De belangrijkste AI-beslissing die HR zal nemen, is wat niet geautomatiseerd moet worden
Bescherm menselijke momenten: AI in HR moet administratieve lasten wegnemen en tegelijkertijd oprechte erkenning, coaching en het opbouwen van relaties behouden.
Erkenning vormgeven: In plaats van lof te schrijven, kan AI medewerkers coachen om waardering specifieker, persoonlijker en betekenisvoller te maken.
Signalen vinden: AI helpt HR-leiders om betrouwbare personeelsgegevens te interpreteren, betekenisvolle patronen te identificeren en de aandacht te richten op plaatsen waar interventie nodig is.
Oordeelsvermogen van managers: Betere personeelsinzichten moeten eerstelijnsmanagers in staat stellen doordacht te reageren, niet personeelsbeslissingen boven hen centraliseren.
Verantwoordelijkheid nemen: AI-aanbevelingen vereisen menselijk toezicht, omdat efficiëntie vooroordelen kan reproduceren, vertrouwen kan verzwakken en oordeelsvorming kan veranderen in automatisering.
AI kan de boodschap voor erkenning schrijven, het medewerkersonderzoek samenvatten en zelfs een medewerker signaleren die lijkt af te haken. Steeds vaker kan AI 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 die technologie wilt laten gaan.
Die spanning kwam duidelijk naar voren in ons recente gesprek over De toekomst van AI in HR met Jesse Dowdle, productdirecteur van Motivosity, en Dano Gillette, VP Techniek. Hun argument was dat de meest nuttige rol van AI in HR misschien helemaal niet het vervangen van menselijke interactie is. AI kan juist alles eromheen elimineren wat betekenisvolle interactie moeilijker maakt.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
“De menselijke aspecten van het werk zijn de aspecten die we moeten beschermen,” zei Dowdle.
AI zou volgens hem juist de tijd moeten verminderen die HR besteedt aan de “niet-menselijke aspecten” van het werk: de administratie, rapportage en cognitieve belasting die leidinggevenden op het gebied van mensen weghouden van adviseren, coachen en relaties opbouwen.
Dat klinkt als een eenvoudig onderscheid. Het zal waarschijnlijk aanzienlijk moeilijker worden om dat onderscheid te handhaven.
Wanneer efficiëntie de ervaring begint op te eten
Een groot deel van de eerste golf bedrijfs-AI is georganiseerd rond een eenvoudige vraag: Wat kunnen we automatiseren?
Dat is logisch wanneer het werk in kwestie bestaat uit het afstemmen van rekenbladen of het opstellen van analyses en rapporten. Het wordt ingewikkelder wanneer de taak bestaat uit het bedanken van een medewerker, 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 medewerkererkenning is relatief eenvoudig op te schalen. Bedrijven doen dat al tientallen jaren met dienstjubilea, programma’s voor de medewerker 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 is om het soort individuele waardering dat mensen zich herinneren iets te maken wat elke dag in een organisatie gebeurt, zelfs in een zeer grote, verspreide organisatie.”
Maar hier ligt een voor de hand liggende valkuil. Als AI de waardering kan schrijven, waarom zou je AI 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 bedankt kunnen worden. Mensen wilden niet van een robot horen.
In plaats daarvan bouwde het bedrijf een AI-coach die medewerkers aanspoort om hun eigen erkenning specifieker te maken: door te vragen wat er is gebeurd, waarom het belangrijk was 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 zit niet in de extra woorden. Het zit in de productbeslissing erachter.
AI was technisch in staat om de taak te voltooien. Motivosity besloot bewust om AI niet zover te laten gaan.
Gillette omschreef het doel als iemand helpen om “specifieker, zorgzamer en oprechter” te worden, terwijl hij erkende dat oprechtheid zelf niet iets is wat AI kan leveren.
“AI kan je een zetje in de juiste 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 de informatie waarover het al beschikt te begrijpen.
Personeelsteams hebben zelden te maken gehad met een tekort aan gegevens. Betrokkenheidsscores, erkenningsactiviteiten, prestatiegegevens, leersystemen en retentiemetingen leveren er meer dan genoeg van op. De uitdaging is bepalen wat aandacht verdient.
Tijdens de demonstratie liet Gillette zien hoe AI kan worden gebruikt als interface voor gegevens over erkenning en betrokkenheid—zodat een HR-leider van een bedrijfsbreed overzicht kan doorklikken naar afdelingen, trends en signalen van individuele medewerkers.
Maar Motivosity maakte hier nog een bewuste onderscheiding. De AI berekent de onderliggende statistieken niet.
Gillette zei dat het bedrijf al vroeg leerde 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 voor veel meer dan 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 de vragen: Waar moet ik kijken? Wat is er veranderd? Welk patroon heb ik mogelijk gemist?
Gillette omschreef het doel als leiders helpen om informatie te doorgronden 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 verandering voor HR.
Naarmate het gemakkelijker wordt om inzicht in 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 erkenning 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 quotum 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 die persoon sociaal bijdraagt aan de organisatie.
Zijn aanbeveling was om die inzichten in handen van eerstelijnsmanagers te leggen.
Laat de oplossing van onderaf werken om uw 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 evolueren van het simpelweg zichtbaar maken van informatie naar het aanbevelen van acties, blijft verantwoordelijkheid een belangrijk aspect van de manier waarop het hele 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 er proactief toe aanzetten 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 een interventie nog verschil kan maken.
Dat idee biedt enorme mogelijkheden. Er schuilt ook een tamelijk duidelijk gevaar in.
Hoe overtuigender een systeem een probleem identificeert en een reactie aanbeveelt, hoe gemakkelijker het wordt om een aanbeveling met een beslissing te verwarren.
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 het behouden van verantwoordelijkheid.
“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 gepast 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 bevraagt en wanneer je die volledig negeert.
Het doel is niet minder menselijke HR
Er is een toekomstbeeld van AI waarin HR aanzienlijk kleiner wordt, omdat software de 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 het onderdeel dat 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 Operations zich directer kan richten op cultuur en organisatorische effectiviteit.
Of die visie werkelijkheid wordt, zal minder afhangen van wat AI uiteindelijk kan dan van wat organisaties ervoor kiezen eraan te delegeren.
Omdat mogelijkheden een steeds slechtere grens vormen.
AI kan het bedankje al formuleren. Binnenkort weet het misschien wie er een nodig heeft, wanneer diegene dat nodig heeft en wat een manager moet zeggen.
De echte ontwerpkeuze is of de organisatie wil dat AI dat moment vervangt, of ervoor zorgt dat een mens het niet mist.
