Hoe agentische AI onboarding, mentorschap en retentie verandert

David Rice: Wat maakt deze agents echt agentisch, in tegenstelling tot bijvoorbeeld een dashboard of een slimme assistent?

Francisco Marin: Agentische AI wacht niet echt tot een mens een vraag stelt. De technologie neemt proactief realtime beslissingen of identificeert interventies op basis van de universele statistieken waartoe de AI toegang heeft.

David Rice: Hoe zorg je voor vertrouwen wanneer AI-agents iets gevoeligs initiëren, zoals retentie of mentorschap?

Dan George: We moeten ervoor zorgen dat alles wat agentisch is het juiste niveau van toestemming en ethisch gebruik heeft. Mensen klikken op een toestemmingsknop en kunnen hun toestemming op elk moment intrekken.

David Rice: Hoe ziet succes eruit?

Francisco Marin: Bij een interventie rond mentorschap kun je denken aan besparingen van 20.000 tot 30.000 dollar door de productiviteitstijd van een nieuwe medewerker met maximaal 40% te verkorten.

David Rice: Welkom bij de People Managing People-podcast, de show waarin we de menselijke kant van werk bespreken, de technologie die daarop van invloed is en de gedurfde ideeën die de toekomst van personeelspraktijken vormgeven. Ik ben jullie presentator, David Rice.

Vandaag heb ik twee gasten. Francisco Marin is oprichter en CEO van Cognitive Talent Solutions. Hij is ook de auteur van het Network-First Manifesto en een pionier op het gebied van organisatorische netwerkanalyse. Francisco leidt een groeiende wereldwijde gemeenschap die zich richt op de manier waarop informele netwerken en AI-samenwerking onboarding, mentorschap en informeel leiderschap binnen grote ondernemingen kunnen versnellen.

Dan George is Chief Experience Officer bij CTS en oprichter en CEO van Piper Key Analytics. Hij is een bekroonde expert op het gebied van people analytics, personeelsplanning en datagedreven HR-transformatie. Hij heeft ervaring bij Fortune 100-bedrijven en middelgrote vernieuwers en heeft geholpen HR opnieuw vorm te geven als een strategische, door analyses ondersteunde functie. Hij maakt ook deel uit van onze redactionele adviesraad.

In dit gesprek duiken we diep in de manier waarop AI-agents en netwerkanalyse HR transformeren van statische rapportage naar actiegerichte, autonome workflows. Francisco deelt inzichten uit vroege pilots waarin AI-agents mentoren en mentees aan elkaar koppelen, informeel leiderschap in kaart brengen en onboarding via cruciale netwerken versnellen. Dan legt uit hoe deze agents de people-analyticsfunctie zelf kunnen opschalen, inzichten kunnen automatiseren en HR-professionals in staat kunnen stellen zich op strategisch werk te richten.

Of je nu leidinggeeft aan HR, people operations of talentstrategie, of gewoon wilt begrijpen waar de volgende grens van personeels-transformatie ligt: dit gesprek is voor jou. Laten we er meteen induiken.

Goed! Francisco, Dan — welkom!

Dan George: Fijn om hier te zijn. Bedankt.

David Rice: Ik wil beginnen met de visie die jullie hebben voor Cognitive Talent Solutions. Waarom juist deze acht agents? Welke belangrijke gebieden wilden jullie aanpakken wanneer je naar HR als geheel kijkt?

Dan George: Vanuit ons perspectief zijn er veel manieren waarop AI-agents binnen HR effectief kunnen zijn. Deze acht waren echter enkele van de meest voor de hand liggende toepassingen. We konden niet alleen relatief eenvoudig toestemming verzamelen en ervoor zorgen dat alle betrokken partijen bereid en in staat waren om mee te doen, maar we konden ook het rendement op investering koppelen aan de manier waarop ze de bredere HR-operatie beïnvloeden.

We wilden dus niet meteen te ver gaan. We wilden wel impact maken, maar ook rekening houden met het feit dat dit zich uiteindelijk allemaal verder zal ontwikkelen. Deze acht toepassingen waren zonder twijfel de toepassingen die het meest logisch waren.

Francisco Marin: Ik ben het volledig eens met wat Dan zei. Ter aanvulling: we zagen dat er al enkele agentische AI-mogelijkheden werden ingezet voor kernprocessen binnen HR, zoals salarisadministratie of naleving van regelgeving.

Maar we misten een generatie toepassingen die invloed hebben op people analytics, vooral toepassingen die aansluiten bij het netwerkraamwerk dat we bij CTS gebruiken. Hoe kunnen ze ons helpen om belangrijke processen zoals verandermanagement, leiderschapsontwikkeling en onboarding opnieuw te bekijken vanuit het perspectief van sociale activering?

Daarom hebben we deze groep van acht gekozen. We krijgen veel belangstelling. We kunnen later uitgebreider praten over onboarding en het koppelen van mentoren, maar we vonden dat dit een groep toepassingen was die de boodschap goed weerspiegelde: dit is de nieuwe manier waarop agentische mogelijkheden kunnen worden ingezet binnen de people-analyticssector als geheel, dus niet alleen binnen organisatorische netwerkanalyse.

David Rice: Dan, je noemde toestemming. Hoe zorg je voor toestemming, vertrouwen en transparantie wanneer AI-agents iets gevoeligs initiëren, zoals een retentie-interventie of een verbinding tussen collega's voor mentoring?

Dan George: Dat was inderdaad een van onze eerste aandachtspunten. We moeten ervoor zorgen dat alles wat we agentisch doen het juiste niveau van toestemming en ethisch gebruik heeft. Een van de beste manieren waarop we dat aanpakken, is door in ons platform de relevante service- en e-mailgegevens van zowel de betrokken medewerkers als andere mensen binnen de organisatie te verzamelen.

Wanneer de agent bepaalde criteria herkent, kan die een geautomatiseerde e-mail starten die door een beheerder is opgesteld. De beheerder kan het proces starten of de volledige reeks geïdentificeerde stappen activeren. Beide partijen ontvangen vervolgens een e-mail met een knop waarmee ze toestemming geven.

Op die manier informeren we beide partijen, geven zij toestemming om het proces te starten en kunnen ze die toestemming op elk moment intrekken. Zo blijven we niet alleen voldoen aan de AVG, maar ook aan bredere ethische normen.

Francisco Marin: We hebben ook voortdurend met het team gesproken over de nuances van elke toepassing afzonderlijk. Bij talentretentie vroegen we ons bijvoorbeeld af of het zinvol was om inzichten op geaggregeerd niveau te verstrekken: je hebt een team dat op basis van de signalen een hoog risico op vertrek vertoont, en dit zijn enkele acties die je kunt uitvoeren.

Of is het beter om dit op individueel niveau te doen en de directe leidinggevende te informeren? In sommige gevallen testen we dit op geaggregeerd niveau en in andere gevallen op individueel niveau. We bekijken welke reacties we krijgen van de eerste bedrijven die dit testen en van de medewerkers zelf.

Het principe is om waar mogelijk mechanismen voor vrijwillige deelname in te bouwen. Als je bijvoorbeeld als mentor voor een nieuwe medewerker wordt geïdentificeerd, moet je toestemming geven om aan de mentoringsmogelijkheid deel te nemen. Daarnaast speelt de vraag welke rol de directe leidinggevende heeft.

Moet de directe leidinggevende een poortwachter zijn die de interventie moet goedkeuren, of moet die alleen worden geïnformeerd dat deze mogelijkheid is geïdentificeerd, terwijl de mentor uiteindelijk degene is die toestemming moet geven? Dit ontwikkelt zich nog, maar het doel is volledige naleving van de AVG en andere regelgeving en het opbouwen van deze toestemmingsmechanismen waar dat mogelijk is.

David Rice: Laten we het even over functionaliteit hebben. Wat maakt deze agents echt agentisch, in tegenstelling tot bijvoorbeeld een dashboard, een slimme assistent of andere toepassingen waarmee generatieve AI doorgaans wordt geassocieerd?

Francisco Marin: De naam zegt het eigenlijk al: bij agentische AI heeft de AI meer handelingsvermogen.

De AI wacht niet tot een mens een dashboard analyseert of een vraag stelt. Ze kan zelf proactief inzichten formuleren of interventies identificeren. De menselijke component blijft nodig om de interventie via het platform goed te keuren, maar de AI bewaakt deze signalen voortdurend en identificeert interventies in realtime.

Daarnaast kan de AI contextbewuste beslissingen nemen. In sommige gevallen zijn bepaalde statistieken beschikbaar; in andere gevallen zijn er andere statistieken beschikbaar. Op basis van de universele statistieken waartoe de gegevens toegang bieden en binnen het raamwerk van retrieval-augmented generation neemt de overkoepelende agentcoördinator realtimebeslissingen over het samenstellen van e-mailmeldingen en het uitvoeren van interventies.

Het handelingsvermogen ligt dus veel hoger dan bij een traditionele generatieve-AI-interface, zoals de interfaces die we eerder in het platform hebben gebouwd.

David Rice: Je noemde pilots. Welke agents hebben tijdens die pilots het snelst tractie gekregen of de meeste belangstelling gewekt? En waarom denk je dat dat zo is?

Francisco Marin: De koppeling van mentoren bij onboarding. Wil jij deze beantwoorden, Dan?

Dan George: Ja. Mentor-koppeling heeft waarschijnlijk een van de laagste risiconiveaus. Ik ben er bovendien sterk van overtuigd dat mensen niet slechts één mentor moeten hebben, maar meerdere mentoren.

Voor organisaties die betrokkenheid bij nieuwe medewerkers of nieuwe managers willen vergroten, is het waardevol om iemand te koppelen aan een persoon die niet rechtstreeks in dezelfde lijn werkt en niet noodzakelijk dezelfde achtergrond heeft. De mentoringsmanager probeert meer inzicht te krijgen in de persoon, diens niveau en ambities, afhankelijk van hoe uitgebreid de actieve ONA-enquête is.

Zowel de potentiële mentee als de mentor ontvangen toestemmingsmails. Ze kunnen allebei ja zeggen, waarna de introductie begint. Op schaal maakt dat veel processen eenvoudig. Ik heb dit proces vroeger handmatig uitgevoerd als voormalig CHRO en als hoofd people analytics bij verschillende organisaties.

Ik moest lijsten samenstellen en die naar L&D- of andere talent-engagementteams sturen. Een geautomatiseerde en geautoriseerde omgeving waarin een beheerder alleen maar hoeft te klikken, maakt het proces veel eenvoudiger. Bovendien komen we zo los van het steeds selecteren van dezelfde typische mentoren en mentees.

Het is een van de eenvoudigste toepassingen met het laagste risico en een grote impact. Voor de investering is het resultaat ongelooflijk.

Francisco Marin: Mensen begrijpen het conceptueel ook heel gemakkelijk. Iedereen die bij een grote multinational heeft gewerkt, weet dat het een enorm verschil maakt of de eerste persoon met wie je contact hebt en die je de weg binnen de organisatie wijst inspirerend, ondersteunend en betrokken is, of juist niet betrokken is en misschien zelf wil vertrekken.

Dit is tegenwoordig extra relevant omdat veel nieuwe medewerkers in hybride omgevingen beginnen, zonder persoonlijke interactie met hun team. Ze komen terecht in organisaties die in realtime reorganiseren. Het is een onzekere omgeving waarin het essentieel is om het onboardingproces te optimaliseren en de productiviteitstijd van nieuwe medewerkers te verkorten. Wat we hier doen, is onboarding opnieuw bekijken als sociale activering.

David Rice: Heel interessant. Op ondernemingsniveau kan ik me voorstellen dat dit, zeker voor multinationals die over grenzen heen mensen aannemen, uitstekend is om verbindingen te leggen. Je vertelde eerder dat deze agents burn-outrisico's kunnen identificeren en iemand automatisch aan een mentor of manager kunnen koppelen. Hoe ziet die workflow er in de praktijk uit?

Francisco Marin: We kunnen de workflow van de mentor-koppeling uitleggen, want die is momenteel operationeel geïmplementeerd bij meerdere bedrijven.

Een nieuwe medewerker komt bij de organisatie. De AI identificeert wie het best geplaatst is om mentor of begeleider te worden. Dat gebeurt op basis van statistieken zoals informeel leiderschap, eerder gemeten via organisatorische netwerkanalyse, maar ook op basis van functie, afdeling, prestatieniveau en aantal jaren ervaring.

Hoe meer gegevens je het systeem geeft, hoe verfijnder en bruikbaarder de aanbevelingen worden. Zodra de match is geïdentificeerd, wordt de interventie aan de HR-gebruiker getoond op het platform voor netwerkanalyse. Die gebruiker moet het begin van de interventie goedkeuren.

Daarna neemt de AI contact op met de mentor om diens toestemming te vragen, terwijl de eerstelijnsmanager wordt geïnformeerd. Dat is iets anders dan de eerstelijnsmanager om toestemming vragen. Als de mentor instemt, stuurt de AI een introductiemail naar mentor en mentee.

Vervolgens plant de AI een afspraak zodat ze elkaar leren kennen, documenteert ze of de bijeenkomst heeft plaatsgevonden en beoordeelt ze de impact van de interventie, waaronder de besparing door het verkorten van de tijd tot productiviteit van de nieuwe medewerker. Dat is een voorbeeld van een volledige agentische AI-workflow voor onboarding met een mentor-koppelaar.

David Rice: Laten we het hebben over resultaten. Hoe ziet succes voor een van deze agents eruit? Welke signalen of resultaten volgen jullie?

Dan George: Er is al veel onderzoek beschikbaar waarin gemiddelde rendementen voor verschillende scenario's worden beschreven. Naarmate agents hun taken voltooien en de gekoppelde mensen hun bijeenkomsten en eerste afspraken hebben, worden de aantallen geregistreerd en wordt er een geldwaarde aan gekoppeld.

Alles wordt bovenaan het dashboard samengevoegd. HR-beheerders en andere systeembeheerders kunnen zo de resultaten bekijken. Ze kunnen hun eigen rendement op investering toepassen of aanpassen wanneer ze bedragen willen toevoegen of verminderen.

We kijken vooral naar een geautomatiseerde workflow die registreert, begrijpt en bevestigt dat alles is gepland, gecoördineerd en uitgevoerd. Dat kan, afhankelijk van de omvang van de werkgroep en de duur van het programma, tientallen of honderden uren besparen.

Alle statistieken kunnen in verschillende presentatiestijlen op het dashboard worden weergegeven, zodat teams de impact tijdens vergaderingen of aan leiderschap kunnen tonen. Zo krijgt iedereen inzicht in het volume van de uitgevoerde activiteiten.

Francisco Marin: Voor een maximale mentoringsinterventie kun je denken aan besparingen van 20.000 tot 30.000 dollar door de productiviteitstijd van een nieuwe medewerker met maximaal 40% te verkorten.

Dit kan op schaal worden toegepast op iedere nieuwe medewerker binnen de organisatie. De AI-agents zijn momenteel beschikbaar in ons zelfbedieningsplatform Connect Network Analyzer, maar we werken aan een native integratie in platformen zoals ServiceNow en Google, zodat klanten de agents ook binnen hun bestaande IT-infrastructuur kunnen gebruiken.

Daar kunnen de agents bijvoorbeeld communiceren met informatie uit casemanagement of HRSD binnen het ecosysteem van werknemersworkflows in ServiceNow. Het is een interessante en spannende periode waarin we nieuwe toepassingen ontdekken en veel feedback verzamelen.

We bereiden dit voor zodat we uiteindelijk alle acht agents op schaal kunnen inzetten en verder kunnen gaan dan de huidige pilotfase.

Dan George: We krijgen ook meer belangstelling van andere CRM-systemen. Door dit als een native app aan hun marktplaatsen toe te voegen, kunnen we het proces stroomlijnen en de technologie binnen hun huidige ecosystemen benutten.

David Rice: Stel je voor dat je toegang hebt tot het beste talent ter wereld. Of het nu gaat om een ingenieur in São Paulo, een salesdirecteur in Dublin of een fantastische ontwerper in Kaapstad — je volgende geweldige medewerker kan overal ter wereld zijn. Met Oyster hoeft die persoon niet degene te zijn die je misloopt.

Oyster helpt bedrijven wereldwijd talent aan te nemen, een correcte en tijdige salarisadministratie te voeren en bij elke stap aan de regelgeving te voldoen. Bouw je droomteam en groei met vertrouwen, want de wereld is werkelijk jouw oester.

Ik kan me voorstellen dat er veel belangstelling is vanuit HR, maar je noemde ook de mogelijkheid om met de rest van de directie te praten en aan hen te presenteren. Zien jullie ook veel interesse vanuit operations, CEO's en vergelijkbare functies?

Dan George: Steeds meer gesprekken die we iedere week en maand voeren, komen van buiten HR.

Meestal kwamen we binnen via people-analyticsprofessionals, HR-transformatiespecialisten of professionals op het gebied van talentmanagement. Maar steeds vaker spreken we met leiders buiten HR, omdat zij geïnteresseerd zijn in inzicht in de vaardigheden en netwerken van hun medewerkers.

Zo kunnen ze innovatie versnellen, beter samenwerken, de culturele dynamiek van teams begrijpen en bij veranderinitiatieven ontdekken wie de belangrijkste beïnvloeders zijn. Vervolgens kunnen ze communicatie afstemmen op die personen en hun netwerken, ongeacht of die zich in het midden, aan de top of aan de onderkant van de organisatie bevinden.

Overal in de organisatie zijn beïnvloeders te vinden. Die mensen kunnen inzetten om de adoptie van veranderingen te versnellen is voor ons een zeer belangrijke toepassing.

David Rice: Vanuit technisch perspectief kan de data- en infrastructuur die je binnen iedere organisatie aantreft nogal verschillen. Over welke data en infrastructuur moeten bedrijven beschikken voordat ze deze agents realistisch kunnen invoeren?

Francisco Marin: De instapdrempels zijn veel lager dan mensen denken. Het mooie is dat we actieve ONA combineren met passieve ONA. Actieve ONA maakt gebruik van online enquêtes; passieve ONA kijkt naar geaggregeerde metagegevens van samenwerkingstools zoals Microsoft, Google, Slack en andere platforms.

Wat specifieke statistieken betreft, heb je in feite alleen de naam en het e-mailadres van de medewerker nodig, plus de naam en het e-mailadres van de manager. Voor een pilot is dat eigenlijk alles. Daarna kun je aanvullende gegevens toevoegen, zoals afdeling, divisie, prestaties, betrokkenheid, verloop en historische verloopgegevens.

Meer gegevens is beter, maar het voordeel van agentische AI is dat de technologie contextbewuste beslissingen kan nemen en kan werken met de basisinformatie die beschikbaar is. Als de AI niet weet wie de manager is of wat diens e-mailadres is, kan ze geen meldingen versturen.

Veel van deze informatie is standaard beschikbaar via de API's van Microsoft en Google. De aanvullende gegevens die je hebt, maken de resultaten beter.

Dan George: Teams hebben soms zeer eenvoudige hiërarchische structuren geüpload, terwijl andere klanten twee of drie afzonderlijke hiërarchieën hebben geüpload, afhankelijk van de manier waarop ze hun verschillende organisaties willen bekijken en trends willen begrijpen.

We kunnen vrijwel iedere structuur verwerken die voor de klant logisch is. Dat is ook het sterke punt van ons specifieke grote taalmodel aan de achterkant. Als we binnen een ander leverancierssysteem werken, kunnen we ook samenwerken met de specifieke taalmodellen van dat systeem.

Zo helpen meerdere taalmodellen onze ONA-engine om deze netwerken te analyseren.

Francisco Marin: Een goed voorbeeld is een recent project met een Fortune 5-bedrijf. Zij hadden ongeveer zeven verschillende statistieken om hun teams te definiëren: leidinggevende organisatie, functionele rapportagelijnen, directe rapportages en indirecte rapportages. De AI kon al die universele statistieken begrijpen en in de aanbevelingen verwerken.

David Rice: Ik heb onderzoek gezien waaruit blijkt dat HR-professionals zich soms niet gekwalificeerd voelen om veel AI-tools te gebruiken. Hebben jullie scepsis of weerstand ervaren bij het introduceren van agentische AI in deze traditioneel mensgerichte processen? En hoe zijn jullie daarmee omgegaan?

Francisco Marin: Mijn ervaring tot nu toe is dat mensen goed begrijpen dat AI een kritieke rol gaat spelen in de toekomst van werk. Het maakt niet uit of je in HR, IT of finance werkt: je moet hiermee omgaan en ermee leren werken, omdat het je baan op korte termijn zal beïnvloeden.

Dat gevoel van urgentie verlaagt mogelijk de weerstand tegen het invoeren en gebruiken van dit soort technologieën, zeker in vergelijking met eerdere ontwikkelingen. Toen generatieve AI voor het eerst in onze oplossingen werd geïntegreerd, zeiden sommige bedrijven dat ze de technologie geweldig vonden maar er nog niet klaar voor waren.

Twee maanden later lanceerden diezelfde bedrijven agentische AI in de hele organisatie. Ze beseften dat ze deel moesten worden van de vroege gebruikers, anders zouden ze achterop raken. Ik zie daarin een duidelijke verschuiving in mentaliteit.

AI wordt bovendien een steeds belangrijker onderdeel van ons dagelijks leven. Mijn ervaring is dat de weerstand veel lager is dan ik had verwacht.

Dan George: Er zijn twee aspecten. Ten eerste hebben we ons platform ontworpen voor iedere professional. Een uitgebreide kennis van de wiskundige achtergrond van ONA en grafendatabases is nuttig, maar niet noodzakelijk.

Alle statistieken die je zou verwachten zijn beschikbaar. Wat we centraal tonen in het platform en in onze rapporten, is echter begrijpelijk voor mensen zonder uitgebreide achtergrond in ONA die wel begrijpen hoe netwerken, verbindingen en samenwerking binnen een onderneming werken.

We werken met twee informatielagen. Onze algemene rapporten en impactstatistieken zijn gemakkelijk te begrijpen. Wie dieper wil gaan, vindt daar ook alle onderliggende informatie. Je kunt gegevens naar verschillende spreadsheets downloaden en zo je bestaande database of HR-datawarehouse eenvoudig aanvullen.

Of het nu om 300 of 30.000 mensen gaat, dit kan in je systeem worden geïntegreerd. We bieden dus zowel niet-technische rapporten en inzichten als toegang tot de onderliggende wiskunde.

Francisco Marin: Een belangrijke boodschap is dat gebruikers die toegang hebben tot het platform volledige controle hebben over de manier waarop inzichten binnen de organisatie worden gedeeld. Je kunt een interventie wel of niet goedkeuren en een managementsamenvatting in pdf-formaat delen.

Je kunt zelf bepalen welke statistieken, inzichten en grafieken in het rapport worden opgenomen en de reikwijdte van het rapport aanpassen. Jij bent de poortwachter en beslist hoe de informatie wordt gedeeld. Dat spreekt HR-teams aan.

David Rice: Die aanpasbare ervaring en de mogelijkheid om het platform af te stemmen op het niveau van de gebruiker lijken me belangrijke factoren voor acceptatie. Waar gaat dit volgens jullie naartoe? Zijn er al agentische mogelijkheden voor de volgende ontwikkelingsgolf waar jullie over nadenken?

Dan George: Er zijn veel gebieden waarin we niet alleen de tweede generatie van de huidige acht agents kunnen verbeteren, maar ook nieuwe toepassingen kunnen ontwikkelen naarmate mensen zich meer op hun gemak voelen.

We proberen het tempo af te stemmen op wat we zien en blijven onderzoeken welke trends op dit moment het populairst en meest impactvol zijn. Vanuit concurrentieoogpunt houd ik sommige ideeën voorlopig nog even voor mezelf. We zijn enthousiast over deze eerste generatie, de tweede generatie en alles wat daarna komt.

Francisco Marin: Voor mij bestaat de organisatie van de toekomst uit een netwerk dat door agents wordt aangedreven. AI-agents kunnen grootschalige interventies uitvoeren. Grote multinationals kunnen dienen als broedplaatsen voor deze nieuwe manier van werken: een netwerkgerichte toekomst van werk.

Daarnaast ontstaan er nieuwe organisaties die deze praktijken vanaf het begin op schaal integreren. Dat is ook wat we bij CTS doen. We zijn een team van 50 mensen, een sterk gedecentraliseerde gemeenschap met consultants, ambassadeurs en een kernteam in Californië.

Uiteindelijk willen we van de manier waarop we CTS zelf beheren een casestudy maken van hoe deze nieuwe manier van werken eruitziet.

We hebben daarnaast het initiatief Network-First Manifesto gelanceerd. Iedereen die zich in dit concept herkent, kan meewerken aan een manifest en een reeks principes voor een netwerkgerichte toekomst van werk.

De overgang gaat over de vraag hoe we, binnen onze beperkte capaciteit en invloed, de verschuiving kunnen leiden van een hiërarchisch model naar een netwerkgerichte toekomst van werk.

Wanneer een nieuwe medewerker vandaag bij een organisatie begint, zijn er vaak beperkende regels over waar, met wie en wanneer die persoon mag werken. Dat model heeft moeite om een gezonde balans te bereiken tussen centralisatie en decentralisatie en tussen menselijk en sociaal kapitaal.

Wij proberen deze elementen op structureel niveau in te bouwen, zodat iemand die bij een grote organisatie begint vergelijkbare prikkels en ervaringen heeft als iemand die bij een start-up in Silicon Valley begint.

Daar gaat dit over: een toekomst van werk creëren waar we allemaal enthousiast over zijn en niet bang voor hoeven te zijn.

David Rice: Dat is geweldig. Dan, Francisco, bedankt dat jullie vandaag bij ons waren. Voordat we afronden, wil ik jullie de gelegenheid geven om te vertellen waar mensen meer kunnen lezen over jullie werk en deze agents.

Francisco Marin: Je kunt altijd terecht op cognitivetalentsolutions.com. We hebben ook een nieuwsbrief op LinkedIn, CTS Running Sites, waarin we wekelijks artikelen per e-mail delen. Daarnaast hebben we het Network-First Manifesto gelanceerd via networkfirstmanifesto.com en networkfirstmanifesto.com/join.

Daar kun je meer over het initiatief lezen. Iedereen die eraan wil deelnemen is welkom.

David Rice: Bedankt dat jullie er waren. Het was een geweldig gesprek.

Dan George: Bedankt, David.

Francisco Marin: Dank je, David.