Pitäisikö meidän yhä rakentaa uramme syvällisen erikoistumisen varaan?

David Rice: Suurimman osan urastamme neuvo on ollut sama: erikoistu. Syvenny johonkin arvokkaaseen. Rakenna sellaista asiantuntemusta, jota kenelläkään muulla ei ole. Tämän päivän vieraamme ajattelee, että neuvo kaipaa päivitystä – ei siksi, että asiantuntemus olisi katoamassa, vaan koska tekoälyn myötä tarvitsemme vähemmän ihmisiä, jotka ovat syvällisesti perehtyneitä yhteen ainoaan alaan. Tieto on nykyään helpommin saatavilla.

Arvolupaus muuttuu. Tämän päivän ohjelmassa keskustelen Nextdoorin henkilöstöjohtajan Tony Castellanosin kanssa siitä, mikä oikeastaan muuttuu arvokkaammaksi tekoälyn ottaessa hoitaakseen koodattavissa olevat tehtävät. Hänen vastauksensa? Maku. Sen tietäminen, miltä hyvä näyttää, on muuttumassa tärkeämmäksi kuin sen tietäminen, miten se tuotetaan – eikä makua voi opettaa luokkahuoneessa.

Se syntyy toistojen, kokemuksen, onnistumisten ja epäonnistumisten kautta. Kun niitä kertyy tarpeeksi, alat tunnistaa eron vaistonvaraisesti. Organisaatiokaaviota koskeva keskustelu muuttuu tässä kohtaa kiinnostavaksi. Tonyn mielestä generalistin arvoa arvioidaan pian uudelleen. Nykyään heitä pidetään operatiivisena kerroksena: nuorempina ja hieman vähemmän hyödyllisinä.

Tämä kääntyy päälaelleen. Asiantuntijoita on vähemmän. Ihmiset, jotka pystyvät yhdistämään asiantuntemusta eri alojen välillä ja selvittämään, mitä yritys voi tehdä hyödyntämällä useita tietokeskuksia, siirtyvät keskiöön. Entä kustannuspaikan käsite? Tonyn mielestä tämä määritelmä ei enää ratkaise sitä, kuka saa ottaa jonkin ongelman vastuulleen.

Organisaatiokaavio kehittyy tiedon sijaintia kuvaavasta kartasta paljon joustavammaksi rakenteeksi, jossa tiimit muodostuvat ja hajoavat käsillä olevan ongelman ympärille. Tänään käsittelemme sitä, miksi syvällinen erikoistuminen lisää altistumista tekoälylle, ellet pysty yhdistämään sitä laajempiin liiketoimintaongelmiin; miten maku kehittyy ja miksi siitä on tulossa keskeinen johtamistaito; asiantuntijoiden ja generalistien roolien kääntymistä tekoälyn aikakauden organisaatioissa sekä sitä, miksi kustannuspaikkamalli saattaa näyttää viiden vuoden kuluttua kummallisen vanhentuneelta.

Minä olen David Rice. Tämä on People Managing People, ja jos olet rakentanut uraasi yhden alan syvällisen osaamisen varaan, tätä keskustelua kannattaa pohtia. Aloitetaan.

Saumattomiin suoritusarviointiprosesseihin ja yritystason tietoturvaan voit kokeilla Teamflectia ilmaiseksi. Se on Microsoft-ekosysteemin parhaiten arvioitu suorituskyvyn hallinta-alusta. Yritykset ympäri maailman luottavat siihen tavoitteiden yhtenäistämisessä, suoritusarviointien toteuttamisessa ja osaajien kehittämisessä laajassa mittakaavassa.

Tony, tervetuloa ohjelmaan. Mukava saada sinut mukaan.

Tony Castellanos: Kiitos paljon. On ilo olla täällä.

David Rice: Halusin aloittaa tämänpäiväisen keskustelumme siitä, että suurimman osan urastamme neuvo on oikeastaan aina ollut: erikoistu.

Kannattaa erikoistua johonkin erittäin arvokkaaseen. Kannattaa kehittää syvällistä asiantuntemusta, jota muilla ei ole, eikö niin? Sinä kuitenkin esität vastaintuitiivisen ajatuksen, että äärimmäinen erikoistuminen voi nykyään lisätä altistumista tekoälylle, jos asiantuntemus voidaan dokumentoida ja koodata.

Kysymykseni keskustelun aluksi kuuluu: olemmeko saavuttamassa pisteen, jossa erinomaisuus yhdessä asiassa onkin riski, ellet pysty yhdistämään tätä asiantuntemusta paljon laajempaan liiketoimintaongelmaan?

Tony Castellanos: Tärkeä kysymys, ja kyllä. Meidät kaikki on opetettu syventymään yhteen asiaan, olemaan siinä paras ja seisomaan sen alustan päällä.

Uskon kuitenkin, että otsikko liioittelee asiaa hieman, koska asiantuntemus ei ole katoamassa. Asiantuntemus on edelleen todella tärkeää. Meidän on tiedettävä, miten asioita tehdään. Tekoälyn maailmassa muuttuu se, että tarvitsemme yksinkertaisesti vähemmän ihmisiä, jotka ovat syvällisesti perehtyneitä tiettyyn alaan, koska heidän tietonsa, asiantuntemuksensa ja laajempi tietopohjansa ovat paljon helpommin muiden saatavilla.

Jos ajattelen taitoja, joiden arvo kasvaa, tarvitset edelleen ihmisen, joka ymmärtää, mitä tapahtuu, koska meidän on pystyttävä tarkastamaan, mitä tekoäly tuottaa, miten se laskee asioita ja miten se päätyy johtopäätöksiinsä.

Uskon kuitenkin, että on valtavasti arvoa siinä, että pystyy yhdistämään tämän asiantuntemuksen siihen, miten liiketoimintaa viedään eteenpäin. Jos palaamme ajassa taaksepäin, oli yrityksiä, joissa oli paljon ihmisiä tehtävissä, joissa laskeminen oli keskeistä. Jos työskentelit rahoituksessa, analyytikkona tai insinöörinä, paljon matematiikkaa tehtiin itse.

Sitten Excel ilmestyi. Yhtäkkiä tarvittiin vain murto-osa ihmisistä tekemään liiketoiminnan taustalla oleva matematiikka. Se ei kuitenkaan poistanut ihmisten tarvetta. Se loi heille uuden arvolupauksen. Ihmisen uusi arvo oli sen ymmärtäminen, mitä pitäisi laskea.

Mikä on oikea rakennettava malli? Mitä tulokset tarkoittavat? Voimmeko tehdä näiden tietojen perusteella parempia liiketoimintapäätöksiä? Kyse on siis siitä, miten asiantuntemusta käytetään. En usko, että kukaan väittäisi Excelin lopettaneen talousalan asiantuntemuksen. Meillä kaikilla on edelleen tällaisia tiimejä yrityksissämme.

Uskon kuitenkin, että todellinen arvo syntyi siitä, että muutamat ihmiset ovat syvällisiä asiantuntijoita ja että heidän yritykselle tuomansa arvo siirtyi ikään kuin yhden tason ylöspäin: miten he asemoivat osaamisensa strategisesti? Ajattelen, että sama tapahtuu nyt uudelleen. Se tapahtuu vain nopeammin ja käytännössä kaikissa toiminnoissa, joita tekoäly koskettaa.

David Rice: Niin. Tekoäly kiihdyttää mielestäni erityisesti tietynlaista työtä. Koodauksessa sen vaikutus on niin mullistava, koska kirjoitat koodia ja se joko toimii tai ei toimi. Jos se ei toimi, tiedät, mitä sinun pitää tehdä.

Tony Castellanos: Se on erinomainen binäärisiin lopputuloksiin.

Oikea ja väärä, tosi ja epätosi. Se tekee edelleen virheitä, minkä vuoksi asiantuntijoita tarvitaan tarkistamaan sen tuotokset. Mutta aina, kun kyse on sääntöpohjaisista ohjelmista tai järjestelmistä, se voi olla todella tehokas. Sama pätee tiedon välittämiseen, kun tieto perustuu yksityiskohtiin eikä niinkään harkintaan.

David Rice: Mainitsit juuri harkinnan. Kuuntelin viime viikolla erästä keskustelua siitä, mistä tietää markkinointikampanjan olevan valmis julkaistavaksi. Lopulta jonkun, jolla on tarpeeksi hyvää makua, täytyy seistä siinä ja sanoa: ”Kyllä, tämä on valmis. Hyväksyn tämän.”

Puhuimme aiemmin tästä maun käsitteestä, joka ei mielestäni ole tähän asti kuulunut monien henkilöstöjohtajien osaamismalleihin. Viisi vuotta sitten en muista nähneeni työpaikkailmoitusta, jossa maku olisi mainittu. Jos tekoäly tekee tiedosta ja teknisestä kyvykkyydestä paljon helpommin saatavilla olevaa, tuleeko sen tietämisestä, miltä hyvä näyttää, arvokkaampaa kuin sen tietämisestä, miten hyvä tuotetaan?

Jos näin on, miten organisaatiot voivat tunnistaa ja kehittää jotain niin aineetonta kuin makua?

Tony Castellanos: Uskon, että se on uskomattoman tärkeää tekoälyn mahdollistamassa maailmassa, koska pystyt tuottamaan valtavasti sisältöä. Me kaikki hukumme siihen. Jos katsot nyt Google Driveasi, siellä on varmasti kymmenen kertaa enemmän dokumentteja kuin vuosi sitten, koska olet aloittanut kaikenlaisia asioita Claudella, Codexilla, Geminillä tai jollain muulla.

Siksi uskon, että mausta tulee erittäin tärkeää, jotta kaikki tämä voidaan jalostaa ihmisille helposti omaksuttavaan muotoon. Miten sitä kehitetään? Rehellinen vastaukseni on, että kyse on toistosta. Harjoittelusta. Siihen ei oikeastaan ole kurssia tai koulutusta.

Kyse on onnistumisten kertymisestä ja niistä tuntuvista iskuista, joita saat, kun teet jotain väärin. Kun tätä tapahtuu riittävästi, alat tarkentaa ymmärrystäsi siitä, miltä hyvä ja keskinkertainen näyttävät. Se on vaikeaa, koska se edellyttää mahdollisuuksia harjoitella, mutta tässä tekoäly muuttaa myös sitä tahtia, jolla näitä kokemuksia kertyy.

Voit testata asioita kymmeniä kertoja jopa tunnin aikana. Näin ajattelemme tekoälystä Nextdoorilla. Kyse on ennen kaikkea ideoinnista ja kokeilemisesta, ei siitä, että tekoäly tuottaisi vastauksen puolestasi. Se voi antaa sinulle jotain hienostunutta ja vakuuttavaa, joka on silti täysin väärin.

Ihmisenä olet ainoa asia tuotoksen ja sen mahdollisen yleisön välissä. Siksi pidän tätä erittäin tärkeänä.

David Rice: Tuo on kiinnostavaa. Pidän ajatuksesta, että kyse on vain toistoista. Kun ajattelee markkinointiesimerkkiä, ihminen on ehkä nähnyt tietyn ongelman kerran vuodessa. Kymmenen vuotta sitten sama ongelma olisi tullut vastaan ehkä tusinan kertaa. Nyt hän saattaa nähdä samantyyppisen hyväksyttävän asian kymmenkertaisesti useammin.

Toistot voivat siis opettaa meille asioita nopeammin. Kysymykseni on, pystytäänkö kokonaiskuva silti näkemään? Kuvasit tuotettavan sisällön määrää, ja johtajien on yhä vaikeampi nähdä kokonaisuus, kun kaikki tuottavat paljon enemmän.

Tony Castellanos: Olen täysin samaa mieltä. Olen yrittänyt lukea suurimman osan eteeni tulevista dokumenteista, mutta niitä tulee yksinkertaisesti liian nopeasti. Tässä palataan harkintaan ja makuun. Kokoatko jotain ytimekästä ja selkeää, joka yhdistyy tavoitteisiisi?

Tekoälyn hyvä puoli on, että voit pyytää sitä luomaan kaksikymmentä versiota ja priorisoimaan tietyt asiat. Katsot niitä, valitset parhaan ja hiot sitä. Lopputulokseen pääsee paljon nopeammin. Tietotulva voi silti olla ylivoimainen, joten sisältö täytyy tiivistää joksikin, josta ihmiselle on hyötyä.

David Rice: Varsinkin nyt, kun siirrymme agenttien aikakauteen. Odotan tarinaa, jossa joku johtaja huomaa agentin tehneen valtavasti asioita, joita hän ei pysty edes käsittelemään tai joiden olemassaolosta hän ei tiennyt, koska kaikki tapahtuu niin nopeasti ja sisältöä syntyy niin paljon. Sellainen tarina tulee varmasti vastaan jossain vaiheessa.

Tony Castellanos: Se tapahtui juuri erään kielimallin vuotaneen version kanssa. En mainitse sen nimeä, koska saattaisin joutua vaikeuksiin. Yksi periaatteistamme on, että jokainen kantaa vastuun siitä, mitä tekoäly tekee. Ihmiset eivät voi pitää tuotoksia itsestäänselvyyksinä tai lähettää niitä sellaisinaan eteenpäin.

Tarvitaan mekanismi, jossa ihminen tarkastaa sisällön ennen sen julkaisemista tai jossa on suojakaiteet ja jälkikäteinen tarkastusketju, joka löytää ja korjaa taaksepäin vedettävät asiat.

David Rice: Olet alkanut järjestää henkilöstötiimiä ongelmien, ei perinteisten henkilöstöhallinnon erikoisalojen ympärille. Se vaikuttaa kiinnostavalta lähestymistavalta ja mahdollisesti paljon suuremmalta muutokselta kuin tekoälyn lisääminen olemassa olevaan tehtävään.

Jos alamme organisoida toimintaa lopputulosten emmekä asiantuntemuksen ympärille, mitä tapahtuu toiminnallisille rakenteille, urapoluille ja vastuumalleille, joita olemme rakentaneet vuosikymmenten ajan?

Tony Castellanos: Tämä on kiinnostava kysymys. Emme ole tällä hetkellä räjäyttäneet organisaatiokaaviotamme. Meillä on edelleen rekrytoijia, palkitsemisen asiantuntijoita ja henkilöstökumppaneita. Olemme kuitenkin alkaneet tarkastella sitä, mitä ongelmia ryhmän on tarkoitus yhdessä ratkaista.

Olemme pyrkineet suuntaamaan tiimit henkilöstöön liittyvien kokonaisuuksien ympärille. Meille ne ovat osaajat, aktivointi – joka koostuu sitoutumisesta ja mahdollistamisesta – sekä kulttuuri.

Mikään näistä ei ole vain rekrytointia tai henkilöstökumppaneiden vastuulla. Kyse on kokonaisuudesta, joka varmistaa oikeiden ihmisten ja osaajien tuomisen organisaatioon ja heidän kehittämisensä, työntekijöiden oikeanlaisen tukemisen sekä ympäristön rakentamisen niin, että kaikki voivat tehdä parhaansa.

Aiemmin eri toiminnot keskittyivät tämän kokonaisuuden tiettyihin osiin, koska asiantuntemus oli sijoittunut niihin. Tekoäly mahdollistaa kuitenkin paremman ymmärryksen siitä, miten nämä osat liittyvät toisiinsa. Pyrimme luomaan ajattelutavan, jossa keskitytään lopulliseen tavoitteeseen eikä siihen, mikä on jonkin kokonaisuuden rekrytointiosuus.

En halua ihmisten ajattelevan omia toimintakaistojaan. Olennaista on, tuottiko henkilöstöorganisaatio arvoa tällä ulottuvuudella.

David Rice: Tämä edellyttää ihmisiltä hieman enemmän sopeutumiskykyä. Ehkä kyse on myös suhtautumisesta omaan paikkaan kokonaisuudessa. Missä oma osaamiseni vaikuttaa tavoiteltuun lopputulokseen? Se on erilainen tapa tarkastella työtä kuin se, miten omat taitoni voivat vaikuttaa tavoittelemaamme lopputulokseen.

Tony Castellanos: Näin on, ja menisin vielä askeleen pidemmälle: mitä voin oppia ja soveltaa tässä?

Näen ongelman, enkä rajoitu siihen, että olen rekrytoija tai palkitsemisen asiantuntija. Olen henkilöstötiimin jäsen. Osaajien tuomisesta organisaatioon heidän kehittämiseensä ja ylentämiseensä on olemassa päästä päähän ulottuva virta. Miten voin auttaa viemään sitä kokonaisuutta eteenpäin?

Hauskaa on se, että saat paljon enemmän iteratiivisia kierroksia. Miten voit soveltaa asiantuntemustasi ja mitä voit oppia? Tekoäly toimii siinä kumppaninasi. Haluan laajentaa tapaa, jolla ihmiset ajattelevat toiminnostaan, kohti sitä, mikä on sen todellinen lopullinen tavoite.

David Rice: Laajempiin rooleihin ohjaamiseen liittyy ilmeinen vaara. Teoriassa voimme päätyä generalistien työvoimaan, jossa kaikki tietävät hieman kaikesta mutta eivät paljon mistään.

Sanoit aiemmin, ettei asiantuntemus ole katoamassa. Miten ihmisistä tehdään ongelman päästä päähän työskenteleviä ja samalla säilytetään heidän asiantuntemuksensa, jotta liiketoiminta toimii, vaikka kielimalli olisi muutaman päivän poissa käytöstä?

Tony Castellanos: Suurin huoleni generalistien lisääntymisessä ei ole ymmärryksen puute. Luontaisesti motivoituneet ja uteliaat ihmiset kehittävät organisaation ongelmien parissa työskennellessään tarvittavan asiayhteyden.

Todellinen riski on siinä, että ihmiset ottavat tekoälyn tuotoksen, lähettävät sen eteenpäin ja siirtyvät seuraavaan tehtävään. Tämä ei koske vain generalisteja. Myös asiantuntijat voivat toimia niin. Kyse on siis laajuuden, syvyyden ja harkinnan tasapainosta.

Kun palkkaat ihmisiä, jotka haluavat aidosti ymmärtää toimintaympäristöään, he tekevät parempia päätöksiä. Uteliaisuus nousee yhä tärkeämmäksi kriteeriksi osaajien arvioinnissa. Haluamme, että ihmiset omaksuvat ympärillään olevaa tietoa ja käyttävät sitä parempien päätösten tekemiseen.

Jos tekoälyn mahdollistama generalisti menettää tekoälyn käytöstä, hän ei menetä kaikkea tietoa. Hän menettää yhteyden tietoon. Tekoäly nopeuttaa kontekstin, mittareiden ja muun päätöksentekoon tarvittavan tiedon kokoamista. Ilman tekoälyä saman asian tekeminen vain kestää pidempään.

David Rice: Uteliaisuus on tässä todella keskeistä. Ihmisiltä ei voi poistaa halua tietää asioita ja oppia tekemään uusia asioita. Teknologia voi tehdä monia asioita meitä paremmin, mutta ihmiset pitävät tekemisestä ja oppimisesta. Se on meille luontaista.

Tony Castellanos: Oikeille ihmisille tämä luovuus vapautuu, koska he pääsevät paljon pidemmälle paljon nopeammin. Riskinä on kuitenkin se, että asioita aletaan hyväksyä sellaisinaan, jolloin laatu alkaa rapautua.

David Rice: Olemme jo nähneet tietoja johtajista, jotka ovat huolissaan osaamisen rapautumisesta. Aluksi ihmiset työskentelevät mallin kanssa tarkasti, tarkistavat kaiken ja käyttävät harkintaa. Ajan myötä he alkavat luottaa siihen yhä enemmän.

Miten tätä voidaan ehkäistä? Miten ihmiset pidetään aktiivisina ja kiinnostuneina harkinnasta ja mausta?

Tony Castellanos: Kyse on samanlaisesta ihmissuhteesta. Uuteen työntekijään ei automaattisesti luoteta, mutta ajan myötä luottamus kasvaa, kun hän tekee asioita oikein. Sama tapahtuu kielimallin kanssa.

Tekoäly on kuitenkin hyvä myös tarkastustehtävissä. Se voi oikolukea dokumentin paljon paremmin kuin ihminen, jonka silmät alkavat väsyä. Tarvitsemme useita työtovereita: sellaisia, joihin opimme luottamaan, ja lisäksi kolmannen skeptikon, joka kysyy, ovatko kaksi muuta väärässä.

Myös tämä voi olla tekoälyn mahdollistama palvelu. Se ei tarkoita, että kumpikaan vastaus olisi oikea, mutta se haastaa ihmisen ratkaisemaan, mikä on oikea päätös hänelle ja organisaatiolle. Kun emme lähetä tuotoksia sokeasti eteenpäin vaan arvioimme niitä jatkuvasti, olemme oikealla tiellä.

David Rice: Mainitsit aiemmin palkitsemisagentin. Se ei korvaa palkitsemistoimintoa, vaan jakaa sen asiantuntemusta rekrytoijille. Onko tämä mielestäsi agenttien merkittävin organisatorinen vaikutus? Ne eivät korvaa asiantuntemusta, mutta mahdollistavat asiantuntijatiedon nopeamman leviämisen koko yritykseen.

Tony Castellanos: Se on yksi tekoälyn suurista hyödyistä. Olemme rakentaneet palkitsemisagentin, joka liittyy palkitsemisrakenteeseemme ja tarkastelee henkilöstöpohjaamme. Se on henkilöstökumppaneiden ja rekrytoijien käytettävissä.

Se ei analysoi tilanteita eikä anna suosituksia. Se tuo esiin tosiasiat, joiden perusteella ihmiset voivat tehdä perusteltuja päätöksiä. Rekrytoija voi kysyä, miten tietty tarjous vertautuu palkkaluokkiin tai organisaation sisäisiin tasoihin.

Yksittäisten työntekijöiden tietoja ei paljasteta, ja tiedot anonymisoidaan niin, ettei yksittäisen työntekijän palkkaa voi selvittää. Rekrytoija näkee paitsi tarjouksen sijainnin palkkaluokassa myös sen, millaisia sisäisiä tasa-arvo- tai epätasa-arvovaikutuksia se voi aiheuttaa.

Näin näkökulma laajenee ehdokkaan palkkaamisesta tasapainoisen tiimin rakentamiseen ilman palkitsemisen asiantuntijan osallistumista jokaiseen keskusteluun. Tieto on heti saatavilla, ja generalisteille rakentuu jatkuvasti hyödynnettävä kontekstikerros.

David Rice: Agentti on tässä rajattu riittävän täsmälliseen tehtävään. Millainen keskustelu käytiin, kun päätitte kehittää sen ja asettaa sille tavoitteet? Puhumme agenteista joskus kuin työntekijöistä. Miten kehititte roolin, jonka halusitte sen ottavan?

Tony Castellanos: Puhumme agenteista työntekijöinä, joten annoimme sille leikkisästi nimen Compadre, eli palkitsemisen kaveri.

Ajatus syntyi siitä, että rekrytoijat ja palkitsemisen asiantuntijat istuivat kokouksissa ja kysyivät, tarvitaanko heitä todella paikalle. Tämä alkoi henkilöstötiimin tekoälypäivistä, joissa jokainen keskittyi ratkaisemaan yhden ongelman tekoälyn avulla.

Tavoitteena oli rakentaa palvelu, joka tekee tiedosta saatavaa vastuullisella tavalla, suojaa yksityisyyttä ja auttaa rekrytoijia sekä henkilöstökumppaneita tekemään oikeita päätöksiä. Tekoäly sopii hyvin tällaisten taktisten ja toistuvien vuorovaikutustilanteiden hallinnollisen työn vähentämiseen.

David Rice: Voin nimetä heti noin viisi tällaista asiaa, jotka haluaisin automatisoida.

Tony Castellanos: Niin. Oma pieni esikuntapäällikköni Samwise auttaa esimerkiksi kokousvalmisteluissa, esityslistojen järjestämisessä ja päivän ennakoinnissa. Suuri osa päivistämme kuluu tiedon vastaanottamiseen. Tekoäly voi hoitaa sitä puolestasi.

Kun keskustelun taustalla on tällainen valmistelu, itse keskustelusta tulee rikkaampi ja paremmin informoitu. Kaikkien aikaa ei tarvitse käyttää pelkkään tiedon jakamiseen.

David Rice: Tämä sai minut ajattelemaan viime vuonna käymääni keskustelua. Yksi yleinen ongelma kaikkialla maailmassa on se, että tietoa tulee valtavasti. Osa ärsyttää, osa innostaa ja osa pitkästyttää, mutta mikään tästä ei välttämättä liity siihen, mikä on tärkeintä.

Jos tekoäly voisi päivän päätteeksi syntetisoida kaiken ja antaa viiden minuutin henkilökohtaisen yhteenvedon, jonka voisi kuunnella kotimatkalla, se olisi hyödyllistä. Se voisi kertoa päivän tärkeimmät asiat ja sen, mitä maanantaita varten pitää muistaa.

Tony Castellanos: Oletko yrittänyt katsoa Slackia?

David Rice: Kyllä. Viisisataa kanavaa. Kaikkea ei edes löydä.

Tony Castellanos: Samwise toimittaa minulle sunnuntai-iltaisin katsauksen tulevasta viikosta. Olen määritellyt kolme tärkeintä asiaa, joista haluan ohjausta, ja se käy läpi Slackin, kokousmuistiinpanot ja muun aineiston löytääkseen niihin liittyvät asiat.

Lisäksi sillä on osio, jossa se saa itse löytää asioita: mitä minun pitäisi mielestäsi tietää, mikä ei kuulu näihin kolmeen luokkaan mutta jonka pitäisi olla tutkallani? En kuitenkaan luota yksinomaan tekoälyyn, vaan olen antanut sille parametrit. Vaara syntyy silloin, jos sanomme vain ”näytä minulle tärkeät asiat” ja annamme tekoälyn päättää, mikä on tärkeää.

David Rice: Päädyimme samaan ongelmaan. Kuka määrittelee tärkeän, ja onko se linjassa liiketoiminnan, esihenkilön tai omien tavoitteiden kanssa? Kontekstiin vaikuttaa moni tekijä, joten ongelmaa ei ole helppo ratkaista.

Tony Castellanos: Nyt ajattelen, että Samwise voisi tehdä myös esityksen. Voisimme antaa yhden palvelun rakentaa esityksen ja toisen esittää sen. Oma pieni esikuntapäällikkötiimisi. Se olisi uskomatonta.

David Rice: Tulevaisuuden työntekijä tarvitsee laajuutta, harkintaa ja kykyä liikkua ongelma-alueiden välillä. Eikö tämä aiheuta perustavanlaatuista ongelmaa siinä, miten kehitämme ihmisiä nykyään? Useimmat urapolut palkitsevat etenemisestä yhä syvemmälle yhdessä toiminnossa. Miltä kehitys ja eteneminen näyttäisivät, jos laajuudesta tulisi senioriteetin osa eikä siitä poikkeava sivupolku?

Tony Castellanos: Tämä on vastoin tapaa, jolla olemme ihmisiä kehittäneet, mutta ongelman synnyttävä asia luo myös ratkaisun. Tekoäly antaa ihmisille valtavan autonomian oman kasvunsa suhteen. He voivat tutkia aihetta ja esittää sille kysymyksiä.

Tarvitaan suojakaiteet sen arvioimiseksi, mikä on totta ja mikä ei, mutta ihminen voi rakentaa itselleen perustan ja viedä sen asiantuntijalle yhteistyötä, muokkausta tai kritiikkiä varten. Näin oppiminen nopeutuu.

Olemme kannustaneet työntekijöitämme olemaan odottamatta koulutus- ja kehitystiimin opetussuunnitelmaa tai esihenkilön vapautuvaa aikaa. Tutki asiaa, joka kiinnostaa sinua tai jossa näet ongelman. Tekoälyn avulla tätä ei tehdä akateemisessa tyhjiössä vaan oman yrityksen kontekstissa.

Kun rakennat laajuutta, voit mennä oman toimintosi viereiseen toimintoon ja saada palautetta todellisesta, konkreettisesta asiasta kuvitteellisen harjoituksen sijaan. Ihmisten ei tarvitse odottaa tehtäviä tai venymismahdollisuuksia. He voivat haastaa itseään joka päivä. Se on kokemuksellista oppimista, mutta paljon nopeampaa.

David Rice: Tämä riippuu kuitenkin altistumisesta. En tiedä sitä, mitä en tiedä, ennen kuin kohtaan kyseisen asian. Miten työnkulkuja pitäisi muuttaa, jotta ihmiset altistuvat uusille asioille ja alkavat olla uteliaita?

Tony Castellanos: En tiedä, onko kyse työnkulun muutoksesta. Kysymys liittyy enemmän ajattelutapaan ja käyttäytymiseen. Tekoälyn hyvä puoli on, että voit aloittaa kysymyksestä: ”En tiedä, mitä en tiedä.”

Hyvät esihenkilöt alkavat todennäköisesti kysyä viisi kertaa miksi. Se ohjaa ihmiset selvittämään, miksi jokin asia on olemassa ja mitä sillä yritetään saavuttaa. Kun palataan perusperiaatteisiin, voidaan kysyä, tekisinkö tämän edelleen näin nykyisillä työkaluilla.

Yksi suurimmista esteistä on inertia ja juurtunut prosessi. On vaikeaa palata siihen, mitkä ovet suljettiin aiemmin, koska kyseinen polku ei silloin ollut mahdollinen. Tekoäly on kuitenkin avannut paljon potentiaalia.

Rekrytointi on hyvä esimerkki. Aiemmin oli itsestään selvää, ettei suuressa yrityksessä voitu käydä jokaista ansioluetteloa läpi. Tekoälyn avulla sisältö voidaan tarkistaa järjestelmällisesti tavalla, jota ei aiemmin olisi pidetty mahdollisena.

Todellinen mahdollisuus on siinä, kuinka monta ovea olemme sulkeneet mielessämme.

David Rice: Minun täytyy haastaa itseni tämän suhteen jatkuvasti. Olen vain tottunut tekemään tämän näin.

Tony Castellanos: Se on hankalaa, koska vanha koira ei halua oppia uusia temppuja. Meitä kuitenkin pakotetaan tähän maailmaan.

David Rice: On muistutettava itseään, että uusia temppuja tarvitaan.

Tony Castellanos: Totta.

David Rice: Annoit esimerkin niinkin tavallisesta asiasta kuin alihankkijan palkkaamisesta. Siinä yhdistyvät henkilöstö, talous, laki, järjestelmät ja hyväksynnät. Nykyään organisaatio on suunniteltu näiden toiminnallisten siirtymien ympärille.

Jos agentit alkavat kantaa kontekstia koko prosessin läpi, pitääkö ihmiset edelleen organisoida samojen rajojen ympärille? Mikä osa nykyisestä organisaatiokaaviosta voisi näyttää viiden vuoden kuluttua tekoälyn vuoksi kummallisen vanhentuneelta?

Tony Castellanos: Uskon, että näemme keskustelussa mainitun käänteen. Toiminnoissa on rajallinen määrä asiantuntijoita, joiden ympärillä työskentelee generalisteja, jotka osaavat soveltaa tätä tietoa eri aloilla.

Nykyään generalisteja on jo olemassa, mutta heitä kohdellaan usein operatiivisena, nuorempana ja vähemmän hyödyllisenä kerroksena. Tämä kääntyy, ja heistä tulee ihmisiä, jotka keskittyvät yritystason kyvykkyyksiin: mitä voimme tehdä, jos hyödynnämme kaikkia näitä asiantuntemuksen keskuksia?

Viiden vuoden päästä oudolta saattaa näyttää kustannuspaikan käsite. En tarkoita, että kustannuspaikat välttämättä katoaisivat. Investointeja täytyy mitata, ja kirjanpitoon sekä sääntelyn noudattamiseen liittyy vaatimuksia.

Mittarin ei kuitenkaan enää anneta määrätä, miten toiminta järjestetään. Kustannuspaikka määrittelee nykyään myös sen, missä ongelmat sijaitsevat, koska asiantuntemus on historiallisesti ollut siellä. Nämä kaksi asiaa alkavat eriytyä, koska asiantuntemusta voidaan hyödyntää yrityksen eri osissa tekoälyn, järjestelmien tai koodauksen kautta.

Organisaatiokaavio muuttuu tiedon sijaintia kuvaavasta kartasta paljon epämääräisemmäksi rakenteeksi, jossa tiimit muodostuvat ja hajoavat ratkaistavan ongelman mukaan. Asiantuntijoita on vähemmän ja ihmisiä, jotka osaavat käyttää asiantuntemusta, enemmän.

Kun sanon vähemmän asiantuntijoita, en tarkoita välttämättä yritysten tai tiimien pienenevän. Tarkoitan, että asiantuntijoiden osuus tiimistä pienenee. Muu tiimi soveltaa asiantuntemusta, ratkaisee ongelmia ja vie työtä eteenpäin. Jokaisen ongelma-alue laajenee kustannuspaikkaa suuremmaksi, eikä kustannuspaikan nimike enää ratkaise, kuka saa ottaa tietyn ongelman vastuulleen.

David Rice: Henkilöstöjohtajat, joita on kutsuttu kustannuspaikaksi, ovat varmasti helpottuneita kuullessaan tämän.

Tony Castellanos: Kun ajattelen termiä G&A, otan sen hieman henkilökohtaisesti.

David Rice: Hieno vastaus.

Tony Castellanos: G&A on hyvä esimerkki. Lopetamme ehkä puhumasta siitä, mikä on G&A-investointimme, mikä laki-investointimme ja mikä talousinvestointimme. Puhumme sen sijaan siitä, mitä yrityksen pyörittäminen vaatii.

Se on ihmisille paljon terveempi lähtökohta.

David Rice: Olen samaa mieltä. Ajatus siitä, että kaikilla on pääsy asiantuntemukseen ja että he voivat viedä sen käytäntöön, on mielestäni paljon tehokkaampi tapa käyttää ihmisten aikaa. En tarkoita tehokkuutta siinä mielessä, että vain ajaisimme tehokkuutta, vaan sitä, miten ihmiset voivat saavuttaa liiketoimintaa tukevat tavoitteensa paremmin.

Tony Castellanos: Se on paljon hauskempaa. Excelistä hyötyneet kirjanpitäjät eivät enää vain tee syvällisiä laskelmia, vaan voivat edistää erilaisia työkokonaisuuksia.

David Rice: Tony, tämä on ollut hieno keskustelu. Kiitos, että tulit mukaan.

Tony Castellanos: Kiitos paljon kutsusta. Tämä on ollut todella hauskaa. En malta odottaa, että kuuntelen tätä vuoden päästä ja näen, missä kaikessa olin väärässä.

David Rice: Minä puolestani odotan, kuinka suuri osa tästä keskustelusta on vuoden päästä jo vanhentunutta.

On aina kiinnostavaa kuunnella keskusteluja myöhemmin uudelleen ja huomata, että jokin oli silloin suuri ongelma, mutta nyt emme enää juuri ajattele sitä.

Tony Castellanos: Aivan.

David Rice: Asiat muuttuvat todella nopeasti.

Tony Castellanos: Mikä maailma – ja on silti todella hauskaa olla mukana.

David Rice: Yksi asia, joksikä tätä ei voi kutsua, on tylsyys.

Tony Castellanos: Totta.

David Rice: Hyvät kuuntelijat, seuraavaan kertaan asti: suunnatkaa osoitteeseen peoplemanagingpeople.com/aisignal ja tilatkaa uusin uutiskirjeemme. Se on johdolle suunnattu yhteenveto kaikesta, mitä sinun täytyy tällä viikolla oppia – tai yhdestä asiasta, joka sinun täytyy tällä viikolla oppia. Ei kaikesta. Itse asiassa juuri tässä on koko idea: löytää olennainen signaali ja hyödyntää sitä sen sijaan, että kuuntelisit kaikkia otsikoita ja kaaosta.

Äläkä seuraavaan kertaan asti lopeta asiantuntemuksesi kehittämistä. Se ei välttämättä ole katoamassa.

Tony Castellanos: Juuri niin.

David Rice: Oletko kyllästynyt pyytämään työntekijöitä suoritusarviointeihin? Tutustu Teamflectiin, Microsoft Teamsia varten rakennettuun, parhaaksi arvioituun suorituskyvyn hallinnan ja työntekijöiden sitouttamisen alustaan. Käyttöönotto on helpompaa siellä, missä tiimisi jo työskentelee. Aloita osoitteessa Teamflect.com.