De belangrijkste AI-beslissing die HR zal nemen, is wat niet geautomatiseerd moet worden
Bescherm menselijke momenten: AI in HR moet administratieve belasting wegnemen en tegelijkertijd oprechte erkenning, coaching en het opbouwen van relaties behouden.
Erkenning ontwerpen: In plaats van lof te schrijven, kan AI medewerkers coachen naar specifiekere, persoonlijkere en betekenisvollere waardering.
Signalen vinden: AI helpt HR-leiders om betrouwbare personeelsgegevens te interpreteren, betekenisvolle patronen te identificeren en de aandacht te richten op plaatsen waar ingrijpen belangrijk is.
Oordeelsvermogen van managers: Betere werknemersinformatie moet eerstelijnsmanagers in staat stellen om doordacht te reageren, en niet personeelsbeslissingen boven hen centraliseren.
Verantwoordelijkheid nemen: AI-aanbevelingen vereisen menselijk toezicht, omdat efficiëntie vooroordelen kan reproduceren, vertrouwen kan verzwakken en oordeelsvorming in automatisering kan veranderen.
AI kan het herkenningsbericht schrijven, de resultaten van de medewerkerstevredenheidsenquête samenvatten en zelfs een werknemer signaleren die zich lijkt terug te trekken. Steeds vaker kan het een manager zelfs vertellen wat die vervolgens zou moeten doen.
De vraag voor HR-leiders heeft nu niets te maken met de vraag of technologie kan deelnemen aan de werknemerservaring. Het gaat erom hoe ver je wilt dat die technologie gaat.
Die spanning liep als een rode draad door ons recente gesprek over de Toekomst van AI in HR met Jesse Dowdle, productdirecteur bij Motivosity, en Dano Gillette, VP Engineering. Hun argument was dat de meest nuttige rol van AI in HR misschien helemaal niet het vervangen van menselijke interactie is. Het kan erom gaan alles weg te nemen wat die interactie omringt en zinvolle interactie moeilijker maakt.
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
“De menselijke onderdelen van het werk zijn de onderdelen die bescherming verdienen,” zei Dowdle.
AI zou volgens hem juist de tijd moeten verminderen die HR besteedt aan de “niet-menselijke onderdelen” van het werk: de administratie, rapportage en cognitieve belasting die HR-leiders weghouden van adviseren, coachen en relaties opbouwen.
Dat klinkt als een eenvoudig onderscheid. Waarschijnlijk wordt het aanzienlijk moeilijker om dat onderscheid te handhaven.
Wanneer efficiëntie de ervaring begint op te eten
Een groot deel van de eerste golf bedrijfsgerichte AI is opgebouwd rond een eenvoudige vraag: Wat kunnen we automatiseren?
Dat is logisch wanneer het werk in kwestie bestaat uit het vergelijken van spreadsheets of het maken van analyses en rapporten. Het wordt ingewikkelder wanneer de taak bestaat uit het bedanken van een werknemer, het interpreteren van signalen van verminderde betrokkenheid of het beslissen wie een gesprek over diens toekomst verdient.
Erkenning is een nuttig voorbeeld.
Een algemeen programma voor werknemerserkenning is relatief eenvoudig op te schalen. Bedrijven doen dat al tientallen jaren met dienstjubilea, programma’s voor werknemer van de maand, plaquettes en gestandaardiseerde berichten. Het probleem is volgens Dowdle dat schaalbaarheid vaak ten koste is gegaan van betekenis.
“Wat AI mogelijk maakt, is een niveau van persoonlijke erkenning op schaal dat eerder nooit mogelijk was,” zei hij. “De kans ligt erin om het soort individuele waardering dat mensen onthouden, iets te maken wat elke dag binnen een organisatie gebeurt, zelfs binnen een zeer grote, verspreide organisatie.”
Maar hier ligt een duidelijke valkuil. Als AI de waardering kan schrijven, waarom zou je het dat dan niet gewoon laten doen?
Motivosity heeft tijdens de ontwikkeling iets geprobeerd dat daar dicht bij in de buurt kwam.
In het begin dachten we: hé, laten we gewoon een knop maken waarmee mensen namens jou worden bedankt. Mensen wilden niet van een robot horen.
In plaats daarvan bouwde het bedrijf een AI-coach die werknemers aanspoort om hun eigen erkenning specifieker te maken door te vragen wat er is gebeurd, waarom het ertoe deed of welke impact iemand heeft gehad, zonder de waardering namens hen op te stellen. Gillette zei dat die aanpak heeft geleid tot waarderingen die binnen het platform ongeveer 20% langer zijn.
Het interessante deel zit niet in de extra woorden. Het zit in de productbeslissing erachter.
AI was technisch in staat om de taak af te ronden. Motivosity besloot bewust om het daar niet toe te laten.
Gillette omschreef het doel als iemand helpen om “specifieker, zorgzamer en oprechter” te worden, terwijl hij erkent dat oprechtheid zelf niet iets is wat AI kan leveren.
“AI kan je een zetje in de goede richting geven,” zei hij.
Het betere gebruik van AI is misschien bepalen waar je moet kijken
Er is nog een gebied waarop de waardepropositie van AI aanzienlijk sterker lijkt: HR helpen om informatie te begrijpen waarover het al beschikt.
HR-teams hebben zelden te lijden gehad onder een gebrek aan gegevens. Betrokkenheidsscores, erkenningsactiviteiten, prestatiegegevens, leersystemen en retentiemaatstaven leveren er volop. De uitdaging is bepalen wat aandacht verdient.
Tijdens de demonstratie liet Gillette zien hoe AI wordt gebruikt als interface voor herkennings- en betrokkenheidsgegevens, waarmee een HR-leider van een bedrijfsbreed overzicht kan doorklikken naar afdelingen, trends en signalen van individuele medewerkers.
Maar Motivosity maakte hier nog een weloverwogen onderscheid. De AI berekent de onderliggende statistieken niet.
Gillette zei dat het bedrijf al vroeg ontdekte dat het vragen van taalmodellen om zelf rekenkundige bewerkingen uit te voeren onbetrouwbare resultaten kon opleveren. In plaats daarvan worden de cijfers gegenereerd via conventionele systemen en kunnen ze worden gecontroleerd via API's of geëxporteerde gegevens. De AI wordt gebruikt om de resultaten te interpreteren.
Die scheiding is van belang, ver buiten één platform.
Voor HR draait de belofte van generatieve AI misschien minder om het creëren van nieuwe informatie dan om het verkleinen van de afstand tussen een leider en de informatie waarover die al beschikt.
Het systeem kan in wezen antwoord geven op vragen als: Waar moet ik kijken? Wat is er veranderd? Welk patroon heb ik mogelijk gemist?
Gillette omschreef het doel als leiders helpen om informatie te doorzoeken en te bepalen: “waar kan ik de meest betekenisvolle inspanning leveren?”
Dat is mogelijk een veel ingrijpendere toepassing van AI dan het schrijven van nog een samenvatting.
Als een HR-leider een afdeling kan identificeren waar erkenning is weggevallen, een manager wiens team steeds minder betrokken raakt of een medewerker wiens gedrag plotseling is veranderd, kan AI een oceaan aan organisatiegegevens omzetten in een aanleiding tot actie.
Maar vervolgens moet een mens nog steeds handelen.
Betere inzichten maken managers belangrijker
Daar ligt mogelijk de grotere verschuiving voor HR.
Naarmate het gemakkelijker wordt om inzichten over medewerkers naar boven te halen, zouden organisaties kunnen reageren door meer beslissingen te centraliseren. Geef senior leiders een dashboard, identificeer de statistische uitschieters en stuur het personeelsbestand van bovenaf aan.
Dowdle pleitte voor de tegenovergestelde aanpak.
Hij beschreef hoe erkenningsgegevens en andere gegevens over medewerkers kunnen worden gebruikt om wat hij een “driedimensionaal beeld” van een persoon noemde te creëren. Het gaat hierbij niet alleen om de vraag of een verkoper zijn doelstelling heeft gehaald of een medewerker een certificering heeft behaald, maar ook om wat collega's waarderen aan de samenwerking met die persoon, waar diens sterke punten naar voren komen en hoe diegene sociaal bijdraagt aan de organisatie.
Zijn aanbeveling was om die inzichten in handen te geven van eerstelijnsmanagers.
Laat de oplossing van onderaf werken om je mensen te ontwikkelen.
Dat is een aanzienlijk andere visie op AI-ondersteund management dan een algoritme dat steeds ingrijpendere beslissingen over medewerkers neemt.
De technologie signaleert. De manager interpreteert. De persoon reageert.
En HR blijft verantwoordelijk voor het ontwerpen van het systeem waarin alle drie deze dingen plaatsvinden.
AI neemt verantwoordelijkheid niet weg
Naarmate HR-systemen zich ontwikkelen van het simpelweg zichtbaar maken van informatie naar het aanbevelen van acties, blijft verantwoordelijkheid een belangrijk aspect van de manier waarop het gehele systeem wordt ontworpen.
Dowdle verwacht dat platforms voor de werknemerservaring steeds proactiever zullen worden. In plaats van te wachten tot iemand een dashboard opent, kan AI een patroon signaleren dat wijst op een retentierisico en een manager proactief aansporen om via Teams, e-mail of een ander kanaal contact op te nemen met een medewerker.
Het doel is volgens hem om managers te helpen “er te zijn voor de momenten die ertoe doen”, terwijl interventie nog verschil kan maken.
Dat idee biedt enorm veel potentieel. Er schuilt ook een tamelijk voor de hand liggend gevaar in.
Hoe overtuigender een systeem een probleem identificeert en een reactie aanbeveelt, hoe gemakkelijker het wordt om een aanbeveling te verwarren met een beslissing.
Dowdle wees op werving als een bestaande waarschuwing. Automatisering kan aannemen efficiënter maken, maar kan ook sterke kandidaten uitsluiten op basis van heuristieken die weinig te maken hebben met wat een organisatie daadwerkelijk waardeert. Op vergelijkbare wijze kan geautomatiseerde erkenning iets diep persoonlijks veranderen in nog een standaardbrief van het bedrijf.
De oplossing is verantwoordelijkheid behouden.
“Uiteindelijk is iemand verantwoordelijk,” zei Dowdle. “Zelfs wanneer AI het onderliggende werk uitvoert, moet een persoon nog steeds achter het resultaat staan.”
Voor HR-leiders betekent dat volgens hem dat zij verantwoordelijk blijven voor de beslissing of een door AI ondersteunde actie passend is, in plaats van het systeem als de verantwoordelijke partij te beschouwen.
Dat wordt een van de bepalende vaardigheden van management in het AI-tijdperk: weten wanneer je de aanbeveling van de machine accepteert, wanneer je die kritisch moet onderzoeken en wanneer je die volledig moet negeren.
Het doel is niet minder menselijke HR
Er bestaat een toekomstbeeld van AI waarin HR aanzienlijk kleiner wordt, omdat software werving, arbeidsvoorwaarden, salarisadministratie, vragen van medewerkers, prestatieanalyses en personeelsbeslissingen afhandelt.
Er is ook een andere mogelijkheid.
AI neemt zoveel administratief werk weg dat HR zich meer kan richten op datgene wat organisaties historisch gezien moeilijk hebben kunnen systematiseren: mensen begrijpen.
Dowdle is uitgesproken optimistisch over die toekomst. Hij stelt zich voor dat AI een groot deel van het nalevingsgerichte en transactionele werk rond salarisadministratie, arbeidsvoorwaarden en personeelsadministratie op zich neemt, zodat People Ops zich directer kan concentreren op cultuur en organisatorische effectiviteit.
Of die visie werkelijkheid wordt, zal minder afhangen van wat AI uiteindelijk kan dan van wat organisaties ervoor kiezen aan AI te delegeren.
Omdat mogelijkheden steeds minder een goede afbakening vormen.
AI kan het bedankje al schrijven. Binnenkort weet het misschien ook wie er een nodig heeft, wanneer diegene dat nodig heeft en wat een manager moet zeggen.
De werkelijke ontwerpbeslissing is of de organisatie wil dat AI dat moment vervangt, of ervoor zorgt dat een mens het niet mist.
