Czy liderzy wymieniają przyszłe kompetencje na krótkoterminową efektywność AI?

Sztuczna inteligencja może zmieniać sposób pracy, ale większym zagrożeniem jest to, co dzieje się, gdy organizacje tak agresywnie optymalizują efektywność na dziś, że przestają budować kompetencje potrzebne jutro.

Nagrane na żywo podczas konferencji AI4 w Las Vegas, prowadzący David Rice rozmawia z dr Janą Brown, dyrektor ds. zasobów ludzkich w eHealth, analizując długoterminowe konsekwencje ograniczania ścieżek rozwoju na stanowiskach początkowych, wyjaśniając, dlaczego HR potrzebuje „biegłości w transformacji”, a nie wyłącznie wiedzy technicznej, oraz co odróżnia użyteczne inicjatywy AI od kosztownych korporacyjnych hobby. Rozmawiają również o ludzkich i operacyjnych systemach, które muszą zmieniać się razem, jeśli transformacja ma się utrwalić — oraz o tym, dlaczego sama technologia rzadko jest tym, co pogrąża projekt AI. Słuchacze mogą usłyszeć nieco więcej odgłosów z sali konferencyjnej niż zwykle, ale taka jest cena rejestrowania tych rozmów tam, gdzie faktycznie się odbywają.

Czego się dowiesz

  • Dlaczego sama biegłość techniczna nie wystarcza liderom HR poruszającym się w obszarze AI i transformacji cyfrowej.
  • Jak spadek liczby rekrutacji na stanowiska początkowe może po cichu osłabić przyszły rurociąg przywódczy organizacji.
  • Dlaczego planowanie zatrudnienia musi uwzględniać zarówno natychmiastową efektywność, jak i długoterminowe kompetencje.
  • Jak postrzegać stanowiska jako zbiory zadań, oddzielając pracę, którą można przekazać technologii, od pracy, która nadal wymaga ludzkiego osądu.
  • Dlaczego inicjatywy AI muszą mieć bezpośredni związek z misją i celami organizacji.
  • Jak „system ludzki” i „system operacyjny” organizacji muszą ewoluować razem.
  • Dlaczego własna historia automatyzacji HR zapewnia temu obszarowi cenne doświadczenie w prowadzeniu zmian opartych na AI w całej firmie.

Najważniejsze wnioski

  • Biegłość w transformacji ma większe znaczenie niż udawanie technologa. Liderzy HR nie muszą zostawać inżynierami. Potrzebują wystarczającego zrozumienia technicznego, aby zadawać lepsze pytania, rozpoznawać konsekwencje dla pracowników oraz łączyć tę wiedzę z tym, co HR już wie o zmianie, wdrażaniu i zachowaniach organizacyjnych.
  • Redukcje na stanowiskach początkowych przynoszą opóźnione konsekwencje. Usuwanie stanowisk juniorskich może wyglądać na efektywne z kwartału na kwartał. Jednak powtarzane wystarczająco często, pojedyncze decyzje rekrutacyjne tworzą wzorzec — aż w końcu organizacja odkrywa, że przestała rozwijać osoby, które miały stać się jej doświadczonymi specjalistami i przyszłymi liderami.
  • Planowanie zatrudnienia musi wyjść poza liczbę pracowników. Brown formułuje pytanie wokół tego, czy organizacje powinny budować, pożyczać, kupować czy automatyzować kompetencje. Wymaga to zrozumienia zadań składających się na stanowiska, zamiast traktowania każdej roli jako niepodzielnej całości.
  • Uważaj na hobby związane z AI. Inicjatywa, która nie rozwiązuje problemu powiązanego z misją lub celami organizacji, pochłania pieniądze i zasoby tylko po to, by ostatecznie zostać porzucona. „Mamy inicjatywę AI” samo w sobie nie jest strategią.
  • Technologia rzadko jest jedynym ograniczeniem. Projekty AI mogą przetrwać wdrożenie techniczne, a mimo to zakończyć się niepowodzeniem, ponieważ przepływy pracy, kompetencje, wdrożenie i struktury organizacyjne nie zmieniły się razem z nimi. Zainstalowanie narzędzia to łatwa część. Przebudowanie wokół niego sposobu pracy to transformacja.
  • Utrzymuj system ludzki i system operacyjny w synchronizacji. Strategia i potrzeby biznesowe mogą wyznaczać kierunek, ale kompetencje pracowników muszą szybko za nimi podążać. Brown opisuje ludzki osąd, przywództwo i jakość decyzji jako „kręgosłup” łączący te dwa systemy.
  • HR musi przetestować ten model na sobie. Jeśli HR chce prowadzić resztę organizacji przez automatyzację, potrzebuje praktycznego doświadczenia w przeprojektowywaniu własnej pracy. Brown wskazuje automatyzację naliczania wynagrodzeń za sprzedaż jako szansę na odsunięcie jej zespołu od ręcznej administracji i skierowanie go ku analizie o większej wartości.
  • Odpowiedzialna AI czasami oznacza „tak, ale jeszcze nie teraz”. Uruchomienie chatbota do spraw świadczeń zostało opóźnione, aby najpierw można było przetestować zabezpieczenia cyberbezpieczeństwa i prywatności. Szybkie działanie ma znaczenie, ale jeszcze ważniejsza jest możliwość obrony tego, co udostępnia się pracownikom.

Rozdziały

  • 00:00 — Koszt krótkoterminowej efektywności
  • 01:52 — Biegłość w transformacji
  • 06:58 — Luka w talentach na poziomie podstawowym
  • 09:23 — Kto jest właścicielem ścieżki rozwoju talentów?
  • 10:19 — Budować, pożyczać, kupować — czy zatrudnić bota?
  • 12:46 — Zadanie dla liderów
  • 14:42 — Lepsze wykorzystywanie danych o pracownikach
  • 16:32 — Jakie problemy powinna rozwiązywać sztuczna inteligencja?
  • 18:25 — Unikanie hobbystycznego wykorzystywania sztucznej inteligencji
  • 21:15 — Dlaczego projekty związane ze sztuczną inteligencją kończą się niepowodzeniem
  • 23:14 — Człowiek kontra systemy operacyjne
  • 25:47 — Co HR powinien automatyzować
  • 28:42 — Plan transformacji HR
  • 31:02 — Kiedy sztuczna inteligencja powinna poczekać
  • 35:27 — Zakończenie

Poznaj naszego gościa

Dr Jana Brown jest dyrektorką ds. zasobów ludzkich w eHealth, gdzie kieruje strategią kapitału ludzkiego i transformacją kultury organizacyjnej w obszarach talentów, rozwoju przywództwa, planowania zatrudnienia, uczenia się i całkowitego wynagrodzenia. Jako doświadczona dyrektorka HR wcześniej zajmowała stanowiska kierownicze wyższego szczebla w Centurion Health, TIAA i CareSource. Jana uzyskała stopień doktora edukacji w dziedzinie uczenia się i zmian organizacyjnych na Uniwersytecie Baylora, gdzie w ramach badań analizowała, jak dyrektorzy HR mogą przygotowywać organizacje do transformacji cyfrowej. Jej praca koncentruje się na przywództwie, zmianach organizacyjnych, kulturze miejsca pracy oraz ewoluującej roli liderów ds. pracowników w erze sztucznej inteligencji.

You may also like