Stos narzędzi HR zyskał AI, ale nikt najpierw nie uporządkował danych
Większość liderów HR potrafi dokładnie powiedzieć, z których narzędzi AI korzysta ich organizacja. Bardzo niewielu potrafi powiedzieć, co te narzędzia robią ze sobą nawzajem.
Kiedy AI wkracza do rekrutacji, zmienia sposób oceny kandydatów. Kiedy AI wkracza do zarządzania wynikami, zmienia sposób generowania informacji zwrotnych i to, kto ich udziela. Kiedy AI wkracza do obszaru uczenia się i rozwoju, wpływa na to, które umiejętności są traktowane priorytetowo i dla kogo. Nie są to odosobnione wydarzenia, ale rzadko zarządza się nimi jako wzajemnie powiązanymi.
Liderzy podejmują decyzje dotyczące wdrożeń w ramach poszczególnych funkcji, a niemal nikt nie odpowiada za to, co dzieje się na styku tych obszarów.
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
Obszar zarządzania personelem — rekrutacja, wyniki, uczenie się i rozwój, benefity — jest doposażany w AI po jednej funkcji naraz, przy czym każdym wdrożeniem zarządza inny zespół, współpracujący z innym dostawcą i realizujący inny zestaw celów. Interakcje między tymi systemami rzadko są monitorowane, a niemal nikt nie odpowiada za to, co dzieje się na styku tych obszarów. To właśnie tam narastają rozbieżności.
Tysiąc kwiatów, brak ogrodnika
Podczas panelu, który odbył się w zeszłym tygodniu na konferencji Transform w Las Vegas, skupiono się na tym, co faktycznie się zmienia, gdy AI wkracza do obszaru zarządzania personelem. Pojawiło się powracające napięcie: organizacje szeroko eksperymentują, ale wąsko podchodzą do zarządzania.
Jevan Soo Lenox, dyrektor ds. pracowników w szybko rozwijającej się firmie AI WRITER, opisał sytuację, przez którą po cichu przechodzi wielu liderów.
Żyliśmy w świecie, w którym pozwalaliśmy, by rozkwitało 1000 kwiatów. Próbowaliśmy mnóstwa rzeczy, korzystaliśmy z wielu narzędzi, organizowaliśmy hackathon co drugi kwartał. To tworzy świetną kulturę eksperymentowania. Jednak w kontekście ogromnego zwrotu z inwestycji jest to zdecydowanie niewystarczające.
Problemem nie jest eksperymentowanie. Problemem jest brak widoczności tego, co faktycznie przynosi rezultaty, a co powoduje niespójność w całej organizacji.
Ta niespójność ma charakter strukturalny. Kiedy narzędzie AI w rekrutacji ocenia kandydatów na podstawie modelu kompetencji, a oddzielne narzędzie AI w obszarze zarządzania wynikami generuje rekomendacje rozwojowe w oparciu o inny zestaw kryteriów, a trzecie narzędzie w obszarze uczenia się i rozwoju wyszukuje treści edukacyjne na podstawie jeszcze innego sygnału danych, organizacja kończy z trzema wersjami tego, jak wygląda dobry wynik. Nikt nie zaprojektował takiego rezultatu. Nikt go nie monitoruje.
Giovanni Luperti, dyrektor generalny Humaans, który współpracuje z klientami korporacyjnymi wdrażającymi agentów HR na dużą skalę, ujął kluczowe rozróżnienie stojące za wieloma z tych decyzji: rozszerzanie decyzji kontra zastępowanie decyzji.
W przypadku powtarzalnych, deterministycznych zadań — koordynacji wdrażania nowych pracowników, planowania terminów, odpowiadania na pytania dotyczące zasad — agenci mogą niezawodnie realizować proces i z czasem go udoskonalać. Jednak w przypadku wszystkiego, co wymaga osądu, człowiek musi pozostać w pętli — nie jako osoba bezrefleksyjnie zatwierdzająca decyzje, lecz jako faktyczny decydent.
„Często nie ma jednej właściwej odpowiedzi” — powiedział Luperti. „I dlatego staje się to elementem wspomagania decyzji.”
Problem polega na tym, że organizacje nie zawsze dokonują tego rozróżnienia w sposób celowy. AI jest dodawane do przepływu pracy, ponieważ jest dostępne, ponieważ dostawca przedstawił przekonującą ofertę albo ponieważ zespół działał szybko.
Próg określający, na ile autonomii AI można odpowiednio pozwolić przy danej decyzji, jest ustalany niejawnie, a nie świadomie. A kiedy AI jednocześnie dotyka rekrutacji, zarządzania wynikami i rozwoju, te niejawne progi zaczynają na siebie wzajemnie oddziaływać w sposób bardzo trudny do skontrolowania.
Ukryty fundament
Warstwa danych pogarsza sytuację, zanim zacznie ją poprawiać. Lennox powiedział to wprost:
Jeśli nie budujesz na świetnej, spójnej bazie wiedzy — na warstwie danych, do której można uzyskać dostęp i na której można budować — wszystko inne się rozpadnie.
Obszar zarządzania personelem był historycznie jednym z najgorszych środowisk danych w każdej organizacji — z rozproszonymi systemami, niespójnymi definicjami i latami ręcznych procesów. Wdrożenie AI na takim fundamencie nie uporządkuje podstaw. Zwielokrotni to, co już tam istnieje.
Kit Krugman, starsza wiceprezeska ds. pracowników i kultury w Foursquare, bez ogródek powiedziała, czego naprawdę wymaga obecna sytuacja.
Funkcja personalna zawsze miała trudności z uzyskaniem strategicznego miejsca przy stole, a AI jest rewolucją w tym, co możemy osiągnąć. Warstwa orkiestracji to jedno z najpotężniejszych przełomowych rozwiązań, jakie zobaczymy w tej dziedzinie. Potrzebna jest jednak odpowiednia podstawowa warstwa operacyjna, dlatego musimy przemyśleć cały model operacyjny.
To właśnie pomija większość organizacji. Wdrażają narzędzia bez ponownego przemyślenia leżącego u ich podstaw modelu operacyjnego.
Warstwa orkiestracji, którą opisał Krugman — rozwiązanie, które faktycznie koordynowałoby działania AI w całym ekosystemie personalnym i przedstawiało zbiorczy obraz tego, co robi system — nie istnieje jeszcze w większości firm. Zamiast tego istnieje zbiór rozwiązań punktowych, które podlegają różnym liderom, działają na różnych danych i optymalizują różne rezultaty.
Lenox, który miał możliwość zbudowania funkcji personalnej od podstaw, zamiast dostosowywania istniejącej w firmie Writer, opisał w tym kontekście swoje podejście do projektowania ról.
Ta cierpliwość — decyzja, by się zatrzymać, określić rzeczywistą potrzebę, a następnie budować z myślą o jej zaspokojeniu — jest dokładnie tym, czego większość organizacji nie może pominąć podczas wdrażania AI w połączonych ze sobą obszarach.
Działanie z rozmysłem oznacza tutaj coś konkretnego: określenie, gdzie AI może przynieść wymierny rezultat, budowanie na solidnej warstwie danych oraz ustanowienie zasad zarządzania przed rozpoczęciem skalowania. Większość organizacji pomija tę kolejność nie dlatego, że nie wie, co należy zrobić, lecz dlatego, że narzędzia są na tyle dostępne, iż presja na szybkie działanie przeważa nad dyscypliną wymaganą do działania w sposób przemyślany.
W rezultacie powstaje ekosystem personalny, który z zewnątrz wygląda nowocześnie, lecz u podstaw jest niespójny. Gdy AI jednocześnie przedstawia rekomendacje dotyczące rekrutacji, wyników pracy i rozwoju, bez wspólnej logiki i bez osoby obserwującej wzajemne oddziaływania, system nie zawodzi w oczywisty sposób. Powoli dryfuje w kierunku, którego nikt nie wybrał.
