Problemy z premią za umiejętności AI: dlaczego wyższe wynagrodzenie za kompetencje AI może przynieść odwrotny skutek

Nie jest to argument przeciwko płaceniu za wartościowe umiejętności. To ostrzeżenie, że większość firm rozwiązuje niewłaściwy problem. Pytanie stojące przed osobami odpowiedzialnymi za wynagrodzenia nie brzmi: ile płacić osobom, które już posiadają umiejętności związane z AI. Brzmi ono: jak skonstruować systemy motywacyjne, które zachęcą wszystkich pozostałych do ich rozwijania.

Rynek zmienia się szybciej niż filozofia wynagradzania w Twojej firmie

Premia płacowa w wysokości 56% sygnalizuje dysfunkcję rynku, a nie stan równowagi. Gdy identyczne stanowiska wiążą się z bardzo różnymi wynagrodzeniami wyłącznie ze względu na to, czy dana osoba korzysta z narzędzi AI, obserwujesz wycenę wynikającą z niedoboru w czasie rzeczywistym. Problem polega na tym, że niedobór nie potrwa długo.

Weźmy inżynierię promptów — umiejętność, za którą przez krótki czas oferowano sześciocyfrowe wynagrodzenia. Firmy, które zbudowały poziomy wynagrodzeń wokół znajomości promptów, odkrywają teraz, że przepłacają za możliwości, które zostały zautomatyzowane lub włączone do standardowych procesów pracy. Premia zniknęła, ponieważ umiejętność stała się powszechna.

Organizacje traktujące biegłość w obsłudze AI jako rzadką specjalizację popełniają ten sam błąd. Tworzą poziomy wynagrodzeń oparte na dzisiejszym rozkładzie talentów, a następnie odkrywają, że zobowiązały się do wypłacania premii za umiejętności, które w ciągu 18 miesięcy stają się podstawowymi wymaganiami.

Sygnały rynkowe wskazują, że ten schemat już zaczyna się ujawniać. Inżynieria promptów — umiejętność, za którą firmy takie jak Anthropic oferowały w 2023 roku wynagrodzenia sięgające nawet 375 000 USD — odnotowała gwałtowny spadek popytu. Według badania Microsoftu przeprowadzonego wśród 31 000 pracowników stanowisko to zajmuje obecnie drugie miejsce od końca wśród ról, które firmy planują dodać, a Indeed odnotowuje minimalną liczbę ofert pracy dla dedykowanych inżynierów promptów.

Premia nie zniknęła dlatego, że umiejętność stała się mniej wartościowa. Zniknęła dlatego, że wszyscy ją już posiadają.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Premie za umiejętności a zachęty do ich rozwijania

Strategia wynagradzania musi rozdzielać dwa odrębne wyzwania: nagradzanie osób, które obecnie posiadają rzadkie kompetencje, oraz motywowanie osób do rozwijania kompetencji, których potrzebujesz w przyszłości.

Stałe korekty wynagrodzeń rozwiązują pierwszy problem. Jeśli zatrudniasz osobę posiadającą rzeczywiście specjalistyczne umiejętności związane z AI, których rozwinięcie zajmuje lata, zapłać jej odpowiednio. Jednak większość umiejętności związanych z AI, które zyskują popularność na stanowiskach biznesowych, nie pasuje do tego schematu. Są to nabyte kompetencje, a nie rzadka wiedza specjalistyczna.

Systemy zachęt opartych na umiejętnościach lepiej niż podwyżki wynagrodzenia zasadniczego rozwiązują drugi problem. Jednym z podejść, które zyskuje na popularności, są premie projektowe powiązane z wdrażaniem narzędzi AI i mierzalnym wzrostem produktywności.

Zespoły, które wdrażają procesy pracy z wykorzystaniem AI i wykazują poprawę efektywności, otrzymują kwartalne zachęty. Płatności te nie są stałe, ale są wystarczająco wysokie, aby motywować do zmiany zachowań.

Taka struktura pozwala uniknąć pułapki premii. Nie tworzysz stałego poziomu wynagrodzeń dla umiejętności, które mogą stać się standardowymi wymaganiami. Płacisz ludziom za szybsze działanie, niż miałoby to miejsce w innym przypadku, a następnie usuwasz zachętę, gdy dane zachowanie staje się normą.

Te ramy wymagają jasnego określenia, za co właściwie nagradzasz. Czy płacisz za to, że ktoś wie, jak korzystać z Claude lub ChatGPT? To kwestia podstawowej kompetencji cyfrowej, a nie umiejętność uzasadniająca premię. Czy płacisz za to, że ktoś potrafi przeprojektować procesy pracy z wykorzystaniem możliwości AI, mierzyć wpływ tych zmian i szkolić innych? To zasługuje na inne wynagrodzenie.

Identyfikowanie rzeczywistych premii na rynku

Ogólne umiejętności związane z AI nie zapewniają trwałych premii. Takie premie zapewniają konkretne połączenia wiedzy branżowej i biegłości w obsłudze AI. Wyzwaniem jest określenie, które połączenia mają znaczenie dla Twojej organizacji, zanim rynek poinformuje Cię o tym poprzez problemy z utrzymaniem pracowników.

Porównywanie wynagrodzeń dla umiejętności związanych z AI wymaga innych danych niż tradycyjne porównywanie stanowisk. Zamiast analizować nazwy stanowisk, musisz zrozumieć, których połączeń umiejętności rzeczywiście brakuje na rynku.

Analityk finansowy, który korzysta z AI do rutynowej pracy z danymi, nie otrzymuje premii. Otrzymuje ją natomiast analityk finansowy, który wykorzystuje AI do tworzenia niestandardowych modeli prognozowania i potrafi wyjaśnić metodologię audytorom.

Platformy analityki talentów zaczynają zapewniać taki poziom szczegółowości. Firmy takie jak Lightcast i Revelio Labs śledzą dane dotyczące wynagrodzeń opartych na umiejętnościach, które wykraczają poza nazwy stanowisk i obejmują rzeczywiste klastry kompetencji. Dane te pokazują, gdzie faktycznie występuje niedobór, a gdzie premie wynikają z przejściowych nierówności między podażą a popytem.

Wykorzystaj te informacje do podejmowania strategicznych decyzji dotyczących tego, gdzie płacić powyżej stawek rynkowych, a gdzie zamiast tego inwestować w rozwój. Jeśli premia wiąże się z naprawdę rzadką wiedzą specjalistyczną, zapłać za nią. Jeśli wynika z kompetencji, które można rozwinąć wewnętrznie w ciągu sześciu miesięcy, postaw na ich budowanie zamiast kupowania ich na rynku.

Koszt rozgoryczenia

Różnice w wynagrodzeniach oparte na umiejętnościach wiążą się z kosztami kulturowymi, które nie pojawiają się w modelach wynagrodzeń. Kiedy dwie osoby wykonujące podobną pracę otrzymują znacznie różne pensje dlatego, że jedna korzysta z narzędzi AI, a druga nie, tworzysz warunki sprzyjające dokładnie takiemu rodzajowi tarć, na które organizacje nie mogą sobie pozwolić podczas transformacji.

To rozgoryczenie nie jest irracjonalne. Z perspektywy osoby zarabiającej standardową stawkę wygląda to tak, jakby była karana za to, że jej pracodawca nie zapewnił szkoleń ani nie stworzył zachęt do korzystania z nowych narzędzi.

Osoba otrzymująca premię niekoniecznie pracuje ciężej ani dostarcza większej wartości. Po prostu nauczyła się czegoś, czego organizacja powinna była nauczyć wszystkich.

Ta dynamika jest wyraźnie widoczna w organizacjach sprzedażowych, które wprowadziły premie za korzystanie z narzędzi AI bez kompleksowych programów szkoleniowych. Najlepsi pracownicy, którzy już korzystali z AI, otrzymali znaczne podwyżki, podczas gdy pracownicy osiągający przeciętne wyniki nie otrzymali dostępu do tych samych narzędzi ani szkoleń.

Rezultatem była luka płacowa, która wydawała się arbitralna i niesprawiedliwa, prowadząc do odejść dokładnie tych osób, które mogły najbardziej skorzystać z wdrożenia AI.

Alternatywą jest traktowanie kompetencji związanych z AI jako inwestycji organizacyjnej, a nie indywidualnego atutu. Zapewnij szkolenia, stwórz czas na eksperymentowanie i nagradzaj wdrażanie poprzez tymczasowe zachęty zamiast stałych poziomów wynagrodzeń.

Takie podejście sprawiedliwiej rozdziela korzyści i pozwala uniknąć tworzenia dwupoziomowej siły roboczej opartej na tym, kto akurat jako pierwszy nauczył się umiejętności związanych z AI.

Budowanie strategii wynagrodzeń wokół wdrażania, a nie pozyskiwania

Strategiczne pytanie nie brzmi, czy płacić premie za umiejętności związane z AI. Chodzi o to, czy Twoja filozofia wynagrodzeń wspiera zmianę, którą musisz przeprowadzić. Jeśli celem jest doprowadzenie do tego, aby 80% pracowników skutecznie korzystało z narzędzi AI w ciągu 24 miesięcy, stałe różnice w wynagrodzeniach dla osób wdrażających je jako pierwsze działają wbrew temu celowi.

Warto przyjrzeć się podejściu Netflix. Firma ta płaci wszystkim wynagrodzenia na najwyższym poziomie rynkowym i oczekuje, że każdy rozwinie kompetencje potrzebne organizacji. Nie ma premii za korzystanie z konkretnych narzędzi ani technologii, ponieważ te kompetencje stanowią część podstawowych oczekiwań. Model wynagrodzeń wspiera kulturę organizacyjną: bądź doskonały w tym, czego potrzebujemy, albo pracuj gdzie indziej.

Większość organizacji nie może w pełni powielić tego podejścia, ale sama zasada ma zastosowanie. Uczyń biegłość w korzystaniu z AI częścią wymagań stanowiska, zapewnij ludziom wsparcie potrzebne do jej rozwinięcia i skonstruuj system zachęt, który nagradza szybkość wdrażania, zamiast tworzyć stałe poziomy wynagrodzeń oparte na tym, kto dotarł do celu jako pierwszy.

Wymaga to uczciwej oceny tego, czego rzeczywiście trudno się nauczyć. Jeśli Twoja organizacja opiera się na wyspecjalizowanej infrastrukturze technicznej, a ktoś zdobędzie rzeczywistą wiedzę specjalistyczną w zakresie stosowania AI w tym środowisku, warto wynagradzać to jako wyspecjalizowaną umiejętność.

Jeśli płacisz premie osobom, które ukończyły kurs Coursera z zakresu inżynierii promptów, mylisz nowość z wartością.

Co działa

Organizacje, które dobrze sobie z tym radzą, mają kilka wspólnych cech. Oto one:

• Oddzieliły podstawową znajomość AI od wyspecjalizowanej wiedzy.
• Oczekują, że każdy rozwinie podstawowe kompetencje w zakresie narzędzi AI istotnych dla swojej roli.
• Nie ma premii ani specjalnego uznania — to standardowy wymóg stanowiska, któremu towarzyszą szkolenia i wsparcie.

Wyspecjalizowane zastosowania wymagające rzeczywistej wiedzy specjalistycznej są wynagradzane inaczej, ale poprzeczka jest wysoko ustawiona. Trzeba wykazać wymierny wpływ na działalność firmy, zdolność do szkolenia innych lub kompetencje, których rzeczywiście nie można szybko rozwinąć za pomocą standardowych programów edukacyjnych.

Systemy zachęt nagradzają tempo wdrażania, a nie to, kto pojawił się pierwszy. Zespoły, które wdrażają procesy pracy z AI przed wyznaczonym terminem, otrzymują premie. Osoby, które stają się zaawansowanymi użytkownikami i pomagają współpracownikom wdrażać narzędzia, otrzymują premie uznaniowe. Są to jednak tymczasowe wypłaty powiązane z konkretnymi celami transformacji, a nie stałe korekty wynagrodzenia zasadniczego.

Takie podejście wymaga przejrzystości co do tego, dlaczego istnieją premie i kiedy wygasają. Jeśli płacisz komuś więcej, ponieważ ma umiejętności, których organizacja obecnie potrzebuje, powiedz tej osobie, że premia odzwierciedla bieżący niedobór tych kompetencji na rynku i zostanie dostosowana, gdy staną się one bardziej powszechne. Jeśli zapewniasz zachęty do wdrażania, jasno określ, że wypłaty te zakończą się po osiągnięciu celów.

Co najważniejsze, organizacje, które robią to skutecznie, mierzą, co faktycznie otrzymują w zamian za tę premię. Jeśli osoba zarabiająca o 56% więcej niż osoby na porównywalnych stanowiskach nie osiąga wymiernie lepszych wyników, premia ta nie jest uzasadniona osiągnięciami. To reakcja rynku, którą decydujesz się naśladować, nie rozumiejąc, czy tworzy ona wartość.

Dane dotyczące premii płacowej odzwierciedlają rynek w okresie transformacji. Strategia wynagrodzeń powinna wspierać transformację Twojej organizacji, a nie tylko odzwierciedlać to, co rynki pracy akurat robią w tym momencie.