Hva kunstig intelligens fant da den kom på jobb
Lettelse med kunstig intelligens: De ansatte følte lettelse, ikke motstand, da verktøy for kunstig intelligens lettet de administrative byrdene deres hos Leapsome.
Beredskapskløft: Innføring av kunstig intelligens avdekker et tillitsproblem, ikke bare et kompetansegap, når det gjelder beredskap i arbeidsstyrken.
Dokumentasjonsproblem: Manglende prosessdokumentasjon hindrer effektiv bruk av kunstig intelligens og avdekker organisatoriske sårbarheter.
Organisatorisk fragmentering: Frakoblede HR-systemer begrenser potensialet til kunstig intelligens og fremhever behovet for integrert talentforvaltning.
Tillitens arkitektur: Innføring av kunstig intelligens krever åpenhet og ansvarlighet for å bygge organisatorisk tillit og samordning.
Da Jenny Podewils rullet ut AI-verktøy på tvers av de interne teamene hos Leapsome, forventet hun motstand. Det hun fikk, var lettelse.
«Folk ønsket å kvitte seg med arbeidet som hadde hopet seg opp rundt de egentlige jobbene deres», sier hun. «Førsteutkast, oppsummering, oppfølging, uthenting av data, formatering. Da AI tok seg av dette, åpnet det seg noe.»
Det som åpnet seg, var ikke bare tid. Det var et syn på noe som hadde vært der hele tiden. Det viste seg at de ansatte i Leapsome gradvis hadde blitt begravd under administrativt støttearbeid i årevis. De fleste hadde stille akseptert det som en del av jobben. AI gjorde det synlig, og da det først var synlig, ville ingen gå tilbake.
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
Podewils er med-CEO i et selskap som utvikler HR-programvare, så hun har både et innblikk i hvordan organisasjoner bruker teknologi for medarbeidere, og en direkte forbindelse til det hennes eget team faktisk opplevde. Observasjonen hennes fra denne utrullingen treffer noe som får for lite oppmerksomhet i de fleste samtaler om bruk av AI.
Problemet AI avdekker innen HR, er ikke et teknologiproblem. I mange tilfeller er det ikke engang et nytt problem. Det er en svikt i organisasjonsutformingen med svært lang ettervirkning.
De lederne som navigerer effektivt i AI akkurat nå, er ikke de som beveger seg raskest. Det er de som er villige til å se på det AI avdekker, uten å vike unna.
Beredskapsgapet handler ikke om beredskap
Jeanne Meister har brukt mer enn tre tiår på å hjelpe organisasjoner med å navigere i omstillinger av arbeidsstyrken. Hun har sett selskaper streve med demografiske endringer, hybridarbeid, kompetansegap og en rekke andre strukturelle endringer som skulle redefinere arbeidet slik vi kjente det. AI er annerledes på én bestemt måte, sier hun: Det har gjort et eksisterende gap umulig å benekte. Hun kaller det et beredskapsgap.
«Gapet mellom det organisasjoner ønsker å gjøre med AI, og arbeidsstyrkens beredskap til å ta AI i bruk i arbeidsflytene sine.»
Men hun er rask med å påpeke at opplæring ikke er den viktigste årsaken.
«Det handler om tillit og frykt. Ansatte frykter å bli overflødige. De bekymrer seg for kravet om å være AI-kompetente, og for hva dette betyr for deres nåværende og fremtidige roller.»
Dette skillet, mellom et kompetanseproblem og et tillitsproblem, betyr enormt mye. Hvis gapet handler om kapasitet, løser man det med opplæringsprogrammer. Hvis gapet handler om frykt, vil opplæringsprogrammer alene ikke nå inn. Da håndterer man noe som ligger under kompetanserammeverket.
Undersøkelsesdataene hennes gjør dette konkret: 79 % av arbeidstakerne sier at de føler seg uforberedt på å bruke AI på jobb, og 65 % sier at organisasjonen deres ikke har gitt dem riktig opplæring. Men Meister går lenger enn disse tallene.
«Mange selskaper pålegger arbeidsstyrken sin AI-kompetanse, men unnlater å definere hva det betyr for de ansatte.»
Et pålegg uten en definisjon er ikke en strategi. Det er en mekanisme for å levere angst.
Det hun beskriver, er egentlig ikke et beredskapsgap i det hele tatt. Det er en kommunikasjonssvikt forsterket av ansvarsproblemer. Ledere tror de kommuniserer hvilken innvirkning AI har. Arbeidstakerne opplever det ikke slik. Denne avstanden mellom hensikt og mottakelse er noe de fleste organisasjoner allerede håndterte dårlig før AI kom inn i bildet. Nå viser den seg i tallene for bruk av AI.
Dokumentasjonsproblemet er et utformingsproblem
Linnea Bywall tiltrådte som VP for medarbeidere i Quinyx etter seks og et halvt år med oppbygging av medarbeiderfunksjonen i Alva Labs. Hun kom inn med en tydelig teori om hva som måtte skje før noe som involverte AI, kunne fungere i stor skala.
«Manglende dokumentasjon er en betydelig hindring for AI-beredskap», sier hun. «Så mange organisasjoner ønsker å bruke AI, men altfor mange prosesser finnes bare i hodene til folk.»
Det som høres ut som en teknisk forutsetning – å dokumentere prosessene slik at AI-modeller har noe å arbeide med – er egentlig en strukturell oppvåkning. Hvis introduksjonsprosessen, tilnærmingen til prestasjonskalibrering og kompensasjonsfilosofien din hovedsakelig lever i muskelminnet til menneskene som har vært der lenge nok til å vite hvordan ting fungerer, har du et problem med organisatorisk sårbarhet som går flere år forut for AI.
Bywalls team skrev om medarbeiderhåndboken og lederhåndboken, bygget dokumentasjonsmål inn i kvartalsvise OKR-er og brukte AI både som et verktøy for utforming av utkast og som en sparringspartner for å identifisere mangler. Prosessen avdekket ting som gikk utover selve dokumentene. «Vi brukte AI som en sparringspartner for å sikre at vi dekket alle nødvendige deler», sier hun. Det som kom tilbake, viste dem hvor mye institusjonell kunnskap som aldri hadde blitt gjort eksplisitt.
Podewils kom til samme sted fra en annen retning. Når hun snakker om hvorfor AI trenger sammenhengende, historiske data for å generere meningsfull innsikt, argumenterer hun for dokumentasjon med et annet språk.
"En skinnende, frittstående AI-agent utenfor HR-systemet ditt kan riktignok skrive en stillingsbeskrivelse. 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 vurderingene fra sine egne kolleger."
Å behandle dokumentasjon som et første steg mot AI-beredskap fører ofte til at man oppdager noe som burde vært tatt tak i uavhengig av AI. Organisasjonen drives av uformell infrastruktur. Det fungerte så lenge menneskene som satt på kunnskapen, ble værende. Det var alltid en risiko.
Navlebeskuelse i stor skala
Dean Carter var CHRO i nærmere 25 år i selskaper som Fossil, Sears, Patagonia og Guild, før han gikk over i rollen som CEO i Instill, et AI-selskap som fokuserer på kultursignaler i organisatoriske samtaler. Perspektivet hans er både langsiktig og bredt, og han er ikke spesielt forsiktig i vurderingen av det han ser HR gjøre med AI akkurat nå.
"Jeg tror HR er overdrevent opptatt av å legge om arbeidsflyter og organisasjonsdesign", sier han. "Det er en dråpe i havet. Det gir nesten ingen avkastning på investeringen for en virksomhet. Vi driver med navlebeskuelse ved å bruke AI på det som allerede finnes."
Dette er den vanskeligere versjonen av argumentet. Bywall og Podewils argumenterer for at organisasjoner må gjøre grunnleggende arbeid før AI kan levere resultater. Carter hevder at selv organisasjoner som får det grunnleggende på plass, kan være i ferd med å løse feil problem. Hvis du bruker AI til å optimalisere en medarbeidersamtaleprosess som allerede var ødelagt, har du ikke forvandlet noe. Du har automatisert en fiasko.
Han har et konkret rammeverk for hvordan han ser på AIs rolle i sitt eget arbeid.
"Åtti prosent av det AI gir meg, er bra, og det er alt jeg trenger. Jeg trenger eller ønsker ikke lenger en endelig løsning, et bilde eller et svar. Jeg vil at AI skal gjøre det tidkrevende arbeidet med å samle inn og assimilere kunnskap, det som tar mer tid enn hjernekraft, og så kan jeg bruke tiden og hjernen min på å forme de siste, krevende og fantastiske tjue prosentene."
Det er ikke en optimalisering av arbeidsflyten. Det er en redefinering av hvor menneskelig dømmekraft hører hjemme i prosessen. Det tidkrevende arbeidet er den delen som tok tid uten å skape selvstendig tenkning. De tjue prosentene er der erfaring, klokskap og kontekstuell forståelse faktisk betyr noe. AI skapte ikke dette skillet. Det gjorde det bare mulig å respektere det.
Det vanskeligere spørsmålet Carter reiser, er hvor mange HR-team som bruker AI til å beskytte den eksisterende strukturen i stedet for å undersøke den. Hvor mange automatiserer prosessen som heller burde vært redesignet?
Problemet med forbindelsesvevet
Trent Cotton leder arbeidet med talentinnsikt i iCIMS, og han tenker på AIs rolle i HR i strukturelle termer. Visjonen hans for hva AI gjør mulig, et integrert perspektiv på talentporteføljen som kobler sammen rekruttering, intern mobilitet, prestasjoner og læring på ett sted, høres ambisiøs ut. Men den bygger på en diagnose som handler mindre om AIs kapasitet enn om organisatorisk fragmentering.
"I dag bruker HR for mye tid på å følge opp frakoblede prosesser", sier han. "Stillingsrekvisisjoner her, intern mobilitet der, læring i et annet system."
Denne fragmenteringen er ikke ny. HR-funksjoner har håndtert frakoblede systemer i flere tiår, skaffet punktløsninger for spesifikke problemer, bygget omveier og mistet datakvalitet ved hver overlevering. AI løser ikke denne fragmenteringen. Den synliggjør hvorfor den alltid har vært et problem. Innsikten AI kan generere fra sammenkoblede data – hvem som står i fare for å slutte, hvilke ledere som utvikler medarbeiderne sine, og hvor det oppstår hull i etterfølgerplanleggingen – er utilgjengelig når dataene ligger i siloer.
"AI genererer nyttig innsikt fra sammenkoblede data", sier Podewils. "Den genererer støy fra data i siloer. Fragmentering blir en kostbar arv, og oppgjørets time nærmer seg raskere enn de fleste forventer."
Cotton viderefører dette til selve lederskapets natur. Han snakker om en overgang fra å være "leder for en funksjon" til å være "designer av systemer som lærer". HR-lederen som bruker AI, gjør ikke mindre i hans fremstilling. Vedkommende opererer på et annet nivå og kan synliggjøre kapasitetsrisiko og arbeidsstyrkestrategi i samtaler som tidligere bygget på intuisjon og etterslepende data.
"Med integrert, AI-forsterket innsikt kan HR gå inn i et møte og si: 'Her er kompetansesammensetningen i teamet ditt i dag, her er hva strategien din krever, og her er tre grep i talentporteføljen vi kan ta.'"
Det er en annen type ledersamtale. Den krever en annen infrastruktur. Og det å bygge denne infrastrukturen – de sammenkoblede systemene, de ryddige dataene og de dokumenterte prosessene – er arbeid som ikke har noe med AI å gjøre, men alt å gjøre med organisatorisk disiplin som tidligere var valgfri, men som ikke lenger er det.
More Articles
- Vi spurte HR-eksperter om hva de tok feil om når det gjaldt KI. Her er hva som fikk dem til å endre mening.
- Visepresident for mennesker og organisasjon i en AI-enhjørning sier at HR-ledere må bli arkitektene bak en menneske-maskin-arbeidsstyrke
- HR-teknologisjef sier at det å bli AI-integrert fra grunnen av avdekket arbeidet de ansatte faktisk ønsker å gjøre
- AI-strategi er en kulturutfordring, og HR er unikt posisjonert til å lede
- Tidligere BBC-personaldirektør sier at KI nødvendiggjør en redefinering av HRs verdi
Tillitsinfrastrukturen som ligger under alt dette
Det som knytter sammen problemet med dokumentasjon, beredskapsgapet, kritikken av navlebeskuelsen og fragmenteringsproblemet, er en felles rot. Innerst inne er hvert av dem et tillitsproblem.
Medarbeidere som frykter å bli overflødige på grunn av AI, stoler ikke på at organisasjonen håndterer denne overgangen med deres interesser i tankene. Meisters observasjon om at selskaper pålegger AI-kompetanse uten å definere hva det betyr for hver rolle, er et tillitsbrudd.
«Ledere bør gå fra «AI-opplæring som passer for alle» til rollebasert AI-opplæring og evaluere prestasjoner i den konteksten.»
Carter sier det mer direkte. Når ledere ber ansatte kartlegge oppgavene og ferdighetene sine i forbindelse med innføring av AI, oppfatter de fleste arbeidstakere et annet budskap enn det som blir sendt.
«Til tross for det lederne sier, ser folk på det de gjør, og det føles ikke ekte.» Dette gapet mellom intensjon og oppfatning er et tillitsgap. Det fantes før AI. AI har bare gitt det nytt materiale å arbeide med.
Bywalls observasjon fra sin egen innføringsreise har den samme undertonen.
«Det kan føles skremmende å sakke akterut når man tar i bruk AI. Så mange snakker om hvordan de har revolusjonert arbeidsmåtene sine, men få forklarer hvordan de gjør det. Jeg tror det kan føles overveldende for folk og hindre dem i å virkelig fordype seg.»
Transparensproblemet – ledere som snakker om resultater uten å forklare veien dit – skaper uro der engasjement er nødvendig. Dette er en svikt i kommunikasjon og tillit iført et AI-kostyme.
Podewils trekker grensen rundt AI i HR-beslutninger med uvanlig tydelighet.
«AI bør aldri erstatte menneskelig skjønn i beslutninger som påvirker noens karriere, livsgrunnlag eller velvære. AI utarbeider utkast, foreslår og henter frem informasjon. Et menneske vurderer, beslutter og tar ansvar for utfallet.»
Hun fremstiller ikke risikoen som en AI-feil, men som AI som fungerer nøyaktig slik den er utformet, men er rettet i feil retning. Vurderinger som skjer raskere, men føles mindre menneskelige. Retningslinjer som besvares av en chatbot uten verifisering. Beslutninger som fremstår som objektive fordi et system har produsert dem.
«Risikoen er AI som fungerer nøyaktig slik den er utformet, men peker i feil retning.»
Det er problemet med tillitsarkitekturen. Og det kan ikke løses gjennom rammeverk for AI-styring alene, selv om også de er viktige. Det kan løses gjennom de samme tingene som bygger organisatorisk tillit under alle forhold: åpenhet om hva som besluttes og hvorfor, ansvarlighet for resultater og synlig lederatferd som samsvarer med uttalte verdier.
Hva kartleggingen viser
Meister har sett AI endre HR-lederes atferd i én bestemt retning. De tidlige brukerne, observerer hun, behandler AI-agenter som nye teammedlemmer og gir dem bevisst retning. Endringen hun har sett, går «fra «jeg leder» til «jeg orkestrerer et team av mennesker og AI-agenter».» Dette er ikke en ledelsesfilosofi bygget rundt AI. Det er en ledelsesfilosofi som AI synliggjør og gjør nødvendig.
Cottons observasjon har en lignende struktur. Lederne som etter hans syn vil bygge et varig konkurransefortrinn de neste fem årene, er de som bruker AI til å «øke organisasjonens læringskapasitet», snarere enn som et kostnadsbesparende virkemiddel. Forskjellen er ikke semantisk. Den ene tilnærmingen bygger kapasitet, den andre tapper den.
Bywall avslutter med en spådom som veier tyngre når den kommer fra en organisasjonspsykolog enn den kanskje ville gjort fra en teknolog:
«I løpet av de neste fem årene spår jeg at halvparten av People-funksjonene vil bli overflødige. Fagpersonene som blir igjen, vil være de som kan håndtere både mennesker og agenter.»
Dette er ikke først og fremst en uttalelse om AI-kompetanse. Det er en uttalelse om organisasjonens formål. HR-fagpersonene som vil forbli nyttige, er de hvis verdi ikke er forankret i det administrative laget som AI er i ferd med å overta. Det betyr at spørsmålet ledere for People-funksjoner står overfor akkurat nå, ikke er hvordan de skal ta i bruk AI. Det er hva de faktisk står for under det administrative stillaset.
Podewils sier at mange HR-ledere valgte fagfeltet fordi de brydde seg om mennesker. Om 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.»
AI forårsaket ikke denne dreiningen. Men AI tvinger frem en oppvåkning rundt den.
Kartleggingen er tilgjengelig for alle som er villige til å se på hva AI avslører, snarere enn bare hva teknologien kan gjøre. Organisasjonene som behandler dette som en teknologisk implementering, kommer til å lære – til en viss kostnad – at teknologien var den enkle delen.
