Tekoäly tekee ihmisiä koskevista päätöksistä huonompia – tässä syy

David Rice: Käytät tekoälyä rekrytointipäätöksiin, suoritusarviointeihin, tiimien muodostamiseen ja muihin merkittäviin ihmisiä koskeviin päätöksiin, jotka vaikuttavat urakehitykseen, kulttuuriin ja liiketoimintasi tuloksiin. Monissa tapauksissa meillä ei kuitenkaan ole aavistustakaan siitä, millaista kontekstia sille oikeastaan syötämme. Se on kuin pyytäisit ystävältä neuvoa pomostasi ja hän sanoisi: "No, en oikeastaan tunne pomoasi, joten miten voisin antaa sinulle hyviä neuvoja?" Sinun täytyy kertoa hänelle enemmän. Mutta monissa tapauksissa et kerro tekoälylle enempää, vaan vain toivot sen selvittävän asian itse.

Tämän päivän vieraana on Matt Poepsel The Predictive Indexistä, ja hänen istuntonsa Las Vegasissa järjestetyssä viimeisimmässä Transform-konferenssissa oli nimeltään Älykkäät työkalut, tyhmät ihmisiä koskevat päätökset. Tässä nimittäin tapahtuu seuraavaa: tekoäly voi tutkia ja kirjoittaa muutamassa minuutissa sellaista, mihin ennen kului kaksi viikkoa, joten tiivistämme odotuksia. Toimimme nopeammin, mutta käytämme edelleen vanhaa ajattelumallia uusien työkalujen kanssa. Ja varhaiset aktiiviset käyttäjät ovat kaikkein uupuneimpia. Tässä on huomioitava myös se, että tärkein ja vaarallisin työn muoto on tiimityö.

Erilaiset persoonallisuustyypit törmäävät toisiinsa kuin törmäilyautot. Kun mukaan lisätään kilpailevat tavoitteet, joita monimutkaiset strategiat väistämättä sisältävät, lopputuloksena on katastrofin ainekset. Esihenkilöt eivät kuitenkaan tiedä pyytää käyttäytymiseen liittyvää dataa. Emme kouluta heitä siihen. Opetamme strategiaa, teknologiaa ja operaatioita, mutta emme sitä, miten ihmisiin liittyvä osuus saadaan toimimaan oikein.

Nyt lisäämme kokonaisuuteen myös tekoälyagentteja. Sinun agenttisi soittavat minun agenteilleni ja tekoäly tuottaa yhteenvetoja, joita minun tekoälyni sulattaa. Luomme välillemme todellista etäisyyttä samalla kun kuvittelemme olevamme tuottavia. Se on työskentelysotkua: yritämme pysyä eilisen tuottavuusmääritelmän mukana sen sijaan, että kehittyisimme kohti sitä, miltä arvo oikeasti näyttää.

Tämän päivän ohjelmassa käsittelemme sitä, miksi tekoäly tarvitsee käyttäytymiseen liittyvää kontekstia, ei vain työnkuvia ja taitoja; kahdesti mittaa, kerran leikkaa -periaatetta merkittävissä ihmisiä koskevissa päätöksissä, sillä jokainen ihmisiä koskeva päätös on nyt merkittävä; sitä, miksi taidot ovat ohimeneviä mutta käyttäytymispiirteet pysyviä; miten käyttäytymiseen liittyviä näkemyksiä voidaan tuoda mukaan aiemmin rekrytointiprosessissa; miksi esihenkilöt eivät tiedä pyytää oikeanlaista dataa ja mitä henkilöstöhallinnon pitäisi tehdä asialle; sekä lopuksi eroa sen välillä, kiihdyttääkö tekoäly tiimidynamiikkaa vai tuhoaako se luottamuksen.

Olen David Rice. Tämä on People Managing People. Jos olet käyttänyt tekoälyä ihmisiä koskeviin päätöksiin ymmärtämättä, millä kontekstilla on oikeasti merkitystä, tämä keskustelu näyttää toivottavasti täsmälleen, mitä sinulta puuttuu. Tämä on minun ja Mattin välinen kasvokkainen keskustelu Transform-tapahtuman messulattialla. Nauttikaa. Siirrytään minun ja Mattin pariin.

Olen täällä Matt Poepselin kanssa The Predictive Indexistä. Tervetuloa, Matt. Mukava keskustella kanssasi täällä Transformissa.

Matt Poepsel: Kiitos paljon. Kiitos kutsusta.

David Rice: Pidin todella paljon eilisestä istunnostasi. Sen nimi oli Älykkäät työkalut, tyhmät ihmisiä koskevat päätökset.

Matt Poepsel: Niinpä.

David Rice: Aloitetaanpa siitä.

Monissa tapauksissa sanot, että tekoäly tekee suosituksen ja ihminen hyväksyy sen. Mietin, missä suurempi riski on. Liiallisessa riippuvuudessa siitä vai siinä, ettemme monissa tapauksissa oikeastaan tiedä, mitä sille syötämme?

Matt Poepsel: Se on totta. Uskon, että aluksi siihen tullaan varmasti luottamaan liikaa, mutta en usko, että tekoälytyökalujen käyttäminen itsessään olisi lainkaan välttämättä huono asia.

Luulen kuitenkin, että kysymys on siitä, että meidän täytyy ymmärtää... sillä on käytettävissään vain se konteksti, jonka se saa.

David Rice: Aivan.

Matt Poepsel: Se olisi kuin kysyisin ystävältäni: "Tiedätkö, voisitko antaa minulle neuvoja pomoni kanssa työskentelyyn?" Hän vastaisi: "No, en oikeastaan tunne pomoasi, joten miten voisin antaa sinulle hyviä neuvoja siitä?

Sinun täytyy kertoa minulle enemmän." Minusta juuri näin tapahtuu usein näiden tekoälytyökalujen kanssa.

David Rice: Niin. Toinen asia on se, että ihmisiä koskevalla datalla on tunnetusti paljon ongelmia, eikö niin?

Matt Poepsel: Totta.

David Rice: Mietin siis, kun keskustelet niin monien ihmisten kanssa, kuinka luottavaisia sanoisit heidän olevan sen suhteen, mitä he syöttävät järjestelmiin?

Matt Poepsel: He eivät ole lainkaan luottavaisia. Olemme tekoälyn alkuaikoina, jolloin suuri osa käytöstä on aluksi hieman kokeellista. Ajatellaan: "Miten voisit auttaa minua? Mitähän saan vastaukseksi?" Ajan myötä ihmiset tulevat sen kanssa mukavammiksi, mikä on mielestäni hyvä asia, ja alkavat pyytää siltä enemmän ja monimutkaisempia asioita.

Aluksi pyydettiin esimerkiksi: "Auta minua muotoilemaan tämä sähköposti." Nyt pyyntö voi olla: "Auta minua luomaan esitys, joka minun täytyy pitää tiimilleni uusimmista myyntiluvuista." Käyttö siis laajenee ajan myötä, mutta jälleen kerran helposti huomaamatta jää se, että jos emme oikeastaan tunne tiimiä sen käyttäytymistyylien ja viestintämieltymysten osalta, saammeko tekoälyltä todella parhaat neuvot, jos se auttaa meitä luomaan kyseisen esityksen? Se huolestuttaa minua hieman.

David Rice: Olen ollut viime aikoina muutamissa konferensseissa, ja hallinnosta puhutaan paljon, etenkin kun siirrymme agenttien aikakauteen. Kuinka hyvin ihmiset mielestäsi määrittelevät sen, kuka päätöksestä omistaa vastuun?

Matt Poepsel: Päätöstä potkitaan ympäriinsä kuin jalkapalloa. Luulen, että se jää jonkinlaiseen välitilaan. Se ei ole puhtaasti juridinen asia, mutta ei myöskään puhtaasti IT:n tai henkilöstöhallinnon asia. Usein henkilöstöhallinnolle annetaan tehtäväksi sanoa: "Selvä, sinun täytyy viedä tätä eteenpäin", kun puhutaan tekoälyn hyväksyttävästä ja asianmukaisesta käytöstä. Se on mielestäni järkevää.

Loppujen lopuksi puhumme siitä, että ihmiset saattavat joutua vaaraan. Jos he saavat esihenkilöltään jotain loukkaavaa tai epämiellyttävää, se voi todella tuhota paljon luottamusta. Ihmiskustannus voi siis olla erittäin suuri. Siksi henkilöstöhallinnolla on tässä mielessä järkevä rooli. Mutta joskus asiaa tarkastellaan hieman liian tapahtumakeskeisesti.

Kun lähestymme asiaa vain vaatimustenmukaisuuden näkökulmasta, emme tunnista sitä, että tekoäly voi todella nopeuttaa kykyämme saada tiimidynamiikka toimimaan oikein tai vahvistaa liiketoimintaamme uusilla tavoilla.

David Rice: Mainitsit tiimidynamiikan, eikä tekoäly näkemyksesi mukaan vielä täysin kykene ymmärtämään sitä tai sitä, miten työ oikeasti tehdään.

Miten siis rakennat sille annettavan kontekstin ja jäsennät syötteen niin, että se pystyy hyödyntämään sitä?

Matt Poepsel: Sanon tätä jatkuvasti: tärkein ja vaarallisin työn muoto on tiimityö. Jos ajattelet mitä tahansa yrityksessä tapahtuvaa asiaa, on melko epätodennäköistä, että yksi ihminen tekisi sen täysin yksin.

Sen sijaan kyse on tiimeistä, ellei jopa ihmisryhmistä, jotka työskentelevät yhdessä tehdäkseen ohjelmista, aloitteista ja liiketoimintamallien muutoksista onnistuneita.

David Rice: Aivan.

Matt Poepsel: Meidän on siis saatava tiimityö toimimaan oikein. Minusta se alkaa tiimin käyttäytymiseen liittyvien erojen ja strategisten vaatimusten ymmärtämisestä.

Kun hyvin erilaiset persoonallisuustyypit laitetaan samaan tiimiin, ne törmäävät toisiinsa kuin törmäilyautot. Kun mukaan lisätään kilpailevat tavoitteet, joita monimutkaiset strategiat usein väistämättä sisältävät, lopputuloksena on resepti todella huonolle tiimidynamiikalle.

David Rice: Niin.

Matt Poepsel: Meidän on siis ymmärrettävä, että kun kokoamme datan siitä, mitä työtä pitää tehdä ja kuka sitä tekee, kyseessä on hyvin rikas konteksti. Asiantunteva ihminen voi tarkastella sitä ja sanoa: "Ymmärrän, miksi tämä tiimi jumittuu" tai miksi kitkaa syntyy juuri tällä alueella.

Kysymys kuuluu, miten saamme tekoälytyökalut auttamaan meitä myös tässä. Sitä täytyy varmasti pohtia.

David Rice: On hauskaa, että puhumme tiimidynamiikasta ja tiimityön olevan ikään kuin uhattuna. Samalla korostetaan, että jokaisesta tulee yrittäjiä ja agenttien johtajia. Ajattelen, että jos en ymmärrä, miten saan ihmiset työskentelemään yhdessä, saanko nämä agentit toimimaan yhdessä oikein?

Matt Poepsel: Aivan. Sinun agenttisi soittaisi minun agentilleni. Voi hyvänen aika. Yhtäkkiä näemme tilanteen, jossa suuri osa nykyisestä työskentelysotkusta syntyy siitä, että ihmiset yrittävät pysyä mukana eilisen käsityksessä siitä, miltä todellinen tuottavuus näytti, sen sijaan että olisimme kehittyneet kohti sitä, miltä arvo oikeasti näyttää.

Ihmisistä tuntuu, että he ovat niin kaukana jäljessä. Jos agentti voisi tulla automatisoimaan osia työstäni, ajattele, kuinka paljon enemmän voisin tehdä. Silloin pitää kuitenkin kysyä, onko kyse oikeanlaisesta työstä. Kun palaamme tiimiin, voit ajatella, että sinulla on agenttitiimi auttamassa sinua omassa osuudessasi ja minulla agenttitiimi auttamassa minua omassani. Olemmeko tilanteessa, jossa tekoäly vain tuottaa kaikki nämä yhteenvedot ja minun tekoälyni sulattaa ne, samalla kun luomme välillemme todellista etäisyyttä? Siinä meidän täytyy olla hyvin varovaisia.

David Rice: Mainitsit työskentelysotkun, ja se sai minut ajattelemaan jatkuvaa aikapainetta.

Olemme kaikki paineen alla toimia hyvin nopeasti. Sitä pidetään kilpailuetuna, mutta kannustin on luottaa järjestelmään ja siirtyä eteenpäin. Johtuuko tämä oikeastaan aikapaineesta? Ja miten voisimme lievittää sitä?

Se on jollain tapaa filosofinen kysymys: mitä tulemme arvostamaan? Mutta mikä on mielestäsi tehokkainta?

Matt Poepsel: On totta, että aikarajoitteet kiristyvät. Jos tutkimustehtävään ja sen päälle tehtävään kirjoitustyöhön annettiin ennen kaksi viikkoa, nyt tekoäly voi tehdä valtavia tutkimuksia muutamassa minuutissa. Silloin tuntuu oikealta tiivistää odotuksia ja saada asiat valmiiksi nopeammin.

Luotettavuudesta puhuttaessa on kuitenkin edelleen tehtävä riittävästi faktantarkistusta ja kehotteiden suunnittelua, eivätkä nämä asiat tapahdu itsestään.

Meidän täytyy tunnistaa, että käsityksemme ja jopa arviomme tehtävän valmistumiseen tarvittavasta ajasta saattaa olla hieman keinotekoinen. Kysymys on kuitenkin siitä, onko lopputulos laadukas. Vai näyttääkö se siltä, että tekoäly loi sen yksin tyhjiössä? Se ei auta ketään.

Samalla tutkimus osoittaa, että tekoälyn varhaisimmat aktiiviset käyttäjät ovat itse asiassa kaikkein uupuneimpia. He toimivat edelleen vanhan ajattelumallin mukaan, vaikka käyttävät uusia työkaluja. Olemme siis yhä oppimiskäyrän alkupäässä.

Kyse ei ole hypestä. Tekoäly luo ehdottomasti arvoa, mutta jos menetämme osan siitä tai kokemuksemme sen käytöstä luo etäisyyttä tiimijäseniimme tai kuluttaa omia voimavarojamme ja kykyjämme, se kertoo vain siitä, kuinka paljon meidän täytyy pysyä sen kehityksen tasalla.

David Rice: Tekoäly luo nopeutta, mutta ihmisiä koskevissa päätöksissä hyödymme usein siitä, että toimimme hieman hitaammin, harkitummin ja pohdiskelevammin.

Matt Poepsel: Niin.

David Rice: Tästä syntyy jännite tavoitteiden ja parhaan toteutustavan välille. Miten näet ihmisten navigoivan tässä tilanteessa ja säilyttävän laadun uhraamatta kuitenkaan kokonaan sitä nopeutta, jota haluamme saavuttaa?

Matt Poepsel: Lyhyt vastaus on: ei kovin hyvin. Olemme oppimiskäyrän alkuvaiheessa, joten se on ehkä odotettavaa. Nyt on kuitenkin paljon painetta edetä liian nopeasti joidenkin näiden ratkaisujen kanssa, ja siksi pahennamme itse tilannetta.

Jos emme vastaa jonkun tarpeisiin ja hän alkaa epäillä järjestelmää tai ajatella, että siihen liittyy jonkinlainen piilotettu tarkoitus, asiat voivat kestää paljon kauemmin kuin silloin, jos olisimme käyttäneet hieman enemmän aikaa alusta alkaen. Puusepäntyössä on vanha sanonta: "Mittaa kahdesti, leikkaa kerran."

Sillä on hyvä syy. Se on paljon nopeampaa ja kustannustehokkaampaa. Meidän pitäisi käyttää samanlaista lähestymistapaa merkittäviin ihmisiä koskeviin päätöksiin. Nykyisessä tilanteessa jokainen ihmisiä koskeva päätös on merkittävä päätös. Meidän ei tarvitse hidastaa, mutta meidän on toimittava harkitusti, jotta voimme edetä niin nopeasti kuin haluamme.

David Rice: Olet oikeassa. Tarkastelen parhaillaan paljon rekrytointia, joten saamamme datan laadun pitäisi olla ainakin hieman parempi. Meidän pitäisi vain hidastaa hetkeksi ja varmistaa, että kyseessä on oikea asia. Olemmeko tarkistaneet kaikki kohdat? Emme välttämättä aina tiedä, mitä taitoja etsimme.

Matt Poepsel: Totta.

David Rice: Jos emme edes tiedä, mitä taitoja etsimme, miten kirjoitamme työnkuvan niin, että löydämme oikean henkilön?

Matt Poepsel: Kopioimme sen vanhoilta ajoilta ja hakukonetuloksista, laitamme sen tekoälyn käsiteltäväksi, ja saamme edelleen saman vastauksen. Toinen ongelma on tietenkin se, että myös hakijoilla on pääsy tekoälyyn.

He näyttävät kaikki miljoonan dollarin arvoisilta, ja ihmettelemme: "Hetkinen, miten meillä yhtäkkiä on näin paljon täydellisiä hakijoita?" Alamme ohjata asiakkaita tuomaan käyttäytymiseen liittyviä näkemyksiä mukaan jo prosessin aikaisemmassa vaiheessa. Kun kirjoitat työnkuvaa, älä keskity vain taitoihin ja tehtäviin, vaan määrittele todella kyseisen tehtävän käyttäytymiseen liittyvät vaatimukset, jotta tiedämme tarkasti, mitä etsimme.

Näitä näkökulmia pitäisi käyttää myös haastatteluprosessissa ja pyytää hakijaa puhumaan täsmällisesti kyseisistä käyttäytymistavoista. Kun kysyt joltain: "Kerro ajasta, jolloin...", hänen on vaikeampi keksiä reaaliajassa vakuuttavaa tarinaa ja esimerkkiä tilanteesta, jossa hän toimi juuri sillä tavalla, jos hänellä ei ole tekoälyä käytettävissään.

David Rice: Niin.

Matt Poepsel: Havaitsemme, että tämä on todella hyvä lähestymistapa. Toinen ongelma liittyy taitoihin. Vaikka emme pystyisi vielä täysin kuvailemaan niitä, ne tulevat muuttumaan, koska kaikki kehittyy niin nopeasti. Taidot ovat opittavissa, mikä on hienoa, mutta persoonallisuuteen liittyvät käyttäytymistavat eivät ole opittavissa samalla tavalla.

Sinä olet sellainen kuin olet, ja se on kaunis asia. Meidän täytyy vain varmistaa, että palkkaamme sinut tehtävään, joka sopii sinulle.

David Rice: Kaksi vuotta sitten kaikki ajattelivat, että kehotteiden suunnittelusta tulee suuri juttu, ja nyt vain puhun tekoälylle.

Matt Poepsel: Annetaan sen vain virrata. Annetaan sen virrata kuoliaaksi.

Se on totta. Se on hyvä esimerkki siitä, että ehkä kolmasosa niistä taidoista, joita odotamme työvoiman tarvitsevan vuonna 2030, toteutuu. Todellisuudessa nekin taidot tulevat olemaan hyvin hauraita ja, jos niin voi sanoa, ohimeneviä.

Kun taas tarkastelet ihmissuhdetaitoja, tarinankerrontaa, luovaa ajattelua ja kykyä toimia sopusoinnussa erilaisten ihmisryhmien kanssa, nämä asiat eivät koskaan mene pois muodista. Ne eivät ole pehmeitä taitoja, vaan olennaisia taitoja aikana, jolloin teknologia voi hoitaa niin suuren osan mekaanisesta työstä.

David Rice: Meillä on tapana uskoa, että suurempi datamäärä johtaa automaattisesti parempaan päätöksentekoon. Konteksti on kuitenkin tietenkin avainasemassa. Onko tämä edes oikea data tarkasteltavaksi? Kaikissa tekemissämme päätöksissä.

Matt Poepsel: En tunne yhtäkään esihenkilöä, joka sanoisi: "Kunpa minulla olisi enemmän dataa." Meillä on valtavasti dataa. Kysymyksesi on erinomainen: onko kyse oikeasta datasta? Erityisesti kun tarkastelemme johtamistehtävää, jossa ihmisryhmät saatetaan työskentelemään yhdessä yhteisen tavoitteen eteen, kyse on juuri siitä, mitä esihenkilöiltä pyydetään.

Henkilöstöhallinto tukee tätä monissa tapauksissa tarjoamalla koulutusta, työkaluja ja ohjausta. Kysymys kuuluu siis juuri tämä: meillä voi olla yhä enemmän dataa, mutta onko se oikea data, joka syötetään kontekstuaaliseen päätökseen? Ja pystymmekö yksilöimään lopputuloksen? Jos johdat minua, se tulee olemaan erilaista kuin jos johdat henkilöä, jonka persoonallisuus poikkeaa suuresti omastani.

David Rice: Aivan.

Matt Poepsel: Johtajalta odotetaan, että hän mukauttaa tyyliään ja on tietoinen itsestään ja muista pystyäkseen navigoimaan tällaisissa tilanteissa. Se on vaikeaa, ellei mahdotonta, ilman dataa. Se on myös vaikeaa ilman apuna olevia työkaluja, ellei henkilö ole käynyt läpi valtavaa määrää koulutusta, jota esihenkilöt eivät nykyään saa.

Aika on nimittäin tekijä. Meillä on aikapaine. Kaikki tämä johtaa siihen, että tarvitsemme kontekstuaalisia, harkittuja ja käyttäytymiseen perustuvia työkaluja, jotka auttavat meitä saamaan ihmisiin liittyvän osuuden toimimaan oikein suuressa mittakaavassa.

David Rice: Miltä kontekstipohjaisempi järjestelmä mielestäsi näyttää? Useimmat tekoälyä hyödyntävät organisaatiot syöttävät sille asioita kuten työnkuvia ja ehkä kehityssuunnitelmia.

Miltä se oikeastaan näyttää, mitä siihen kuuluu ja miten se ohjaa johtamiseen liittyviä päätöksiä?

Matt Poepsel: Haluaisin edetä ulkoa sisään. Haluaisin aloittaa korkeimmalta tasolta: millainen yrityksen kulttuuri on? Mitkä ovat kulttuuriset arvonne? Mitä yritätte saavuttaa liiketoiminnassanne?

Ne ovat tärkeitä asioita. Entä tulevaisuuden taidot? Mitä kyvykkyyksiä yritätte yleisesti tuoda organisaatioon? Sitten asian voisi viedä tiimitasolle. Minkä parissa tiimi työskentelee? Millainen on tiimin jäsenten käyttäytymiseen liittyvä koostumus, joka minun pitäisi tuntea?

Olemmeko samanlaisia vai erilaisia? Millaisia aiempia vuorovaikutustilanteita meillä on ollut? Olemme The Predictive Indexissä onnekkaita, koska meillä on käytettävissämme kaikki tämä data ja siten valtavasti kontekstia. Se auttaa meitä ymmärtämään ympäristön, jossa tämä merkittävä ihmisten välinen vuorovaikutus tapahtuu, jotta meillä olisi paremmat mahdollisuudet saada asiat toimimaan oikein.

David Rice: Työskentelet monien erilaisten organisaatioiden kanssa ja näet johtajien tekemiä yleisiä virheitä. Aliarvioivatko he tämän haasteen? Puhuimme aiemmin siitä, etteivät he luota omiin ihmisiinsä liittyvään dataan, mutta seuraava kysymys on ehkä se, luottavatko he pystyvänsä hankkimaan oikean datan.

Matt Poepsel: Usein he eivät tiedä, miten kysymys pitäisi esittää, minkä vuoksi yhteistyö henkilöstöhallinnon kanssa on niin tärkeää. En tunne monia kouluttamattomia esihenkilöitä, jotka menisivät henkilöstöhallintoon sanomaan: "Tarvitsen todella enemmän käyttäytymiseen liittyvää dataa ihmisistäni."

David Rice: Aivan.

Matt Poepsel: He eivät tiedä. He eivät edes tiedä kysyä sitä.

Emme myöskään kouluta heitä liiketoimintakouluissa sillä tavalla. Opetamme strategiaa, teknologiaa ja operaatioita. Emme opeta, miten ihmisiin liittyvä osuus saadaan toimimaan oikein. On siis jo iso harppaus odottaa esihenkilön päättelevän tyhjästä: "Tarvitsen ihmisistä dataa."

Toinen haaste liittyy siihen, miten dataa käytetään sen yhteydessä, mitä yritän saavuttaa. Siinä on seuraava vaikea kohta. Käännöstyötä on paljon. Hyvä uutinen on, että työkalut ovat helposti saatavilla. Voit kehittää itsetuntemustasi ja tietoisuuttasi muista.

Voit kehittää kokonaisen tiimidynamiikan käyttämällä meidän kaltaisiamme työkaluja, jotka yksinkertaisesti tekevät koko prosessista nopeasti ymmärrettävän. Se on lupaavaa, mutta työkaluja on käytettävä.

David Rice: On ollut mukava saada sinut ohjelmaan. Mitä odotat tältä viikolta? Mitä haluat oppia tai tutkia?

Matt Poepsel: Haluan ehdottomasti ymmärtää jokaisen tapaamani henkilöstöhallinnon ammattilaisen kautta, mistä he tulevat ja miten he kokevat roolinsa tässä muutoksessa, sillä kokemukset vaihtelevat suuresti. Jotkut henkilöstöammattilaiset ovat pahasti jäljessä. Heidän organisaationsa kohtelee heitä hyvin tapahtumakeskeisesti. Toiset taas ovat kehityksen eturintamassa.

He vievät liiketoimintaa eteenpäin sen suhteen, mikä on mahdollista. Onneksi kumpaakaan ääripäätä ei ole kovin paljon. Monet ovat jossain matkan varrella. Mitä enemmän voin oppia heidän kokemuksistaan ja siitä, miten voin auttaa heitä vahvistamaan henkilöstöhallinnon toimintoa, sitä parempi.

Sanon aina, että jokainen liiketoiminta on ihmisiin liittyvää liiketoimintaa. Meidän täytyy siis nostaa henkilöstöammattilaiset todella tärkeään asemaan ja, kuten eilisessä puheessani kuulitte, jopa upottaa heidät päivittäin käyttämiimme työkaluihin. Näin henkilöstöhallinnon parhaat puolet saadaan käyttöön suuressa mittakaavassa. Se innostaa minua todella paljon The Predictive Indexissä tekemässämme työssä.

David Rice: Matt, kiitos kun liityit seuraamme tänään. Oli hienoa saada sinut ohjelmaan.

Matt Poepsel: Kiitos kutsusta. Tämä on ollut hieno tapahtuma ja hieno keskustelu.

David Rice: Selvä. Päätämme tämän jakson tähän. Liity seuraamme seuraavassa jaksossa.

Ja kuten aina, jos et ole vielä tehnyt niin, tilaa uutiskirjeemme ja seuraa meitä YouTubessa sekä kaikissa sosiaalisen median kanavissa, jotta saat kaiken sisällön suoraan syötteeseesi.