HR-teknikchef säger att övergången till AI från grunden avslöjade vilket arbete medarbetarna faktiskt vill utföra

Jenny Podewils är medgrundare och med-VD för Leapsome, en HR- och AI-plattform som används av över 2 000 företag globalt. Hennes tidigare erfarenhet från en snabbväxande startup inom ren teknik och som stabschef i en snabbt föränderlig bransch ledde henne till att fokusera på en central fråga: Hur bygger vi organisationer som är samordnade, lär sig snabbt och presterar på en hög nivå?

Vi pratade med henne för att ta reda på mer om hur hon besvarar den frågan med AI. Här är vad hon hade att säga.

Att utforma organisationer som lär sig snabbt och presterar väl

Jag heter Jenny Podewils och är medgrundare och med-VD för Leapsome. Jag växte upp i Berlin i Tyskland som dotter till två akademiker, med regelbundna internationella gäster och tankeväckande middagsdiskussioner.

Det väckte mitt intresse för att ta itu med stora globala utmaningar. Under min universitetsutbildning i Schweiz och Storbritannien upptäckte jag att verksamheter med fokus på samhällspåverkan var rätt sätt att skapa en positiv inverkan.

Mina roller på en snabbväxande startup inom ren teknik och som stabschef på ett snabbt föränderligt medieföretag väckte mitt intresse för en fråga. Hur bygger vi organisationer som arbetar tillsammans med AI-agenter, lär sig snabbt och presterar på en hög nivå?

Jag blev djupt intresserad av att skala upp samordningen, utforma miljöer som lär sig snabbt och presterar väl samt bygga bättre organisationer med verkliga data som grund. Människor tillbringar ungefär 80 000 timmar av sina liv på arbetet. Den tiden bör ha betydelse. Den övertygelsen blev grunden för Leapsome.

Kajetan von Armansperg och jag grundade Leapsome 2016 för att hjälpa andra att bygga högpresterande team, utforma enastående medarbetarupplevelser och skapa framgångsrika företagskulturer med hjälp av människocentrerad HR-programvara.

Leapsomes heltäckande HRIS-, talang- och AI-plattform används av över 2 000 framgångsrika kunder med människan i centrum över hela världen. Jag är baserad i New York, där vi har ett av våra globala kontor.

Som ledare lyssnar jag alltid och ställer de svåra frågorna. Jag litar på ansvariga personer och är beslutsam när det gäller det jag själv ansvarar för. Jag har mycket höga krav och värdesätter skyndsamhet och genomslag.

Att välja att vara helt AI-drivna internt

Vi började tidigt ta till vara AI:s fördelar för våra kunder och lanserade effektfulla AI-funktioner i vår produkt snabbt. Vi fattade också ett medvetet beslut att bli helt AI-drivna internt.

Vi tog tidigt fram visionen, fastställde riktlinjerna och införde infrastrukturen och verktygen. Hundra procent av vårt team använder AI-verktyg eller AI-agenter i sitt dagliga arbete, och mer än 60 % av våra medarbetare har byggt åtminstone enkla agenter för att automatisera vissa uppgifter. Därför är AI-användning och experimenterande en del av vårt vanliga arbete och våra roller på Leapsome.

Vi fortsätter att bygga in AI i processer över hela plattformen — från prestationshantering till enkäter och från lönehantering till arbetsflöden. Det är spännande att se hur vi kan hjälpa våra kunder att använda AI på ett effektfullt sätt, eftersom AI är direkt tillgängligt där deras HR-kontext ”lever”.

Hur införandet av AI synliggör dolda möjligheter på arbetsplatsen

När vi införde AI-verktyg internt och såg användningskurvan — hela vårt team använder AI regelbundet och de flesta bygger sina egna agenter — förväntade jag mig motstånd: viss skepsis och visst motstånd från personer som hellre höll fast vid det de redan kände till.

I stället möttes jag av en blandning av entusiasm och lättnad. Människor ville slippa det arbete som hade samlats kring deras egentliga arbetsuppgifter: att skriva första utkast, sammanfatta, följa upp, hämta data och formatera. När AI tog hand om det öppnades något upp — människor fick mer tid till meningsfullt arbete som kräver kritiskt tänkande och mänskligt omdöme.

Det lärde mig något obekvämt. Vi gav inte bara begåvade människor tråkiga arbetsuppgifter. Vi hade byggt system som långsamt begravde de bästa delarna av deras roller under administrativa strukturer, och de flesta accepterade i tysthet att det helt enkelt var så saker fungerade. AI gjorde detta synligt. När det väl hade blivit synligt ville ingen gå tillbaka. Potentialen är enorm, och det är spännande!

Den verkliga lärdomen: införandet är det minsta av problemen. Det du upptäcker när administrationen har röjts undan är där det verkliga arbetet börjar.

Så kan ledare ta till sig AI

En viktig del av min roll som ledare är att avsätta tid för min egen fortsatta utbildning och praktiska experimenterande med AI. Jag anser att det är avgörande för dagens ledare att skapa utrymme för detta.

Möjligheten för ledare och yrkesverksamma inom personalfunktionen är att ta en mer strategisk partnerroll gentemot verksamheten genom att automatisera manuella processer, övervinna fragmenterade data och snabbare ta fram insikter. Detta frigör också kapacitet för det viktiga personal- och verksamhetspartnerarbete som inte bör automatiseras.

Jag har varit tvungen att släppa tanken på att ”tid ansikte mot ansikte” med chefer är det primära sättet för medarbetare att utvecklas. AI-coachning kan, när den utförs på rätt sätt och med mänsklig översyn, ge konsekvent och aktuell vägledning som inte ens de bästa cheferna kan erbjuda i stor skala.

För att vara tydlig: det ersätter inte cheferna, utan utökar deras räckvidd och säkerställer att medarbetarna får stöd mellan de formella avstämningarna.

Så förändrade vi prestationsbedömningarna med AI

Vi förändrade prestationsbedömningarna, både internt och i vår produkt, med hjälp av AI. Det förändrade i grunden hur vi ser på hela processen.

Det gamla sättet: Chefer lade timmar på att skriva utkast till bedömningar, ofta från grunden, och hade svårt att komma ihåg specifika prestationer från flera månader tidigare. En omständlig och långsam process som kräver mycket administrativt arbete försämrar resultaten och tidsplanerna! Bedömningar riskerar att bli en formalitet för att uppfylla krav i stället för ett samtal om samsyn och utveckling.

Det AI-förstärkta sättet: Vi byggde en AI-assistent som utformar utkast till återkoppling på bedömningar med hjälp av sammanhang från möten, mål och tidigare återkoppling. AI vägleder användarna genom processen, lyfter fram relevant information — vad medarbetaren åstadkom, var hen hade svårigheter och hur hen utvecklades — och föreslår formuleringar som chefer kan redigera, förfina och anpassa utifrån sitt mänskliga omdöme, sin empati och sin personliga relation till sina direktrapporterande medarbetare.

Resultat: Mediantiden som chefer lägger på att skriva bedömningar minskade betydligt. Ännu viktigare är att kvaliteten förbättrades eftersom cheferna redigerar och lägger till nyanser i stället för att stirra på en tom sida. Medarbetarna uppger att återkopplingen känns mer specifik och handlingsinriktad.

Vi har tillämpat samma logik på frågor och svar från medarbetare. HR fick upprepade gånger besvara samma policyfrågor via Slack, e-post och ibland från samma person som frågade mer än en gång. Vår AI-agent för servicedesk svarar nu på dessa frågor på ett enkelt språk och hämtar information från vår kunskapsbas. HR får tillbaka den tiden för arbete som kräver mänsklig expertis.

Vi tillämpade också detta på analysen efter medarbetarundersökningar. Tidigare lade vi veckor på att sammanställa fritextsvar, ofta ofullständigt. AI lyfter nu fram teman och mönster inom några dagar, så att ledare kan agera medan återkopplingen fortfarande är aktuell.

Den gemensamma nämnaren: AI tog över den administrativa arbetsbördan, så att människor kunde fokusera på arbete som kräver mänskligt omdöme, till exempel samtalen, besluten och uppföljningen som ingen kan delegera.

Varför AI:s potential ofta överstiger organisationens beredskap

Människor hör ”AI kommer att förändra HR” och förväntar sig en magisk knapp. AI är bara så bra som de data, arbetsflöden och den styrning som omger tekniken. Om dina medarbetardata finns i fem frånkopplade system, eller om dina processer är informella och inkonsekventa, kan AI inte lösa det.

Ännu värre är att AI kan lyfta fram fel data och i bästa fall skapa förvirring och i värsta fall orsaka ett verkligt problem.

Jennys tankar

AI är bara så bra som datan, arbetsflödena och styrningen runt den.

Vi hanterar detta genom att utforma AI som är inbäddad i vår produkt, som ditt registersystem, där all din kontext är kopplad till dina processer och arbetsflöden – inte påklistrad som en separat funktion.

Vår AI coachar medarbetare i målsättningsprocessen. Den hjälper till med utvärderingar under utvärderingscykeln. Den besvarar policyfrågor från en definierad kunskapsbas. Strukturen skapar skyddsräckena, och AI:n verkar inom dem.

Vi utgår också från människa i loopen. Vår AI utarbetar utkast, ger förslag och sammanfattar, men vidtar inga åtgärder utan att en person godkänner dem. Vi anser att HR-beslut innefattar kontext, nyanser och konsekvenser som AI inte bör hantera autonomt. Ledare som vill att AI ska ”bara göra det” utan tillsyn bäddar för juridiska, etiska och förtroendemässiga problem.

Att gå på djupet snarare än på bredden med AI-integrering

För ett år sedan hade vi många verktyg. Nu har vi färre, och de är mer integrerade. Vi har gått på djupet snarare än på bredden. Vi använder AI-funktioner genom hela våra arbetsflöden: utkast till utvärderingar, sammanfattningar av enkäter, vår AI-drivna coach, frågor och svar om policyer, mötestranskribering och dataanalyser.

Det här är inte separata AI-tillägg; vi bygger in dem där arbetet sker, vilket säkerställer användning.

Vår grund är vårt eget verktyg, och att vara vår egen kund gör saker tydligare. Det håller oss ärliga. Vi använder det till allt: HRIS (medarbetarregister, dokument, frånvaro, löneförberedelser och arbetsflöden), talanghantering (prestationsutvärderingar, mål, engagemangsenkäter, feedback, lärande och 1:1-samtal) och AI. Datan finns på ett och samma ställe, vilket är viktigare än det kanske låter.

Dessutom har vi byggt anpassade agenter i Dust och Notion för användning över teamgränserna. Gemini, Claude och Lovable ingår alla i mixen, beroende på uppgiften. Och varje team har sin egen verktygsuppsättning ovanpå detta. Vi försöker inte standardisera allt, men vi är medvetna om vad som utgör grunden.

Den största förändringen under det senaste året har varit konsolidering. Vi hade för många punktlösningar, där var och en gjorde en sak bra men skapade datafragmentering och ständiga kostnader för att växla mellan verktyg. Färre verktyg, djupare integrering och AI inbäddad i arbetsflödena i stället för isolerad i en enda app.

Varför en AI-utvecklingscoach kan förändra spelplanen

Vi använder vår egen utvecklingscoach internt. Det är en AI-agent som ger medarbetare och chefer vägledning i realtid kring utveckling, utan att de behöver vänta på en formell utvärderingscykel eller på att chefen ska vara tillgänglig.

Chefer på växande företag har mycket att göra. De kan inte stämma av med alla, och medarbetare som behöver vägledning får ofta inte det förrän det är dags för en utvärdering. Utvecklingscoachen förändrar den rytmen.

Medarbetare kan ställa frågor om sina mål, få konkreta nästa steg och förstå vad som innebär att vara ”utmärkt” i sin roll. Chefer kan använda den för att förbereda meningsfulla samtal i stället för reaktiva. Den använder kontext från mål, feedbackhistorik och företagets ramverk, så det som kommer fram är specifikt, inte generiskt.

Det jag bryr mig mest om är vad som händer i bakgrunden: signalerna. När medarbetare ställer AI:n frågor som vi annars aldrig skulle få höra lär vi oss något – inte om individer (informationen är aggregerad och anonym) – utan om var tydlighet saknas, var människor känner sig fast och vad chefer inte tar upp. Den typen av tidig signal är svår att få på något annat sätt.

Agenter sträcker sig även utanför arbetet. Hemma har jag byggt flera anpassade AI-agenter för att göra det enklare att få familjelivet att fungera. Jag skapade till exempel en veckoplanerare för måltider som tar hänsyn till de principer för hälsosam kost som jag har fastställt.

Varför kollegialt ledd och praktisk undervisning är det bästa sättet att bygga AI-kompetens

Vi gjorde användningen av AI till en strukturell del, inte ett valfritt inslag. Alla i teamet har tillgång till AI-verktyg, inte bara ingenjörer eller produktteam. AI-kunnighet kan inte vara ett privilegium för vissa roller eller funktioner.

Vi byggde kompetens genom att dela med oss, inte genom obligatorisk utbildning. Medarbetare visar hur de använder AI i sina arbetsflöden. Det är kollegialt lett, praktiskt och ibland rörigt, men det är det som gör att det fastnar. Någon visar något som fungerade, och någon annan anpassar det till sin kontext. Den spridningen skapar verklig användning snabbare än någon centralstyrd lansering.

Det jag har lagt märke till: ju mer människor experimenterar, desto mer arbete hittar de som de vill automatisera – uppgifter som de i flera år hade vant sig vid att se som ”bara en del av jobbet”. AI ger människor tillåtelse och möjlighet att ifrågasätta det.

När det gäller styrning är vi tydliga med datasekretess. Alla vet vilka data som får och inte får matas in i externa AI-verktyg. Det är icke förhandlingsbart. Tydlighet kring skyddsräcken ger människor förtroendet att tänja på gränserna inom dem.

När det gäller hur "AI-redo" ser ut skulle jag beskriva det mindre som en checklista och mer som en kultur. Medarbetare som experimenterar utan rädsla för att bli dömda. Team som frågar: "Borde en person göra det här?"

Ledare som öppet visar hur de använder AI, inte som ett framträdande, utan för att de faktiskt använder det. Jag försöker själv vara tydlig med det. Om jag ber mina team att bygga upp AI-kompetens och inte själv använder det, då är det inte ledarskap. Det är teater.

Varför AI bara är så bra som de data som det får tillgång till

Dataåtkomst är avgörande. AI är bara så bra som de data som det får tillgång till.

En glänsande, fristående AI-agent utanför ditt HR-system kan visserligen skriva en arbetsbeskrivning. Den kan inte tala om för dig om engagemanget minskar i ett visst team, om en högpresterande medarbetare inte har haft ett utvecklingssamtal på flera månader eller om en chefs direktrapporterande konsekvent presterar sämre än vad deras egna kollegiala utvärderingar visar.

Den här insikten kräver historiska, sammanlänkade data — HRIS, mål, återkoppling, utvärderingar, engagemang och lärande, allt på samma plats. Fragmenterade punktlösningar, oavsett hur AI-drivna de är, kan inte leverera det. Vi har ägnat år åt att bygga för att lösa det problemet.

Vår färdplan fokuserar på den agentbaserade delen. Vi bygger agenter som hanterar avgränsade, specifika uppgifter: utkast till dokument, svar på policyfrågor och påminnelser till chefer om att följa upp, samtidigt som människor behåller beslutsmandatet.

Dessa agenter körs i bakgrunden. Målet är att utöka vad ett slimmat HR-team kan åstadkomma. Det gör det möjligt för en HR-ledare som ansvarar för personalverksamheten för 200 medarbetare tillsammans med en eller två kollegor att sluta ägna dagarna åt administrativa uppgifter och i stället börja fokusera på arbete som leder till resultat.

Varför AI tvingar HR att ompröva sitt syfte

För HR-ledare är det här ögonblicket mer än en teknisk övergång. AI tvingar HR att ompröva sitt syfte.

Många av de personer jag pratar med började arbeta inom HR eftersom de brydde sig om människor. De ville bygga kulturer, utveckla ledare och skapa miljöer där människor kunde göra sitt bästa arbete.

Någonstans på vägen blev många processadministratörer. System samlades på hög. Rollen formades kring dem. Om din HR-teknik värdesätter process framför människor kommer den dynamiken att forma rollen över tid. Verktyg formar beteenden. System formar roller. Det är värt att sätta ord på och värt att förändra.

Några praktiska råd för att använda AI inom HR:

• Börja med det arbete du avskyr, inte med den mest glänsande funktionen. Var lägger du tid på repetitiva uppgifter med lågt värde? Använd AI där först. Det första utkastet. Sammanfattningen. Jakten på uppföljning. Automatisera de uppgifterna och skydda din tid för arbete som kräver dig.
• Utgå från att en människa ska vara delaktig. AI ska hjälpa till, inte fatta beslut, särskilt inom HR, där beslut påverkar människors karriärer och försörjning. Fastställ och upprätthåll tydligt den förväntningen.
• Rör dig snabbare än du känner dig bekväm med. Organisationer som bygger upp AI-kompetens nu kommer att få kumulativa fördelar. Att vänta på att AI ska "mogna" är ett val som kostar.
• Ta med dig teamet. Juniora medarbetare och chefer nära verksamheten ser ofta de tydligaste möjligheterna. Införandet är lika mycket en kulturutmaning som en teknisk sådan.
• För ledare mer generellt: Visa själv hur AI används, investera seriöst i dina chefer och håll syftet i centrum. AI förändrar hur arbetet utförs. Det förändrar inte varför det är viktigt.

Hur HR-roller kommer att utvecklas under de kommande fem åren

Inom fem år tror jag att HR helt kommer att lämna sin identitet som processadministratör bakom sig, och företag som fortfarande behandlar HR på det sättet kommer att märka det i sina affärsresultat.

Förändringen pågår redan. HR-ledare i framåtblickande organisationer mäts inte på om utvärderingar har genomförts eller enkäter har skickats ut. De mäts på resultat:

• Förbättras medarbetarnas kvarstannande där det är viktigast?
• Utvecklar cheferna sina medarbetare?
• Kan vi se ett samband mellan engagemang, prestation och produktivitet som vi kan agera på?

AI möjliggör den förändringen genom att på ett tillförlitligt sätt hantera det operativa lagret, så att HR-ledare kan fokusera på strategi, diagnostik och insatser.

Framtidens HR-team kommer att vara mindre, mer seniora och betydligt mer inflytelserika. Inte för att antalet anställda minskar, utan för att rollen breddas och vinner trovärdighet vid ledningsbordet. Mindre tid i det administrativa lagret, mer tid i rummet när affärsbeslut fattas.

Organisationer som fortfarande driver HR med fragmenterade system, separata verktyg för HRIS, prestation, engagemang och lärande, kommer att möta en mätbar nackdel. AI genererar användbara insikter från sammankopplade data. Från data i silos genererar AI brus. Fragmentering håller på att bli ett dyrt arv, och uppvaknandet är närmare än de flesta förväntar sig.

Den version av HR som vinner om fem år kommer att likna mycket mer det som de flesta trodde att de började arbeta med när de gav sig in i branschen.

Så håller du AI människocentrerad inom HR

Om HR implementerar AI på ett dåligt sätt — genom att använda det för att undanröja ansvar, skala upp dåliga beslut snabbare eller behandla det som ett substitut för de svåra mänskliga samtal som bygger kulturer — slösar vi inte bara bort möjligheten. Vi urholkar förtroendet på sätt som är svåra att återuppbygga.

En felaktig AI är inte den största risken. Risken är AI som fungerar exakt som den är utformad men pekar i fel riktning. Utvärderingar som sker snabbare men känns mindre mänskliga. Policyer som får ett ”svar” av en chattbot utan att någon kontrollerar om svaret är korrekt eller rättvist. Beslut som verkar objektiva eftersom de kommer från ett system, när systemet återspeglar antagandena hos den som byggde det.

Vår filosofi är tydlig: AI ska aldrig ersätta mänskligt omdöme i beslut som påverkar någons karriär, försörjning eller välbefinnande. AI utarbetar, föreslår och synliggör. En person granskar, beslutar och tar ansvar för resultatet. Mänskligt omdöme är inte förhandlingsbart.

Jennys tankar

AI ska aldrig ersätta mänskligt omdöme i beslut som påverkar någons karriär, försörjning eller välbefinnande…Mänskligt omdöme är inte förhandlingsbart.

De HR-ledare jag respekterar mest frågar inte bara ”hur mycket kan vi automatisera?” De frågar också ”vad bör aldrig automatiseras, och varför?” Den disciplinen skiljer AI som bygger förtroende från AI som urholkar det.

Det är också ett av de mest återkommande samtalen i Människor framför förmåner, vår community för HR-professionella — och ärligt talat kommer en del av de mest jordnära tankarna om detta ämne därifrån. Om det är en fråga som du arbetar med i din egen organisation vill jag uppmuntra dig att gå med.

Som jag sa tillbringar människor ungefär 80 000 timmar av sina liv på arbetet. Den tiden bör vara meningsfull. AI bör bidra till att göra den ännu mer meningsfull.

Följ med

Du kan följa Jenny Podewils arbete på LinkedIn och ta en titt på Leapsome!

Fler expertintervjuer kommer på People Managing People!