitamme seuraavista vaiheista.

Tätä me todella tavoittelemme: miten voimme rajallisilla resursseillamme ja vaikutusvallallamme vauhdittaa siirtymää hierarkiakeskeisestä mallista verkostokeskeiseen työn tulevaisuuteen?

Kun uusi työntekijä liittyy nykyisessä ympäristössä organisaatioon, hänen työskentelyään rajoittavat usein näkemykset siitä, missä ja milloin hänen on työskenneltävä ja kenen kanssa. Se on malli, joka lisää yhteistyön valvontaa eikä saavuta tervettä tasapainoa keskittämisen ja hajauttamisen tai inhimillisen ja sosiaalisen pääoman välillä.

Haluamme rakentaa nämä elementit rakenteelliselle tasolle, jotta suureen organisaatioon liittyvä henkilö saisi samanlaisia kannustimia ja kokemuksia kuin Piilaakson startup-yritykseen liittyvä henkilö.

Tästä tässä on kyse: luomme työn tulevaisuutta, josta voimme kaikki innostua emmekä pelätä sitä.

David Rice: Hienoa. Se on mahtavaa. Pidän Michaelin verkostoihin liittyvästä työstä — hän on tehnyt todella hienoja asioita. Dan ja Francisco, kiitos, että liityitte seuraamme. Ennen kuin lopetamme, haluan antaa teille mahdollisuuden kertoa, mistä ihmiset voivat löytää lisätietoa toiminnastanne ja näistä agenteista.

Francisco Marin: Voitte vierailla osoitteessa cognitivetalentsolutions.com. Meillä on myös LinkedInissä uutiskirje CTS Running Sites, jonka kautta saa artikkeleita sähköpostiin viikoittain. CTS:stä erillään käynnistimme Network-First Manifesto -aloitteen osoitteessa networkfirstmanifesto.com tai networkfirstmanifesto.com/join.

Sieltä voi lukea lisää aloitteesta. Mukaan ovat tervetulleita kaikki, jotka haluavat osallistua.

David Rice: Kiitos teille molemmille, että liityitte seuraamme. Tämä oli hieno keskustelu.

Dan George: Kiitos, David.

Francisco Marin: Kiitos, David.