Vil AI-agenter revolusjonere HR-strategi og -drift?

Hva er en AI-agent for HR?

En AI-agent for HR representerer et grunnleggende skifte fra tradisjonelle generative AI-verktøy til autonome systemer som opererer selvstendig i HR-arbeidsflyter. Mens generativ AI krever menneskelige instruksjoner for hver interaksjon, overvåker AI-agenter kontinuerlig medarbeiderdata, identifiserer mønstre og setter i gang tiltak uten konstant oppfølging.

Generativ AI kan for eksempel hjelpe med å utforme en stillingsbeskrivelse når den får en instruksjon. En AI-agent overvåker organisasjonsdata for å identifisere bemanningsbehov, genererer beskrivelser basert på kravene til rollen og sender dem videre for godkjenning – alt uten manuell igangsetting.

Dette forvandler HR fra reaktiv oppgavehåndtering til prediktiv automatisering som forbedrer medarbeideropplevelsen samtidig som den administrative byrden reduseres. Agentene opererer innenfor parametere som er fastsatt av HR-ledere, slik at mennesker fortsatt har oversikt over strategiske beslutninger, mens rutinemessige arbeidsflyter automatiseres.

La oss se på de to side ved side:

Generativ AI vs. AI-agenter i HR – sammenligningstabell

Aspekt ved AI-teknologien	Generativ AI	AI-agenter
Igangsetting	Krever menneskelige instruksjoner for hver oppgave	Handler autonomt basert på sanntidsdata
Menneskelig oppfølging	Nødvendig i hvert trinn	Oppfølgingen er rettet mot å fastsette parametere og overvåke resultater
Hovedrolle	Svarer på spørsmål og utarbeider tekst på forespørsel	Overvåker, analyserer og handler kontinuerlig uten instruksjoner
Interaksjonsform	Reaktiv: venter på inndata	Proaktiv: setter i gang handlinger
Eksempel på bruk	Utarbeider en stillingsbeskrivelse når den blir bedt om det	Oppdager bemanningsbehov, utarbeider og sender videre stillingsbeskrivelser
Databruk	Bruker statiske data eller inndata fra brukeren	Integrerer dynamiske datastrømmer fra HR-systemer
Innvirkning på HR-arbeidsmengden	Reduserer arbeidsmengden per oppgave	Reduserer hele arbeidsflyter gjennom automatisering
Skalerbarhet	Begrenset av manuelle instruksjoner	Svært skalerbar på tvers av flere funksjoner og datakilder
Forbedring av medarbeideropplevelsen	Forbedrer innhold og svar	Forbedrer opplevelsen gjennom tidsriktige og intelligente tiltak
Etiske og strategiske kontrollmekanismer	Kontrolleres ved hver interaksjon	Fastsettes på forhånd gjennom retningslinjer og rammeverk for oppfølging

Skiftet fra reaktiv til prediktiv HR

Tradisjonell HR-drift er ofte reaktiv. Det kan innebære sluttintervjuer etter oppsigelser, medarbeidersamtaler etter at problemer har oppstått og introduksjonsprogrammer som er avhengige av manuelle arbeidsflyter.

AI-agenter kan bidra til å snu dette paradigmet ved å skape skalerbare AI-drevne løsninger som effektiviserer HR-prosesser.

"AI-en overvåker kontinuerlig disse signalene og identifiserer disse tiltakene i sanntid", forklarer Francisco Marin, administrerende direktør i Cognitive Talent Solutions. Selskapet hans har utviklet åtte spesialiserte AI-agenter som allerede er operative i flere Fortune 500-selskaper.

"Handlingsautonomien de har, er langt større enn i tradisjonelle generative AI-grensesnitt", sa han.

I stedet for å vente på at HR-medarbeidere skal analysere dashbord eller svare på spørsmål fra medarbeidere, arbeider disse agentiske AI-systemene kontinuerlig i bakgrunnen. De identifiserer medarbeidere i faresonen, optimale mentorpar og muligheter for lederutvikling før menneskelig intuisjon oppdager mønstrene.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Slik forvandler AI-agenter HR

De mest vellykkede tidlige brukerne fokuserer på bruksområder for AI-agenter som kan gi umiddelbar avkastning på investeringen, samtidig som de bygger organisasjonens tillit til AI-drevet HR-drift. Dette omfatter blant annet:

• Agenter for å beholde talenter overvåker komplekse atferdssignaler for å forutsi risikoen for at ansatte slutter, og utløser automatisk tiltak for å beholde dem før verdifulle medarbeidere i det hele tatt vurderer å slutte. Disse AI-agentene analyserer mønstre i medarbeiderdata i sanntid for å optimalisere strategier for å beholde ansatte.
• Agenter for matching av mentorer revolusjonerer introduksjonen av nye medarbeidere ved å identifisere optimale koblinger mellom mentorer og adepter basert på nettverksanalyse, resultatdata og kompatibilitetsmålinger.
  
  "Det å ha en mentor og kunne matches med noen som vanligvis ikke er knyttet til deg, skaper forbindelser som tradisjonell matching basert på hierarki ganske enkelt ikke kan oppnå," påpeker Dan George, en tidligere CHRO som nå arbeider med disse AI-systemene.
• Agenter for etterfølgerplanlegging analyserer kontinuerlig ledertalent og lederutviklingsløp, og identifiserer medarbeidere med høyt potensial og kompetansegap før de blir kritiske forretningsrisikoer. De automatiserer samtidig mange av de administrative oppgavene som tradisjonelt håndteres av HR-team.
• Agenter for endringsledelse kartlegger organisatoriske innflytelsesnettverk for å identifisere sentrale pådrivere for endring på alle nivåer, og bruker AI til å optimalisere tverrfunksjonelt samarbeid utover tradisjonelle HR-arbeidsflyter.
• Agenter for resultatoppfølging effektiviserer medarbeidersamtaler og løpende tilbakemeldingsprosesser, og skaper selvbetjeningsmuligheter som reduserer manuelle HR-oppgaver samtidig som de forbedrer medarbeideropplevelsen.
• Agenter for medarbeiderstøtte håndterer rutinemessige spørsmål fra medarbeidere, spørsmål om virksomhetens retningslinjer og vanlige spørsmål, slik at HR-fagfolk kan konsentrere seg om strategiske initiativer i stedet for repetitive administrative oppgaver.
• Agenter for talentanskaffelse automatiserer innledende kandidatsiling, planlegging av intervjuer og håndtering av rekrutteringsarbeidsflyter, og endrer måten HR-avdelinger går frem på når de skal ansette nye medarbeidere.
• Agenter for håndtering av fri behandler forespørsler om betalt fri, administrerer retningslinjer for fravær og håndterer planleggingskonflikter gjennom intelligent automatisering som integreres med eksisterende HR-systemer og HRIS-plattformer.

Effekten er målbar på tvers av disse bruksområdene for AI-agenter. Ett enkelt mentorstiltak kan for eksempel gi besparelser på $20,000-$30,000 ved å redusere tiden det tar før nyansatte blir produktive med opptil 40 %, ifølge George. Når dette brukes i alle prosessene for introduksjon av medarbeidere i en stor organisasjon, blir avkastningen på investeringen enorm.

Resultater fra virkeligheten: Slik bruker CHRO-er AI-agenter i dag

I Snowflake har personaldirektør Arnnon Geshuri brukt AI-agenter til å endre både operasjonell effektivitet og strategisk kapasitet.

De startet på et vanlig sted for implementering av AI i HR, med en agent som kunne utarbeide en stillingsbeskrivelse.

Før AI-agenten ble tatt i bruk, kunne det ta en ansettende leder mellom 60 og 120 minutter å utarbeide én stillingsbeskrivelse. Nå er denne tiden redusert betydelig, til bare 5 til 15 minutter per stillingsbeskrivelse, noe som tilsvarer en betydelig tidsbesparelse på over 85 %.

"Vi har også analysert tusenvis av kommentarer fra medarbeiderundersøkelser på få minutter – en prosess som vanligvis tar flere uker," forklarer Geshuri. "Dette ga oss tid tilbake til å fokusere på mer verdifullt arbeid, som å lede lyttesesjoner med medarbeidere for å involvere dem og styrke den relasjonen. Til syvende og sist handler avkastningen på investeringen ikke bare om tidsbesparelser, men om å optimalisere teamet vårt slik at det blir mer effektivt og strategisk."

AI-agent for utvikling av myke ferdigheter

I mellomtiden utviklet Computer Generated Solutions Cicero, en AI-agent med fokus på utvikling av myke ferdigheter gjennom oppslukende rollespill.

"Vi så gang på gang at selv de best drevne selskapene sliter med å gi medarbeiderne den virkelighetsnære beredskapen de trenger for å håndtere komplekse menneskelige interaksjoner," påpeker Doug Stephen fra CGS sin avdeling for bedriftslæring. Kundene deres innen kundesenterdrift opplevde en økning på 32 % i oppgraderingssalg, mens andelen medarbeidere som ga tilbud, økte fra 62 % til 97 %.

AI-agent for sammenligning av personalgoder

I Civis Analytics er visepresidenten for personaldrift, Erin Turnmeyer, et eksempel på hvordan AI-agenter kan løse vedvarende HR-utfordringer med minimale investeringer.

Med et mindre team, men med de samme forventningene til medarbeidertjenester, utviklet Turnmeyer et AI-drevet verktøy for sammenligning av personalgoder som eliminerer en av HRs mest tidkrevende oppgaver.

"Jeg pleide å bruke et par timer hver uke på å svare på spørsmål som «Har vi fri på arbeidernes dag?»" forklarer Turnmeyer. "Nå får jeg ingen spørsmål lenger. I det hele tatt."

Rådgiveren hennes for personalgoder bruker Claudes AI-funksjoner til å analysere medarbeidernes behov innen helsetjenester, legemiddelkostnader og personlige omstendigheter for å anbefale optimale valg av helseforsikring.

Systemet integrerer dokumenter om personalgoder, beskrivelser av forsikringsordninger og databaser over legemiddelkostnader for å gi personlige anbefalinger som tidligere krevde omfattende HR-rådgivning. Det tok mindre enn en time å bygge verktøyet, samtidig som det sparer flere timer hver uke på støtte til ansatte.

Strategisk rammeverk: Hvor skal man begynne med AI-agenter?

Ledende CHRO-er bruker systematiske rammeverk for å identifisere optimale bruksområder for AI-agenter. Snowflakes tilnærming prioriterer tre prinsipper: automatiser repetitive HR-oppgaver, styrk kreativt arbeid med AI-støtte, og sørg for at emosjonelt og etisk ansvar fortsatt ledes av mennesker.

«Begynn med menneskene og problemet, ikke teknologien», råder Geshuri. «Det første steget bør være å spørre: «Hva er et smertepunkt i teamets daglige arbeid som, hvis det ble automatisert, ville ha en meningsfull og betydelig positiv innvirkning på livene deres?»»

Denne strategiske tenkningen avdekker sentrale bruksområder for AI-agenter som gir umiddelbar avkastning på investeringen, samtidig som den bygger organisasjonens tillit til AI-drevne HR-prosesser:

• Agenter for innhold og analyse effektiviserer administrative arbeidsflyter ved å automatisere stillingsbeskrivelser, behandle svar på medarbeiderundersøkelser og håndtere rutinemessige spørsmål fra ansatte og vanlige spørsmål, noe som reduserer manuelle HR-oppgaver og forbedrer svartidene.
• Agenter for talentstyring revolusjonerer rekruttering og medarbeiderbevaring gjennom gjennomgang av CV-er, planlegging av intervjuer, forutsigelse av risiko for medarbeideravgang og optimalisering av arbeidsflyter for introduksjon av nyansatte, inkludert kobling av mentorer basert på nettverksanalyse og resultatdata.
• Agenter for læring og utvikling skaper personaliserte opplæringsopplevelser og bruker oppslukende rollespill, som Cicero, til å utvikle myke ferdigheter gjennom realistiske samtalescenarioer, noe som styrker de ansattes kompetanse i stor skala.

Tekniske hindringer og datastrategi

En viktig innsikt for HR-ledere som utforsker AI-agenter, er hvor tilgjengelig teknologien faktisk er. Mange organisasjoner har allerede de nødvendige medarbeiderdataene i Microsoft-, Google- eller HRIS-systemer som er tilgjengelige gjennom standard-API-er. Datakvaliteten er imidlertid fortsatt avgjørende, og det kreves et sterkt samarbeid mellom CHRO og CIO for effektiv datastyring.

«HR-data kan være uoversiktlige», bemerker Geshuri. «Du må investere tid i en solid HR-datastrategi, fra styring til datakvalitet, ettersom du må ha en datastrategi for å ha en AI-strategi.»

Den underliggende teknologien kombinerer generativ AI for innholdsproduksjon, LLM-er for å forstå kontekst og spørsmål fra ansatte, samt spesialiserte algoritmer for å analysere mønstre i medarbeiderdata.

Integrasjon med plattformer som Workday, IBM-systemer og LinkedIn gir flere datakilder, mens selvbetjeningsgrensesnitt gjør det mulig for HR-medarbeidere å administrere AI-drevne prosesser uten omfattende teknisk opplæring.

Endringsledelse

Den største utfordringen handler ofte om organisatorisk aksept snarere enn teknisk kompleksitet.

«Mange i HR trekkes mot fagfeltet fordi de setter pris på den menneskelige siden, så tanken på AI kan virke urovekkende og skremmende», observerer Geshuri.

Vellykkede implementeringer fokuserer på å vise at AI-agenter styrker, snarere enn erstatter, menneskelig kompetanse. Hos Snowflake innebar tilnærmingen å begynne med deres eget HR-team og vise hvordan automatisering kunne gjøre jobbene mer meningsfulle ved å eliminere repetitive oppgaver og skape tid til meningsfull støtte og oppfølging av ansatte.

«Den viktigste lærdommen var at man må velge bruksområder som har en meningsfull innvirkning på folks daglige arbeid», understreker Geshuri. «Hvis du velger noe bare fordi det er enkelt å automatisere, vil folk stille spørsmål ved verdien og føle at arbeidet deres er like krevende som før.»

Samtykke og etikk

De mest avanserte implementeringene prioriterer samtykke og åpenhet fra første dag. I stedet for å operere i det skjulte bygger vellykkede CHRO-er som bruker AI, tillit gjennom mekanismer for aktiv påmelding og tydelig kommunikasjon om hvordan AI-agenter vil håndtere medarbeiderdata.

«Begge parter vil da motta en e-post med en knapp de klikker på for å samtykke», forklarer George. «Vi har varslet begge, innhentet samtykke til å starte denne prosessen, og når som helst kan de trekke tilbake samtykket slik at vi ikke bare overholder GDPR, men også følger etisk bruk generelt.»

Denne tilnærmingen håndterer en kritisk utfordring: Ansatte blir stadig mer bevisste på bruk av AI på arbeidsplassen. Francisco Marins team har navigert i komplekse etiske vurderinger rundt tiltak på individnivå versus aggregert nivå som en del av sin strategi for organisatorisk redesign.

«Når det gjelder å beholde talenter, diskuterte vi for eksempel om det er hensiktsmessig å gi denne innsikten på aggregert nivå, eller om det er hensiktsmessig å gjøre det på individnivå og varsle nærmeste leder», sa George.

CHRO-er som betrakter åpenhet som et konkurransefortrinn, i stedet for bare en byrde knyttet til etterlevelse, ser sterkere medarbeiderengasjement og høyere adopsjonsrater på tvers av sine AI-drevne HR-prosesser. Det viktigste prinsippet, slik Marin fremhever, er «å virkelig, når det er mulig, bygge inn mekanismer for å velge dette selv».

Hvorfor toppledelsen følger med

Disse initiativene med AI-agenter får oppmerksomhet langt utenfor HR-avdelinger og personalteam.

«Flere og flere av samtalene vi har, kommer faktisk fra utenfor HR», forteller George. «De er interessert i å forstå alle ferdighetene og nettverkene til medarbeiderne sine, slik at de kan fremskynde innovasjon, finne ut hvordan de kan samarbeide bedre og forstå de kulturelle dynamikkene i teamene sine.»

Administrerende direktører og driftsledere erkjenner at nettverksbasert innsikt drevet av AI-agenter kan fremskynde innføringen av endringer, optimalisere samarbeid på tvers av funksjoner og identifisere skjulte påvirkere i hele organisasjonen.

Som George bemerker: «Å kunne ta i bruk disse personene for å fremskynde innføringen av endringer er et enormt bruksområde for oss. Disse AI-løsningene gir ende-til-ende-innsyn i talentnettverk som tradisjonelle HR-systemer ganske enkelt ikke kan matche.»

Appellen strekker seg også til å forstå organisatorisk dynamikk i stor skala. For ethvert endringsinitiativ kan ledere identifisere hvem som er våre viktigste påvirkere, som vi kjenner eller kanskje ikke kjenner, og tilpasse spesifikk kommunikasjon til disse personene og nettverkene deres, enten det er midt i organisasjonen, på toppen eller i de lavere delene av organisasjonen.

Måling av suksess: Avkastning utover tidsbesparelser

Ledende implementeringer følger både kvantitative måltall og kvalitative forbedringer. Snowflakes automatisering av stillingsbeskrivelser ga umiddelbare tidsbesparelser, men den strategiske verdien kom til syne gjennom forbedrede muligheter for dataanalyse.

«Automatisering og standardisering av stillingsbeskrivelser sparte ikke bare tid, men gjorde det også mulig for oss å analysere de ustrukturerte dataene i dem for å få uvurderlig innsikt i ferdighetene vi ansetter etter», forklarer Geshuri. «Denne muligheten til å hente ut og analysere denne informasjonen gjør at vi kan se hvilke ferdigheter vi ansetter etter nå, og gjør det mulig for teamene våre å se hvordan ferdighetene endrer seg over tid hos Snowflake.»

Dette representerer det egentlige verdiforslaget til AI-agenter: å omforme rutineoppgaver til strategisk intelligens som danner grunnlag for bredere forretningsbeslutninger.

CGS måler Ciceros effekt gjennom forbedret rolleberedskap, raskere innføring av medarbeidere, bedre kundetilfredshet og tilbakemeldinger fra ledere.

Tilbakemeldingene fra brukerne har vært spesielt gode, og deltakerne beskriver opplevelsen som «overraskende ekte», «øyenåpnende» og «mer engasjerende enn all opplæring i myke ferdigheter jeg har gjennomført tidligere». Ledere roser Cicero for å være «både skalerbar og menneskesentrert, en sjelden kombinasjon innen læringsteknologi».

Den bredere avkastningen omfatter optimalisering av HR-driften slik at den blir mer strategisk, og gjør HR-teamene i stand til å fungere som bedre forretningspartnere, samtidig som den menneskelige forbindelsen som driver medarbeidertilfredshet og medarbeiderbevaring, opprettholdes.

Implementeringsplan

For HR-ledere som er klare til å ta i bruk AI-agenter, innebærer den utprøvde veien noen faste trinn.

• Start i det små og hold fokus: Velg to eller tre bruksområder med stor effekt i stedet for å forsøke å automatisere alt. Fokuser på rutinepregede, datatunge HR-oppgaver som gir meningsfulle tidsbesparelser for HR-teamene.
• Prioriter datastrategi: Sørg for god styring av medarbeiderdata og høy datakvalitet før AI-løsninger implementeres. I motsetning til tradisjonelle HR-systemer, som tåler inkonsistente data, krever AI-agenter rene og tilgjengelige opplysninger for å fungere effektivt.
• Sett mennesker først: Start endringsledelsen med ditt eget HR-team, og vis hvordan AI-agenter styrker deres kapasitet, samtidig som bekymringer rundt tap av arbeidsplasser og etiske konsekvenser håndteres. Møt motstand direkte gjennom åpen kommunikasjon om samtykkemekanismer og menneskelig tilsyn.
• Mål på en meningsfull måte: Følg både effektivitetsgevinster og strategisk verdi. Se utover tidsbesparelser, og mål forbedringer i medarbeiderengasjement, medarbeiderbevaring og teamenes evne til å fokusere på strategiske initiativer.
• Skaler systematisk: Bygg videre på tidlige resultater for å utvide AI-agentenes muligheter på tvers av flere HR-prosesser og arbeidsflyter, samtidig som menneskelig tilsyn med etiske hensyn og støttefunksjoner for medarbeidere opprettholdes.

En nettverksorientert fremtid

Francisco Marin ser for seg «et nettverk drevet av AI-agenter, der AI-agenter lanseres for å gjennomføre disse mikrointervensjonene i stor skala». Dette representerer et skifte fra hierarkifokuserte til nettverksfokuserte organisasjonsmodeller som optimaliserer menneskelige forbindelser fremfor tradisjonelle rapporteringsstrukturer.

For den enkelte medarbeider betyr denne omstillingen å oppleve «tilsvarende insentiver og en tilsvarende opplevelse som om du begynte i en oppstartsbedrift i en tidlig fase i Silicon Valley», slik Marin forklarer.

AI-agenter blir infrastrukturen som leverer smidighet og tilknytning på oppstartsnivå i virksomheter i stor skala. Nyansatte som begynner i dagens hybride arbeidsmiljø, ofte uten ansikt-til-ansikt-interaksjon med teamet sitt, drar nytte av AI-systemer som sørger for at de kommer i kontakt med de rette mentorene, blir med i effektive team og fremskynder veien til produktivitet gjennom optimaliserte arbeidsflyter.

Marins initiativ for Nettverket først-manifestet fikk 200 grunnleggende medlemmer og 80 støttende organisasjoner i løpet av én måned, noe som viser en bred bevegelse i bransjen mot dette nye paradigmet. Målet, slik han forklarer det, er å skape «en fremtid for arbeidslivet som vi alle gleder oss til, og ikke er redde for».

Veien videre for HR-ledere

Muligheten for å oppnå konkurransefortrinn gjennom AI-agenter i HR-arbeidsflyter er fortsatt åpen, men de som går tidlig i gang, etablerer allerede betydelige forsprang. CHRO-er som handler nå, mens agentisk AI-teknologi fortsatt er ny, vil bygge organisatorisk kapasitet og kulturell aksept som konkurrentene vil finne det vanskelig å kopiere.

For HR-fagfolk som er klare til å gjøre denne overgangen, innebærer veien videre å begynne med:

• Bruksområder med lav risiko og høy effekt, som matching av mentorer og introduksjon av nyansatte
• Å bygge tillit gjennom åpenhet og mekanismer for samtykke
• Systematisk skalering basert på dokumentert avkastning på investeringen.

Fremtiden for strategisk personalledelse utvider menneskelig dømmekraft med AI-agenter som kontinuerlig overvåker, analyserer og optimaliserer organisasjonens mest verdifulle ressurs: menneskene.