Vuosittaisista arvioinneista jatkuvaan tekoälyavusteiseen valmennukseen: käytännön siirtymäkehys
Vain 2 % Fortune 500 -yritysten henkilöstöjohtajista uskoo vahvasti, että heidän nykyinen suoritusten arviointijärjestelmänsä edistää kehittymistä.
Tästä luvusta on tullut luotettava puheenaihe henkilöstöhallinnon konferensseissa ja toimittajien myyntiesityksissä, ja sitä seuraa yleensä lupaus siitä, että tekoälypohjainen jatkuva palaute ratkaisee ongelman. Myyntipuhe on vakuuttava. Tulokset eivät toistaiseksi ole.
MIT:n NANDA-aloitteen nykyään kuuluisassa tutkimuksessa osoitettiin, että noin 95 % generatiivisen tekoälyn pilottiohjelmista ei laajene tuotantokäyttöön. RAND Corporationin erillinen analyysi arvioi kaikkien tekoälyhankkeiden epäonnistumisasteeksi 80 %, ja keskeytettyihin hankkeisiin on uponnut keskimäärin 4,2 miljoonaa dollaria.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Gartner luokittelee yritysten tekoälyn nyt olevan vuonna 2026 vankasti pettymyksen aallonpohjassa, mikä vastaa sitä, mitä henkilöstöjohtajat käytännössä kokevat: työkalut toimivat hyvin esittelyssä, hyväksyttävästi pilottivaiheessa ja pysähtyvät yritystason käyttöönottoon.
Suoritusten johtamisen alue on erityisen altis tälle ilmiölle, koska sen parantamiseen tähtäävä perusprosessi, vuosittainen arviointi, on itsessään syvälle juurtunut. Sellaisen työkalun hankkiminen, joka lupaa muuttaa palautteen jatkuvaksi, tekoälyn avustamaksi valmennuskierroksi, kuulostaa toimittajan esityskalvolla vakuuttavalta.
Käytännössä se edellyttää kokonaisvaltaista uudistusta siinä, miten esihenkilöt käyttävät aikaansa, miten palkitsemista ja ylennyksiä koskevia päätöksiä tehdään ja miten työntekijät kokevat vastuun. Useimmat organisaatiot ohittavat tämän uudistuksen ja odottavat ohjelmiston kantavan vastuun.
Seuraavaksi esitellään käytännöllinen siirtymäkehys, joka perustuu siihen, missä käyttöönotot todellisuudessa hajoavat:
- käyttöönottoa edeltävä auditointi, jonka useimmat organisaatiot jättävät väliin
- miltä esihenkilön työnkulun on näytettävä siirtymän jälkeen
- luovutusarkkitehtuuri, joka estää valmennustyökaluja muuttumasta valvontatyökaluiksi
- viisi toistuvaa epäonnistumisen syytä ja realistinen aikataulu siirtymälle.
Auditointi
Ennen minkään tekoälytyökalun määrittämistä kolmeen kysymykseen on saatava rehellinen vastaus.
Data
Ensimmäinen koskee dataa. Tekoälyn avustama jatkuva valmennus edellyttää jatkuvaa rakenteisen syötteen virtaa, joka sisältää seuraavat:
- dokumentoidut kahdenkeskisten tapaamisten muistiinpanot
- projektien virstanpylväät
- vertaispalautemerkinnät
- tavoitteiden seurannan päivitykset.
Jos esihenkilöt eivät jo nyt tuota tätä dataa johdonmukaisesti, tekoälyllä ei ole mitään merkityksellistä analysoitavaa. Roskaa sisään, kohinaa ulos.
Esihenkilöiden kyvykkyys
Toinen kysymys koskee esihenkilöiden kyvykkyyttä. Tekoälyjärjestelmä, joka havaitsee sitoutumattomuuden merkin ja ehdottaa valmennustoimenpidettä, on hyödyllinen vain, jos merkin vastaanottava esihenkilö osaa toimia sen perusteella.
Jos esihenkilöilläsi on nyt vaikeuksia käydä suoria palautekeskusteluja, koneellisesti tuotetun kehotteen lisääminen ei korjaa ongelmaa. Se tuo puutteen nopeammin esiin, mistä voi olla hyötyä, mutta vain jos organisaatiolla on suunnitelma puutteen korjaamiseksi.
Prosessi
Kolmas kysymys koskee prosessiarkkitehtuuria. Onko nykyisessä suoritusten johtamisjärjestelmässäsi selkeät eskalointipolut? Milloin alisuoriutumisen kaava siirtyy esihenkilön vastuulta henkilöstöhallinnon vastuulle? Kuka päättää, milloin valmennustoimenpiteestä tulee suorituksen parantamissuunnitelma?
Näiden luovutuskohtien on oltava olemassa ennen kuin tekoäly alkaa ilmoittaa ongelmista suuressa mittakaavassa, sillä ilmoitusten määrä paljastaa kaikki nykyisen prosessisi epäselvyydet muutamassa viikossa.
Useimmat organisaatiot tekevät tämän väärässä järjestyksessä. Ne ottavat ensin työkalun käyttöön ja ihmettelevät sitten, miksi käyttöönotto takkuilee. Älykkäämpi tapa alkaa määrittelystä. Miltä erinomainen esihenkilökäyttäytyminen näyttää jatkuvan palautteen kulttuurissa? Vasta sen jälkeen kannattaa kysyä, tukeeko työkalu sitä todella. Jos ohitat tämän vaiheen, et ole muuttanut esihenkilön työtä. Olet vain antanut hänelle uuden hallintapaneelin ohitettavaksi.
Hyödyllinen näkökulma löytyy laajemmasta tekoälyn käyttöönottoa koskevasta tutkimuksesta. Aiemmin tänä vuonna julkaistussa Maailman talousfoorumin raportissa todettiin, että alle joka viides organisaatio ilmoitti olevansa pitkälle kehittynyt millään datavalmiuden osa-alueella, ja 72 % liiketoimintajohtajista sanoi data- perustojen ja tietoputkien olevan heidän nopeimmin kasvava tekoälyinvestointien alueensa.
Suorituksen johtamisen näkökulmasta perustan rakentaminen tarkoittaa auditointia: kartoita dataympäristösi, arvioi esihenkilösi ja dokumentoi prosessiarkkitehtuurisi ennen työkalun käyttöönottoa.
Miltä esihenkilön viikko näyttää siirtymän jälkeen
Jatkuvasta palautteesta kirjoitetun sisällön yleisin puute on se, että se jää käsitteelliselle tasolle.
”Siirtykää jatkuviin valmennuskeskusteluihin” on ohje, joka ei kerro esihenkilölle mitään tiistaista. Siirtymäkehyksen on oltava riittävän konkreettinen, jotta henkilöstöjohtaja voi kuvata ensimmäisen tason esihenkilölle ymmärrettävällä tavalla, mikä heidän viikoittaisessa rytmissään muuttuu.
Kypsässä toteutuksessa tekoälyalusta tuottaa jatkuvasti päivittyvän yhteenvedon jokaisen suoran alaisen toiminnasta hyödyntäen projektinhallintatietoja, vertaispalautteita ja dokumentoituja kahdenkeskisten keskustelujen muistiinpanoja.
Maanantai
Esihenkilön maanantai alkaa yleensä näiden yhteenvetojen 15–20 minuutin läpikäynnillä. Järjestelmä on nostanut esiin lyhyen luettelon valmennustilanteista – ehkä viidestä seitsemään kahdeksan–kymmenen suoran alaisen tiimissä – ja järjestänyt ne kiireellisyyden ja toistuvien mallien vahvuuden mukaan.
Esihenkilön tehtävänä on suodattaa luettelo. Osa ilmoituksista on kohinaa. Yhteistyömittareiden heikkeneminen saattaa johtua keskittymistä vaativasta projektivaiheesta eikä sitoutumisen puutteesta. Tekoäly ei tiedä sitä. Esihenkilö tietää.
Tässä suodatusvaiheessa inhimillinen harkinta on edelleen olennaista. Juuri tässä vaiheessa romahtavat ne toteutukset, joissa tekoäly asetetaan esihenkilön harkintakyvyn korvaajaksi sen sijaan, että sitä hyödynnettäisiin harkinnan tukena.
Tiistai–perjantai
Viikon aikana esihenkilö käy kahdenkeskisiä keskusteluja. Perinteisessä mallissa nämä tapaamiset ovat usein jäsentymättömiä kuulumisten vaihtoja, joita ohjaa se, mikä kulloinkin on päällimmäisenä mielessä.
Siirtymässä olevaan malliin tekoäly on ladannut jokaiselle suoralle alaiselle valmennuksen asialistan ja nostaa esiin malleja, joita esihenkilö ei ehkä olisi huomannut: tiimin jäsenen, joka on saanut kollegoiltaan tunnustusta kolme kertaa tässä kuussa mutta ei lainkaan palautetta kehityskohteistaan, tai henkilön, jonka tavoitteiden saavuttamisaste on laskenut jyrkästi kahden viimeisimmän sprintin aikana.
Keskeinen ero vanhaan malliin ei ole keskustelujen tiheys. Monet esihenkilöt kävivät jo ennestään viikoittaisia kahdenkeskisiä keskusteluja. Ero on valmistautumisen laadussa. Tekoäly hoitaa tiedon yhdistämisen ja mallien tunnistamisen, jotka esihenkilö joko teki huonosti, koska datan määrä ylitti sen, mitä ihminen pystyy seuraamaan koko tiimin osalta, tai joita hän ei tehnyt lainkaan.
Uuden rytmin omaksuminen vaihtelee kuitenkin tavoilla, joita useimmat organisaatiot eivät osaa ennakoida. Poepselin mukaan esihenkilöt, jotka todella hyödyntävät jatkuvasti tekoälyn tuottamia näkemyksiä, ovat yleensä niitä, joilla oli valmennukseen liittyviä toimintatapoja jo ennen työkalun käyttöönottoa.
”Tekoäly vain vahvisti sitä, mitä oli jo olemassa”, hän sanoi. ”Muiden kohdalla työkalu saapui käyttäytymisen tyhjiöön.”
Hän nosti esiin käyttäytymisprofiilin tekijänä, jonka organisaatiot jättävät toistuvasti huomiotta: tuloskeskeiset esihenkilöt suhtautuvat työkaluun yleensä kohinana, kun taas ihmisorientoituneet esihenkilöt sisällyttävät sen todennäköisemmin osaksi nykyistä toimintatapaansa.
”Jos et ota käyttäytymisprofiilia huomioon käyttöönotto- strategiassasi, suunnittelet yhdentyyppiselle esihenkilölle ja ihmettelet, miksi muut eivät lähde mukaan”, hän sanoi.
Happily.ai:n aineisto, jossa analysoitiin 633 esihenkilöä 60 organisaatiossa, viittaa siihen, että ilmiö ulottuu valmennustyyliä syvemmälle. Yritys havaitsi, että työsuhteen kestolla oli lähes olematon yhteys tiimin sitoutumiseen. Tämä tarkoittaa, että kolme kuukautta sitten palkattu esihenkilö, joka on johdonmukaisesti läsnä, suoriutuu paremmin kuin kymmenen vuotta organisaatiossa ollut konkari, joka ei sitä ole.
Heidän aineistonsa heikoin neljännes esihenkilöistä ei suoriutunut asteittain heikommin. Heidän tiimiensä sitoutumispisteet olivat nolla. Jatkuvaan palautteeseen siirtymisen kannalta tämä tarkoittaa, että teknologia voi olla käyttövalmis heti ensimmäisenä päivänä, mutta esihenkilöiden käyttäytymisen vaihtelu ratkaisee, tuottaako se oivalluksia vai hiljaisuutta.
Tämä ei kuitenkaan tarkoita, että ajankäyttö katoaisi, vaan se muuttuu. Esihenkilöt käyttävät vähemmän aikaa vuoden lopun arviointiruuhkiin. Varhaisten käyttöönottajien keskuudessa usein mainittu tavoite on vähentää arviointeihin liittyvään hallinnolliseen työhön käytettyä kokonaisaikaa 20 prosentilla ja jakaa se vuoden varrelle lyhyemmiksi ja kohdennetummiksi valmennuskeskusteluiksi.
Tuntimäärä ei välttämättä vähene. Tunnit muuttuvat tuottavammiksi.
Kolmiportainen vastuun siirto
Yksi nopeimmista tavoista tuhota tekoälyavusteisen valmennuksen käyttöönotto on hämärtää oivallusten ja valvonnan välinen ero.
Työntekijät, jotka saavat tietää tekoälyn seuraavan heidän yhteistyömallejaan, sähköpostiviesteihin vastaamiseen kuluvaa aikaa tai kokouksiin osallistumista ilman asiayhteyttä, tulkitsevat järjestelmän valvonnaksi. Eivätkä he ole väärässä, ellei organisaatio ole määritellyt selkeitä rajoja sille, mitä seurataan, kuka näkee mitäkin ja milloin ilmoitus eskaloituu esihenkilön ulkopuolelle.
Organisaatiot, jotka onnistuvat tässä, toimivat yleensä kolmitasoisen mallin mukaisesti.
Esihenkilötaso
Ensimmäinen taso on esihenkilötaso. Tekoäly tuo valmennuskehotteet, toimintamallien yhteenvedot ja kehittymissuositukset suoraan esihenkilön nähtäviksi. Nämä tiedot on tarkoitettu esihenkilön käyttöön valmennuskeskusteluissa. Niitä ei jaeta automaattisesti ylemmälle johdolle.
HRBP-taso
Kun toimintamalli jatkuu määritellyn ajanjakson ajan, esimerkiksi kun suorituskykymittarit heikkenevät 60–90 päivän ajan tai järjestelmä ilmoittaa toistuvasti asioista, joihin esihenkilö ei ole reagoinut, järjestelmä eskaloi asian HRBP:lle. Eskalointi käynnistää keskustelun HRBP:n ja esihenkilön välillä, ei sitä, että HR tarkastelisi työntekijän tietoja ilman esihenkilön tarjoamaa asiayhteyttä.
Organisaatiotaso
Koontimuotoinen, anonymisoitu data kulkee ylemmäs henkilöstösuunnittelua varten. Johto näkee tiimien ja osastojen väliset trendit, henkilöstön pysyvyyteen liittyvät riskimallit ja sitoutumisen kehityskaaret. Se ei näe yksittäisten työntekijöiden koontinäyttöjä.
Avoimuus on yhtä tärkeää kuin arkkitehtuuri. Työntekijöiden on tiedettävä, mitä seurataan, miten sitä käytetään ja mitä he voivat nähdä itsestään. Vastareaktioilta välttyvissä toteutuksissa työntekijöille annetaan pääsy omiin tekoälyn tuottamiin yhteenvetoihinsa, mikä luo yhteisen viitepisteen valmennuskeskusteluille yksisuuntaisen valvontatyökalun sijaan.
Yksi syy siihen, että käyttöönotto tuottaa vaikeuksia eri toimialoilla, on se, että käyttöönoton epäonnistumisia aiheuttavat usein työntekijöiden huoli omasta merkityksellisyydestään, identiteetistään ja työpaikkansa säilymisestä, eivät tekniset rajoitukset.
Suorituksen johtamisessa nämä huolet korostuvat, koska tekoälyn käsittelemä data on henkilökohtaista. Se, miten joku toimii työpaikalla, miten hän tekee yhteistyötä ja miten hän suoriutuu. Jos työntekijöistä tuntuu, että dataa käytetään heitä vastaan eikä heidän hyväkseen, käyttöönotto epäonnistuu työkalun teknisestä suorituskyvystä riippumatta.
Viisi epäonnistumisen tapaa ja miltä ne todellisuudessa näyttävät
Tekoälyhankkeiden epäonnistumista koskeva tutkimus yhdistettynä suorituksen johtamisen varhaisten käyttöönottajien kokemuksiin osoittaa viisi toistuvaa ongelmien ilmenemismallia. Niitä kannattaa käsitellä yksityiskohtaisesti, koska useimmissa toimittajien rahoittamissa jatkuvaa palautetta koskevissa sisällöissä niitä ei mainita, vaikka niissä piilee todellinen toiminnallinen oppi.
Päälleliitetyn ratkaisun ongelma
Organisaatio hankkii tekoälytyökalun, mutta ei luovu vuosittaisesta arvioinnista. Molemmat järjestelmät toimivat rinnakkain. Esihenkilöt turvautuvat tuttuun järjestelmään.
Järjestelmästä tulee hyllyohjelmisto, ja kun uusimisen aika koittaa, data osoittaa käyttöasteen olevan alhainen ja sijoitetun pääoman tuoton epäselvä.
Jos siirryt jatkuvaan valmennukseen, vuosittainen arviointiprosessi on purettava, ei sitä pidä vain täydentää. Organisaatiot, jotka yrittävät käyttää molempia, näkevät vuosittaisen kierroksen voittavan joka kerta, koska sillä on institutionaalista painoarvoa ja se liittyy palkitsemispäätöksiin tavalla, jonka uusi järjestelmä ei ole vielä ansainnut korvata luottamuksella.
Liiallisen hälyn ongelma
Tekoäly ilmoittaa kaikesta. Esihenkilöt saavat 10–15 ilmoitusta päivässä, eivät pysty erottamaan olennaista hälystä ja alkavat lopulta jättää järjestelmän kokonaan huomiotta. Perimmäinen syy on yleensä käyttöönoton aikainen huono kynnysarvojen määritys.
Alusta on säädettävä niin, että esihenkilöt näkevät kolmesta viiteen toimintaan johtavaa valmennushetkeä viikossa, eivät päivässä.
Luottamuskuilu
Esihenkilö saa tekoälyn tuottaman valmennuskehotteen eikä usko sitä. Järjestelmä on ehkä merkinnyt työntekijän sitoutumisen heikentyneeksi, vaikka esihenkilö pitää tätä huippusuoriutujana.
Sen sijaan että esihenkilö selvittäisi ristiriitaa, hän sivuuttaa tekoälyn. Poepsel kuvasi tästä yleisen esimerkin: tekoäly merkitsee sitoutumisen heikentyneeksi käyttäytymissignaalien, kuten viestinnän tiheyden tai kokouksiin osallistumisen, perusteella, mutta ei huomioi lainkaan asiayhteyttä.
Joku on hiljaa, koska hän tekee syvällistä työtä. Tai hän käy läpi jotain henkilökohtaista, hän sanoi. Esihenkilö toimii merkinnän perusteella velvollisuudentunnosta, käy kiusallisen seurantakeskustelun, ja työntekijä kokee joutuvansa valvotuksi tuen saamisen sijaan. Tämä yhteensopimattomuuden hetki ei ainoastaan vahingoita suhdetta. Se heikentää esihenkilön luottamusta työkaluun.
Ratkaisu on avoimuus siitä, miten tekoäly muodostaa arvionsa, mihin tietoihin se perustuu ja mikä sen tunnettu virheprosentti on. Kun väärien positiivisten tulosten määrät kerrotaan esihenkilöille avoimesti sen sijaan, että työkalun tarkkuutta markkinoitaisiin, rakennetaan sellaista realistista luottamusta, joka ylläpitää käyttöönottoa.
Valvonnan vastareaktio
Tätä käsiteltiin luovutusta koskevassa osiossa, mutta se on syytä nostaa esiin erillisenä epäonnistumisen muotona. Näin voi tapahtua silloinkin, kun organisaation tarkoitusperät ovat hyvät ja data-arkkitehtuuri järkevä, jos työntekijöille viestitään asiasta huonosti.
Laukaiseva tekijä on lähes aina asian paljastuminen eikä siitä kertominen: työntekijät saavat selville, mitä seurataan, sen sijaan että heille kerrottaisiin siitä ennakolta.
Datan laatuongelma
Tekoäly analysoi puutteellisia tietueita. Puolet organisaation esihenkilöistä dokumentoi 1:1-keskustelunsa. Toinen puoli ei tee niin. Vertaispalaute on satunnaista. Tavoitteiden seuranta vaihtelee tiimien välillä. Tekoäly tuottaa laadultaan erittäin epätasaisia oivalluksia, mikä rapauttaa luottamusta järjestelmän tuottamiin tuloksiin koko organisaatiossa.
Tämä on ensimmäisen osion auditointiongelma mittakaavassa, ja siksi tietojen siirtoa edeltävä tietojen laadunhallinta on välttämätöntä.
Palkkaus- ja ylennyspäätökset ilman vuosittaisia arvioita
Tämä on kysymys, joka saa talousjohtajat ja palkitsemisvaliokunnat hermostumaan, ja se on kysymys, jota useimmat jatkuvaa palautetta käsittelevät sisällöt välttelevät. Jos vuosittainen arviointi puretaan, miten ylennys- ja palkkauspäätökset tehdään?
Lyhyt vastaus on, että yksi merkittävä ja paljon panoksia sisältävä arvio korvataan sarjalla dokumentoituja, vähemmän kriittisiä arvioita, joita kertyy ajan mittaan.
Siirretyssä järjestelmässä tekoäly ylläpitää jatkuvasti päivittyvää suoritustietoa, joka kokoaa yhteen valmennuskeskustelut, tavoitteiden saavuttamista koskevat tiedot, vertaisilta saadun tunnustuksen ja vuoden aikana kirjatut esihenkilöiden arviot.
Kun neljännesvuosittainen tai puolivuosittainen päätösajankohta koittaa, esihenkilöllä ja HRBP:llä on käytettävissään näyttöä, joka on laajempaa, ajantasaisempaa ja yksityiskohtaisempaa kuin mikään jälkikäteen laadittu vuosittainen arvio voisi tuottaa.
Pidempi vastaus on, että tämä edellyttää kalibrointiprosessin perusteellista uudelleensuunnittelua. Vuosittaiset kalibrointitapaamiset, joissa esihenkilöt perustelevat tiimiläistensä arvosanoja pakotettua jakaumakäyrää vasten, on suunniteltu maailmaan, jossa suoritustietoa on niukasti ja se on subjektiivista.
Jatkuvassa mallissa kalibrointikeskustelu siirtyy arvosanojen kiistämisestä kehityskulkujen tarkasteluun. Onko tämän henkilön kehityssuunta nousujohteinen? Onko hänen kasvunsa nopeus muuttunut? Missä ovat erot dokumentoidun suoriutumisen ja hänen palkkaluokkansa välillä?
Poepsel näkee tämän jatkuvaa palautetta koskevan keskustelun keskiössä olevana ratkaisemattomana jännitteenä.
Useimmat organisaatiot eivät ole korvanneet vuosittaista arviointia. Ne ovat lisänneet jatkuvan palautteen sen päälle. Ne käyttävät kahta järjestelmää ja kutsuvat sitä muutokseksi, hän sanoi. Tekoälyn pitäisi tukea ihmisen harkintaa tuomalla esiin malleja, tunnistamalla kehityskulkuja ja merkitsemällä esihenkilöiden arvioiden välisiä epäjohdonmukaisuuksia. Mutta ihmisen on silti tehtävä päätös. Kun organisaatiot teeskentelevät muuta, ne eivät poista vinoumaa. Ne hämärtävät vastuun.
Usein siteerattu Gallupin havainto, jonka mukaan viikoittain palautetta saavat työntekijät ovat 2,7 kertaa todennäköisemmin sitoutuneita, nostetaan usein esiin syynä siirtyä jatkuvaan palautteeseen. Sitoutuminen yksin ei kuitenkaan ratkaise palkkausongelmaa.
Operatiivinen kysymys kuuluu, tuottaako jatkuva data todella parempia ylennys- ja palkkauspäätöksiä. Organisaatioista, jotka ovat toteuttaneet täyden siirtymän, saadut varhaiset todisteet viittaavat siihen, että vastaus on kyllä, mutta yhdellä varauksella: datan laatu riippuu täysin siitä, ovatko esihenkilöt käyttäneet järjestelmää johdonmukaisesti koko vuoden ajan.
Organisaatioissa, joissa käyttöönotto on epätasaista, jatkuva data on itse asiassa vanhaa järjestelmää huonompaa, koska se luo puutteellisiin syötteisiin perustuvan vaikutelman järjestelmällisyydestä.
Realistinen siirtymäaikataulu
Edellä dokumentoitujen epäonnistumismallien ja tämän siirtymän läpikäyneiden organisaatioiden kokemusten perusteella eteneminen näyttää suurin piirtein tältä.
Kuukaudet 1–3 ovat auditointivaihe. Kartoittakaa dataympäristönne. Arvioikaa esihenkilöiden valmiudet. Dokumentoikaa nykyinen eskalointi- ja päätöksentekoarkkitehtuurinne.
Tämä vaihe ei ole näyttävä eikä tuota näkyviä tuloksia, minkä vuoksi se jätetään väliin. Sen väliin jättävät organisaatiot huomaavat usein palaavansa tähän vaiheeseen yhdeksän kuukautta myöhemmin, käytettyään samalla uskottavuutensa ja ensimmäisen uusimisjaksonsa.
Kuukaudet 4–6 ovat prosessin uudelleensuunnittelua. Tässä vaiheessa esihenkilöiden työnkulku rakennetaan uudelleen. Miltä viikoittainen rytmi näyttää? Mitkä ovat luovutuskäytännöt? Miten kalibrointi toteutetaan? Kuka näkee mitäkin dataa?
Näihin kysymyksiin vastataan ennen toimittajan valintaa, koska vastaukset määrittävät vaatimukset.
Kuukaudet 7–9 ovat pilottivaihe. Esihenkilöryhmä käyttää uutta prosessia valitulla alustalla. Pilotin tavoitteena ei ole osoittaa, että järjestelmä toimii, vaan dokumentoida, missä se rikkoutuu.
Jokainen epäonnistumistapa, jokainen kiertotapa ja jokainen epäselvyyttä aiheuttava kohta luetteloidaan. Toteutukset, joissa pilottia käytetään onnistumistarinan eikä epäonnistumisluettelon tuottamiseen, optimoivat väärää lopputulosta.
Kuukaudet 10–12 ovat sopeuttamisen ja laajemman käyttöönoton vaihe. Käytäntöjä tarkistetaan pilotin paljastamien asioiden perusteella. Käyttöönottoa laajennetaan ja organisaatiolle asetetaan realistiset odotukset.
Useimmat toteutukset saavuttavat ensimmäisen vuoden loppuun mennessä 60–70 % tavoitellusta käyttöönotosta. Täysi kypsyys, jossa järjestelmä on suorituskyvyn hallinnan ensisijainen mekanismi eikä vanhojen prosessien täydennys, saavutetaan 18–24 kuukaudessa.
Rehellinen arvio ihmisiltä, joiden kanssa keskustelen, on se, että useimmat organisaatiot saavuttavat tästä siirtymästä noin 60 % odottamastaan arvosta. Se on silti sen arvoista, jos mittauskehys on kalibroitu todellisuuteen.
Esihenkilöiden hallinnolliseen tarkastustyöhön käyttämä aika vähenee. Palautteen laatu, jota mitataan täsmällisyyden ja oikea-aikaisuuden perusteella, paranee. Työntekijöiden selkeys omasta tilanteestaan lisääntyy. Mikään tästä ei kuitenkaan tapahdu 90 päivässä, eikä mikään tästä tapahdu lisäämällä työkalu prosessiin, jota ei ole suunniteltu tukemaan sitä.
Gartnerin John-David Lovelock sanoi aiemmin tänä vuonna, että AI:tä myydään yrityksille useimmiten niiden nykyisen ohjelmistotoimittajan toimesta sen sijaan, että se hankittaisiin osana uutta projektia, koska ROI:n ennakoitavuuden on parannuttava ennen kuin organisaatiot ottavat riskejä mullistavien käyttötapausten kanssa.
Suorituskyvyn hallinta on tämän väitteen testi. Työkalu ei ole muutos. Prosessin uudelleensuunnittelu on. Työkalu tekee uudelleensuunnitellusta prosessista skaalautuvan. Organisaatiot, jotka edelleen käsittelevät tätä hankintapäätöksenä, rakentavat saman perustan varaan, joka tuotti järjestelmän, johon tuskin kukaan uskoo.
