Personellstakken fikk KI, men ingen ordnet dataene først
De fleste HR-ledere kan fortelle deg nøyaktig hvilke AI-verktøy organisasjonen deres bruker. Svært få kan fortelle deg hva disse verktøyene gjør med hverandre.
Når AI kommer inn i rekrutteringen, endrer det hvordan kandidater vurderes. Når AI kommer inn i prestasjonsstyringen, endrer det hvordan tilbakemeldinger genereres og hvem som gir dem. Når AI kommer inn i læring og utvikling, påvirker det hvilke ferdigheter som prioriteres, og for hvem. Dette er ikke isolerte hendelser, men de styres sjelden som sammenhengende prosesser.
Ledere tar beslutninger om implementering funksjon for funksjon, og nesten ingen har ansvar for det som skjer i overgangene.
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
Medarbeiderstakken – rekruttering, prestasjonsstyring, L&D, ytelser – bygges om med AI én funksjon om gangen. Hver implementering håndteres av et annet team, med en annen leverandør og et annet sett med mål. Samspillet mellom disse systemene blir sjelden overvåket, og nesten ingen har ansvar for det som skjer i overgangene. Det er der avvik forsterkes.
Tusen blomster, ingen gartner
Under en panelsamtale forrige uke på Transform i Las Vegas var fokuset på hva som faktisk endrer seg når AI kommer inn i HR-funksjonen. En tilbakevendende spenning kom til syne: Organisasjoner eksperimenterer bredt, men styrer snevert.
Jevan Soo Lenox, personalansvarlig i det raskt voksende AI-selskapet WRITER, beskrev det mange ledere opplever i det stille.
Vi har vært i en verden der vi lot tusen blomster blomstre. Prøv mange ting, bruk mange verktøy, arranger en hackathon annethvert kvartal. Det skaper en flott eksperimenteringskultur. Men det er virkelig ikke tilstrekkelig for massiv avkastning på investeringen.
Problemet er ikke eksperimenteringen. Problemet er mangelen på innsikt i hva som faktisk fungerer, og hva som skaper uoverensstemmelse på tvers av organisasjonen.
Uoverensstemmelsen er strukturell. Når et AI-verktøy i rekrutteringen vurderer kandidater opp mot en kompetansemodell, et separat AI-verktøy i prestasjonsstyringen genererer utviklingsanbefalinger basert på et annet sett med kriterier, og et tredje verktøy i L&D finner frem læringsinnhold basert på enda et annet datasignal, ender organisasjonen opp med tre versjoner av hva som kjennetegner gode prestasjoner. Ingen har utformet dette resultatet. Ingen følger med på det.
Giovanni Luperti, administrerende direktør i Humaans, som samarbeider med virksomhetskunder som implementerer HR-agenter i stor skala, satte ord på det grunnleggende skillet som ligger bak mange av disse beslutningene: beslutningsforsterkning versus beslutningserstatning.
For repetitive, deterministiske oppgaver – koordinering av introduksjon av nyansatte, planlegging, besvaring av spørsmål om retningslinjer – kan agenter gjennomføre prosessen pålitelig og bli bedre over tid. Men når det gjelder alt som krever skjønn, må mennesket fortsatt være involvert, ikke som en som bare godkjenner, men som den faktiske beslutningstakeren.
«Det finnes ofte ikke ett riktig svar», sa Luperti, «og derfor blir det et spørsmål om beslutningsforsterkning.»
Problemet er at organisasjoner ikke alltid gjør dette skillet med hensikt. AI bygges inn i en arbeidsflyt fordi det er tilgjengelig, fordi en leverandør presenterte et overbevisende tilbud, eller fordi et team jobbet raskt.
Grensen for hvor mye selvstendighet AI bør ha i en bestemt beslutning, settes implisitt, ikke bevisst. Og når AI samtidig berører rekruttering, prestasjonsstyring og utvikling, begynner disse implisitte grensene å påvirke hverandre på måter som er svært vanskelige å kontrollere.
Grunnlaget under
Datalaget gjør dette verre før det gjør det bedre. Lennox var tydelig:
Hvis du ikke bygger på en god og konsistent kunnskapsbase, et datalag du kan få tilgang til og bygge videre på, kommer alt annet til å bryte sammen.
HR-funksjonen har historisk sett vært et av de dårligste datamiljøene i enhver organisasjon, med fragmenterte systemer, inkonsekvente definisjoner og mange år med manuelle prosesser. Å implementere AI oppå dette rydder ikke opp i grunnlaget. Det skalerer det som allerede finnes.
Kit Krugman, SVP for medarbeidere og kultur i Foursquare, var tydelig på hva situasjonen faktisk krever.
Den strategiske rollen for personalfunksjonen har alltid vært utfordrende å få på plass rundt bordet, og AI er en revolusjon i hva vi kan oppnå. Et orkestreringslag er en av de kraftigste omveltningene vi kommer til å se på dette området. Men du trenger at det grunnleggende driftslaget fungerer, så vi må tenke nytt om hele driftsmodellen.
Det er denne delen de fleste organisasjoner hopper over. De tar i bruk verktøy uten å tenke nytt om driftsmodellen som ligger under dem.
Orkestreringslaget Krugman beskrev – det som faktisk skulle koordinere AI-aktivitet på tvers av hele personalområdet og synliggjøre hva systemet gjør samlet – finnes ennå ikke i de fleste virksomheter. I stedet består det som finnes, av en samling punktløsninger som rapporterer til ulike ledere, kjører på ulike data og optimaliserer for ulike resultater.
Lenox, som har hatt fordelen av å bygge opp en personalfunksjon fra grunnen av i stedet for å tilpasse en eksisterende hos Writer, beskrev sin tilnærming til utforming av roller i denne sammenhengen.
Det å være tålmodig – beslutningen om å stanse opp, kartlegge det faktiske behovet og deretter bygge mot det – er nettopp det de fleste organisasjoner ikke har råd til å hoppe over når de tar i bruk AI på tvers av sammenkoblede funksjoner.
Å handle med hensikt betyr noe konkret her: å identifisere hvor AI kan gi et målbart resultat, bygge på et ryddig datalag og etablere styring før man skalerer. De fleste organisasjoner hopper over denne rekkefølgen, ikke fordi de ikke vet bedre, men fordi verktøyene er så lett tilgjengelige at presset for å handle raskt veier tyngre enn disiplinen som kreves for å handle bevisst.
Resultatet er et teknologilandskap for personalområdet som ser moderne ut fra utsiden, men som er inkonsekvent i kjernen. Når AI samtidig kommer med anbefalinger innen rekruttering, prestasjoner og utvikling, uten en felles logikk og uten at noen følger med på samspillet, svikter ikke systemet på åpenbare måter. Det driver sakte i en retning ingen har valgt.
