Den viktigste AI-beslutningen HR vil ta, er hva som ikke skal automatiseres
Beskytt menneskelige øyeblikk: AI i HR bør fjerne administrativ belastning, samtidig som ekte anerkjennelse, veiledning og relasjonsbygging bevares.
Utform anerkjennelse: I stedet for å skrive ros kan AI veilede ansatte mot mer spesifikk, personlig og meningsfull anerkjennelse.
Finn signaler: AI hjelper HR-ledere med å tolke pålitelige arbeidsstyrkedata, identifisere meningsfulle mønstre og rette oppmerksomheten dit tiltak er viktig.
Lederens vurdering: Bedre innsikt i ansatte bør gjøre førstelinjeledere i stand til å reagere gjennomtenkt, ikke sentralisere beslutninger om arbeidsstyrken over hodet på dem.
Ta ansvar: AI-anbefalinger krever menneskelig oppfølging fordi effektivitet kan gjenskape skjevheter, svekke tillit og gjøre vurderinger om til automatisering.
AI kan skrive anerkjennelsesmeldingen, oppsummere medarbeiderundersøkelsen og til og med flagge en medarbeider som ser ut til å trekke seg unna. I økende grad kan den også fortelle en leder hva vedkommende bør gjøre videre.
Spørsmålet HR-ledere nå står overfor, handler ikke om hvorvidt teknologien kan delta i medarbeideropplevelsen. Det handler om hvor langt du vil la den gå.
Denne spenningen gikk igjen i vår nylige samtale om Fremtidens AI i HR med Motivositys produktsjef Jesse Dowdle og teknologidirektør Dano Gillette. Deres argument var at den mest nyttige rollen for AI i HR kanskje ikke er å erstatte menneskelig samhandling i det hele tatt. Det kan i stedet handle om å fjerne alt rundt samhandlingen som gjør meningsfulle interaksjoner vanskeligere.
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
«De menneskelige delene av jobben er delene det er verdt å beskytte», sa Dowdle.
AI bør i stedet, argumenterte han, redusere tiden HR bruker på de «ikke-menneskelige delene» av arbeidet – administrasjonen, rapporteringen og den kognitive belastningen som trekker personalledere bort fra rådgivning, veiledning og relasjonsbygging.
Det høres ut som et enkelt skille. Det vil sannsynligvis bli betydelig vanskeligere å opprettholde.
Når effektiviteten begynner å gå utover opplevelsen
Mye av den første bølgen med AI i virksomheter har vært organisert rundt et enkelt spørsmål: Hva kan vi automatisere?
Det gir mening når arbeidet det er snakk om, er å avstemme regneark eller utarbeide analyser og rapporter. Det blir mer komplisert når oppgaven er å takke en medarbeider, tolke tegn på manglende engasjement eller avgjøre hvem som fortjener en samtale om fremtiden sin.
Anerkjennelse er et godt eksempel.
Et generisk program for medarbeideranerkjennelse er relativt enkelt å skalere. Bedrifter har gjort nettopp dette i flere tiår gjennom tjenesteutmerkelser, månedens medarbeider-programmer, plaketter og standardiserte meldinger. Problemet, argumenterte Dowdle, er at skalerbarhet ofte har gått på bekostning av betydningen.
«Det AI gjør mulig, er et nivå av personlig anerkjennelse i stor skala som aldri har vært mulig før», sa han. «Muligheten er å gjøre den typen individuell verdsettelse som folk husker, til noe som skjer hver dag i en organisasjon, selv i en svært stor og distribuert organisasjon.»
Men her finnes det en åpenbar fallgruve. Hvis AI kan skrive anerkjennelsen, hvorfor ikke la den gjøre akkurat det?
Motivosity prøvde noe som lignet på dette under utviklingen.
I begynnelsen tenkte vi: Hei, la oss bare lage en knapp som takker folk for deg. Folk ville ikke høre fra en robot.
I stedet bygde selskapet en AI-veileder som oppfordrer medarbeidere til å gjøre sin egen anerkjennelse mer spesifikk – ved å spørre hva som skjedde, hvorfor det var viktig eller hvilken innvirkning noen hadde – uten å formulere anerkjennelsen på deres vegne. Gillette sa at denne tilnærmingen har ført til anerkjennelser som er omtrent 20 % lengre i plattformen.
Det interessante er ikke de ekstra ordene. Det er produktbeslutningen som ligger bak dem.
AI hadde teknisk sett kapasitet til å fullføre oppgaven. Motivosity valgte bevisst å stoppe den før målstreken.
Gillette beskrev målet som å hjelpe noen med å bli «mer spesifikk, mer omsorgsfull og mer oppriktig», samtidig som man erkjenner at oppriktighet i seg selv ikke er noe AI kan tilføre.
«AI kan dytte deg i riktig retning», sa han.
Den bedre bruken av AI kan være å avgjøre hvor man skal lete
Det finnes et annet område der verdiforslaget til AI ser betydelig sterkere ut: å hjelpe HR med å forstå informasjonen de allerede har.
Personalfunksjoner har sjelden lidd under mangel på data. Engasjementsskårer, anerkjennelsesaktivitet, resultatoppføringer, læringssystemer og nøkkeltall for medarbeiderbeholdning skaper rikelig med data. Utfordringen er å avgjøre hva som fortjener oppmerksomhet.
Under demonstrasjonen viste Gillette hvordan AI brukes som et grensesnitt for data om anerkjennelse og engasjement – slik at en HR-leder kan gå fra en oversikt over hele selskapet til avdelinger, trender og signaler fra enkeltmedarbeidere.
Men Motivosity gjorde også et annet bevisst skille her. AI beregner ikke den underliggende statistikken.
Gillette sa at selskapet tidlig erfarte at det å be språkmodeller om å utføre aritmetikk selv kunne gi upålitelige resultater. I stedet genereres tallene gjennom konvensjonelle systemer og kan kryssjekkes via API-er eller eksporterte data. AI brukes til å tolke resultatene.
Dette skillet har betydning langt utover én enkelt plattform.
For HR kan løftet fra generativ AI handle mindre om å skape ny informasjon enn om å redusere avstanden mellom en leder og informasjonen vedkommende allerede har.
Systemet kan i praksis svare på: Hvor bør jeg se? Hva har endret seg? Hvilket mønster kan jeg ha oversett?
Gillette beskrev målet som å hjelpe ledere med å gå gjennom informasjon for å finne ut «hvor kan jeg gjøre den mest meningsfulle innsatsen?»
Det er potensielt en langt mer betydningsfull anvendelse av AI enn å skrive enda et sammendrag.
Hvis en HR-leder kan identifisere en avdeling der anerkjennelsen har kollapset, en leder hvis team blir stadig mindre engasjert, eller en medarbeider hvis atferd plutselig har endret seg, kan AI gjøre et hav av organisasjonsdata om til et utgangspunkt for handling.
Men deretter må et menneske fortsatt handle.
Bedre innsikt gjør ledere viktigere
Det er kanskje her det største skiftet for HR ligger.
Etter hvert som det blir enklere å hente frem medarbeiderinnsikt, kan organisasjoner reagere med å sentralisere flere beslutninger. Gi toppledere et kontrollpanel, identifiser de statistiske avvikerne og styr arbeidsstyrken ovenfra.
Dowdle argumenterte for det motsatte.
Han beskrev hvordan man kan bruke anerkjennelse og andre medarbeiderdata til å skape det han kalte et «tredimensjonalt bilde» av en person. Dette handler ikke bare om hvorvidt en selger nådde salgsmålet, eller om en medarbeider fullførte en sertifisering, men også om hva kolleger setter pris på ved å jobbe med vedkommende, hvor styrkene deres kommer til syne, og hvordan de bidrar sosialt til organisasjonen.
Hans anbefaling var å legge denne innsikten i hendene på ledere i førstelinjen.
La løsningen arbeide nedenfra og opp for å utvikle medarbeiderne deres.
Det er et betydelig annerledes syn på AI-støttet ledelse enn at en algoritme tar stadig mer inngripende beslutninger om medarbeidere.
Teknologien legger merke til. Lederen tolker. Personen responderer.
Og HR forblir ansvarlig for å utforme systemet som gjør at alle tre tingene skjer.
More Articles
- Slik lager du et velfungerende program for medarbeideranerkjennelse
- Slik argumenterer du for HR-programvare: En veiledning i 10 trinn
- Implementering av HR-programvare: Eksperttips og triks
- Velge et læringsstyringssystem: Enkel prosess i 5 trinn
- Slik bytter du leverandør av formell arbeidsgiver uten avbrudd: 7-trinnsprosess
AI fjerner ikke ansvarlighet
Etter hvert som HR-systemer går fra bare å synliggjøre informasjon til å anbefale handling, forblir ansvarlighet et viktig aspekt ved hvordan hele systemet utformes.
Dowdle forventer at plattformer for medarbeideropplevelse blir stadig mer proaktive. I stedet for å vente på at noen åpner et kontrollpanel, kan AI oppdage et mønster som tyder på risiko for at medarbeidere slutter, og proaktivt be en leder om å følge opp en medarbeider via Teams, e-post eller en annen kanal.
Målet, sa han, er å hjelpe ledere med å «være til stede i øyeblikkene som betyr noe» mens inngripen fortsatt kan gjøre en forskjell.
Det ligger et enormt potensial i denne ideen. Det finnes også en ganske åpenbar fare.
Jo mer overbevisende et system identifiserer et problem og anbefaler en respons, desto enklere blir det å forveksle en anbefaling med en beslutning.
Dowdle viste til rekruttering som en eksisterende advarsel. Automatisering kan gjøre ansettelser mer effektive, men den kan også sile ut sterke kandidater ved hjelp av heuristikker som har liten sammenheng med det en organisasjon faktisk verdsetter. På samme måte kan automatisert anerkjennelse forvandle noe dypt personlig til enda et standardbrev fra selskapet.
Løsningen er å bevare ansvarligheten.
«Noen er til syvende og sist ansvarlig», sa Dowdle. «Selv når AI utfører det underliggende arbeidet, må en person fortsatt stå inne for resultatet.»
For HR-ledere betyr det, hevdet han, å beholde ansvaret for å avgjøre om en AI-støttet handling er hensiktsmessig, i stedet for å behandle systemet som den ansvarlige parten.
Det er i ferd med å bli en av de definerende ferdighetene ved ledelse i AI-tidsalderen: å vite når man skal godta maskinens anbefaling, når man skal undersøke den nærmere, og når man skal se bort fra den fullstendig.
Målet er ikke mindre menneskelig HR
Det finnes en versjon av AI-fremtiden der HR blir betydelig mindre fordi programvare håndterer rekruttering, personalgoder, lønn, spørsmål fra ansatte, resultatanalyse og beslutninger om arbeidsstyrken.
Det finnes en annen mulighet.
AI fjerner så mye administrativt arbeid at HR kan konsentrere seg mer om det organisasjoner historisk har hatt problemer med å systematisere: å forstå mennesker.
Dowdle er utpreget optimistisk med tanke på denne fremtiden. Han ser for seg at AI overtar mye av det regelverkstyrte og transaksjonelle arbeidet knyttet til lønn, personalgoder og personaladministrasjon, slik at personaldrift kan konsentrere seg mer direkte om kultur og organisatorisk effektivitet.
Om denne visjonen blir virkelighet, vil i mindre grad avhenge av hva AI til slutt blir i stand til å gjøre, enn av hva organisasjoner velger å delegere til teknologien.
Fordi funksjonalitet i stadig mindre grad utgjør en tydelig avgrensning.
AI kan allerede generere takk. Snart vet den kanskje hvem som trenger en, når de trenger den, og hva en leder bør si.
Det egentlige designvalget er om organisasjonen ønsker at AI skal erstatte det øyeblikket, eller sørge for at et menneske ikke går glipp av det.
