Personalstacken fick AI, men ingen åtgärdade datan först
De flesta HR-ledare kan berätta exakt vilka AI-verktyg deras organisation använder. Väldigt få kan berätta vad dessa verktyg gör med varandra.
När AI kommer in i rekryteringen förändrar det hur kandidater bedöms. När AI kommer in i prestationshanteringen förändrar det hur återkoppling genereras och vem som levererar den. När AI kommer in i lärande och utveckling påverkar det vilka färdigheter som prioriteras och för vilka. Det här är inte isolerade händelser, men de styrs sällan som sammanlänkade sådana.
Ledare fattar beslut om implementering funktion för funktion, och nästan ingen är ansvarig för vad som händer i gränssnitten.
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
Personalsystemen — rekrytering, prestation, L&D, förmåner — byggs om med AI en funktion i taget, där varje implementering hanteras av ett annat team med en annan leverantör och en annan uppsättning mål. Samspelet mellan dessa system övervakas sällan, och nästan ingen är ansvarig för vad som händer i gränssnitten. Det är där avvikelser förstärks.
Tusen blommor, ingen trädgårdsmästare
Under en paneldiskussion förra veckan på Transform i Las Vegas låg fokus på vad som faktiskt förändras när AI kommer in i personalfunktionen. En återkommande spänning blev tydlig: organisationer experimenterar brett men styr snävt.
Jevan Soo Lenox, personalchef på det snabbväxande AI-företaget WRITER, beskrev det som många ledare i tysthet går igenom.
Vi har befunnit oss i en värld där vi låter tusen blommor blomma. Vi provar många saker, använder många verktyg och anordnar ett hackathon vartannat kvartal. Det skapar en fantastisk experimentkultur. Men det räcker verkligen inte för att uppnå massiv ROI.
Problemet är inte experimenterandet. Problemet är bristen på insyn i vad som faktiskt fungerar bäst och vad som skapar inkonsekvens i organisationen.
Denna inkonsekvens är strukturell. När ett AI-verktyg inom rekrytering bedömer kandidater utifrån en kompetensmodell, samtidigt som ett separat AI-verktyg inom prestationshantering genererar utvecklingsrekommendationer utifrån en annan uppsättning kriterier och ett tredje verktyg inom L&D lyfter fram utbildningsinnehåll baserat på ännu en annan datasignal, slutar organisationen med tre versioner av vad som kännetecknar ett gott resultat. Ingen har utformat detta resultat. Ingen håller uppsikt efter det.
Giovanni Luperti, vd på Humaans, som arbetar med företagskunder som implementerar HR-agenter i stor skala, formulerade den centrala skillnad som ligger bakom många av dessa beslut: beslutsförstärkning kontra beslutsersättning.
För repetitivt, deterministiskt arbete — samordning av introduktion, schemaläggning och besvarande av policyfrågor — kan agenter driva processen på ett tillförlitligt sätt och förbättras över tid. Men när det gäller sådant som kräver omdöme måste människan finnas kvar i processen, inte som en gummistämpel utan som den som faktiskt fattar beslutet.
”Det finns ofta inget rätt svar”, sade Luperti, ”och då blir det en del av beslutsförstärkningen.”
Problemet är att organisationer inte alltid gör den åtskillnaden på ett medvetet sätt. AI läggs till i ett arbetsflöde eftersom det är tillgängligt, eftersom en leverantör presenterade ett övertygande erbjudande eller eftersom ett team arbetade snabbt.
Tröskeln för hur mycket autonomi AI bör ha för ett visst beslut fastställs implicit, inte medvetet. Och när AI berör rekrytering, prestation och utveckling samtidigt börjar dessa implicita trösklar påverka varandra på sätt som är mycket svåra att granska.
Grunden under
Datalagret gör detta värre innan det gör det bättre. Lennox var tydlig:
Om du inte bygger utifrån en bra och konsekvent kunskapsbas, ett datalager som du kan komma åt och bygga vidare på, kommer allt annat att gå sönder.
Personalfunktionen har historiskt varit en av de sämsta datamiljöerna i organisationer, med fragmenterade system, inkonsekventa definitioner och åratal av manuella processer. Att implementera AI ovanpå detta gör inte grunden renare. Det skalar upp det som redan finns där.
Kit Krugman, SVP för personal och kultur på Foursquare, var tydlig med vad situationen faktiskt kräver.
Människofunktionen har alltid haft svårt att få en strategisk plats vid bordet, och AI är en revolution när det gäller vad vi skulle kunna uppnå. Ett orkestreringslager är en av de mest kraftfulla omvälvningarna vi kommer att se inom området. Men du behöver ett fungerande grundläggande operativt lager, så vi måste tänka om kring hela verksamhetsmodellen.
Det är den del som de flesta organisationer hoppar över. De implementerar verktyg utan att tänka om kring den operativa modellen under dem.
Orkestreringslagret som Krugman beskrev — det som faktiskt skulle samordna AI-aktiviteter över hela personalområdet och synliggöra vad systemet gör sammantaget — finns ännu inte i de flesta företag. I stället består det som finns av en samling punktlösningar som rapporterar till olika chefer, körs på olika data och optimerar för olika resultat.
Lenox, som har haft fördelen att bygga upp en personalfunktion från grunden i stället för att anpassa en befintlig på Writer, beskrev sitt förhållningssätt till rollutformning i det sammanhanget.
Det tålamodet — beslutet att stanna upp, kartlägga det faktiska behovet och sedan bygga mot det — är precis det som de flesta organisationer inte har råd att hoppa över när de implementerar AI i sammankopplade funktioner.
Att agera med avsikt betyder något specifikt här: att identifiera var AI kan driva ett mätbart resultat, bygga utifrån ett rent datalager och etablera styrning innan man skalar upp. De flesta organisationer hoppar över den sekvensen, inte för att de inte vet bättre, utan för att verktygen är tillräckligt lättillgängliga för att pressen att agera snabbt väger tyngre än disciplinen att agera genomtänkt.
Resultatet blir en personalteknisk miljö som ser modern ut från utsidan men är inkonsekvent i sin kärna. När AI samtidigt ger rekommendationer inom rekrytering, prestation och utveckling, utan gemensam logik och utan någon som övervakar samspelet, fallerar systemet inte på uppenbara sätt. Det driver långsamt åt ett håll som ingen har valt.
