HR-teknologisjef sier at det å bli AI-integrert fra grunnen av avdekket arbeidet de ansatte faktisk ønsker å gjøre
Se hvordan en HR-teknologisjef brukte AI til å fjerne administrativt arbeid, avdekke hva de ansatte faktisk verdsetter, og hjelpe HR-team med å fokusere på strategi, vekst og menneskelig dømmekraft.
Jenny Podewils
Medgründer og medadministrerende direktør i Leapsome
AI-bruk: Leapsome har integrert AI-verktøy, og de ansatte oppretter AI-agenter for å automatisere ulike oppgaver.
Organisatoriske utfordringer: Tidlig bruk av AI avdekket ineffektivitet og viste potensialet for å forbedre roller ved å redusere administrative byrder.
Ledelsesinnsikter: Ledere bør engasjere seg i AI for å automatisere prosesser og opprettholde fokuset på strategiske roller og menneskelig samhandling.
Overhaling av medarbeidervurderinger: Leapsome fornyet medarbeidervurderingene ved hjelp av AI, noe som forbedret kvaliteten på tilbakemeldingene og reduserte ledernes arbeidsbelastning.
Dataintegrasjon: Sømløs bruk av AI krever sammenkoblede datasystemer; verktøy som ikke henger sammen, kan hindre effektiv implementering av AI.
Jenny Podewils er medgründer og co-CEO i Leapsome, en HR- og AI-plattform som brukes av over 2 000 selskaper globalt. Hennes tidligere erfaring fra en raskt voksende klimateknologistartup og som stabssjef i en bransje i rask endring førte til at hun begynte å fokusere på et grunnleggende spørsmål: Hvordan bygger vi organisasjoner som er samkjørte, lærer raskt og presterer på et høyt nivå?
Vi tok en prat med henne for å finne ut mer om hvordan hun besvarer dette spørsmålet ved hjelp av AI. Her er det hun hadde å si.
Å utforme organisasjoner som lærer raskt og presterer godt
Jeg heter Jenny Podewils og er medgründer og co-CEO i Leapsome. Jeg vokste opp i Berlin i Tyskland som datter av to akademikere, med jevnlige internasjonale gjester og tankevekkende samtaler rundt middagsbordet.
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
Dette vekket interessen min for å ta tak i store globale utfordringer. Under universitetsutdanningen min i Sveits og Storbritannia oppdaget jeg at virksomheter med fokus på samfunnseffekt var den riktige måten å skape en slik effekt på.
Rollene mine i en raskt voksende klimateknologistartup og som stabssjef i et medieselskap i rask endring fikk meg til å brenne for et spørsmål. Hvordan bygger vi organisasjoner som fungerer sammen med AI-agenter, lærer raskt og presterer på et høyt nivå?
Jeg ble svært interessert i å skalere samkjøringen, utforme miljøer som lærer raskt og presterer godt, og bygge bedre organisasjoner basert på reelle data. Mennesker tilbringer omtrent 80 000 timer av livet sitt på jobb. Denne tiden bør ha betydning. Denne overbevisningen ble grunnlaget for Leapsome.
Kajetan von Armansperg og jeg grunnla Leapsome i 2016 for å hjelpe andre med å bygge team som presterer på høyt nivå, utforme fremragende medarbeideropplevelser og skape vellykkede kulturer ved hjelp av menneskesentrert HR-programvare.
Leapsomes omfattende HRIS-, talent- og AI-plattform betjener over 2 000 vellykkede kunder med mennesket i sentrum over hele verden. Jeg er basert i New York, hvor vi har ett av våre globale kontorer.
Som leder lytter jeg alltid og stiller de vanskelige spørsmålene. Jeg stoler på de som tar eierskap, og jeg er tydelig på hva jeg selv har ansvar for. Jeg har svært høye standarder og setter pris på hurtighet og gjennomslagskraft.
Valget om å bli fullt ut AI-basert internt
Vi omfavnet tidlig muligheten til å bringe fordelene ved AI til kundene våre, og lanserte effektive AI-funksjoner i produktet vårt raskt. Vi tok også et bevisst valg om å bli fullt ut AI-baserte internt.
Vi utformet visjonen, fastsatte retningslinjene og fikk infrastrukturen og verktøyene på plass tidlig. Hundre prosent av teamet vårt bruker AI-verktøy eller -agenter i det daglige arbeidet, og mer enn 60 % av medarbeiderne våre har bygget minst enkle agenter for å automatisere enkelte oppgaver. Derfor er bruken av AI og eksperimentering en del av det daglige arbeidet og rollene våre i Leapsome.
Vi fortsetter å bygge AI inn i prosesser på tvers av plattformen – fra prestasjonsoppfølging til undersøkelser, og fra lønn til arbeidsflyter. Det er spennende å se hvordan vi kan hjelpe kundene våre med å utnytte AI på en effektiv måte, siden teknologien er direkte tilgjengelig der HR-konteksten deres «lever».
Slik avdekker innføringen av AI skjulte muligheter på arbeidsplassen
Da vi rullet ut AI-verktøy internt og så adopsjonskurven – hele teamet vårt bruker AI jevnlig, og de fleste bygger sine egne agenter – forventet jeg motstand: en viss skepsis og motstand fra personer som heller ville holde seg til det de kjente.
I stedet opplevde jeg en blanding av begeistring og lettelse. Folk ønsket å bli kvitt arbeidet som hadde samlet seg rundt de faktiske jobbene deres: å lage førsteutkast, oppsummere, følge opp, hente ut data og formatere. Da AI tok seg av dette, åpnet det seg nye muligheter – folk fikk mer tid til meningsfylt arbeid som krever kritisk tenkning og menneskelig dømmekraft.
Det fortalte meg noe ubehagelig. Vi ga ikke bare talentfulle mennesker kjedelig arbeid. Vi hadde bygget systemer som gradvis begravde de beste delene av rollene deres under administrative strukturer, og de fleste godtok stille at det bare var slik ting fungerte. AI gjorde dette synlig. Da det først var synlig, var det ingen som ønsket å gå tilbake. Potensialet er enormt, og det er spennende!
Den virkelige lærdommen: Adopsjon er det minste av problemene. Det du oppdager når administrasjonen er ryddet unna, er stedet der det virkelige arbeidet begynner.
Folk ønsket å kvitte seg med arbeidet som hopet seg opp rundt de faktiske jobbene deres: førsteutkast, oppsummering, oppfølging, uthenting av data og formatering. Da AI tok seg av dette, åpnet det seg nye muligheter — folk fikk mer tid til meningsfylt arbeid som krever kritisk tenkning og menneskelig dømmekraft.
Slik kan ledere ta i bruk AI
En viktig del av rollen min som leder er å sette av tid til egen kontinuerlig læring og praktisk eksperimentering med AI. Jeg mener det er avgjørende at ledere i dag setter av denne tiden.
Muligheten for ledere og fagfolk innen personalfunksjonen er å ta en mer strategisk partnerrolle overfor virksomheten ved å automatisere manuelle prosesser, overvinne fragmenterte data og generere innsikt raskere. Dette frigjør også kapasitet til det viktige arbeidet med mennesker og virksomheten som ikke bør automatiseres.
Jeg har måttet gi slipp på tanken om at «ansikt-til-ansikt-tid» med ledere er den primære måten ansatte utvikler seg på. AI-veiledning kan, når det gjøres riktig og under menneskelig oppfølging, gi konsekvent og rettidig veiledning i et omfang selv de beste lederne ikke kan håndtere.
For å være tydelig: Dette erstatter ikke ledere, men utvider rekkevidden deres og sikrer at ansatte får støtte mellom de formelle oppfølgingssamtalene.
Slik la vi om medarbeidersamtalene med AI
Vi la om medarbeidersamtalene, både internt og i produktet vårt, ved hjelp av AI. Det endret grunnleggende hvordan vi tenker på hele prosessen.
Den gamle måten: Ledere brukte timevis på å skrive utkast til vurderinger, ofte fra bunnen av, og slet med å huske konkrete prestasjoner fra flere måneder tidligere. En tungvint og langsom prosess som krever mye administrativt arbeid, svekker resultater og tidsfrister! Medarbeidersamtaler risikerer å bli en øvelse i etterlevelse i stedet for en samtale om samkjøring og utvikling.
Den AI-forsterkede måten: Vi utviklet en AI-assistent som utarbeider utkast til tilbakemeldinger basert på kontekst fra møter, mål og tidligere tilbakemeldinger. AI-en veileder brukerne gjennom prosessen, henter frem relevant kontekst — hva den ansatte oppnådde, hvor vedkommende møtte utfordringer, og hvordan utviklingen har vært — og foreslår formuleringer som ledere kan redigere, forbedre og tilpasse basert på menneskelig resonnering, empati og personlig kontakt med medarbeiderne sine.
Resultater: Medianen av tiden lederne bruker på å skrive vurderinger, gikk betydelig ned. Enda viktigere er det at kvaliteten ble bedre fordi lederne redigerer og tilfører nyanser i stedet for å stirre på en tom side. Ansatte rapporterer at tilbakemeldingene føles mer konkrete og handlingsrettede.
Vi har brukt den samme logikken på spørsmål og svar fra ansatte. HR fikk de samme spørsmålene om retningslinjer gjentatte ganger via Slack, e-post og noen ganger fra den samme personen flere ganger. AI-agenten vår for brukerstøtte besvarer nå disse spørsmålene på et enkelt språk ved å hente informasjon fra kunnskapsbasen vår. HR får tilbake denne tiden til arbeid som krever menneskelig ekspertise.
Vi brukte også dette på analysen etter undersøkelser. Tidligere brukte vi uker på å sammenfatte svar i fritekst, ofte ufullstendig. AI finner nå temaer og mønstre i løpet av dager, slik at ledere kan handle mens tilbakemeldingene fortsatt er ferske.
Den røde tråden: AI tok seg av den administrative belastningen, slik at folk kunne konsentrere seg om arbeid som krever menneskelig dømmekraft, som samtalene, beslutningene og oppfølgingen som ingen kan delegere.
Hvorfor AI-potensialet ofte overstiger organisasjonens beredskap
Folk hører at «AI vil forandre HR», og forventer en magisk knapp. AI er bare så god som dataene, arbeidsflytene og styringen rundt den. Hvis medarbeiderdataene dine ligger i fem systemer som ikke henger sammen, eller prosessene dine er uformelle og uensartede, kan ikke AI løse det.
Enda verre kan den finne frem feil data og i beste fall skape forvirring, og i verste fall føre til et alvorlig problem.
Vi løser dette ved å utforme AI som er innebygd i produktet vårt som ditt autoritative system, med all konteksten din knyttet til prosessene og arbeidsflytene dine – ikke montert på som en separat funksjon.
AI-en vår veileder ansatte i målsettingsprosessen. Den hjelper til med medarbeidersamtaler i vurderingssyklusen. Den besvarer spørsmål om retningslinjer fra en definert kunnskapsbase. Strukturen skaper rammene, og AI-en opererer innenfor dem.
Vi bruker også som standard menneskelig kontroll. AI-en vår utarbeider utkast, foreslår og oppsummerer, men utfører ikke handlinger uten at en person godkjenner dem. Vi mener at HR-beslutninger innebærer kontekst, nyanser og konsekvenser som AI ikke bør håndtere autonomt. Ledere som ønsker at AI bare skal «gjøre det» uten tilsyn, utsetter seg selv for juridiske, etiske og tillitsmessige problemer.
Å gå i dybden fremfor i bredden med AI-integrasjon
For et år siden hadde vi mange verktøy. Nå har vi færre, og de er mer integrert. Vi har gått i dybden fremfor i bredden. Vi bruker AI-funksjoner gjennom hele arbeidsflytene våre: utforming av vurderinger, oppsummeringer av undersøkelser, vår AI-drevne coach, spørsmål og svar om retningslinjer, transkripsjon av møter og datainnsikt.
Dette er ikke separate AI-tillegg; vi bygger dem inn der arbeidet skjer, noe som sikrer at de tas i bruk.
Grunnlaget vårt er vårt eget verktøy, og det at vi selv er kunde, tydeliggjør ting. Det holder oss ærlige. Vi bruker det til alt: HRIS (ansattopplysninger, dokumenter, fravær, forberedelse av lønn, arbeidsflyter) og talentforvaltning (medarbeidersamtaler, mål, engasjementsundersøkelser, tilbakemeldinger, læring, 1:1-samtaler) samt AI. Dataene ligger på ett sted, noe som er viktigere enn det høres ut som.
I tillegg har vi bygget tilpassede agenter i Dust og Notion for bruk på tvers av team. Gemini, Claude og Lovable er alle med i blandingen, avhengig av oppgaven. Og hvert team har sin egen verktøypakke oppå dette. Vi prøver ikke å standardisere alt, men vi er bevisste på hva som ligger i grunnlaget.
Den største endringen det siste året har vært konsolidering. Vi hadde for mange punktløsninger, som hver gjorde én ting godt, men som skapte datafragmentering og konstante kostnader ved å bytte mellom verktøy. Færre verktøy, dypere integrasjon og AI innebygd i arbeidsflytene i stedet for å være isolert i én app.
Hvorfor en AI-utviklingscoach kan endre spillet
Vi bruker vår egen utviklingscoach internt. Det er en AI-agent som gir ansatte og ledere veiledning i sanntid om utvikling, uten å måtte vente på en formell vurderingssyklus eller at lederen har tid.
Ledere i virksomheter i vekst har mye å gjøre. De kan ikke følge opp alle, og ansatte som trenger veiledning, får den ofte ikke før det nærmer seg en vurdering. Utviklingscoachen endrer denne rytmen.
Ansatte kan stille spørsmål om målene sine, få konkrete neste steg og forstå hva som kjennetegner «godt arbeid» i rollen deres. Ledere kan bruke den til å forberede meningsfulle samtaler i stedet for reaktive samtaler. Den bygger på kontekst fra mål, historikk over tilbakemeldinger og virksomhetens rammeverk, slik at det den finner frem til, er spesifikt og ikke generisk.
Det jeg bryr meg mest om, er det som skjer i bakgrunnen: signalene. Når ansatte stiller AI-en spørsmål vi ellers aldri ville hørt, lærer vi noe – ikke om enkeltpersoner (dataene er aggregert og anonyme) – men om hvor det mangler tydelighet, hvor folk føler seg fastlåst, og hva ledere ikke tar opp. Slike tidlige signaler er vanskelige å få på noen annen måte.
Agenter går også utover arbeidet. Hjemme har jeg bygget flere tilpassede AI-agenter for å gjøre det enklere å drive en familie. Jeg laget for eksempel en ukentlig måltidsplanlegger som tar hensyn til prinsippene for sunt kosthold som jeg har satt.
Hvorfor kollegadrevet og praktisk er den beste måten å lære AI-kompetanse på
Vi gjorde bruk av AI til en del av strukturen, ikke noe valgfritt. Alle i teamet har tilgang til AI-verktøy, ikke bare de som jobber med utvikling eller produkt. AI-kompetanse kan ikke være et privilegium for bestemte roller eller funksjoner.
Vi bygget kompetanse gjennom deling, ikke obligatorisk opplæring. Folk viser hvordan de bruker AI i arbeidsflytene sine. Det er kollegadrevet, praktisk og noen ganger rotete, men det er nettopp det som gjør at det fester seg. Noen viser frem noe som fungerte, og en annen tilpasser det til sin egen kontekst. Denne spredningen skaper reell bruk raskere enn noen ovenfra-og-ned-utrulling.
Det jeg har lagt merke til: Jo mer folk eksperimenterer, desto mer finner de arbeid de ønsker å automatisere – oppgaver de i årevis hadde vent seg til å akseptere som «bare en del av jobben». AI gir folk tillatelse og mulighet til å stille spørsmål ved dette.
Når det gjelder styring, er vi tydelige på personvern. Alle vet hvilke data som kan og ikke kan legges inn i eksterne AI-verktøy. Det er ikke til forhandling. Tydelige rammer gir folk trygghet til å tøye grensene innenfor dem.
Når det gjelder hva det vil si å være «AI-klar», vil jeg beskrive det mindre som en sjekkliste og mer som en kultur. Ansatte som eksperimenterer uten frykt for å bli dømt. Team som spør: «Bør et menneske gjøre dette?»
Ledere som synlig viser hvordan de bruker AI, ikke som en forestilling, men fordi de faktisk bruker det. Jeg prøver selv å være tydelig på dette. Hvis jeg ber teamene mine om å bygge AI-kompetanse uten å praktisere det selv, er det ikke ledelse. Det er teater.
Folk demonstrerer hvordan de bruker AI i arbeidsflytene sine. Det er kollegadrevet, praktisk og noen ganger rotete, men det er nettopp det som gjør at det fester seg.
Hvorfor AI bare er så god som dataene den har tilgang til
Tilgang til data er avgjørende. AI er bare så god som dataene den har tilgang til.
En skinnende, frittstående AI-agent utenfor HR-systemet ditt kan skrive en stillingsbeskrivelse, det er klart. Den kan ikke fortelle deg om engasjementet synker i et bestemt team, om en høytpresterende medarbeider ikke har hatt en utviklingssamtale på flere måneder, eller om en leders direkte rapporterende konsekvent presterer svakere enn det kollegene vurderer dem til.
En slik innsikt krever historiske og sammenkoblede data — HRIS, mål, tilbakemeldinger, vurderinger, engasjement og læring, alt på ett sted. Fragmenterte punktløsninger kan ikke levere dette, uansett hvor AI-drevne de er. Vi har brukt mange år på å utvikle en løsning på dette problemet.
Veikartet vårt fokuserer på agentsiden. Vi bygger agenter som håndterer avgrensede, spesifikke oppgaver: utarbeiding av dokumenter, svar på spørsmål om retningslinjer og påminnelser til ledere om oppfølging, samtidig som mennesker beholder beslutningsmyndigheten.
Disse agentene kjører i bakgrunnen. Målet er å utvide hva et lite HR-team kan få til. Dette gjør det mulig for en HR-leder som har ansvar for personaldriften for 200 ansatte sammen med én eller to kolleger, å slutte å bruke dagen på administrative oppgaver og i stedet begynne å fokusere på arbeid som skaper resultater.
Hvorfor AI tvinger HR til å ta stilling til formålet sitt
For HR-ledere handler dette øyeblikket om mer enn en teknologisk overgang. AI tvinger HR til å ta stilling til formålet sitt.
Mange av dem jeg snakker med, valgte HR fordi de brydde seg om mennesker. De ønsket å bygge kulturer, utvikle ledere og skape miljøer der folk kunne gjøre sitt beste arbeid.
Et sted på veien ble mange prosessadministratorer. Systemene hopet seg opp. Rollen ble formet rundt dem. Hvis HR-teknologien din verdsetter prosesser høyere enn mennesker, former denne dynamikken rollen over tid. Verktøy former atferd. Systemer former roller. Det er verdt å sette ord på, og verdt å forstyrre.
Noen praktiske råd for bruk av AI i HR:
- Begynn med arbeidet du hater, ikke den mest iøynefallende funksjonen. Hvor bruker du tid på repetitive oppgaver med liten verdi? Bruk AI der først. Det første utkastet. Sammendraget. Jakten på oppfølging. Automatiser disse oppgavene og beskytt tiden din til arbeid som krever deg.
- La et menneske være involvert som standard. AI bør bistå, ikke bestemme, særlig i HR, der beslutninger påvirker menneskers karrierer og livsgrunnlag. Fastsett og oppretthold denne forventningen tydelig.
- Beveg deg raskere enn du er komfortabel med. Organisasjoner som bygger AI-kompetanse nå, vil oppnå fordeler som forsterkes over tid. Å vente på at AI skal «modnes», er et valg som har en kostnad.
- Ta med deg teamet ditt. Nyansatte og ledere på førstelinjen ser ofte de tydeligste mulighetene. Implementering er like mye en kulturutfordring som en teknologisk utfordring.
- For ledere mer generelt: Vis selv hvordan AI brukes, invester seriøst i lederne dine, og hold formålet i sentrum. AI endrer hvordan arbeidet utføres. Det endrer ikke hvorfor det er viktig.
Hvordan HR-rollene vil utvikle seg de neste fem årene
Innen fem år tror jeg HR vil legge identiteten som prosessadministrator helt bak seg, og selskaper som fortsatt behandler HR på den måten, vil merke det på forretningsresultatene sine.
Endringen er allerede i gang. HR-ledere i fremtidsrettede organisasjoner måles ikke på om medarbeidersamtaler ble gjennomført eller undersøkelser sendt ut. De måles på resultater:
- Blir medarbeiderne værende der det betyr mest?
- Utvikler lederne medarbeiderne sine?
- Kan vi spore en sammenheng mellom engasjement, prestasjoner og produktivitet som vi kan handle ut fra?
AI gjør denne endringen mulig ved å håndtere det operasjonelle laget på en pålitelig måte, slik at HR-ledere kan fokusere på strategi, analyse og tiltak.
Fremtidens HR-team vil være mindre, ha mer erfarne medarbeidere og ha betydelig større innflytelse. Ikke fordi antallet ansatte kuttes, men fordi rollen får et bredere ansvarsområde og opparbeider seg troverdighet rundt lederbordet. Mindre tid i det administrative laget, mer tid i rommet når forretningsbeslutninger tas.
Organisasjoner som fortsatt driver HR på fragmenterte systemer, med separate verktøy for HRIS, prestasjoner, engasjement og læring, vil møte en målbar ulempe. AI genererer nyttig innsikt fra sammenkoblede data. Fra datasiloer genererer den støy. Fragmentering blir en kostbar arv, og oppgjørets time nærmer seg raskere enn de fleste forventer.
Den versjonen av HR som vinner om fem år, ligner mye mer på det de fleste så for seg da de begynte i faget.
Slik holder du AI menneskesentrert i HR
Hvis HR implementerer AI på en dårlig måte — ved å ta det i bruk for å fjerne ansvarlighet, bruke det til å skalere dårlige beslutninger raskere eller behandle det som en erstatning for de vanskelige menneskelige samtalene som bygger kulturer — sløser vi ikke bare bort muligheten. Vi svekker tilliten på måter som er vanskelige å bygge opp igjen.
En AI som ikke fungerer, er ikke den største risikoen. Risikoen er AI som fungerer nøyaktig slik den er utformet, men peker i feil retning. Medarbeidersamtaler som gjennomføres raskere, men føles mindre menneskelige. Retningslinjer som «besvares» av en chatbot uten at noen sjekker om svaret er korrekt eller rettferdig. Beslutninger som fremstår objektive fordi de kommer fra et system, selv om systemet gjenspeiler antakelsene til den som bygget det.
Filosofien vår er tydelig: AI bør aldri erstatte menneskelig dømmekraft i beslutninger som påvirker noens karriere, levebrød eller velvære. AI utarbeider utkast, foreslår og løfter frem informasjon. Et menneske vurderer, beslutter og tar ansvar for resultatet. Menneskelig dømmekraft er ikke til forhandling.
HR-lederne jeg har størst respekt for, spør ikke bare «hvor mye kan vi automatisere?» De spør også «hva bør aldri automatiseres, og hvorfor?» Denne disiplinen er det som skiller AI som bygger tillit, fra AI som svekker den.
Det er også en av de mest tilbakevendende samtalene i People over Perks, fellesskapet vårt for HR-fagfolk — og helt ærlig kommer noe av den mest jordnære tenkningen rundt dette temaet derfra. Hvis det er et spørsmål du arbeider med i din egen organisasjon, vil jeg oppfordre deg til å bli med.
Som jeg sa, tilbringer mennesker omtrent 80 000 timer av livet sitt på jobb. Den tiden bør være meningsfull. AI bør bidra til å gjøre den enda mer meningsfull.
Følg med
Du kan følge arbeidet til Jenny Podewils på LinkedIn og ta en titt på Leapsome!
Flere ekspertintervjuer kommer hos People Managing People!
