Czy optymalizujesz miejsca pracy, które znikają?
Wzrost efektywności: Firmy automatyzują stanowiska, ale muszą rozważyć, jaki wkład człowieka jest niezbędny w miarę rozwoju sztucznej inteligencji.
Zmiana na rynku pracy: Znaczący spadek liczby stanowisk dla początkujących pracowników zagraża długoterminowym możliwościom rozwoju przyszłych liderów w organizacjach.
Błędy w inwestycjach w sztuczną inteligencję: Większość organizacji błędnie stawia automatyzację wyżej niż zajęcie się kluczowymi rolami człowieka i rozwojem umiejętności.
Odpowiedzialność strategiczna: Odpowiedzialność za transformację z wykorzystaniem sztucznej inteligencji powinna spoczywać na dyrektorach ds. zasobów ludzkich, aby lepiej dopasować pracę ludzi do technologii.
Rozwój talentów: Nowe modele zatrudnienia wymagają skupienia się na wieloaspektowych umiejętnościach, a nie tylko na tradycyjnej specjalizacji.
Gdzieś właśnie teraz firma inwestuje w zwiększenie efektywności określonej roli. Ta rola zajmuje się przetwarzaniem roszczeń, kierowaniem zapytań, tworzeniem syntetycznych raportów lub czymś podobnym. Zespół zmapował przepływy pracy, zidentyfikował punkty tarcia i opracował plan. Do końca kwartału wykonanie tej samej pracy przez tę rolę będzie zajmować o 30% mniej czasu.
Do końca dekady cała ta praca będzie wykonywana przez AI.
Nie jest to opowieść o sukcesie lub porażce technologii. To trwająca opowieść o najpoważniejszym wyzwaniu przywódczym tego stulecia, które na dużą skalę dotyka branż przekonanych, że strategicznie podchodzą do AI, podczas gdy w rzeczywistości są po prostu zajęte.
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
Pytanie leżące u podstaw niemal każdej poważnej rozmowy o AI brzmi obecnie tak, jakby większość organizacji próbowała go uniknąć: nie „jak wykorzystać AI?”, lecz „do czego właściwie potrzebujemy ludzi?”
Ci, którzy wydają miliony na optymalizację produktywności, nie odpowiadają na to pytanie. Odkładają je na później, osiągając kolejne wzrosty efektywności.
Ścieżka rozwoju już się załamuje
Według Korn Ferry trzydzieści siedem procent organizacji planuje zastąpić stanowiska dla osób na początku kariery przez AI. Kolejne 66% spowolniło rekrutację na stanowiska podstawowe. Jeśli jesteś świeżo upieczonym absolwentem i próbujesz zrozumieć, dlaczego rynek pracy wydaje się strukturalnie inny niż ten opisywany przez twoich profesorów, to właśnie dlatego.
Stanowiska podstawowe historycznie pełniły funkcję głównego mechanizmu, dzięki któremu organizacje rozwijały własne talenty. Analityk zostaje menedżerem. Koordynator zostaje dyrektorem. Młodszy pracownik, który przez trzy lata poznaje firmę od środka, staje się osobą, która ostatecznie nią kieruje.
Wyeliminuj stanowisko wejściowe, a stracisz nie tylko tanią siłę roboczą. Stracisz także ścieżkę rozwoju, która za dekadę dostarcza doświadczonych liderów.
IBM podąża w przeciwnym kierunku, potrajając liczbę rekrutacji na stanowiska podstawowe, podczas gdy konkurenci się wycofują. Dopiero okaże się, czy jest to inwestycja w talenty, czy działanie wizerunkowe. Nie ulega jednak wątpliwości prosty fakt, że nie można rozwijać liderów, których się nie zatrudnia. IBM pozycjonuje się tak, by ludzie pozostali za sterami jeszcze przez długi czas.
Niewłaściwe pytanie pochłania cały budżet
Większość dzisiejszych inwestycji w AI opiera się na dobrze znanej logice: zidentyfikować, na co ludzie poświęcają czas, zautomatyzować jak najwięcej tych czynności, zmierzyć wzrost produktywności i powtórzyć.
Model 70-20-10, który wcześniej omawialiśmy, pokazuje, jak niektóre zaawansowane organizacje myślą o alokacji środków na AI. Odzwierciedla on inną hierarchię priorytetów — 70% inwestycji trafia w przeprojektowanie pracy ludzi i procesów, 20% w infrastrukturę, a 10% w same algorytmy. Tylko jedna drobna uwaga: niemal żadna organizacja faktycznie tak nie działa. Większość robi to odwrotnie.
W rezultacie powstają organizacje zaawansowane technologicznie, lecz zagubione strategicznie. Mają lepsze narzędzia, ale nie mają jaśniejszej odpowiedzi na pytanie, kim mają się stać ludzie obsługujący te narzędzia.
Role najbardziej podatne na automatyzację nie są rolami o najmniejszej wartości. Często wymagają najbardziej rutynowego osądu lub ustrukturyzowanego rozwiązywania problemów — czyli dokładnie tego, w czym uczenie maszynowe okazuje się dobre. Powoduje to zjawisko, w którym pracownicy doświadczają przeciążenia poznawczego związanego z podejmowaniem decyzji przez AI.
Role, które pozostaną lub zostaną utworzone, wymagają czegoś innego: umiejętności poruszania się w warunkach niejednoznaczności, podejmowania etycznych decyzji, zarządzania relacjami między stronami o sprzecznych interesach oraz stosowania osądu kontekstowego, którego nie da się sprowadzić do polecenia.
Z tego, co widzę, niewiele opisów stanowisk pasuje do tego profilu. Obecnie nie ma dla niego ścieżki kariery i niemal nie przeznacza się na niego budżetu rozwojowego.
Kto jest odpowiedzialny za ten problem
David Swanagon przekonuje, że wdrażanie AI powierzono dyrektorom ds. informatyki, choć powinno ono należeć do dyrektorów ds. zasobów ludzkich.
Przyjęcie jest czymś zupełnie innym niż wdrożenie. CIO powierzono nie tylko projektowanie, testowanie i wdrażanie narzędzi, ale także doprowadzenie do ich przyjęcia. Za przyjęcie odpowiedzialny powinien być CHRO — ponieważ dotyczy ono kultury, zaufania, autonomii i umiejętności.
Logika jest solidna. Wdrożenie technologii stanowi stosunkowo niewielką część tego, co decyduje o powodzeniu lub porażce transformacji opartej na sztucznej inteligencji. Większym wyzwaniem jest ustalenie, za jaką pracę powinni odpowiadać ludzie, jakich wymaga to umiejętności oraz jak rozwijać te umiejętności u osób zatrudnionych do wykonywania zupełnie innych zadań.
CIO nie są odpowiednio usytuowani, aby odpowiadać na te pytania. Ich uwaga koncentruje się na systemach, a nie na ludzkiej infrastrukturze, której te systemy mają służyć.
Kiedy strategia dotycząca sztucznej inteligencji znajduje się w obszarze technologii, udzielane odpowiedzi dotyczą kwestii technicznych. Pytania organizacyjne i ludzkie zostają odłożone na później albo przekazane działowi HR jako refleksja po fakcie, gdy wdrożenie już trwa.
W ten sposób można doprowadzić do wdrożenia sztucznej inteligencji, które działa technicznie, ale kończy się strategiczną porażką. Narzędzia funkcjonują. Pracownicy nie wiedzą, co powinni z nimi robić, jak będzie wyglądać ich rola za trzy lata ani czy rozwijać umiejętności, których organizacja nie zasygnalizowała jako wartościowych.
Nie oznacza to, że CHRO obecnie podejmują się sprostania tej odpowiedzialności. W rzeczywistości Swanagon twierdzi, że tak nie jest.
Większość CHRO niestety zaczyna od słów: „chcemy zautomatyzować różne rzeczy i chcemy zaoszczędzić pieniądze”. I to dobrze, ale nie jest to zabawne” — powiedział Swanagon. „Nie jest też interesujące. Po prostu jest dobre.
Luka w kształcie litery M
Przez lata strategia zarządzania talentami faworyzowała pracowników w kształcie litery T — specjalistów z wystarczająco szerokim spojrzeniem na sąsiednie dziedziny, aby móc współpracować między nimi. Model ten miał sens w środowisku, w którym specjalizacja była stabilna, a szeroka perspektywa stanowiła przewagę ułatwiającą koordynację.
Sztuczna inteligencja zmienia znaczenie szerokiej perspektywy. Wyłaniający się model bywa nazywany modelem w kształcie litery M lub grzebienia: chodzi o pracowników posiadających wiele obszarów rzeczywistej, głębokiej wiedzy, a nie tylko powierzchownej znajomości, połączonych integrującą oceną sytuacji, która pozwala im płynnie poruszać się między dziedzinami.
To rozróżnienie ma znaczenie, ponieważ rozwijanie pracowników o profilu grzebieniowym wymaga innego rodzaju inwestycji niż rozwijanie pracowników o profilu T. Nie chodzi tylko o poszerzanie czyjejś peryferyjnej perspektywy. Chodzi o budowanie u tej samej osoby wielu ośrodków kompetencji, a następnie kształtowanie umiejętności oceny sytuacji potrzebnej do ich wykorzystywania zależnie od okoliczności.
Większość organizacji nie ma programu rozwoju, który by to umożliwiał. Mają katalogi szkoleń i licencje LinkedIn Learning.
Czego wymaga odpowiedzialne zarządzanie
Słowo „odpowiedzialność” jest często używane w kontekście przywództwa bez większej precyzji. Zwykle oznacza coś w rodzaju „dbamy o naszych ludzi”, w tym samym niejasnym tonie co „nasi ludzie są naszym największym kapitałem”. Żadne z tych stwierdzeń nie wytrzymuje konfrontacji z ogłoszeniem redukcji zatrudnienia.
Prawdziwa odpowiedzialność podczas transformacji opartej na sztucznej inteligencji oznacza podejmowanie już teraz decyzji, które chronią zdolność ludzi do tworzenia wartości w perspektywie od pięciu do dziesięciu lat, nawet jeśli trudniej uzasadnić je podczas kwartalnego przeglądu niż kolejną rundę automatyzacji.
Niedawno Adam DeRose z HR Brew i ja spotkaliśmy się podczas odcinka programu „Twoi przyjaciele z pracy” z Francescą Ranieri i Mel Plett. Adam powiedział coś, o czym myślałem przez resztę dnia.
„Rozumiem wartość kwartalnego przeglądu działalności, ale szczerze mówiąc, uważam, że powinniśmy się ich po prostu pozbyć”.
Dlaczego? Koncentracja na wynikach kwartalnych pogorszyła zdolność liderów do myślenia długoterminowego. Obsesja na punkcie kwartalnych wyników jest powszechna — od poziomu zarządu aż po kierowników liniowych — ale taktyki, które poprawiają wyniki kwartalne, często podważają naszą zdolność do strategicznego myślenia długoterminowego, zwłaszcza w odniesieniu do talentów w obecnej sytuacji.
To moment, który może wymagać finansowania rozwoju umiejętności, dla których nie istnieją jeszcze nazwy stanowisk. Oznacza to utrzymanie ścieżki wejścia na rynek pracy, nawet gdy wyliczenia wskazują, że można ją zlikwidować. Oznacza traktowanie organizacyjnego pytania o to, do czego służą ludzie, jako kwestii strategicznej, a nie problemu HR, oraz zapewnienie funkcji personalnej miejsca przy stole, przy którym podejmowane są te decyzje.
Większość organizacji tego nie robi. Optymalizują. A optymalizacja zastosowana do struktury, która zmienia się pod naszymi stopami, jest wyrafinowanym sposobem podążania w niewłaściwym kierunku.
Stanowiska, których efektywność zwiększa się dzisiaj, nie są stanowiskami, które będą definiować wartość organizacji w 2030 roku. Praca, która będzie miała znaczenie — osąd, nawigowanie w złożonych sytuacjach, podejmowanie etycznych decyzji oraz zdolność prowadzenia innych ludzi przez autentyczną niepewność — jest rozwijana i urzeczywistniana niemal nigdzie. Nie ma dla niej osobnej pozycji budżetowej, wskaźnika raportowania ani, z pewnością, wystarczającej liczby sponsorów wśród kadry kierowniczej.
To jest porażka przywództwa. AI pozwala nam zrealizować cel, jakim jest szybkie działanie, ale warto zadać sobie pytanie, czy po drodze nie psujemy zbyt wielu rzeczy.
