
Zapierin johtajan mukaan todellinen tekoälyetu syntyy kulttuurista, ei teknisestä hienostuneisuudesta

Brandon Sammut
Zapierin henkilöstöstä ja tekoälymuutoksesta vastaava johtaja

Tutustu siihen, miten Zapier laajensi tekoälyn hyödyntämistä rekrytoinnissa, suoriutumisen kehittämisessä ja päivittäisessä työssä keskittymällä työyhteisön kulttuuriin, oppimisnopeuteen ja ihmisten potentiaaliin pelkkien työkalujen sijaan.
Brandon Sammut
Zapierin henkilöstöstä ja tekoälymuutoksesta vastaava johtaja

Key Takeaways
Tekoälylähtöinen muutos: Todellinen tekoälymuutos on ihmisiin liittyvä haaste, jossa keskitytään tekoälyn integroimiseen organisaatiokulttuuriin.
Vaikutus työtehtäviin: Tekoäly muuttaa työtehtäviä automatisoimalla toistuvia tehtäviä ja mahdollistamalla luovemman ja strategisemman työn.
Suoriutumisen tehostaminen: Tekoäly parantaa suoriutumista lyhentämällä tehtäviin kuluvaa aikaa sekä tehostamalla tiimien tuottavuutta ja palkkatasoa.
Yksinkertaisuus monimutkaisuuden sijaan: Arvokkaat tekoälyratkaisut syntyvät usein suoraviivaisista käyttötapauksista, jotka ratkaisevat todellisia ihmisten ongelmia.
Kulttuurin asettaminen etusijalle: Onnistunut tekoälymuutos edellyttää kokeilemista ja oppimista tukevaa kulttuuria, ei pelkkää teknologiaa.
Brandon Sammut on Zapierin henkilöstöstä ja tekoälyn transformaatiosta vastaava johtaja. Hän ja Zapierin tiimi ovat käyttäneet viimeiset kolme vuotta tekoälyn integroimiseen järjestelmiinsä, työnkulkuihinsa ja henkilöstökäytäntöihinsä.
Istuimme alas Brandonin kanssa selvittääksemme, miksi hänen roolinsa muuttui ”henkilöstöstä” muotoon ”henkilöstö ja tekoälytransformaatio”. Hän kertoi meille, että todellinen tekoälytransformaatio on ihmisistä, ei teknologiasta, johtuva haaste.
Järjestelmien rakentaminen ihmisten potentiaalin maksimoimiseksi

Olen Brandon Sammut, Zapierin henkilöstöstä ja tekoälytransformaatiosta vastaava johtaja. Keskityn työn tulevaisuuteen lahjakkuuden ja teknologian risteyskohdassa.
Polkuni tähän pisteeseen ei ole ollut lainkaan suoraviivainen. Aloitin koulutusalalla – ensin asuntolan johtajana University of Texas at Arlingtonissa – ja työskentelin sitten kuusi vuotta Teach For Americassa rekrytoinnin, taloushallinnon, operatiivisten toimintojen ja yritysyhteistyön parissa.
Myöhemmin suoritin MBA-tutkinnon ja kasvatustieteen maisterintutkinnon Stanfordissa, työskentelin harjoittelijana pääomasijoitusalalla Owl Venturesilla ja päädyin lopulta ensimmäiseen CPO-rooliini LiveRampilla (NYSE: RAMP). Näitä kokemuksia yhdistää teema, joka motivoi minua syvästi. Miten rakennamme järjestelmiä, jotka maksimoivat ihmisten potentiaalin, ja miten yhdistämme tämän potentiaalin skaalautuvasti mahdollisuuksiin?
Liityin Zapieriin vuonna 2021, ennen generatiivisen tekoälyn vallankumousta. Maaliskuussa 2023 toimitusjohtajamme julisti koko yrityksen kattavan ”tekoälyyn liittyvän kriittisen hälytystilan” – toimintakehotuksen, joka muutti kaiken. Ymmärsimme, että Zapierin tekoälyyn liittyvä mahdollisuus (ja toimimatta jättämisen riski) oli valtava.
Henkilöstötiimimme ja minä olemme käyttäneet viimeiset kolme vuotta tekoälytransformaation toteuttamiseen koko työntekijäkokemuksessa – aina rekrytoinnista ja ihmisten kehittämisestä itse työn uudelleensuunnitteluun.
Vuoden 2025 lopulla virallistimme tämän työn laajentamalla rooliani niin, että vastaan nimenomaisesti tekoälytransformaatiosta henkilöstöasioiden ohella. Logiikka oli yksinkertainen: todellinen tekoälytransformaatio on ihmisistä, ei vain teknologiasta, johtuva haaste.
Zapier on tekoälyn orkestrointialusta, jonka täysin etätyötä tekevässä tiimissä on 800 henkilöä yli 40 maassa. Vastuualueeni kattaa koko henkilöstötoiminnon lahjakkuuksien hankinnasta lahjakkuuksien kehittämiseen, henkilöstöhallintoon ja kokonaispalkitsemiseen – sekä Zapierin koko yrityksen kattavaan tekoälytransformaatioon. Tähän kuuluvat tekoälytransformaation osaamiskeskuksemme, 11 eri osastoille sijoitettua tekoälytransformaatioryhmää ja avoimen lähdekoodin tekoälytransformaatioviitekehyksemme, jonka jaamme julkisesti laajemman markkinan kanssa.
Lyhyesti sanottuna: vastaan sekä ihmisistä että tekoälyjärjestelmistä, jotka auttavat näitä ihmisiä tekemään parhaansa. Työskentelen myös asiakasrajapinnassa toimivien tiimiemme kanssa auttaakseni muita organisaatioita onnistumaan omissa tekoälytransformaatioissaan.
Todellinen tekoälytransformaatio on ihmisistä, ei vain teknologiasta, johtuva haaste.

More Articles
Miten tekoäly tekee työstä inhimillisempää
Yrityksessämme 97 % työntekijöistä käyttää tekoälyyn perustuvia koodaustyökaluja ydintyössään. Kahdeksankymmentäkahdeksan prosenttia kertoo niiden parantaneen mitattavasti heidän suoriutumistaan, ja työntekijöiden sitoutuminen on pulssikyselyissämme yli 80 prosenttia. Tämä kertoo minulle, ettei tekoäly tällä hetkellä heikennä työntekijäkokemusta, mutta suhtaudumme tähän nöyrästi ja haluamme edelleen ymmärtää uteliaasti, miten tekoäly vaikuttaa siihen, miten ihmiset kokevat työnsä.
Työtehtävistä tulee kiinnostavampia, ja juuri tästä laadullisesta muutoksesta olen kaikkein innostunein. Kun automatisoimme toistuvia tehtäviä, ihmiset tekevät enemmän luovaa, strategista ja inhimillistä työtä.
Lahjakkuuksien hankintatiimimme saa säännöllisesti kiitosta hakijakokemuksesta. Ei siksi, että tiimi olisi epätavallisen suuri, vaan siksi, että automaation ja tekoälyn harkittu orkestrointi lisää personointia.
Uusia urapolkuja syntyy. Aiemmin manuaalista ja toistuvaa työtä tehneet ihmiset rakentavat nyt automaatioita, täyttävät tekoälytransformaation tehtäviä ja osallistuvat kokonaan uusien toimintojen kehittämiseen.
Tekoäly poistaa vähäarvoisen työn ja paljastaa huippusuoriutujat
Asiakastukitiimimme lyhensi tikettien keskimääräistä käsittelyaikaa 50 % tekoälypohjaisen tiivistämisen avulla. Tämä tarkoittaa, että he vastaavat nyt asiakkaiden kysymyksiin kaksi kertaa nopeammin. Samalle tiimille maksetaan nyt markkinoiden 90. persentiilin mukaista palkkaa. Se ei ole sattumaa.
Kun tekoäly poistaa vähän arvoa tuottavan toiston, ihmiset tekevät aidosti vaikeaa ja vahvaa harkintaa vaativaa työtä – ja voit maksaa heille sen mukaisesti. He ovat huippusuoriutujia, jotka tuottavat arvokkaita tuloksia.
Kysynnän generoinnista vastaava tiimimme rakensi tekoälypohjaisen työnkulun, joka automatisoi liidien tutkimisen ja tuotti myyntiedustajille reaaliaikaisesti personoitua yhteydenottoa. Tämä vapautti 4,5 kokoaikaisen työntekijän kapasiteetin, säästi 15–20K dollarin edestä työkalukustannuksia ja tuotti 1,2 miljoonan dollarin myyntiputken. Yksi työnkulku.
Liiketoiminnan tulostoiminnot pyörittävät nyt 25:tä tekoälytyönkulkua ja -agenttia, mikä säästää kuukausittain 34 täyden työviikon verran työaikaa. Taloushallinto lyhensi kuukauden lopun tilinpäätösprosessia 25 prosentilla kasvaneesta monimutkaisuudesta huolimatta – kahdeksan hengen tiimillä liiketoiminnassa, jonka vuosittainen liikevaihto ylittää 5 miljardia dollaria.
Haasteena on ollut se, että muutoksen tahti aiheuttaa väsymystä. Kaikki eivät etene samaa vauhtia, ja se on hyväksyttävää. Mutta tämän epätasaisuuden hallitseminen 800 ihmisen organisaatiossa vaatii tietoista panostusta, ja joidenkin tekoälypohjaisten työnkulkujen kohdalla tarvittiin useita iteraatioita, ennen kuin niiden tuottamat tulokset olivat aidosti mieleisiämme.
En kutsu niitä epäonnistumisiksi. Se kuuluu työn luonteeseen. Älykkyys kehittyy jatkuvasti. Jokin, joka ei tänään vielä aivan toimi, voi olla kuukauden kuluttua täysin erilainen tarina.

Brandon kertoo
Kysymys ei ole siitä, “Kuinka vaikuttavaa tämä on?” Vaan siitä, “Parantaako tämä aidosti jonkun työtä?“
Miksi yksinkertaisuus voittaa monimutkaisuuden tekoälyhankkeissa
Aluksi tiimini ja yritys uskoivat vaistonvaraisesti, että arvokkaimmat tekoälyn käyttötapaukset olisivat teknisesti hienostuneita. Tämä johti ylisunnitteluun. Todellisuudessa osa vaikutuksiltaan merkittävimmästä työstämme on ollut melko suoraviivaista: kullekin tehtävälle personoitujen ehdokasviestien automatisointia, yksinkertaisen tekoälyvalmentajan rakentamista tavoitteiden asettamista varten sekä pitkien tukipyyntöjen tiivistämistä toiminnallisiksi oivalluksiksi.
Jos voisin palata ajassa taaksepäin, neuvoisin itseäni aloittamaan yksinkertaisimmasta toteutuksesta, joka ratkaisee todellisen ihmisille aiheutuvan ongelman. Älä sekoita teknistä monimutkaisuutta liiketoiminta-arvoon. Kysymys ei ole siitä, "Kuinka vaikuttavaa tämä on?" Vaan siitä, "Parantaako tämä aidosti jonkun työtä?"
Miten tekoälyn sujuvuuden arviointi nostaa uusien työntekijöiden rimaa
Arvioimme nyt tekoälyn sujuvaa hallintaa 100 prosentilta ehdokkaista kaikissa osastoissa ja kaikissa tehtävissä. Tämä on suurin yksittäinen tekoälyn vuoksi tekemämme toiminnallinen muutos. Tekoälyn hyödyntämisestä on tulossa työn tekemisen perustaito.
Rakensimme tekoälyn sujuvuuden viitekehyksen, jossa on neljä tasoa: Hyväksymätön, Kyvykäs, Omaksuva ja Muuttava.
- "Hyväksymätön" tarkoittaa, että henkilö vastustaa aktiivisesti tekoälyä tai ei ole koskaan käyttänyt sitä tarkoituksenmukaisesti – se estää meillä etenemisen.
- "Kyvykäs" tarkoittaa, että olet käyttänyt tekoälyä toistuvasti tarkoituksenmukaisesti ja osoitat oppimisessa jatkuvaa edistymistä – etsimme todellisia esimerkkejä, joita ehdokkaat pystyvät kuvailemaan, vaikka ne olisivat yksinkertaisia.
- "Omaksuva" tarkoittaa, että olet siirtynyt satunnaisesta käytöstä säännölliseen ja tarkoituksenmukaiseen soveltamiseen, jolla on todellisia vaikutuksia – etsimme selkeitä sijoitetun pääoman tuoton tarinoita.
- "Muuttava" tarkoittaa, että tekoäly on muuttanut perusteellisesti tapaasi työskennellä ja tämä uusi työskentelytapa vaikuttaa tiimiisi, projekteihisi tai organisaatioosi – ei vain omaan tuottavuuteesi.
Otimme tekoälyn sujuvuuden arvioinnin osaksi jäsenneltyjä haastattelujamme ja rakensimme haastattelun riman nostavan agentin – tekoälypohjaisen työkalun, joka luo räätälöityjä haastattelukysymyksiä tehtävän, tason ja arviointikriteeriemme perusteella. Se selittää, miksi se valitsi kunkin kysymyksen, mikä auttaa haastattelijoita kalibroimaan arviointia yhdenmukaisesti 800 työntekijän ja 10 varatoimitusjohtajan organisaatiossamme.
Koulutimme rekrytointitiimimme arvioimaan sujuvaa hallintaa ja määritimme tehtäväkohtaisesti, miltä "hyvä" näyttää kullakin tasolla. Käyttäytymisen näkökulmasta esihenkilöillä on nyt yhteinen kieli tekoälyvalmiudesta.
Tulosten osalta kokeilujen laatu ja vertaisten välinen tekoälyoppiminen nopeutuivat huomattavasti, kun jokainen uusi työntekijä aloitti vähintään perustason sujuvalla hallinnalla. Se nosti koko yrityksen vähimmäistasoa.
Miten tekoäly tehostaa kahdenkeskisiä tapaamisia

Kerron kahdenkeskisten tapaamisten valmentajastamme, koska se on henkilöstötiimimme edistynein toteutus ja havainnollistaa, miten tekoäly voi täydentää (ei korvata) johtamisen inhimillistä puolta.
Ongelma: Jokainen henkilöstöjohtaja tietää, että esihenkilöiden ja heidän suoriensa alaisten välisten kahdenkeskisten keskustelujen laatu on yksi vahvimmista sitoutumisen, henkilöstön pysyvyyden ja suoriutumisen ennustajista. Useimmat esihenkilöt saavat kuitenkin hyvin vähän reaaliaikaista valmennusta siitä, miten he toimivat näissä keskusteluissa. Esittävätkö he riittävästi kysymyksiä? Puhuvatko he liikaa? Luovatko he toiselle osapuolelle tilaa?
Tekoälyratkaisu: Loimme tekoälypohjaisen kahdenkeskisten tapaamisten valmentajan. Kahdenkeskisen tapaamisen jälkeen (molemmille osapuolille täysin läpinäkyvästi – käyttö perustuu suostumukseen ja on näkyvää) järjestelmä analysoi keskustelun ja tuottaa esihenkilölle valmennuspalautetta.
Prosessi alusta loppuun:
- Esihenkilö ja hänen suora alaisensa käyvät tavanomaisen kahdenkeskisen tapaamisensa (itse tapaamisessa ei muutu mikään).
- Tapaamisen jälkeen tekoäly analysoi keskustelun rakenteen – puhumisen ja kuuntelemisen suhteen, esitettyjen kysymysten tyypit sekä sen, loiko esihenkilö tilaa suoran alaisensa prioriteeteille.
- Valmentaja tuottaa henkilökohtaista palautetta, kuten ”Puhuit tässä tapaamisessa 70 prosenttia ajasta – harkitse avoimempien kysymysten esittämistä” tai ”Esitit erinomaisia tarkentavia kysymyksiä, mutta menetit tilaisuuden valmentaa alaistasi hänen esiin tuomansa ongelman käsittelyssä.” Valmentaja toimittaa palautteen vain esihenkilölle – yksityisesti, rakentavasti ja heti hyödynnettävässä muodossa.
- Ajan mittaan esihenkilö voi nähdä useiden kahdenkeskisten tapaamisten toistuvia malleja ja seurata kehittymistään.
Miksi se toimii: Se ratkaisee ”henkilöstöhallinnon liikekumppanin skaalautuvuuden” ongelman, jonka jokainen yritys kohtaa. Emme voi sijoittaa henkilöstöhallinnon liikekumppania jokaiseen kahdenkeskiseen tapaamiseen. Mutta voimme tarjota jokaiselle esihenkilölle yksityisen valmentajan, joka auttaa heitä kehittymään tärkeimmissä keskusteluissa – ilman, että heidän täytyy pyytää apua keneltäkään tai myöntää, että heillä on vaikeuksia.
Luottamuksen arkkitehtuuri ratkaisee kaiken: Mitä tietoja käytetään? Missä niitä säilytetään? Kuka näkee ne? Olemme kaikessa tässä radikaalin läpinäkyviä. Se on esihenkilöille ”Iron Man -puku” – se vahvistaa heidän kyvykkyyttään – eikä heidän olkansa yli valvova tekoälyvaltias. Tällä erolla on valtava merkitys käyttöönoton kannalta.
Kerron myös yksinkertaisemmasta mutta yhtä tehokkaasta työnkulusta: tekoälypohjaisesta palautevalmentajastamme, jota käytämme valmistautuessamme antamaan rakentavaa palautetta. Se on koulutettu sisäisen palautekehyksemme ja erinomaista rakentavaa palautetta sisältävien esimerkkien avulla.
Työntekijä voi käyttää sitä yksityisesti, kuvata tilanteen ja saada apua palautteensa jäsentämiseen ennen kasvokkain käytävää keskustelua. Se ratkaisee inhimillisen ongelman: ”Tiedän, että minun täytyy antaa tämä palaute, mutta en tiedä, miten sanoisin sen taitavasti, enkä halua vielä puhua siitä toisen ihmisen kanssa, koska asiayhteys on liian arkaluonteinen.” Tekoäly poistaa tämän esteen kokonaan.
\u003cstrong\u003eSe ratkaisee inhimillisen ongelman: ‘\u003cem\u003eTiedän, että minun täytyy antaa tämä palaute, mutta en tiedä, miten sanoisin sen taitavasti, enkä halua vielä puhua siitä toisen ihmisen kanssa, koska asiayhteys on liian arkaluonteinen.’\u003c/em\u003e Tekoäly poistaa tämän esteen kokonaan.\u003c/strong\u003e

Miksi tekoälyn integroinnin haasteet ovat suurempia kuin tekniset epäonnistumiset
Ollakseni täysin avoin, tekoälyn puutteellinen suoriutuminen on johtunut vähemmän teknologian epäonnistumisesta ja enemmän integroinnin haasteesta. Suurin kuilu on ollut siirtyminen yksilökohtaisesta tekoälyn käyttöönotosta organisaationlaajuiseen tekoälyn käyttöönottoon.
Vaikka 97 % tiimistämme käyttää tekoälyä, ydinliiketoimintaprosessien perusteellinen uudistaminen päästä päähän tekoälyn avulla on aivan eri vuori kiivettäväksi.
Poimimme nopeasti helpoimmat hyödyt. Vaativampi ja arvokkaampi työ – työnkulkujen uudelleensuunnittelu ensimmäisistä periaatteista lähtien ja tekoälypohjaisten työkalujen saaminen keskustelemaan keskenään strategisessa orkestroinnissa – etenee hitaammin ja sekavammin kuin odotin.
Sisäisesti kutsumme tätä siirtymäksi ”yksilökohtaisesta tekoälystä” ”organisaationlaajuiseen tekoälyyn mittakaavassa”, ja se on pääpainopisteemme vuonna 2026. Se edellyttää yhteistä todennusinfrastruktuuria, toimintojen välisiä tietoperustoja ja sen perusteellista uudelleenajattelua, miten tiimit luovuttavat prosesseja toisilleen. Kyse on arkkitehtuurityöstä, ei vain kokeilusta.
Vielä yksi rehellinen tunnustus: Tekoälytoimittajien ylikuormitus on todellinen ongelma. Tekoälymuutoksen ratkaisemiseen tarkoitettujen työkalujen määrä on valtava. Toinen kantapään kautta oppimamme asia on, että keskittyminen pieneen määrään keskeisiä alustoja on olennaista sen sijaan, että keräisimme yli kymmenen erillistä pistemäistä ratkaisua. Seuraamme nyt jokaisen työkalun käyttöä, luotettavuutta ja sijoitetun pääoman tuottoa sekä poistamme aktiivisesti käytöstä työkalut, jotka eivät integroidu.
Ja tekoälyn viimeinen haittapuoli: Vastuunotto on heikentynyt tekoälyn tarjoaman helppouden vuoksi. Kun tekoäly tuottaa tuloksia nopeasti ja vaivattomasti, johtajat saattavat julkaista asioita ilman aitoa ihmisen tekemää tarkistusta. Laadun rima voi laskea nopeuden vuoksi, jos johtajat eivät ole tarkkana. Jos tekoäly osallistuu työhön, ihmiset ovat edelleen vastuussa sen tarkkuudesta, sävystä ja vaikutuksista.
Miten tekoäly muuttaa muodollisen opetussuunnitelman tarvetta
Oletin, että osaamisen kehittäminen edellyttää muodollista opetussuunnitelmaa, mutta olin väärässä. People/L&D-alan vakiintuneena toimintamallina on vuosien ajan ollut osaamisvajeen tunnistaminen, koulutusohjelman suunnittelu, sen toteuttaminen ja suoritusten mittaaminen.
Tekoäly rikkoi tämän mallin meidän tapauksessamme. Teknologia kehittyy niin nopeasti, että perinteisen opetussuunnitelman valmistuessa se olisi jo vanhentunut.
Korvasimme sen oppimisfilosofialla, jossa painotetaan oppimisnopeutta eikä tietämyksen määrää. Meillä ei ole Zapierilla muodollista tekoälyopetussuunnitelmaa. Sen sijaan integroimme tekoälyoppimisen ja kokeilut mahdollisimman moneen Zapierin olemassa olevaan käytäntöön — hakkerointiviikoista tuli tekoälyhakkerointiviikkoja, perehdytyksestä tuli tekoälyn käytön sujuvuuteen johdattava aloituspolku, ja vertaistenvälisistä Q&A-kanavista, joissa on nimettyjä tekoälyn aktiivikäyttäjiä, tuli tukikerros.
Syvempi havainto on, että se, kuinka paljon tiedämme kulloinkin, on vähemmän tärkeää kuin se, kuinka nopeasti opimme. Oppimisnopeutta maksimoivat tekijät — psykologinen turvallisuus, kokeilukulttuuri sekä toimivien ja toimimattomien asioiden jakaminen — ovat organisaatiokulttuurin ainesosia, joita kaikilla yrityksillä ei ole käytössään.
Miksi tekoälymuutos on kulttuurinen haaste

Brandon kertoo
Jos kulttuurinne ei tue kokeiluja — jos ihmiset eivät tunne oloaan turvalliseksi kokeillessaan, epäonnistuessaan ja jakaessaan kokemuksiaan — mikään tekoälytyökaluvalikoima ei vie teitä sinne, minne haluatte päästä.
Tekoälymuutos on ihmisistä, ei tekniikasta, johtuva haaste. Jokainen yritys puhuu tekoälymuutoksesta, mutta harvat toteuttavat sitä hyvin, koska ne keskittyvät ensin työkaluihin.
Aito muutos alkaa ihmisistä, kulttuurista ja johtamisesta. Jos kulttuurinne ei tue kokeiluja — jos ihmiset eivät tunne oloaan turvalliseksi kokeillessaan, epäonnistuessaan ja jakaessaan kokemuksiaan — mikään tekoälytyökaluvalikoima ei vie teitä sinne, minne haluatte päästä.
Henkilöstötoiminto on ollut harvoin yhtä tärkeä kuin tekoälyn aikakaudella. Monet asiat, joihin meidät on koulutettu — työvoimasuunnittelu, muutosjohtaminen ja johtamisen kehittäminen — ovat nyt entistä tärkeämpiä, eivät vähemmän tärkeitä.
Ne organisaatiot, jotka oppivat tekoälyn nopeimmin, ovat niitä, joissa ihmiset tuntevat olonsa turvalliseksi kokeilla asioita, jotka eivät ehkä toimi, jakaa kokeilujaan avoimesti ja oppia epäonnistumisista julkisesti. Jos kulttuurinne rankaisee epäonnistumisista tai pitää tiedon itsellään, tekoälytyökalut eivät pelasta teitä.
Olemme käyttäneet yhtä paljon aikaa sen varmistamiseen, että nämä kulttuuriset osa-alueet ovat kunnossa, kuin perinteiseen osaamisen kehittämiseen. Työkalut ovat perusedellytys — kulttuuri erottaa organisaatiot toisistaan.
Miksi suorituskyvyn johtaminen on suunniteltava uudelleen
Suorituskyvyn johtaminen on yksi alue, joka pitäisi suunnitella aktiivisesti uudelleen tekoälyn tukemaa tulevaisuutta varten. Perinteisen suoritusarviointisyklin — vuosittaisen tai puolivuosittaisen, menneisyyteen katsovan ja vahvasti esihenkilön muistin ja kirjoitustaidon varaan rakentuvan — on aika väistyä.
Olemme Zapierilla jo aloittaneet sen uudistamisen useilla tasoilla:
- Taso 1 – Näytön kerääminen (”blob-muistiinpanot”-työnkulku): Rakensimme erittäin yksinkertaisen Slack-integraation. Kun jotain huomionarvoista tapahtuu — esimerkiksi erinomaista työtä, johtajuutta osoittava hetki tai kehittymisalue — esihenkilö tai tiimin jäsen reagoi asiaankuuluvaan Slack-viestiin tietyllä emojilla (kutsumme sitä ”blob-muistiinpanoksi”: 📝). Reaktio käynnistää Zapier-työnkulun, joka tallentaa viestin, tiivistää sen tekoälyn avulla ja kirjaa selkeän suoriutumista koskevan näytön jäsenneltyyn asiakirjaan. Ei lomakkeita, ei siirtymistä järjestelmästä toiseen eikä kuukausia myöhemmin muistamiseen luottamista. Keräämme näytön juuri silloin, kun asia tapahtuu, yhdellä emojin napsautuksella.
- Taso 2 – Arvioinnin luonnostelu (tekoälyavusteinen suoritusarviointivalmentaja): Kun arvioinnin aika koittaa, annat nimen, tehtävätason ja kertyneen suoriutumista koskevan näytön. Tekoäly laatii arvioinnin vaikuttavan toiminnan periaatteidemme mukaisesti — ne ovat tehtävätason mukaan eriytetyt suoriutumisen standardimme — käyttäen erinomaisten arviointien konkreettisia esimerkkejä viitteenä. Tuloksena on selkeämpiä, näyttöön paremmin perustuvia ja toimivampia arviointeja, mikä vähentää merkittävästi esihenkilöiden kuormitusta.
- Taso 3 – Tavoitteiden asettaminen (AMP-tavoitevalmentaja): Chatbot auttaa kaikkia työntekijöitä asettamaan toimivia, mitattavia ja tarkoituksenmukaisia tavoitteita vain muutamassa minuutissa ohjattujen kehotteiden avulla. Se muuttaa hajanaiset aikomukset selkeiksi ja seurattaviksi tuloksiksi.
Nämä ovat kuitenkin edelleen tekoälyn käyttöönottoa — olemassa olevan järjestelmän tekemistä toimivammaksi. Muutosmahdollisuus on paljon suurempi.
Entä jos suoriutumista koskevaa näyttöä kerättäisiin jatkuvasti ja huomaamattomasti kaikista työn tekemisen ympäristöistä — ei vain Slackista? Entä jos tekoäly toisi esiin koko tiimin suoriutumistiedoista malleja, joita yksittäinen esihenkilö ei koskaan huomaisi? Entä jos palautteen antamisen valmennusta olisi saatavilla reaaliajassa, Slackissa odottamassa — ei vain ennen suunniteltua keskustelua?
Olemme etenemässä tähän suuntaan. Johtajilla, jotka suunnittelevat tämän järjestelmän uudelleen nyt — säilyttäen samalla ihmisillä vastuun varsinaisista päätöksistä — tulee olemaan merkittävä etu osaajatiheyden ja työntekijäkokemuksen osalta.
Miten tekoäly muuttaa johtamisen ja henkilöstöresurssien strategioita

Emme lisänneet lainkaan uutta henkilöstöä tekoälymuutokseemme koko liiketoiminnassa, emme vain henkilöstöhallinnossa. Emme siirtäneet raportointisuhteita. Tämä oli erittäin tietoinen päätös.
Sen sijaan rakensimme keskus ja haarat -henkilöstömallin. Keskus, tekoälymuutoksen huippuosaamiskeskuksemme, on pieni tiimi, joka asettaa standardit, hallinnoi yhteisiä työkaluja, ylläpitää tekoälymuutoksen tuloskorttiamme ja auttaa tiimejä laajentamaan toimivia käytäntöjä ilman niiden keksimistä uudelleen.
Haarat ovat 11 tekoälymuutospäällikköä, jotka on sijoitettu kuhunkin osastoon (rakentaminen, myynti ja asiakasmenestys, markkinointi, tuki, henkilöstö, johtotoiminnot, talous, data, ekosysteemit, liiketoimintatoiminnot, lakiasiat). Jokainen päällikkö vastaa vähintään yhden tekoälymuutosta käsittelevän tapaustutkimuksen toteuttamisesta omalla osastollaan neljännesvuosittain.
Olennaista on, että täytimme tekoälyautomaation insinöörin tehtävät nykyisen henkilöstötiimimme henkilöstöllä, koska näillä ihmisillä on jo valmiiksi henkilöstöhallinnon asiantuntemusta. Tämä osoittaa organisaatiolle jotakin, jonka haluamme toteutuvan: vaikka häiriöitä tulee esiintymään tehtäviemme kirjossa, luotamme nykyisiin osaajiimme.
Henkilöstöhallinnon johtaja ymmärtää vaistonvaraisesti organisaatiokaavion käyttämiseen muutoksen ajurina liittyvät riskikohdat, minkä vuoksi henkilöstöorganisaation keskeinen rooli tässä työssä on tärkeä.
Korotimme myös palkkausta 50. persentiilistä 90. persentiiliin — tätä käsitettä kutsumme ”osaajatiheydeksi”. Kun tekoäly tekee tiimistäsi olennaisesti tuottavamman, jaa hyöty. Asiakastukitiimimme on hyvä esimerkki: huipputason suoriutujia, jotka tuottavat poikkeuksellisia tuloksia ja saavat sen mukaisen korvauksen.
Miksi tekoälyn vauhdittamien tuottavuushyötyjen jakaminen tiimien kanssa on tärkeää
Toivon johtoryhmien kysyvän itseltään: ”Mitä pitäisi tapahtua tekoälyn avulla vahvistettujen tiimien luomalle taloudelliselle arvolle?” Toivon niiden harkitsevan sen ylimääräisen tuottavuuden jakamista, jonka tiimit saavuttavat ajattelemalla luovasti ja suunnittelemalla työtä uudelleen tekoälyn avulla.
Asiakastukitiimimme puolitti keskimääräisen käsittelyaikansa. Nyt he ovat huipputason suoriutujia ja tuottavat tuloksia, jotka ovat asiakastuen maailmassa melko harvinaisia. Heille maksetaan sen mukaisesti — markkinoiden ylimpään 10. persentiiliin kuuluvalla tasolla.
Tämä luo hyvän yhteensopivuuden. Jos tekoälymuutos edellyttää ihmisiltä enemmän — enemmän kokeiluja, enemmän oppimista ja omien roolien uudelleen kuvittelemista — hyödyn pitäisi palautua heille, ei vain taseeseen. Uskon, että johtajat, jotka löytävät tämän yhteensopivuuden, houkuttelevat ja pitävät parhaat osaajat tekoälyn vahvistamassa maailmassa.
Viisi tapaa, joilla johtajat voivat viedä tekoälyn vauhdittamaa muutosta tehokkaasti eteenpäin
Kun tarkastelet tekoälyä tällä tavalla, lakkaat tavoittelemasta sitä sen itsensä vuoksi ja alat kysyä: ‘Minkä ongelman tämä ratkaisee, ja miltä ‘parempi’ näyttää tähän osallistuvien ihmisten näkökulmasta?…Ilman selkeitä rajoja ihmiset rajoittavat itseään enemmän kuin on tarpeen. Tämä rajoittaa luovuutta.

Tässä on viisi asiaa, joita johtajien on pohdittava tekoälymuutoksessa (jotkin niistä saattavat kuulostaa vastoin intuitiota olevilta):
- Aloita kulttuurista, älä työkaluista. Tee tilannekatsaus: Onko teillä vahva psykologisen turvallisuuden tunne? Luotettava johto? Aito kokeilukulttuuri? Nämä kulttuuriset tekijät ovat vähintään yhtä tärkeitä kuin taidot. Ne ovat tuuli selkäsi takana — tai vastatuuli — kun rakennat tekoälyosaamista.
- Ajattele tekoälyä työkaluna, älä lopputuloksena. Tämä pätee teknologiaan yleisesti. Teknologiat ovat työkaluja — välineitä — tapoja saada asioita tehdyksi. Kun tarkastelet tekoälyä tällä tavalla, lakkaat tavoittelemasta sitä sen itsensä vuoksi ja alat kysyä: "Minkä ongelman tämä ratkaisee, ja miltä 'parempi' näyttää tähän osallistuvien ihmisten näkökulmasta?"
- Julkaise pelisääntösi varhain. Ilman selkeitä rajoja ihmiset rajoittavat itseään enemmän kuin on tarpeen. Tämä rajoittaa luovuutta. Ensimmäinen asia, jonka teimme Code Red -tilanteemme jälkeen, oli tekoälyn käyttöohjeiden laatiminen. Tämä mahdollisti enemmän, ei vähemmän, kokeiluja.
- Nimeä yksi vastuullinen johtaja. Ei komiteaa. Ei työryhmää, joka kokoontuu kuukausittain. Yksi henkilö, joka vastaa tekoälymuutoksesta ja jolla on valta asettaa prioriteetteja sekä kohdentaa resursseja. Zapierilla se olen minä — ja selkeä omistajuus siirsi meidät hajanaisista kokeiluista koordinoituun muutokseen.
- Ota käyttöön ”kolmen sääntö”. Jos tiimisi tekee jotain manuaalisesti kolme kertaa, se automatisoi sen neljännellä kerralla. Tai perustelee, miksi sitä ei voi tai pidä automatisoida. Tämä luo kulttuurisen normin: automaatio ei ole vain tavoite — sitä odotetaan. Samalla se kehittää kykyä huomata toistuvia tehtäviä, mikä on ensimmäinen askel työn uudelleensuunnittelussa.
Ja vielä yksi lisäasia: julkaise toimintamallisi avoimesti. Jaa, mitä opit. Edistymisen avoin jakaminen vauhdittaa koko alaa. Tekoälymuutoksessa avoin jakaminen auttaa meitä kaikkia oppimaan nopeammin yhdessä.
Seuraa kehitystä
Voit seurata Brandon Sammutin työtä LinkedInissä. Tutustu myös Zapierin tekoälymuutoksen viitekehykseen.
Lisää asiantuntijahaastatteluja People Managing People -sivustolla on tulossa!



