AI som informerar, människor som beslutar: Att hålla HR ansvarigt i automatiseringens tidsålder

Vi satte oss ner med Dhanaraj för att få en bild av hur han bevarar det ”mänskliga” i mänskliga resurser. Här är vad han hade att säga.

Fokus på affärsanpassad personal- och medarbetarpraxis

Jag arbetar inom HR och personalverksamhet och har erfarenhet av att stödja växande organisationer inom tillverkning, detaljhandel och tjänstesektorn. Min ledarskapsresa började ute i verksamheten, där jag arbetade nära medarbetare i frontlinjen och verksamhetsledare, och detta har format mitt praktiska och människocentrerade arbetssätt.

Med tiden har jag samarbetat med grundare och seniora ledare kring rekryteringsstrategi, personalplanering, regelefterlevnad och organisatorisk effektivitet. Genom mitt arbete och mina kontakter med flera organisationer har jag sett hur personalledning har utvecklats från att vara processorienterad till att vara resultatinriktad.

I dag fokuserar jag på att hjälpa organisationer att bygga skalbara, affärsanpassade personal- och medarbetarstrategier som möjliggör prestation, integrering av AI i organisationen och hållbar tillväxt.

Hur AI förändrar HR-ledarskap, struktur och trovärdighet

I takt med att AI blir allt mer framträdande förändras HR och ledarskap på några viktiga sätt.

För det första har jag behövt släppa antagandet att rigida strukturer skapar stabilitet. I praktiken fungerar AI-aktiverade organisationer bättre med plattare, kompetensbaserade och resultatinriktade team.

För det andra går HR-ledarskap från genomförande till omdöme. AI inom HR automatiserar transaktionsbaserat arbete som urval, schemaläggning och rapportering, vilket innebär att HR:s verkliga värde nu ligger i personalstrategi, etiskt beslutsfattande och förändringsledning.

För det tredje har jag också sett hur ledarskapets trovärdighet har gått från att bygga på erfarenhet till att bygga på anpassningsförmåga. I dag är förmågan att lära sig, ifrågasätta och vägleda människor genom förändring viktigare än anställningstid. AI inom ledarskap ersätter inte ledarskapet, men höjer kraven på det.

Varför AI tvingar organisationer att utforma om hur beslut fattas

Med det sagt behandlar många organisationer fortfarande AI som ett produktivitetsverktyg och förväntar sig att kultur, förtroende och beslutskvalitet ska förbättras automatiskt. I verkligheten förstärker AI det system som redan finns – oavsett om det är bra eller dåligt.

Många ledare inför AI i organisationsutformningen utan att utforma om roller, beslutsmandat eller ansvar. Resultatet blir att teamen får snabbare resultat men otydligt ägarskap, etiska blinda fläckar och beslutsutmattning. Löftet är snabbhet och intelligens; verkligheten är ofta förvirring.

I mitt ledarskap hanterar jag detta genom att fokusera mindre på verktyg och mer på beslutsutformning. Det innebär att tydligt definiera var AI bidrar till beslut, var människor fattar besluten och vem som är ansvarig. Jag förespråkar också mindre, resultatinriktade team och kontinuerlig kompetensutveckling, så att AI i beslutsfattandet blir en förmåga som är integrerad i hur arbetet utförs – inte ett lager som läggs ovanpå.

Innan organisationer utformar om hur beslut fattas genom grundläggande organisatoriska förändringar kommer AI:s löfte att förbli outnyttjat.

Hur AI kan förändra rekrytering, personalplanering och ledarskapsbeslut i grunden

För mig har den mest betydelsefulla AI-förändringen skett inom rekrytering, personalplanering och arbetsflöden för ledarskapsbeslut – inte som isolerade AI-användningsområden, utan som omarbetade processer.

1. Arbetsflöde för rekrytering och urval

Använda verktyg: ChatGPT, dataexporter från ATS, verktyg för analys av platsannonser

Så förändrades det: Tidigare byggde rekryteringen i hög grad på CV:n, intuition och ostrukturerade intervjuer. Jag gjorde om arbetsflödet så att AI används före mänskligt omdöme, inte efteråt.

• Jobbannonser delas först upp i kompetenskluster, resultat och riskfaktorer med hjälp av AI
• Anonymiserade CV:n bedöms utifrån kompetensmatchning, överkvalificering och ersättningsrisk
• Intervjupaneler får AI-genererade följdfrågor anpassade efter dessa risker
• Använd resultatet för att utforma om intervjufrågor och kriterier för urval

Resultat: Mer strukturerade intervjuer, minskad partiskhet, tydligare anställningsbeslut och färre avslag i ett sent skede. AI ersätter inte omdömet – det skärper det.

2. Beslutsfattande och anpassning till ledarskapet

Använda verktyg: ChatGPT, delade dokument

Så förändrades det: För komplexa personalbeslut (organisationsförändringar, omformning av roller, successionsplanering) använder jag AI för att simulera scenarier:

• "Vad händer om vi centraliserar jämfört med om vi decentraliserar?"
• "Vilka risker uppstår om vi tar bort detta lager?"

AI-resultat är inte beslut – de är beslutsunderlag. Därefter diskuterar ledarna avvägningar i stället för åsikter.

Resultat: Snabbare samsyn, samtal om ledarskap av högre kvalitet och tydligare ansvarsskyldighet.

Dhanarajs tips

Att införa AI har inte gjort ledarskapet enklare, men det har gjort det ärligare.

3. Personalplanering och organisationsdesign

Använda verktyg: Excel/Sheets + AI-tolkning

Så förändrades det: I stället för att planera personalstyrkan utifrån roller övergick vi till kompetensbaserad planering. AI hjälper till att identifiera överlappande kompetenser, automatiseringspotential och möjligheter till kompetensväxling.

Resultat: Slimmade team, färre överflödiga roller och mer anpassningsbara organisationsstrukturer.

4. Kultur och arbetssätt

AI används för att tydliggöra förväntningar – beslutsmandat, ägarskap och beteenden – så att kulturen inte lämnas outtalad.

Resultat: Mindre tvetydighet, större förtroende och färre personalproblem som maskeras som prestationsproblem.

Så bygger du praktisk AI-kompetens som en ledarskapsförmåga

Jag ser AI-kompetens som en ledarskapsförmåga, inte en teknisk sådan. Så här bygger vi AI-kompetens:

• Börja med användningsområden, inte verktyg: Team introduceras till AI genom verkliga problem – anställningsbeslut, rapportering, planering – så att lärandet blir situationsanpassat och inte abstrakt.
• Lär ut beslutsgränser: Vi definierar uttryckligen vad AI kan bidra med information om och vad människor måste besluta, särskilt i personalrelaterade beslut.
• Normalisera experimenterande: Ledare uppmuntras att testa AI i arbetsflöden med låg risk och dela lärdomar, inte bara framgångar.
• Skapa ett gemensamt språk: Vi standardiserar begrepp som partiskhet, hallucinationer, ansvarsskyldighet och dataskydd så att samtalen blir konsekventa.

"AI-redo" betyder inte att alla kan skriva prompter eller koda – det betyder att människor förstår var AI skapar värde, var det inte gör det och hur man arbetar med det på ett ansvarsfullt sätt. För organisationer innebär det:

• Team kan tydligt formulera varför de använder AI, inte bara hur.
• Beslut dokumenteras med både AI-underlag och mänskligt omdöme.
• Roller utformas utifrån kompetenser och resultat, inte fasta arbetsuppgifter.

Här är några problem vi har stött på längs vägen:

• För stort tidigt beroende av AI-resultat utan tillräckligt sammanhang.
• Motstånd från erfarna ledare som likställde användning av AI med förlust av auktoritet.
• Verktygströtthet – för många pilotprojekt utan tydligt ägarskap.

Vi hanterade detta genom att sakta ner införandet, förstärka ansvarsskyldigheten och göra ledare ansvariga för hur AI påverkar beslut.

I praktiken handlar beredskap och AI på arbetsplatsen mindre om snabbhet och mer om disciplinerat ledarskap.

Varför AI synliggör organisatorisk komplexitet i stället för att minska den

Nu tycker jag att det är värt att nämna att AI inte minskar komplexiteten — det synliggör den.

När vi började använda AI blev det mycket snabbt tydligt var våra antaganden var vaga, beslut dåligt formulerade eller processer saknade tydlighet.

Därför lägger jag mer tid på att definiera rätt frågor, beslutsgränser och framgångskriterier innan jag involverar AI. Det har gjort mig mer eftertänksam, mindre reaktiv och mer fokuserad på omdöme snarare än aktivitet.

I den bemärkelsen har införandet av AI inte gjort ledarskapet enklare, men det har gjort det ärligare.

Hur en slimmad AI-verktygskedja kan förbättra kvaliteten på besluten

Min verktygskedja för HR och ledarskap är medvetet slimmad. Jag prioriterar verktyg som förbättrar kvaliteten på besluten, inte bara snabbheten. Under de senaste 12 månaderna har den största förändringen varit övergången från fragmenterade verktyg till AI-assisterade beslutsarbetsflöden.

AI och beslutsstöd

• ChatGPT / GenAI-verktyg: Används för tydlighet kring roller, finjustering av befattningsbeskrivningar, utformning av intervjufrågor, rimlighetskontroller av ersättning och scenarioplanering. Jag använder också regelbundet ChatGPT för att stresstesta antaganden, synliggöra andrahandseffekter och omformulera personalbeslut innan de fattas.
  Påverkan: Bättre strukturerade rekryteringsbeslut, minskad partiskhet och mer konsekventa utvärderingar.
  Bedömning: Högt värde när det används som en tankepartner, inte som en svarsmaskin.
• AI-verktyg för analys av CV:n och befattningsbeskrivningar (olika plattformar): Används för att identifiera kompetenskluster, risker för överkvalificering och avvikelser mellan roller och kompetenser. Jag har använt AI-assisterade funktioner i LinkedIn Recruiter, Naukri RMS och andra verktyg tillsammans med ATS och strukturerade rekryteringsuppföljningar.
  Påverkan: Förbättrade diskussioner om urval och mindre fram och tillbaka med rekryterande chefer.
  Bedömning: Användbart för mönsterigenkänning, men det slutliga omdömet måste förbli mänskligt.

Grundläggande HR och produktivitet

• System för kandidatspårning (ATS) / Rekryteringsuppföljningar – Överblick över kandidatflödet, samordning av intervjuer och uppföljning av efterlevnad. Jag har använt Oracle HCM Cloud (grundläggande HR-data, ersättningsunderlag, personalrapportering), Workday (grundläggande HR-data, ersättningsunderlag, personalrapportering), SAP HR (hantering av medarbetardata, lönerelaterade valideringar) och PeopleSoft / Ramco HRIS (erfarenhet av äldre HRIS och datahantering).
  Påverkan: Operativ effektivitet och transparens.
  Bedömning: Nödvändiga grundverktyg, men begränsat strategiskt värde utan AI-lager.
• Excel / Google Sheets (förbättrade med AI-insikter) – Personalplanering, analys av rekryteringsflödet och jämförelser av ersättning.
  Påverkan: Fortfarande det mest flexibla verktyget för HR-beslut.
  Bedömning: Underskattat, men kraftfullt när det kombineras med AI-tolkning.
• Samarbetsverktyg (e-post, Slack, dokument) – Kommunikation med intressenter, dokumentation av beslut och samsyn.
  Påverkan: Snabbare samsyn och färre luckor i beslutsprocessen.
  Bedömning: Effektiviteten beror mer på ledarskapets disciplin än på själva verktyget.

Överlag är mitt arbetssätt verktygsoberoende men principstyrt: AI är värdefullt inte för att det automatiserar HR-verksamheten, utan för att det tvingar ledare att tänka tydligare kring människor, arbete och ansvar.

Varför HR kommer att bli samordnare av AI-förstärkta mänskliga upplevelser

Framtiden handlar inte om människor kontra AI — den handlar om människor förstärkta av AI. AI hanterar repetitiva, datatunga och prediktiva uppgifter, vilket frigör människor till att fokusera på strategi, kreativitet och relationer — de unikt mänskliga delarna av arbetet.

Dhanarajs tips

Framtiden handlar inte om människor mot AI – den handlar om människor som förstärks av AI.

Under de kommande fem åren tror jag att roller som min kommer att utvecklas från operativ HR och talanghantering till att samordna AI-förstärkta mänskliga upplevelser.

HR-avdelningar kommer att gå från att vara processinriktade till att drivas av insikter och använda prediktiv analys, agentiska arbetsflöden och AI-baserade prestationsverktyg för att förutse talangbehov, individanpassa medarbetarupplevelser och driva strategiska verksamhetsresultat.

På branschnivå kommer dessutom gränsen mellan mänskligt och maskindrivet beslutsfattande att suddas ut, och framgången kommer att tillhöra organisationer som kan balansera AI-effektivitet med mänskligt omdöme, empati och kultur. Detta gäller särskilt små team som implementerar AI-strategier.

Fokus kommer inte bara att ligga på att göra saker snabbare – det kommer att handla om att göra rätt saker på ett smartare sätt.

Vad HR-ledare bör göra nu

För personer i liknande roller är mitt råd att omfamna nyfikenhet och kontinuerligt lärande. Förändringstakten med AI och agentiska arbetsflöden innebär att gårdagens handlingsplan kanske inte fungerar i morgon. Fokusera på att förstå ny teknik, experimentera med den och omsätta dessa insikter i konkreta verksamhetsresultat.

För ledare mer generellt vill jag betona vikten av att balansera djärvhet med empati. Förändring handlar inte bara om teknik – det handlar om människor. Led med en tydlig vision, ge teamen möjlighet att förnya sig och skapa en miljö där experimenterande och kalkylerat risktagande uppmuntras. De som kan integrera teknik med ett människocentrerat ledarskap kommer att definiera nästa framgångsvåg.

Följ med

Du kan följa Dhanarajs utforskande av människocentrerade metoder för AI på LinkedIn och på hans konsultwebbplats webbplats.

Fler expertintervjuer kommer på People Managing People!

Gå med i People Managing People-communityn. Gratis konton ger dig veckovisa insikter, praktiska ramverk och strategier från kollegor som hjälper dig att leda smartare, inte hårdare.

Skapa ditt gratiskonto idag.