AI vil ikke erstatte 90 % av det et sterkt team for analyse av medarbeiderdata leverer. Men hva består egentlig disse 90 % av – og hvor lenge vil det forbli utenfor rekkevidde? Roxanne Laczo (leder for analyse av medarbeiderdata i Cloudflare), Cole Napper (VP for forskning, innovasjon & talentinnsikt i Lightcast) og Noelle London (grunnlegger og CEO i Illoominus) blir med David i en jordnær rundebordsdiskusjon om hva AI kan og ikke kan gjøre innen HR i dag.
Dette er ikke en andpusten rundtur blant skinnende nye verktøy. Det er et ærlig blikk på den virkelige dynamikken som omformer funksjonen for analyse av medarbeiderdata: det transaksjonelle arbeidet som automatiseres, det strategiske arbeidet som fortsatt krever menneskelig kontekst, og gapet i forretningsforståelse som snart kan avgjøre hvem som forblir relevant – og hvem som ikke gjør det.
Dette vil du lære
- Hvorfor 90 % av det et sterkt team for analyse av medarbeiderdata leverer, ikke vil bli erstattet – fordi det bygger på forretningskontekst, relasjoner til interessenter og historiefortelling.
- Hvordan AI mest sannsynlig vil forstyrre de transaksjonelle delene av analysen av medarbeiderdata, og hva det betyr for team som aldri har utviklet seg utover rapportering.
- Hvorfor det blir stadig mer ufravikelig å integrere analyse av medarbeiderdata i virksomheten (ikke bare HR) og utvikle sterk forretningsforståelse.
- Risikoen for et todelt system: organisasjoner som behandler AI som et universalmiddel, kontra de som integrerer teknologien på en gjennomtenkt måte samtidig som det menneskelige laget bevares.
- Hvilke ferdigheter du bør prioritere de neste 12–18 månedene – og hvilke du bør slutte å investere i fordi automatisering er på vei.
Viktigste poeng
- Bygg forretningsforståelsen din nå: Hvis du ikke kan snakke virksomhetens språk – inntektsmodeller, kostnadsdrivere og konkurransemessig kontekst – risikerer du å bli marginalisert når AI-dashbord begynner å bli levert. Se på forretningsforståelse som dokumentasjonen på at du har en «plass rundt bordet».
- Gå fra rapportering til rådgivning: De rutinemessige delene av datarensing, bygging av dashbord og standardmåltall? De er truet. Bruk heller tiden på å stille de riktige spørsmålene, tolke resultater og påvirke handling. Vær rådgiveren, ikke den som bare krysser av i boksen.
- Bruk AI som en samarbeidspartner, ikke en erstatning: Oppmuntre teamet ditt til å ta i bruk verktøy som fremskynder trivielle oppgaver – men ikke lur deg selv til å tro at AI alene vil gi strategisk innsikt. Den menneskelige konteksten er fortsatt viktig. Sammenligningen: Det er nyttig å bruke en kraftig, avansert drill – men den avgjør ikke bygningens planløsning.
- Standardiser grunnlaget før du jakter på de glansfulle verktøyene: Mange organisasjoner kaster seg over «la oss implementere AI!» uten data, integrasjon eller evne til endring. Invester først i rene data, sammenkoblede systemer, definerte måltall og medarbeidernes evne til å tolke dem. Tenk på det som å bygge et hus: Du trenger et plant fundament før du pynter fasaden.
- Slutt å investere i oppgaver med lav verdi: Manuelt, repetitivt arbeid – som ad hoc-rapportering, endeløs rensing og statiske dashbord – egner seg godt for automatisering. Som en av gjestene sa: «Hvis du fortsatt bruker timevis på å kode og bygge de samme dashbordene, er du på feil side av endringen.»
- Unngå en todelt verden: Vær oppmerksom på risikoen for at noen organisasjoner vil ha luksusen av strategisk analyse av medarbeiderdata, mens andre nøyer seg med «gode nok» dashbord og AI-tillegg. Hvis du tilhører den sistnevnte gruppen, er utfordringen: Ikke aksepter «godt nok» – hev standarden.
Kapitler
- 00:00 – Hva AI ikke kan erstatte innen medarbeideranalyse
- 00:04 – Strategisk kontra transaksjonelt arbeid
- 00:06 – AI som medpilot, ikke erstatning
- 00:08 – Bygger vi et system med to nivåer?
- 00:11 – HRs beredskap, tilrettelegging og kompetansegap
- 00:14 – Forretningsforståelse som den virkelige nøkkelen
- 00:17 – Å bygge bro mellom AI-forventningene hos toppledelsen
- 00:21 – Mikro- kontra makro-AI i HR
- 00:24 – Kan medarbeideranalyse lede an i HR-transformasjonen?
- 00:26 – Viktige ferdigheter å utvikle (og legge bort) de neste 18 månedene
- 00:31 – Avsluttende tanker og viktigste poenger
Møt gjesten vår
Roxanne Laczo, PhD, er leder for medarbeideranalyse hos Cloudflare, Inc. og har over to tiår med ekspertise innen talentstrategi, datadrevet beslutningstaking og analyseledelse i globale organisasjoner i sterk vekst. Med en akademisk bakgrunn innen industriell- og organisasjonspsykologi og erfaring med å bygge kompetansesentre for medarbeideranalyse og samarbeide tett med toppledelsen, er hun anerkjent for å utvikle innsiktsrike, forskningsbaserte tilnærminger som bygger bro mellom arbeidsstyrkedata og forretningsresultater.
Cole Napper er visepresident for forskning, innovasjon og talentinnsikt hos Lightcast, der han bruker banebrytende arbeidsmarkedsdata, AI-drevne ferdighetstaksonomier og arbeidsstyrkeinnsikt for å hjelpe organisasjoner med å omdanne medarbeideranalyse til strategiske forretningsresultater. Med en bred bakgrunn fra globale virksomheter og oppstartsbedrifter i sterk vekst, samt et fokus på å knytte HR-data til reell lønnsomhet, er Cole også forfatteren av Medarbeideranalyse: Å bruke datadrevet HR og generativ AI som en forretningsressurs.
Noelle London er grunnlegger og CEO for Illoominus, en plattform for medarbeiderinnsikt som hjelper organisasjoner med å integrere fragmenterte HR-data, følge med på likestilling og fremgang gjennom hele medarbeiderreisen og bygge arbeidsplasser der menneskene virkelig står i sentrum. Med en solid bakgrunn innen økonomi, innovasjon i store virksomheter (blant annet gjennom lederrollen hennes i Accenture Ventures) og entreprenøriell erfaring (inkludert en periode i Peace Corps og tidlig erfaring fra oppstartsbedrifter) lanserte hun Illoominus for å gi HR-ledere klarhet og strategisk innsikt.
Relaterte lenker:
- Bli med i People Managing People-fellesskapet
- Abonner på AI Signal-nyhetsbrevet vårt
- Ta kontakt med Noelle, Cole og Roxanne på LinkedIn
- Se nærmere på Illoominus, Lightcast og Cloudflare, Inc.
Relaterte artikler og podkaster:
David Rice: AI vil ikke erstatte 90 % av det et sterkt people analytics-team bidrar med. Hva finnes i disse 90 prosentene som er unikt menneskelig?
Roxanne Laczo: Det som finnes der, er det som er inne i hodet og hjernen vår. Det handler om interessentpåvirkning gjennom historiefortelling. Jeg tror kanskje at disse 90 prosentene kan endre seg på et tidspunkt, men AI vil aldri kunne erstatte dette fullt og helt.
David Rice: Risikerer vi å skape et slags tolagssystem der AI blir den gode nok-løsningen for de fleste organisasjoner?
Noelle London: Tradisjonelt er people analytics en ressurs som større virksomheter har tilgang til. Det er ikke en ressurs som folk nødvendigvis har budsjetter til å etablere. Det vi ser, er at organisasjoner ansetter denne typen kompetanse tidligere enn vi gjorde for to eller to og et halvt år siden. Det gjør dette veldig spennende.
David Rice: Er people analytics på vei til å bli HRs maktsentrum og dermed også sentrum for AI-transformasjon?
Cole Napper: Jeg vil si nei. Og grunnen er ikke mangel på ferdigheter. Det handler om vilje.
David Rice: Når vi ser 12 til 18 måneder frem i tid, hvilke konkrete ferdigheter bør de utvikle for å holde seg relevante? Og omvendt: Hvilke ferdigheter bør man slutte å investere tid i fordi man tror AI til slutt vil håndtere dem?
Velkommen til podkasten People Managing People – programmet der vi hjelper ledere med å holde arbeidet menneskelig i AI-ens tidsalder. Jeg heter David Rice og er programleder. I dagens episode har jeg gleden av å få med meg tre kloke mennesker som arbeider innen people analytics, til en rundebordsdiskusjon.
Først har vi Roxanne Laczo. Hun er leder for people analytics i Cloudflare. Velkommen, Roxanne!
Roxanne Laczo: Hei, hyggelig å være her!
David Rice: Vi har også med oss Cole Napper, som dere kanskje husker fra hans tidligere opptreden i podkasten. Han er visepresident for forskning, innovasjon og talentinnsikt i Lightcast. Velkommen, Cole!
Cole Napper: Takk for invitasjonen, David.
David Rice: Og til slutt har vi Noelle London. Hun er grunnlegger og administrerende direktør i Illoominus. Velkommen, Noelle!
Noelle London: Takk for invitasjonen. Jeg gleder meg til å være her.
David Rice: Flott. I dag skal vi snakke litt om den nåværende situasjonen innen people analytics, hvor vi tror feltet er på vei, hvordan vi redefinerer funksjonen, og hva det betyr for HR.
La meg begynne med dette. Da vi snakket sammen før innspillingen, diskuterte vi at AI ikke vil erstatte 90 % av det et sterkt people analytics-team bidrar med, og Roxanne kom med denne ganske spissformulerte påstanden. Så la oss starte der. Roxanne, hva finnes i disse 90 prosentene som er unikt menneskelig? Og tror du denne prosentandelen vil holde seg etter hvert som AI-kapasiteten utvikler seg?
Roxanne Laczo: Ja, absolutt. Jeg tror det som finnes der, er det som er inne i hodet og hjernen vår. Det handler om den strategiske konteksten i organisasjonen og virksomheten, som AI ikke nødvendigvis klarer å fange opp. Det finnes institusjonell kunnskap og relasjoner du har i organisasjonen. Du vet hvor du får tilgang til informasjon og datainnsikter du ikke nødvendigvis ville fått ellers.
Et AI-verktøy kan ikke nødvendigvis hente inn alt dette. Det handler også om interessentpåvirkning gjennom historiefortelling, noe som er svært vanskelig å gjenskape i et AI-verktøy med mindre du har den sterke konteksten jeg nevnte tidligere. Det siste handler om å kunne stille de riktige spørsmålene ut fra relasjonene du har, det du vet om organisasjonen, og det du vet om virksomhetens utfordringer.
Jeg tror kanskje at disse 90 prosentene kan endre seg på et tidspunkt, men på kort sikt tror jeg det som virkelig vil endre seg, er verdien av det vi bidrar med som individer gjennom relasjonsbygging og kontekst. AI vil aldri kunne erstatte dette fullt og helt, på det nivået jeg tror alle i denne samtalen ønsker at det skal fungere.
David Rice: Det er interessant. Cole, jeg vil gjerne høre din mening om dette, siden du arbeider så tett på ferdigheter. Du ser mye av det som skjer innen transformasjon og automatisering. Hva tror du vil bestå innen people analytics-funksjonen?
Cole Napper: Hvis vi går tilbake til spørsmålet ditt fra tidligere, sa du at 90 % av et sterkt people analytics-team ikke vil forsvinne.
Jeg tror at hvis du ikke har et sterkt team, kan 90 % av arbeidet forsvinne. Jeg deler dette litt inn i to kategorier: Gjør du transaksjonelt arbeid, eller gjør du strategisk eller transformerende arbeid? Nitti prosent av det strategiske og transformerende arbeidet vil ikke forsvinne. Alt Roxanne sa, stemmer. Jeg tror at 90 % av det transaksjonelle arbeidet vil forsvinne.
Vi gjennomførte nylig en undersøkelse i Lightcast som jeg delte med dere før vi tok opp denne podkastepisoden. Den kartla all HR-teknologi og alle HR-ferdigheter etter hvor verdifulle de var, hvor mye de hadde vokst, og hvor mye AI kom til å forstyrre dem. People analytics var samtidig den mest verdifulle ferdigheten innen HR, men også blant ferdighetene som mest sannsynlig ville bli forstyrret av AI.
Jeg syntes dette var et fascinerende paradoks ved det som skjer: Mange av de transaksjonelle delene av people analytics kommer etter min mening til å forsvinne i løpet av de neste årene.
David Rice: Noelle, fra ditt perspektiv – du tenker jo alltid på hvordan folk setter sammen teknologistakken sin, ikke sant?
Og hvordan AI kobles inn i alt dette. Hvor ser du at det på en måte presser – jeg vil ikke si mennesker ut av prosessen – men hvor får det stor innvirkning på hvordan folk samhandler med teknologien de allerede har?
Noelle London: Ja. Jeg vil innlede med å si – og jeg tror vi kommer til å snakke litt mer om dette senere i samtalen – at people analytics betyr svært forskjellige ting i selskaper av ulik størrelse og med ulik modenhet.
Når vi sier people analytics, er det ikke nøyaktig det samme eller det samme behovet i ulike organisasjoner. Når vi tenker på people analytics og organisasjoner som kanskje ikke har en Roxanne, mener jeg at Roxanne er en utrolig verdifull ressurs for organisasjonen sin, og kanskje er 90 % litt høyt når man sier at man ikke kan erstatte 90 %.
Jeg tenker heller ikke nødvendigvis på dette som erstatning. Jeg tror ordet «erstatte» egentlig handler mer om en medpilot som kan hjelpe deg med mange av oppgavene som rett og slett sliter ut folk. Når vi snakker med organisasjoner som er litt tidligere i reisen eller har færre ansatte, ser vi at de gjør ting som å vedlikeholde integrasjoner og gå gjennom datakvalitet og opprydding. Dette er oppgaver som holder dem i en reaktiv posisjon.
De gjennomfører regelmessig rapportering, men den er kanskje tilbakeskuende. Dette kan være svært tidkrevende hvis du ikke har et fullt utbygd team som kan gjøre arbeidet. Derfor finnes det muligheter til å ta dette arbeidet av arbeidslisten og ha en medpilot som hjelper deg, slik at du kan bruke mer tid på konteksten som Roxanne snakket om – den som finnes i hodet ditt.
Jeg mener fortsatt at enkelte ting er vanskelige å håndtere. AI endrer seg selvsagt for oss nesten hver eneste uke akkurat nå, men noen av disse tingene er fortsatt krevende, og det skal jeg være ærlig om. Cole og jeg snakket faktisk om dette tidligere denne uken. Tenk på alle særtilfellene.
Det kommer stadig flere særtilfeller. Et eksempel er overflyttinger i intern mobilitet. Vi ser at organisasjoner håndterer dette på ulike måter i systemene sine. Det er slike ting vi fortsatt må følge nøye med på.
Og jeg tror det handler om konteksten og den organisatoriske innsikten: Hvordan tar vi alt AI hjelper oss med som medpilot i people analytics, slik at vi kan bruke mer tid på å tenke over hva vi skal gjøre med innsikten, og mindre tid på arbeidet som sliter oss ut?
David Rice: Det er interessant, for mange selskaper har jo ikke en Roxanne.
Risikerer vi å skape et slags tolagssystem der AI blir god nok som løsning for de fleste organisasjoner, mens bare selskaper med gode ressurser får den strategiske innsikten med den nødvendige konteksten?
Noelle London: Dette er det jeg blir mest begeistret for, fordi people analytics tradisjonelt har vært en ressurs som store virksomheter har hatt tilgang til.
Det er ikke en ressurs som organisasjoner med for eksempel 12 000 eller færre ansatte nødvendigvis har hatt budsjetter til. Det vi ser, er at organisasjoner ansetter denne typen kompetanse og roller tidligere enn vi gjorde for to eller to og et halvt år siden.
Flere organisasjoner spør: Organisasjonen min endrer seg. Jeg må kunne tenke på fremtidens arbeidsstyrke. Jeg trenger data som kan hjelpe meg med slike beslutninger. Derfor kommer dette tidligere inn i organisasjonene, og det synes jeg er veldig spennende. Ja, det finnes større organisasjoner med 30 personer i et people analytics-team.
People analytics betyr noe helt annet der enn i en mindre og mer smidig HR-organisasjon. Jeg tror ikke dette nødvendigvis skaper et tolagssystem. Jeg synes faktisk det spennende er muligheten vi kan åpne når vi kan samle data og dele innsikt på tvers av selskaper.
Den store muligheten er å lære av sammenligninger og av kolleger om hva som fungerer i organisasjonene deres. Vi har ikke nødvendigvis oppskrifter på noen av de store endringene som skjer i HR. Nettverkseffekten av å lære på tvers av mellomstore organisasjoner er en stor mulighet.
For meg er dette en mulighet til å la organisasjoner som raskt bygger opp people analytics-kompetanse, ta igjen forspranget og komme opp på neste nivå.
Roxanne Laczo: For å vende tilbake til det Noelle sa tidligere om hvordan vi definerer people analytics: Vi kunne hatt en hel podkastepisode om hva people analytics betyr.
Jeg har et tydelig syn på dette, men jeg garanterer at de fleste selskaper som sier at de gjør people analytics, ikke gjør det slik jeg ville definert det. Samtidig vil jeg si at mange selskaper som ikke har et people analytics-team, har personer som gjør det jeg ville definert som people analytics. Har de talentarbeid? Har de vurdering? Du kan ikke gjøre noen av disse tingene uten analyse.
Jeg tror derfor dette handler om organisatorisk beredskap, kontekst, organisasjonens størrelse og hvor godt virksomheten forstår dette. Å si at det finnes en risiko ved et tolagssystem, er kanskje ikke helt riktig. Risikoen handler ikke om evnen til å gjøre ting og levere innsikt.
Den handler om virksomhetspartnernes evne til å bruke AI til å ta beslutninger. Det trenger ikke å være drevet av people analytics. Null prosent må nødvendigvis være drevet av people analytics. Har du kapasiteten og investeringene i hele people- eller HR-teamet til å gjøre folk i stand til å bruke ulike verktøy og systemer med innebygd AI, slik at de kan hente inn all denne innsikten og ta beslutninger?
Er vi i ferd med å gjøre people analytics overflødig? Ikke nødvendigvis. Dette er et kapasitetsproblem, ikke et investeringsproblem, etter min mening.
Cole Napper: Når det gjelder spørsmålet om to nivåer, tror jeg faktisk at historien til people analytics er mer todelt enn fremtiden. For ikke så lenge siden fantes det selskaper med people analytics-team på 100, 200 eller 300 personer.
I stor grad blir disse teamene nå avviklet. Jeg ser ikke en fremtid der man trenger et people analytics-team på 50 personer eller mer. Jeg tror faktisk det er den mest inkluderende versjonen av people analytics-fremtiden.
AI reduserer hindrene for å komme i gang. Overgangen fra ingen personer eller ingen teknologi som arbeider med dette, til én person eller ett verktøy, er mye enklere enn den var for kanskje fem år siden – eller til og med for ett år siden.
Jeg tror det er bedre for fremtidens HR og bedre for fremtidens people analytics.
David Rice: Ja, det er interessant. Når jeg ser på utviklingen innen mange andre roller i organisasjonen, ser jeg en tendens fra ledelsen til å satse på «godt nok».
Jeg vet ikke, kanskje markedsføring. Det finnes en slags dristighet i å si at noe er godt nok. Jeg vet ikke om dette vil følge samme mønster her, fordi det virker som om mange i organisasjonen ikke forstår people analytics i utgangspunktet.
Når man så skal anvende dette ved hjelp av AI, er jeg ikke sikker på hvor enkelt det er å forstå eller stole på resultatet man får tilbake. Tar jeg feil? Trenger man fortsatt noen mellom seg selv og AI – hvis man er leder?
Cole Napper: Dette er et område jeg har svært sterke meninger om. Jeg mener det har vært en skamplett at HR så lenge har hatt ledere som ikke har vært datadrevne eller forstått hvordan man bruker data til å ta beslutninger. Jeg tror AI faktisk kommer til å tvinge frem en endring.
Det er ikke lenger bare akseptabelt eller uakseptabelt. Jeg mener det kommer til å bli eksistensielt for selve HR-funksjonen. Vi har allerede sett eksempelet med Moderna, der de slo sammen HR og i praksis sa at AI tar over HR fordi AI kan bruke data til å ta beslutninger, mens HR ikke kan.
Det var slik jeg tolket underteksten i kunngjøringen. Jeg håper ikke dette blir en trend, og jeg tror heller ikke det vil fortsette dersom HR tar ansvar og blir de lederne de mener de kan være.
Jeg mener det ikke lenger er akseptabelt å være en HR-leder uten datakompetanse. Det er en av grunnene til at det faktisk er spennende å være leder innen people analytics akkurat nå. Jeg tror dette er en av HR-funksjonene som vil forberede deg på å bli fremtidens personalsjef eller HR-direktør.
Roxanne Laczo: Jeg vil bygge videre på det og si at vi kommer til å rette litt kritikk mot HR-teamene nå. Problemet er ikke hvordan vi skal bruke AI på noe. Spørsmålet er om du forstår virksomheten og faktisk også er en virksomhetsleder, i stedet for bare å passe inn i boksen med den tradisjonelle HR-lederen.
Dette er det strategiske HR-partnerproblemet jeg har hørt om i 20 år. Hvis du ikke kan snakke virksomhetens språk, er det problem nummer én. Det er det jeg tror Cole sikter til på en annen måte.
Vi må slutte å tenke på AI som «hvordan». Vi kan ikke gjøre noe med AI før vi vet hvilket problem vi prøver å løse. Ellers kaster vi bare problemer på problemer. Og hva blir resultatet? Flere problemer. Det er en situasjon der ingen vinner.
Noelle London: Jeg vil kanskje forsvare HR litt, fordi jeg i hverdagen arbeider med HR-ledere som virkelig ønsker å ha data. Jeg vil derfor gi dem tvilen til gode.
Det jeg vanligvis ser, er HR-ledere i deler av organisasjonen som har vært kronisk underinvestert. Alle selskaper har en plattform for kundedata. Hvis du ikke har en slik plattform i 2025, hva baserer du egentlig virksomheten på?
Denne typen investering gikk alltid til salg og markedsføring fordi man tenkte på inntekter. Salg og markedsføring kunne få det de ønsket, mens HR måtte kutte i budsjettet og ikke fikk en plattform for medarbeiderdata.
Nå begynner dette å endre seg. HR har mye å ta igjen når det gjelder systemer og datagrunnlag for å kunne dra full nytte av AI.
Det er spennende nå fordi nesten alle HR-teknologiverktøy har en form for AI. Allerede i fjor hadde vi kunder som brukte tre personer i tre uker på å gå gjennom en medarbeiderundersøkelse. For et par hundre medarbeidere brukte de rundt 30 000 dollar på et verktøy for medarbeiderengasjement.
Det trenger man ikke lenger. Tidligere ville vi ha tenkt på den kritiske HR-teknologistakken. Hvis jeg er økonomidirektør og har denne samtalen med HR, får dere et HR-informasjonssystem, et system for rekruttering, et system for engasjement, og hvis dere er heldige, et system for prestasjoner.
Nå kan vi si at people analytics – altså hvordan vi faktisk kobler sammen disse ulike systemene – må bli en kritisk del av teknologistakken. Når vi kan bruke AI på deler av det øvrige arbeidet, får vi kanskje rom til å tenke strategisk på hvordan vi setter sammen hele puslespillet.
David Rice: Dette er interessant. Jeg vil skifte fokus litt, fordi jeg tror det finnes et gap mellom det styrene forventer av AI og HR, og det som faktisk er mulig akkurat nå.
Hvordan bygger man bro over avstanden mellom presset fra ledelsen om å ta i bruk AI og det som faktisk lar seg gjøre? Mange toppledere sier at organisasjonen er AI-drevet. De ønsker dette i HR også, men systemene og teamene HR har i dag, har kanskje ikke delene som trengs for å levere.
Noelle London: Det handler mye om det jeg nettopp nevnte. Det finnes mange brukstilfeller i den eksisterende HR-teknologistakken der man allerede har begynt å ta i bruk enkelte verktøy.
Når du nå blir spurt om hvordan du inkluderer AI i HR, er dette tidspunktet for å argumentere for people analytics. Nå kan du si at dere kan gjøre noen små tiltak, men hvis dere virkelig vil at HR skal være strategisk for virksomheten, må dere investere mer.
Hvis alle fokuserer på lønnsomhet i år, og den største kostnaden i organisasjonen er medarbeiderne, må vi forstå hva som fungerer og ikke fungerer. Vi kan gjøre de små tiltakene, men hvis dere vil ha AI i HR, og dere presser oss til å gjøre det, er dette tidspunktet for å fremme saken.
Roxanne Laczo: Jeg mener også at det må skje mye tilrettelegging. Du kan ikke bare si: «Ta i bruk AI.» AI koster vanligvis penger, og det tar tid å lære seg verktøyene.
Jeg har sett forventninger i ulike organisasjoner, men mange – særlig de som ikke er vant til dette – vet ikke engang hvor de skal begynne. Du kan ikke be en gruppe rekrutteringskoordinatorer om å begynne å bruke AI når de kanskje aldri har vært borti det.
Det er derfor en viktig del som mangler: tilrettelegging. For det første må du investere i å gjøre folk i stand til å bruke teknologien. For det andre må du investere i verktøy. Du kan ikke kutte HR-budsjettet og samtidig be HR skaffe en rekke AI-verktøy som skal gjøre alt arbeidet.
Det bringer oss tilbake til samtalen om at vi ønsker at HR skal være mer strategiske og virksomhetsorienterte partnere. Hva vil gjøre det mulig? Investeringer i AI, teknologi, people analytics og kompetanseheving.
Cole Napper: Jeg vil legge til noen ting Noelle og Roxanne sa. Fra styrets perspektiv varierer dette mellom selskaper, men en generell tendens i økonomien er at styrene sier til topplederne: For det første vil vi at dere skal investere i AI, noe som koster penger. For det andre vil vi at driftskostnadene skal holdes uendret.
Det som skjer, er for det tredje at man kutter antall ansatte, og fordi regnestykket skal gå opp, legger man til AI som skal øke produktiviteten. Organisasjonen skal altså fortsatt få produktivitetsvekst.
Men siden vi alle har sett statistikken om at 95 % av AI-pilotprosjektene mislykkes akkurat nå, ender man faktisk med å presse de ansatte enda mer for å oppnå produktivitetsgevinstene.
Folk arbeider lengre dager, engasjementet synker, og mange av kapasitetsmanglene Roxanne pekte på, blir tydeligere. Det skaper et merkelig press i samfunnet: Produktivitetstallene går opp, men det skyldes ikke AI. Det skyldes at man presser mer ut av de ansatte.
David Rice: Det er jeg enig i. Jeg har nylig hørt flere samtaler om at alle lederteam egentlig trenger mer opplæring i forskjellen mellom AI, maskinlæring og automatisering. De kan ligne på hverandre, men er ikke alltid det samme.
Da vi snakket sammen før denne samtalen, skilte du mellom mikro-AI-løsninger – for eksempel å bruke GPT til en daglig oppgave – og makroløsninger der leverandører bygger AI inn i arbeidsflyter. Hvis en HR-leder hører på dette, hvor bør vedkommende satse og lære mest?
Cole Napper: Jeg har noen tanker om dette. Fra styre- eller toppledersiden ønsker man produktivitetsgevinster og en grunnleggende transformasjon av HR. Det er makrobruken av AI.
Man ønsker at hele arbeidsflyter og prosesser skal være AI-baserte eller ha AI innebygd, slik at man ser en grunnleggende endring i hvordan arbeidet utføres.
HR sier derimot til HR-medarbeiderne: Prøv ChatGPT, Gemini eller noe annet, og se om dere kan skrive en bedre stillingsbeskrivelse. Noen HR-teknologier har kanskje en AI-chatbot innebygd. Prøv å teste den på en oppgave.
Det finnes et grunnleggende gap mellom disse to tingene, fordi forventningene og virkeligheten spriker for mye når man ser på det fra et mikro- eller makroperspektiv.
Jeg tror likevel at dette er første versjon av AI-bruk i HR, og at versjon to vil se helt annerledes ut. I dag vil jeg si at 95 % av investeringene i den første versjonen har gått til å skaffe et nytt AI-grensesnitt eller legge AI oppå den eksisterende infrastrukturen, med litt fokus på kapasitet eller data.
Alle ser etter hvert at dette ikke fungerer i stor skala slik vi håpet. Derfor tror jeg versjon to vil bli svært annerledes. Hvis du hadde 100 ekstra dollar å bruke på AI, ville jeg brukt 95 dollar på bedre data og bedre infrastruktur, og 5 dollar på et bedre grensesnitt.
Det er den retningen jeg tror utviklingen går i. Vi er inne i en transformerende fase, men vi har ennå ikke funnet ut av alt.
Noelle London: Jeg liker det, Cole. Når jeg tenker på reisen og modenheten som skal til for å få mer AI inn i HR og fjerne noe av arbeidet som sliter ut folk, tror jeg at raske gevinster fra enkelte AI-verktøy og AI-funksjoner i systemene er et godt sted å begynne.
Ta noen av de raske gevinstene som er tilgjengelige, men ikke tro at dette er hele innføringen. Det handler om å ta de raske gevinstene samtidig som man investerer i datagrunnlaget. Sørg for at datagrunnlaget er ryddig og pålitelig. Begynn å koble det sammen.
Det er da vi virkelig kan frigjøre potensialet: når vi kan kartlegge hele medarbeiderreisen og samle systemene for å håndtere ting som intern mobilitet og arbeidsstyrkeplanlegging, som i dag kan være svært vanskelig.
Roxanne Laczo: Jeg vil bare legge til at jeg forstår ideen om å oppmuntre folk til å bruke ChatGPT eller Gemini for å gjøre oppgaver raskere.
Men jeg vil at folk skal slutte å tro at de gjør noe fantastisk med AI bare fordi de gjør dette. Etter min mening er det ikke et sterkt bruksområde for AI. Det handler om å lære å bli litt mer produktiv ved hjelp av et tilgjengelig verktøy.
En kollega og venn av meg og jeg har snakket mye om AI-skrot. Vi kommer ikke til å telle AI-skrot som verdiskapende aktiviteter. Det er flott at du gjør det, men de verdiskapende aktivitetene er de større tingene som vi kan måle på en enklere måte, og som vi vet vil gi mening i stor skala.
Jeg sier ikke at man skal slutte med de små oppgavene, for de er viktige. Men det bør være en del av den vanlige jobben din. Det er ikke det samme som at du brukte AI til å løse et stort problem. Det er en produktivitetsgevinst alle bør tenke på å oppnå på en eller annen måte.
David Rice: Ja. På mange måter handler det om å spare tid. Det gjør at du kan gjøre oppgaven raskere og få litt tid til overs til å prøve å gjøre noe annet.
Dette gjelder alle roller, uansett hvilken bransje du arbeider i. Det er en del av jobben nå. Uttrykket «grunnleggende krav» er veldig populært for tiden. Ingen sa det for to år siden. Nå føler jeg at det finnes i hvert eneste innlegg på LinkedIn.
Jeg vil gå tilbake til det vi snakket om tidligere, Cole: Du nevnte at en leder innen people analytics kan være godt posisjonert til å bli fremtidens HR-direktør. Vi antydet at en proaktiv leder innen people analytics kunne ta rollen med å lede AI-transformasjonen.
Jeg har nylig skrevet om å ansette organisasjonens første AI-direktør. Når man ser etter en slik person, bør man kanskje se på HR-folk i stedet for noen med en teknisk bakgrunn, fordi mennesker ofte er den største flaskehalsen i slike transformasjoner.
Er people analytics på vei til å bli HRs maktsentrum og dermed også sentrum for AI-transformasjon?
Cole Napper: Jeg vil argumentere mot mitt eget tidligere poeng og si nei. Grunnen er ikke mangel på ferdigheter, men mangel på vilje. Nesten alle ledere innen people analytics jeg snakker med, ønsker ikke dette eller er ikke interessert i det.
Det finnes også deler av jobben som HR-direktør som people analytics kanskje ikke er godt rustet for, for eksempel medarbeiderrelasjoner, organisatorisk politikk og den organisatoriske terapien man må drive med på toppledernivå for å bli en god HR-direktør.
Dette er ikke nødvendigvis en morsom jobb. Jeg har litt erfaring med det etter å ha fløyet for nær solen i en tidligere organisasjon.
Jeg tror jobben som HR-direktør måtte endres for at dette skulle være mulig. Jeg tror ikke det er umulig, men jeg mener ikke at det er dagens situasjon.
Roxanne Laczo: Det finnes mange veier til å bli HR-direktør. Så svaret er både ja, og det finnes 50 andre måter å komme dit på.
Kan det å være en kraft innen AI hjelpe deg dit? Ja. Men jeg går tilbake til det jeg sa tidligere: Forstår du virksomheten? Hvis du er leder innen people analytics uten kontakt med virksomheten og uten å forstå den, bør du ikke bli HR-direktør.
Mange selskaper henter inn personer utenfra HR, for eksempel teknologiledere eller folk med andre bakgrunner, og de gjør fantastiske ting med people-team. Det er én vei dit.
Jeg er enig med Cole i at det finnes personer i denne typen roller som ønsker å bli HR-direktør. Men i de fleste tilfeller ser jeg ikke at folk sier at deres neste jobb skal være som HR-direktør.
Noelle London: Jeg vil se litt annerledes på dette. People analytics er på mange måter den perfekte rollen for AI i HR. Det trenger ikke nødvendigvis være en person som kommer fra people analytics.
Personen må både forstå data og være svært god til å tolke data. Vedkommende må kunne tre inn i rollen og forklare hvordan strategien henger sammen i HR-avdelingen, og hvordan vi tolker resultatene som kommer fra AI.
På mange måter er denne personen godt posisjonert til å hjelpe HR-organisasjonen med spørsmål som: Hva er strategien vår? Hvordan henger delene sammen?
En annen ting denne personen kan bidra med, er å bryte ned siloene i HR. HR-team har vært oppdelt i siloer i lang tid. En rekrutterer løper for å nå måltall og redusere tiden det tar å ansette. En person innen medarbeiderrelasjoner har en helt annen rolle. En person innen medarbeideropplevelse har en annen rolle igjen.
Det kan føles som om teamet løper i forskjellige retninger. En person innen people analytics kan samle dataene og vise at dette er medarbeiderreisen, at vi alle har ansvar for nøkkeltall i denne reisen, og at dette er hvordan funksjonen arbeider sammen.
Det kan være en interessant styrke personen bringer med seg. I tillegg kjenner en person innen people analytics tallene sine svært godt. Vedkommende kan bruke tallene til å ta datadrevne beslutninger og bygge forretningssaker som viser hvorfor bestemte beslutninger og investeringer er strategiske for virksomheten.
Jeg sier ikke at en person uten vilje bør ha rollen. Men det finnes noen historiske hindringer i avdelingen som denne personen kan tilføre stor verdi til å løse.
David Rice: Da du sa «siloer», tenkte jeg at jeg endelig skulle få bruke lydsignalknappen min.
Noelle London: Siloer.
David Rice: Vi begynner å nærme oss slutten, men jeg vil avslutte med dette. Noe jeg tar med meg fra samtalen, er at mange selskaper bør tenke nytt om HR og people analytics, og hva disse funksjonene faktisk er og gjør i virksomheten i dag.
Når dere ser 12 til 18 måneder frem i tid, hvilke konkrete ferdigheter bør personer som arbeider innen people analytics utvikle for å holde seg relevante?
Og omvendt: Hvilke ferdigheter bør man slutte å bruke tid på fordi AI etter hvert vil håndtere dem?
Roxanne Laczo: Jeg vil gå opp på såpekassen min for tredje gang og si virksomhetsforståelse. Hvis du ikke kan snakke virksomhetens språk, er det et problem.
Du må lære å samarbeide med ledere på en måte som gjør at du blir tettere involvert i det som skjer i virksomheten. Det er svært vanskelig å gjøre jobben din uten dette.
Jeg mener også at generell kompetanse innen AI-etikk, styring, regler, lover og komiteer blir viktig etter hvert som vi beveger oss videre.
I tillegg finnes det fortsatt en del people analytics-team – eller grunnleggende rapporteringsteam, som jeg heller ville kalt dem – som må utvikle evnen til historiefortelling og påvirkning.
Det finnes en sterk rådgivningskomponent. I større selskaper er people analytics-rådgivere ofte knyttet til ulike deler av virksomheten. Jeg synes det er en god modell, og det er noe vi arbeider mot etter hvert som teamet mitt vokser og utvikler seg.
Dette er tre viktige områder. Det du ikke lenger bør investere i, er manuelt, transaksjonelt og repetitivt datarengjøringsarbeid. Det tilhører personene som eier kildesystemene. Det tilhører ikke people analytics-teamene.
AI kan gjøre det mulig å lage dashbord, skrive kode, utvikle produkter og produsere leveranser. Du trenger ikke bruke timevis på koding og produksjon når organisasjonen sannsynligvis allerede har verktøy som kan hjelpe deg med å få dette ut raskt.
Noelle London: Jeg kunne ikke vært mer enig, Roxanne. Du bør integrere deg i virksomheten og bygge sterke relasjoner til interessentene, slik at du blir uunnværlig.
Jo mer du bygger kunnskap om virksomheten, desto mer kunnskap har du i hodet, og desto mer verdifull blir du. Ikke undervurder det som skjer innen AI. Hold deg oppdatert, lær deg mer og ha god forståelse av dette. For meg er det det viktigste.
Cole Napper: Jeg er helhjertet enig i det Roxanne og Noelle har sagt.
Jeg kan bare gjenta poenget om at virksomhetsforståelse er utrolig viktig. Jeg snakker og skriver om dette hele tiden, og mange kommer til meg i forventning om at jeg skal snakke om Excel-formler, koding eller noe lignende.
Men det handler nesten alltid om hvordan du skaper særskilt verdi for virksomheten gjennom mennesker. Det er ikke fordi mennesker er problemet. Det er nettopp derfor people analytics er interessant, morsomt og spennende.
Hvis du bare prøver å lage den beste nye funksjonen, bør du kjøpe noe eller bruke AI. Det transaksjonelle området blir fullstendig forstyrret. Forstå dataene dine. Invester i riktig datainfrastruktur. Men å være personen som kjører en rapport, har etter min mening kort gjenværende levetid.
David Rice: Absolutt. Dette har vært en fascinerende samtale. Jeg setter stor pris på å få snakke med dere alle. Takk for at dere ble med i dag.
Cole Napper: Takk for invitasjonen.
Roxanne Laczo: Takk, David.
Noelle London: Takk.
David Rice: Greit. Til neste gang, kjære lyttere: Arbeid med virksomhetsforståelsen. Meld deg på nyhetsbrevet People Managing People, som alltid.
