Löne- och rekryteringsexpert säger att AI har kraften att förändra din HR-organisation

Nick Day är grundare av JGA Recruitment Group, ett specialiserat rekryteringsföretag inom lönehantering och HR som har hjälpt tusentals yrkesverksamma att hitta arbete på sex kontinenter. Vid sidan av att leda företaget är han värd för branschpodcaster, coachar chefer och har blivit en av löneområdets mest erkända opinionsbildare. De senaste två åren har han placerat sig som en av Thinkers360:s främsta globala opinionsbildare inom lönehantering.

Vi pratade med Nick om hur AI förändrar rekryteringen, ledarskap och framtiden för mänskligt omdöme inom löne- och HR-yrkena. Här är vad han hade att säga.

Att hjälpa yrkesverksamma inom lönehantering att gå från osynlighet till inflytande

Jag heter Nick Day och är grundare av JGA Recruitment Group, ett specialiserat rekryteringsföretag inom lönehantering och HR som jag startade 2008. Tidpunkten var, på pappret, fruktansvärd. Vi lanserade företaget två månader innan Lehman Brothers kollapsade, mitt under den värsta lågkonjunktur som de flesta av oss någonsin hade upplevt.

Men jag hade en övertygelse som bara har fördjupats sedan dess: lönehantering är en nödvändighet. Lågkonjunkturer kommer och går. Människor behöver fortfarande få lön. Den övertygelsen blev ryggraden i allt jag har byggt upp.

JGA har hjälpt tusentals yrkesverksamma inom lönehantering och HR att hitta arbete på sex kontinenter och blev B Corp-certifierat 2024. Vid sidan av rekryteringen är jag värd för Lönepodden och HR L&D-podden, där jag har intervjuat fler än 400 ledare, teknologer och förändringsskapare inom yrket.

Thinkers360 har rankat mig som nummer ett bland globala opinionsbildare inom lönehantering två år i rad, och PayrollOrg tilldelade mig Globalt visionspris 2024.

Jag är också en kvalificerad chefscoach på ILM Level 7-nivå och grundare av T4M Coaching. Det arbetet har tagit mig till internationella scener, där jag har hållit huvudtal om ledarskap, inflytande, rädsla och arbetslivets framtid.

I mars i år publicerade jag min första bok, Lönepivoten: Från osynlighet till inflytande, där jag sammanfattar mycket av det jag har lärt mig under två decennier i yrket.

Yrkesverksamma inom lönehantering och HR har redan kompetensen. De saknar ofta språket och modet att ta den strategiska plats som de redan har gjort sig förtjänta av. Det jag bryr mig mest om är att hjälpa dem att göra den förändringen, från osynlighet till inflytande. Min ambition är att lämna yrket starkare än jag fann det.

Hur AI kan förkorta tidsramarna för kartläggning av marknaden

Det ögonblick då jag insåg att AI förändrade hur jag leder kom en tisdagsmorgon i början av 2025. Jag satt vid mitt skrivbord med en marknadskartläggning som historiskt hade tagit mitt team en hel vecka att ta fram.

Jag hade ägnat det föregående året åt att målmedvetet vidareutbilda mig. Jag gick en kurs i Python för nybörjare, som lärde mig att jag inte behövde förstå kod för att dra nytta av AI. Jag genomförde också certifieringen AI för företagsledare vid Code Institute, vilket gav mig en praktisk modell för att införa AI. Den tisdagsmorgonen var första gången investeringen tydligt gav resultat.

En kund presenterade ett komplext uppdrag för oss. De byggde upp en global lönefunktion från grunden och behövde förstå var kompetens fanns i tre regioner, realistiska löneintervall, vilka bakgrunder som hade lett till framgång i liknande roller och vilka konkurrenter som omstrukturerade verksamheten och sannolikt skulle ha tillgänglig kompetens.

I vårt arbetsflöde före AI hade detta inneburit att vi behövde ta tre kollegor från andra arbetsuppgifter under större delen av en vecka, samla in uppgifter från LinkedIn, jämföra löneundersökningar, ringa kontakter och sammanställa svaret i en presentationsfil.

Under några månader hade jag experimenterat med ett annat tillvägagångssätt. Jag gav uppdraget till en LLM i en projektarbetsyta som jag hade skapat för vårt marknadsanalysarbete. Där använde jag vår anonymiserade databas över tillsättningar, våra uppgifter om lönestatistik och en mapp med färdiga marknadsrapporter som referensmaterial. Jag bad den ta fram ett första utkast.

Fyrtio minuter senare hade jag en strukturerad marknadskarta med regionala talangvolymer, löneintervall, konkurrentindikatorer och namngivna målföretag. Arbetet var inte perfekt. Vi ägnade en halv dag åt att verifiera siffror, lägga till marknadsinformation från aktuella samtal och ta bort företag som AI:n inte visste att vi hade relationer med. Men grunden till en veckas arbete fanns på min skärm innan jag hade druckit upp kaffet.

Flera faktorer gjorde skillnad för hur jag använde det. Vi skapade en särskild projektarbetsyta i vårt LLM och inkluderade våra egna anonymiserade data, exempel på vår varumärkesröst, exempel på starka och svaga resultat samt en skriftlig beskrivning av vad som kännetecknar ett bra resultat för vår verksamhet.

Vi införde en enhetlig promptstruktur i hela teamet med hjälp av ROSES-ramverket (Role, Objective, Scenario, Expected Solution, Steps). Vi använder det för AI-prompter, på ungefär samma sätt som vi använder en strukturerad intervjumodell för kandidater. Det minskar hallucinationer, skärper resultatet och gör arbetet granskningsbart.

Hur AI kan stödja rekrytering och strategi

Nicks tankar

Tidigare ägnade vi timmar varje dag åt arbete runt själva omdömet, snarare än åt omdömet i sig … AI gör nu det mesta av detta på några minuter. Vi använder den frigjorda tiden till samtal med kandidater och kunder som påverkar resultaten.

Dessutom utarbetar AI nu kandidatunderlag utifrån våra anteckningar från inledande möten. Vårt team granskar och färdigställer dem sedan. Det minskar förberedelsetiden för varje rekrytering med ungefär en timme och förbättrar enhetligheten i teamet.

Ett strukturerat AI-arbetsflöde hanterar innehållsproduktionen för våra poddar och nyhetsbrev genom att sköta transkribering, sammanfattning och första utkast till programanteckningar. Det gör att det redaktionella omdömet förblir hos mitt team och mig.

Vår lönebenchmarking, som tidigare var en manuell kvartalsinsats, uppdateras nu kontinuerligt mot aktuella marknadsdata.

Jag använder också AI i strategi och beslutsfattande, men med tydlig disciplin. Jag använder den som en tankepartner snarare än som beslutsfattare. När jag arbetar med en affärsfråga – oavsett om det gäller ett rekryteringsbeslut, en ny marknad som vi överväger eller en utmaning inom organisationsdesign – ber jag ofta AI att argumentera för motsatsen till min intuition.

Det här är den konfronterande prompt jag nämnde tidigare. Den enda vanan har hindrat mig från att fatta åtminstone två beslut under det senaste året som jag annars skulle ha ångrat.

Tidigare ägnade vi timmar varje dag åt arbete runt själva omdömet, snarare än åt omdömet i sig: att utarbeta rollbeskrivningar, sammanfatta kandidatsamtal och matcha mot tusentals rekryteringsuppdrag för att förstå varför en viss löneadministratör trivs i en viss verksamhet.

AI gör nu det mesta av detta på några minuter. Vi använder den frigjorda tiden till samtal med kandidater och kunder som påverkar resultaten.

Hur AI kan urholka det du står för

Men jag drar en tydlig gräns. Vi har inga planer på att använda AI-avatarer för att intervjua kandidater, även om möjligheten finns. Som ett företag som bygger på kvaliteten i mänskliga relationer skulle användning av AI i själva ögonblicket för mänsklig kontakt urholka allt vi står för. AI hjälper i vår värld en kandidat att förbereda sig inför intervjun. Den blir inte själva intervjun.

Jag är särskilt försiktig när det gäller kultur och organisationsdesign. AI är användbar för att stresstesta strukturer eller modellera scenarier, men människor måste själva utföra det kulturella arbetet. Samtalen, förtroendeskapandet och att uppfatta det som inte sägs. Jag skulle inte delegera det till en maskin, och jag skulle vara försiktig med alla ledare som skulle göra det.

Innan vi automatiserar något ställer jag numera en fråga till mig själv: "Bör vi göra det?" Det här filtret har blivit en central del av hur jag leder i en tid som domineras av AI-drivna lösningar.

Hur AI:s inställsamma natur påverkar ledarskapet

AI är inställsam. Jag tycker inte att det diskuteras tillräckligt.

Be AI om feedback på något du har skrivit, så kommer den att säga att arbetet är bra. Utmana den kring en ståndpunkt den just har intagit, så ger den efter och håller med dig.

Fråga om din idé är bra, så kommer den att säga att idén är fantastisk. Standardinställningarna är utformade för att få dig att känna dig kompetent, vilket är en bra funktion vid vardaglig användning och ett allvarligt problem om du använder AI för att vässa ditt tänkande.

När jag väl lade märke till mönstret började jag se det överallt. Därför har jag byggt processer specifikt för att motverka det, där det viktigaste är det jag kallar en "fientlig prompt". I stället för att fråga "Vad tycker du om det här?" ber jag AI:n argumentera emot det. "Inta ståndpunkten hos någon som inte håller med om det här argumentet. Lägg fram det starkaste möjliga fallet för varför det är fel."

Denna enda förändring synliggör svagheter som den vanliga prompten aldrig hade blottlagt, och nu lär jag ut den till alla konsulter och coachningsklienter.

Utöver det får allt som är viktigt i vår verksamhet mänskliga ögon på sig innan det lämnar kontoret. AI hanterar det första utkastet. Det sista ordet ligger alltid hos en person. Den ordningen är nu inte förhandlingsbar.

Den tredje saken är mer personlig. Jag har lärt mig att vara skeptisk till hur AI får mig att känna. Om jag avslutar en interaktion med en känsla av att vara bekräftad och energifylld är det en signal att sakta ner i stället för att öka tempot.

De mest användbara AI-samtalen jag har är de som lämnar mig obekväm, eftersom de har sagt emot, blottlagt något jag inte hade sett eller fått mig att ompröva en ståndpunkt som jag redan hade bestämt mig för.

Varför införandet av AI kräver fokus på beteendeförändring

Organisationer köper in AI snabbare än de förbereder användarna. AI lovar snabbhet, precision och strategiska förbättringar. Verkligheten är tystare och rörigare.

Organisationer implementerar ett verktyg, ger användarna en halvdagsdemonstration, en Slack-kanal för frågor och vaga instruktioner om att "experimentera". Sex månader senare undrar ledningsgruppen varför användningen inte är helt integrerad och produktivitetsvinsterna inte har blivit verklighet. Tekniken fungerar. Systemen runt omkring gör det inte.

De underskattar den mänskliga delen av ekvationen, särskilt rädslans roll. De lanserar AI som ett teknikprogram när de i stället borde driva det som ett program för beteendeförändring med teknik som en del av det. Jag ändrade ordningen på våra investeringar.

Innan du implementerar någon ny AI-funktion bör du investera i tre saker:

1. Tydlighet kring vad tekniken kommer och inte kommer att göra, så att fantasin inte kan fylla tomrummet med värsta tänkbara scenarier
2. Psykologisk trygghet, så att teamet känner att det kan erkänna vad det inte förstår utan att det hålls emot dem vid nästa utvecklingssamtal
3. Kompetensutveckling, både teknisk och beteendemässig, så att människor vet att de får rätt utrustning och stöd – inte ersätts.

Först när dessa tre grundvalar är på plats bör du börja arbeta med själva verktyget.

AI misslyckas inte för att verktyget är fel. Det misslyckas eftersom människorna som använder det aldrig fick tillåtelse att först vara människor.

Så bygger du AI-kompetens

Vi började bygga AI-kompetens med grunderna. Jag introducerade teamet till ramverket för ROSES-prompter som jag nämnde tidigare. Detta ramverk gav oss ett gemensamt språk för att strukturera prompter: Roll, mål, scenario, förväntad lösning och steg.

Detta höjde i sig kvaliteten på resultaten i hela teamet på ungefär två veckor. Vi slutade behandla AI som en sökmotor och började behandla det som en forskare som behöver ett ordentligt uppdrag.

Vi formaliserade också styrningen. Vi införde en intern policy för AI-användning. Den anger vilka uppgifter som får och inte får matas in i AI-verktyg, var en mänsklig dubbelkontroll är obligatorisk och vad som är helt förbjudet. Dessutom får varje konsult utbildning i EU:s AI-förordning och dess direktiv. Vi arbetar med kunder i hela Europa, och regelverket förändras snabbt.

Nästan alla problem vi stötte på var mänskligt relaterade. Vissa konsulter stannade tyst upp, generade över att de inte förstod det. Andra litade för mycket på resultatet och hoppade över verifieringen. Därför har det varit avgörande att bygga upp trygghet kring AI-användning.

Så avgör du vilka AI-verktyg som är värda att införa

Vår verktygsstack omfattar fyra lager:

• En central LLM-miljö där vi bedriver merparten av vår forskning, utformning och analys, konfigurerad med projektarbetsytor och våra egna data.
• Ett CRM-system som hanterar relationerna med kandidater och kunder.
• Ett lager för podd- och innehållsproduktion.
• Ett arbetsflödeslager som integrerar allt.

Verktygen i sig är numera för det mesta standardiserade. Jag anser dock fortfarande att ett fantastiskt team med genomsnittliga verktyg alltid kommer att prestera bättre än ett genomsnittligt team med de bästa verktygen.

Principen jag numera tillämpar på alla beslut om verktyg är: tar det bort friktion från arbete som kräver mänskligt omdöme, eller lägger det till ytterligare ett lager mellan människorna vi hjälper och oss? Om det senare gäller köper vi det inte.

Varför AI kommer att polarisera rekryteringsbranschen

Nicks tankar

Ledarna som lyckas under de kommande fem åren kommer inte att vara de mest tekniskt insatta. De kommer att vara de mest mänskliga.

Under de kommande åren kommer marknaden för högvolymbaserade, transaktionella generalister att urholkas helt. AI kommer att ersätta rekryterare som konkurrerar med snabbhet, volym och tillgång till LinkedIn, och göra alla tre sakerna bättre och billigare.

Den återstående marknaden kommer att polariseras. I det övre segmentet finns specialistföretag med djup branschkunskap, verkliga relationer och omdömet att göra komplexa rekryteringar försvarbara inför en styrelse. I det lägre segmentet finns helt automatiserade plattformar som utför det transaktionella arbetet för en bråkdel av dagens pris.

Ledarna som lyckas under de kommande fem åren kommer inte att vara de mest tekniskt insatta. De kommer att vara de mest mänskliga. När alla har tillgång till samma AI slutar kunskap att vara den särskiljande faktorn. Vem du är beredd att vara i rummet blir allt. Det kommer att kräva mod och oräddt ledarskap.

Ledarskapsråd för att integrera AI framgångsrikt

Här är mina råd:

• Lär dig AI själv innan du ber ditt team att göra det.
• Var kompromisslös när det gäller var AI inte hör hemma i din verksamhet. Frestelsen att automatisera allt som kan automatiseras är verklig, och den är fel. Alla ledare behöver en tydlig lista över de stunder i arbetet då människan är produkten, och de behöver försvara dessa stunder öppet. Om du inte gör det kommer tekniken tyst att smyga in i rum där den aldrig borde ha kommit in, och när du väl märker det kommer förtroendet du byggt upp under flera år redan att urholkas.
• Bygg de mänskliga förutsättningarna före tekniken. Psykologisk trygghet, tydlighet kring vad verktyget gör och en kultur som belönar människor för att säga att de inte förstår något. Utan detta får ingen implementering fäste, oavsett hur välfinansierad den är.

För ledare mer generellt är mitt råd enklare. Det arbete AI inte kan utföra är det arbete som de flesta ledare har undvikit i flera år. De svåra samtalen. De etiska bedömningarna. Att upprätthålla förtroendet när allt omkring dig förändras.

Det arbetet är nu själva jobbet, inte en utkant av jobbet, och de ledare som fortsätter att outsourca det till jäkt och upptagenhet kommer att upptäcka att de blir omsprungna av dem som inte gör det.

Om du inte vet var du ska börja, börja med rädsla. Din egen först, därefter ditt teams. Rädsla är nästan alltid den underliggande faktorn bakom motståndet, överlöftena och tvekan som kläs ut till försiktighet.

Benämn den för vad den är, så visar det sig att det mesta som ser ut som ett strategiproblem i själva verket är ett modproblem.

Följ med

Du kan komma i kontakt med Nick på LinkedIn, lyssna på hans podd, utforska hans chefscoachning eller läsa hans bok Lönepivoten: Från osynlighet till inflytande.

Fler expertintervjuer kommer på People Managing People!