Kontinuerlig tilbakemelding på prestasjoner høres banebrytende ut – helt til du ser hvordan bedrifter bruker det
Fordeler med KI: KI-drevet tilbakemelding kan gi innsikt i sanntid og redusere skjevheter som ofte oppstår i tradisjonelle medarbeidersamtaler.
Datakvalitet: Mange organisasjoner sliter med utilstrekkelige, utdaterte eller inkonsekvente data som påvirker kvaliteten på tilbakemeldingene.
Tillitsutfordringer: Åpenhet om KI-genererte tilbakemeldinger er avgjørende; informasjon om dette påvirker de ansattes tillit og hvor effektive tilbakemeldingene er.
Implementeringsgapet: Det blir stadig større avstand mellom KIs potensielle fordeler og den praktiske bruken i organisasjoner.
Tilbakemeldingssløyfer: Ineffektive tilbakemeldingssløyfer kan forkorte evalueringssyklusene, men løser ikke problemene med årlige medarbeiderevalueringer.
Kontinuerlig tilbakemelding på prestasjoner, en sentral del av sanntidsbasert prestasjonsledelse, har gått fra å stå på konferansenes ønskelister til å bli rullet ut i virksomheter raskere enn de fleste praksiser innen personalledelse i nyere tid, med AI som i økende grad driver disse systemene.
Budskapet er konsekvent på tvers av leverandører: innspill i sanntid, redusert tendens til å legge for stor vekt på nylige hendelser og tilbakemeldinger som ikke formes av hvordan en leder tilfeldigvis følte seg en bestemt ettermiddag.
Ansatte har lenge sagt at de ønsker hyppigere og mer konkrete innspill enn det årlige medarbeidersamtaler gir. AI-assisterte systemer er utviklet nettopp for dette, men avstanden mellom løftet og implementeringen blir stadig vanskeligere å ignorere.
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
Problemet med at ledere bare godkjenner
Ledere godkjenner AI-genererte sammendrag uten å undersøke modellene som har produsert dem.
Andrew Whyatt-Sames, organisasjonspsykolog og medgründer av UptakeAI, som samarbeider med organisasjoner som tar i bruk AI i prosesser for medarbeidere og prestasjoner, har sett dette utspille seg gjentatte ganger.
Når AI genererer et prestasjonssammendrag, behandler de fleste ledere det som et utkast som skal godkjennes, i stedet for et utgangspunkt som må undersøkes kritisk.
En linjeleder, tre måneder inn i en utrulling i en virksomhet med 2 000 ansatte, fortalte ham: "Det sto «god kommunikator», og jeg var enig — alle dataene finnes jo der, gjør de ikke?"
Den underliggende modellen vektla møtedeltakelse som en stedfortreder for kommunikasjon. Det hadde ingen fortalt lederne.
En del av problemet er grunnleggende. Systemer for kontinuerlig tilbakemelding trenger kontinuerlige data av høy kvalitet. Det har de fleste organisasjoner ikke.
«Den har bare den konteksten du gir den», sa Matt Poepsel, visepresident for talentoptimalisering i The Predictive Index, da vi snakket sammen under Transform-konferansen i mars. «Det ville vært som å be en venn om råd om sjefen din, og vennen svarte: «Jeg vet egentlig ikke hvem sjefen din er — du må fortelle meg mer.»»
Data om medarbeidere, påpekte han, var allerede uensartede før AI ble involvert. Stillingsbeskrivelser hentet fra utdaterte utlysninger, ferdighetsvurderinger knyttet til krav som har endret seg, atferdsprofiler som ledere aldri utarbeidet fordi ingen hadde lært dem å spørre.
Vi har massevis av data. Spørsmålet er om det er de riktige dataene.
Når de underliggende dataene er svake, korrigerer ikke kontinuerlig tilbakemelding seg selv. Den forsterker problemet med høyere frekvens.
Åpenhet er et problem uansett
Det finnes en tillitsdynamikk som ytterligere kompliserer innføringen. Som vi har omtalt tidligere, fant en studie fra 2021 publisert i Strategic Management Journal at AI-genererte tilbakemeldinger gir bedre resultater enn tilbakemeldinger fra menneskelige ledere på målbare utfall, men bare når de ansatte ikke vet at tilbakemeldingen kommer fra en maskin. Når dette blir opplyst, forsvinner prestasjonsforbedringene.
Kamaria Scott, grunnlegger og administrerende direktør i Enetic, har sett problemet med åpenhet utspille seg direkte.
«Bare ikke lyv om det», sa hun. «Dere må være åpne.»
Ledere som gir tilbakemeldinger generert av AI, risikerer at ansatte avviser dem hvis de opplyser at AI var involvert. De som ikke opplyser om det, har et åpenhetsproblem som har en tendens til å dukke opp før eller siden.
Det som står på spill, hevder Scott, er om disse systemene brukes som et utgangspunkt eller som et endepunkt.
Vurderingen er ikke sluttmålet. Vurderingen er starten på samtalen.
Etter hennes syn er den mest forsvarlige bruken av KI i prestasjonsstyring som et datagrunnlag som åpner for en diskusjon, ikke som et sammendrag som står alene. «Noe som sier: «Dette er et nøytralt sted for oss å begynne» – det er nyttig. Men du må møtes på midten.»
Medarbeiderne vet hva som måles
Problemet med å spille på systemet oppstår gjerne rundt seks måneder etter implementeringen, ifølge Whyatt-Sames.
Medarbeiderne lærer hva systemet følger med på, vanligvis gjennom uformelle kanaler snarere enn noe offisielt, og tilpasser seg deretter. Flere kommentarer fra oppfølgingssamtaler, flere merkede mål, resultater som er forståelige for systemet, men ikke nyttige for noen. En leder for læring og utvikling han jobbet med, kalte det «å spille på dashbordet».
Volumproblemet følger en lignende utvikling. Organisasjoner måler innføringen ut fra aktivitetsantall, så tre ganger så mange tilbakemeldinger ser ut som en suksess.
«Når du reviderer selve tilbakemeldingene, faller handlingsrelevansen kraftig», sa Whyatt-Sames. «De blir kortere, mer formelbaserte og konsentrert rundt det systemet belønner.
Vendingen i signal-til-støy-forholdet blir ofte først synlig når noen gjennomfører en evaluering i etterkant, og da er mønsteret allerede godt etablert.
Når selve arbeidet deles med en agent
Scott stilte et spørsmål i mars som ikke har fått noe entydig svar: «Hvordan ser prestasjon ut hvis det ikke er menneskene selv som utfører arbeidet, eller agenter utfører halvparten av arbeidet? Hvordan skal dere vurdere prestasjonen min som person for arbeid jeg ikke lenger utfører fullt ut selv?»
Det er et spørsmål de fleste nåværende implementeringer ikke er utformet for å håndtere. De måler fortsatt individuell produksjon i en kontekst der grensene for det individuelle bidraget blir mindre tydelige.
Whyatt-Sames' analyse av hvorfor disse problemene vedvarer, knytter sammen de individuelle sviktpunktene.
«Organisasjoner behandler KI-laget som løsningen og hopper over endringsarkitekturen», sa han. «Systemet genererer tilbakemeldingene; ingen spør om tilbakemeldingene endrer atferd. Det er et problem med utformingen av utrullingen, og i de fleste implementeringer er det ingen som har som oppgave å følge dette helt i mål.
Når det gjelder det som står på spill, uttrykte Poepsel det enkelt.
«Alle beslutninger som gjelder medarbeidere, innebærer mye. Vi må være gjennomtenkte, slik at vi kan gå så raskt frem som vi ønsker.»
Argumentet for KI-assisterte kontinuerlige tilbakemeldinger står fortsatt. Antakelsen om at innføring av teknologien løser styringsproblemet den ble utviklet for å løse, gjør det ikke.
