AI kan få ett bra jobb att kännas för litet

David Rice: Era siffror för personalomsättning ser bra ut. Folk stannar, engagemanget är stabilt och ledningen firar. Och ni bygger det dyraste problemet ni någonsin har haft, eftersom att stanna inte är samma sak som att bidra. Och just nu stannar er arbetsstyrka tyst, dyker upp, når sina mål och försöker att inte orsaka några problem. På papperet ser de engagerade ut, men de experimenterar inte. De tänjer inte på gränserna och tar inga risker. De skyddar sig själva.

Dagens gäst är Jay Caldwell. Han är personalchef på ADP. Och vi ska undersöka varför låg personalomsättning i den här miljön faktiskt kan vara ett varningstecken snarare än en framgång. För här är det vi alla måste komma ihåg – de som känner sig tryggast tar minst risker. Och i den här miljön är det förmodligen det mest riskfyllda man kan göra att inte ta några risker.

Så i dag ska vi prata om varför ”om man bygger det kommer de” inte fungerar för AI-användning, problemet med att stanna tyst och hur efterlevnadstänkande kan ersätta innovation, hur man kan avgöra om låg personalomsättning döljer stagnation och rädsla, samt generell AI jämfört med riktade användningsområden och vilket av dem som bygger självförtroende. Vi ska titta på karriärstegskrisen och varför AI-infödda akademiker snart kommer att utmana allt ni gör.

Jag heter David Rice. Det här är People Managing People. Och om era siffror för personalomsättning ser hälsosamma ut, men innovationen känns död, förklarar det här samtalet exakt vad som händer under ytan. Nu kör vi.

Okej, Jay, välkommen till programmet.

Jay Caldwell: Tack, David. Det är roligt att vara här.

David Rice: Jag ville börja samtalet med att konstatera att vi nu har kommit några år in i den här AI-vågen, och jag tror att den första entusiasm som många hade har ersatts av verkliga konsekvenser. Jag tror att vi befinner oss en dag efter beskedet om uppsägningarna på Block.

Jag är nyfiken på vad du anser vara den största missuppfattningen som ledare fortfarande håller fast vid när det gäller att integrera AI i arbetsstyrkan.

Jay Caldwell: Det finns förmodligen många missuppfattningar. Jag skulle gärna höra några av dina också, men jag tror att en av de största jag fortfarande ser i många organisationer är att alla är lika entusiastiska över AI som ledarna är.

Du vet, enligt den senaste statistiken använder ungefär 40 procent av människor i USA fortfarande AI i privatlivet, även utanför arbetet. Så det är fortfarande relativt tidigt när det gäller AI-användning, även om 40 procent är ganska mycket. Jag tror att det, som vanligt med företagsverktyg, finns en föreställning om att om vi bygger det kommer alla att komma, alla kommer att använda det och de kommer att älska det lika mycket som vi gör.

Men jag tror inte att det är så. Absolut inte ännu. Ni kanske har många mycket intresserade och entusiastiska användare. Ni kommer förmodligen att ha minst lika många som helt motsätter sig att börja använda saker som AI, och sedan har ni de flesta någonstans däremellan. Så jag tror inte att det är så enkelt som att slå på det och förvänta sig att alla kommer. Man måste lägga mycket tid och energi på hur man leder den här typen av förändring och omvandling i organisationen.

David Rice: Ja, det stämmer verkligen. Ur vårt perspektiv är det något vi pratar om hela tiden: ledare behandlar i praktiken AI som ett verktyg som man distribuerar, ungefär som programvara. Men jag återkommer alltid till att jag läste någonstans att det snarare liknar att introducera en ny kollega i varje team samtidigt.

Det kommer att förändra dynamik, maktstrukturer, vem som känner sig kompetent och vem som känner sig hotad. Så det är egentligen mer ett kulturprojekt. Jag tror inte att människor är emot AI. Vissa är det, men på ett etiskt plan. Många är nog nyfikna på det, men de har helt enkelt inte fått en berättelse där det är tydligt vilken plats de har i framtiden. Där finns ett glapp i ledningens berättelse om att AI ska frigöra tid för arbete med högre värde.

Det människor faktiskt upplever ligger ofta inte i linje med det. Vi kommer nu till en punkt där arbetet och hur människor upplever det på jobbet egentligen bara går snabbare. Det är mindre tydligt vad som är bra nu. Det har skapat en verklig spänning.

Och den andra missuppfattningen jag ser hela tiden är att användning i grunden är samma sak som integration. Det finns en föreställning om att man rullar ut verktygen och att människor redan vet hur de ska använda dem. Men egentligen måste vi förändra hur människor tänker kring sitt arbete.

Vilket värde de skapar och hur deras karriärutveckling ser ut. Det är i dag en viktig uppgift för många ledare, och de flesta organisationer har inte riktigt tagit itu med det.

Jay Caldwell: Jag håller verkligen med. När det gäller generell AI-användning använder de flesta den som en sökmotor. Det är för övrigt en väldigt bra sökmotor.

David Rice: Ja, det är den.

Jay Caldwell: Jag vill inte förringa det användningsområdet, men jag tror inte att det är det alla hoppas att vi ska använda AI till. Som du nämnde handlar det också om kulturförändring. På individnivå handlar det dessutom om att förändra vanor. Det är bra att jag har de här verktygen, men jag har till exempel arbetat mycket i Outlook, som många andra kontorsanställda säkert gör.

Det tar en stund att tänka: vänta lite, innan jag börjar skriva det här mejlet kanske jag borde gå över till AI-verktyget och tänka lite mer kreativt på vad jag vill säga eller hur jag vill säga det. Det är en förändring av vanor som inte alla omedelbart tar till sig.

Så du har rätt: det handlar om kultur, kompetens och tankesätt. Det är mycket som ingår.

David Rice: Ibland tänker jag: just det, det borde jag fråga AI om. Vi får se vad den säger.

Jay Caldwell: Jag tycker om liknelsen med en ny kollega i teamet, men ibland glömmer jag att kollegan ens finns där och måste påminna mig själv. Om vi har den här nya expertisen i teamet borde jag gå till den personen.

David Rice: Kanske är det därför jag nyligen läste att distansarbetare har lättare att naturligt börja använda AI. Kanske beror det på att de inte har förlitat sig lika mycket på fysisk närvaro.

Jay Caldwell: Ja. Jag arbetade hemifrån i ungefär fem år. Att bara ha en arbetskamrat var också hjälpsamt. Användningsområden som sällskap och stöd kan förmodligen hjälpa människor som känner sig mer fysiskt isolerade.

David Rice: Du har sagt att personer som använder AI mer kan vara mer benägna att utforska andra möjligheter. På ytan låter det som en enkel berättelse om utbud och efterfrågan. De har byggt upp en värdefull kompetens och har därför fler alternativ. Men jag undrar om något djupare händer. Förändrar nära arbete med AI hur människor ser på sin egen potential eller vad de förväntar sig av sin arbetsgivare?

Jay Caldwell: Det är intressant. ADP såg en del av det i vår egen forskning om risken för att människor lämnar. AI-användning är fascinerande att analysera ur alla dessa perspektiv. En del handlar definitivt om att man utvecklar en ny eftertraktad kompetens och börjar fundera på var man annars kan använda den.

Men när man börjar bryta ner det finns det mer i berättelsen. De som använder AI mest kan faktiskt börja känna sig begränsade av organisationens tempo och av hur snabbt arbetsprocesserna runt dem förändras.

Man kanske kan se framtiden, möjligheterna och förmågan att förändra arbetsprocesser snabbare. Men om man bara är en del av pusslet krävs det mer än den egna insatsen. En del av det kan vara frustration över att organisationen inte rör sig tillräckligt snabbt och att man skulle kunna få mycket mer gjort någon annanstans.

Det kan också handla om rädsla för det okända. Om organisationen inte kommunicerar syftet med AI på ett bra sätt kan det skapa oro. Man kanske börjar frukta sin egen anställning på företaget när man ser vilken kraft AI-verktygen faktiskt har.

Då kan det handla mer om överlevnad: inte bara att man har en eftertraktad kompetens, utan att man vill fortsätta vara anställd och inte är säker på att det kommer att vara möjligt här med tanke på de verktyg vi har. Mycket av detta återgår till den förändringsledning som behövs kring sådana lanseringar.

David Rice: Det känns som en obekväm kombination ur ett kompetensperspektiv. De som verkligen är engagerade i AI är inte oengagerade i sina jobb, men de är samtidigt de som söker sig vidare. Kanske har de vuxit ur sin roll eller till och med sin organisation.

Om man arbetar med AI hela tiden är det nästan som en upplevelse som vidgar medvetandet eller ens karriärhorisont. Man börjar se vad som är möjligt, och om företaget rör sig med halva den hastighet som man vet är möjlig kan skillnaden mellan ens potential och miljön bli outhärdlig.

Jay Caldwell: Det kan vara så. När det gäller engagemang, som leder till att människor stannar, är det viktigt att komma ihåg att engagemanget generellt är lågt i arbetsstyrkan. Det varierar förstås mellan företag, men ungefär 19–20 procent av den amerikanska arbetsstyrkan är fullt engagerad.

David Rice: Historiskt låga nivåer, tror jag att jag läste.

Jay Caldwell: Krävs det mycket för att få någon att lämna i den här situationen? Förmodligen inte. AI kan vara en katalysator som får människor att börja tänka på vilka andra möjligheter som finns och hur de kan utveckla sina karriärer på andra sätt.

David Rice: Absolut. Särskilt om man redan befinner sig nära gränsen. Många människor gör det, och sedan ser de all byråkrati, alla godkännandekedjor och kanske stelbenta rollbeskrivningar. Med den här tekniken känner man sig mer kapabel. Det är nästan som att befinna sig i en utvecklingsmässig bur, samtidigt som man känner att om man tar steget över kanten kommer tekniken att hjälpa en att flyga.

Jay Caldwell: Precis. Man bryter sig ut genom taket. En annan möjlighet är att man vill använda sin kompetens på nya sätt. Samtidigt visar forskning att vi hoppas att AI ska göra alla mer produktiva, men den ger inte nödvändigtvis tillbaka tid. Människor arbetar faktiskt mer och hårdare eftersom de får mer gjort och rör sig snabbare. Kollegorna gör också det. Arbetet kan därför bli mer intensivt, vilket ökar risken att människor lämnar.

David Rice: Jag har sett det många gånger. Människor blir utbrända och lämnar utan någon plan, eftersom de känner att de inte kan hålla jämna steg. En gäst sa nyligen att vi i många fall bara gör mer, inte nödvändigtvis bättre eller mer produktivt.

Om personalomsättningen minskar men engagemanget inte ökar, ser vi då en arbetsstyrka som stannar av trygghet snarare än av någon annan anledning? I en AI-driven miljö är experimenterande och anpassningsförmåga uppenbart viktiga. Är detta slags tysta stannande mer skadligt än att säga upp sig, eftersom det ser stabilt ut på papperet?

Jay Caldwell: Det här oroar mig mycket just nu med tanke på allt som händer med verktyg och teknik och på arbetsmarknaden för vissa grupper. Marknaden ser väldigt olika ut beroende på funktion och bransch.

Men fler och fler uttryck dyker upp, som att sluta tyst eller hålla fast vid sitt jobb. Jag tror att trenden är densamma: om människor inte lämnar organisationen blir det en utmaning. Det är en annan utmaning än för några år sedan under den stora uppsägningsvågen.

Då handlade allt om hur vi skulle behålla människor så effektivt som möjligt. Det var smärtsamt för arbetsgivare, men en bra miljö för arbetstagare, eftersom hög personalomsättning gav fler möjligheter att avancera eller byta roll.

Om sådana möjligheter minskar när personalomsättningen sjunker kan människor börja känna sig stillastående och fast. Om det sänker engagemanget kommer innovation och kreativitet också att minska. För mig är innovation och kreativitet det verkliga löftet med AI. Om man inte har den mentala energin att driva utvecklingen framåt, vad är då poängen? Organisationer bör inte bli för självgoda bara för att personalomsättningen ser låg och hälsosam ut. Det finns mycket mer under ytan just nu.

David Rice: Jag håller helt med. Vi har varit så upptagna av att mäta kvarstannande och personalomsättning att vi glömt att fråga om att stanna är samma sak som att bidra. Låg personalomsättning i den här miljön kan faktiskt vara ett varningstecken snarare än en framgång.

Jay Caldwell: Jag håller med. Värdet av att ta in externa personer, nya idéer, nya sätt att tänka och nya perspektiv är också stort. Därför är det viktigt att medvetet hålla rekryteringsflödena öppna. Även om människor inte rör sig vidare måste man få dem att förbli känslomässigt engagerade och bidra med så mycket energi som möjligt i den värld de befinner sig i i dag.

David Rice: Det tysta stannandet kan vara ett mycket dyrt problem om människor dyker upp, inte orsakar problem, når sina mål och ser bra ut på papperet – men inte experimenterar, tänjer på gränserna för hur teamet arbetar eller tar risker.

Den stora belöningen med AI-användning kommer ofta av att ta en viss risk. Men om människor bara skyddar sig själva och stannar av rädsla – för arbetsmarknaden, för att behöva lära om någon annanstans eller för att de känner att de börjar om mitt i karriären – bygger vi en arbetsstyrka med ett efterlevnadstänkande. Det är inte verklig innovation. Det ironiska är att de som känner sig tryggast tar minst risker, och i den här miljön är det mest riskfyllda man kan göra att inte ta risker.

Jay Caldwell: Det är en mycket bra poäng. När man granskar framgångsrika människors karriärer ser man ofta många risker i deras beslut och vägval. Det kan kännas mer riskfyllt att göra sådana hopp just nu.

David Rice: När organisationer lanserar breda, generella AI-verktyg känns budskapet ofta som ”alla får lista ut det här själva”. Riktade användningsområden tenderar däremot att vara mer strukturerade och resultatinriktade. Hur formar de två angreppssätten medarbetarnas självförtroende, inlärningskurvor och kanske även prestationspress på olika sätt?

Jay Caldwell: Jag har sett organisationer välja olika strategier: vissa börjar generellt och riktar in sig senare, medan andra börjar med riktade användningsområden och breddar senare.

Men i båda fallen är det viktigt att inte investera för lite i kommunikation och utbildning. Det handlar inte bara om hur man använder verktyget utan också om att förändra tankesättet och hur man närmar sig arbetet.

Det är ännu viktigare för generella verktyg, eftersom man ger någon en schweizisk armékniv. När jag var barn hade jag en sådan. Av de tjugo funktionerna visste jag nog bara vad tre var till för: förstoringsglaset, kniven och nagelfilen. Det fanns många andra som jag inte hade någon aning om, som tandpetaren. Generell AI fungerar på samma sätt. Det finns så många möjliga användningsområden att man måste hjälpa människor att förstå vilka möjligheterna faktiskt är. Om man bara slår på verktyget och hoppas att människor ska lista ut det själva kommer det inte att gå bra.

Organisationer som gör detta effektivt lär öppet. De kopplar samman personer i liknande roller så att de kan prata om vad de har provat, vad som misslyckades och vad andra bör undvika. De kan också dela exempel på brainstorming som ledde till en lyckad tillämpning. När människor hör sådant tänker de kanske: det där hade jag aldrig kommit på själv.

Med mer riktade användningsområden handlar det i större utsträckning om tydlighet kring hur detta påverkar min roll i dag, hur jag behöver förändra mina arbetsflöden och hur AI ingår i arbetsflödet. Kommunikation och utbildning kan vara mer målinriktade, men förståelsen av effekten blir också mer specifik. Om användningsområdet driver produktiviteten kraftigt och automatiserar många av mina uppgifter måste man lägga mer energi på att ta hand om de berörda personerna och hjälpa dem att förstå tryggheten i deras position och vilka karriärvägar som finns inom organisationen.

David Rice: Intuit QuickBooks Payroll vet att HR har så många rörliga delar att det lätt kan bli kaos. Därför synkroniserar de löner, HR, tidrapportering och ekonomi i en kraftfull plattform. I sommar utvecklas QuickBooks Payroll till något större för att stödja hela medarbetarlivscykeln. Snart kommer företag att kunna introducera medarbetare genom ett enda smidigt flöde som går direkt till lönehanteringen, konfigurera automatiserade HR-arbetsflöden för saker som befordringar och avslut av anställningar samt följa upp prestation, ledighet och förmåner tillsammans med löner.

Se vilken skillnad QuickBooks Payroll kan göra för ditt företag i dag och förbered dig på det som kommer härnäst. Läs mer på quickbooks.com/workforce. Det är quickbooks.com/workforce.

Jag gillar din liknelse med schweizisk armékniv. Nu undrar jag vad AI-motsvarigheten till den där lilla saxen är – du vet, den rangliga.

Jay Caldwell: Herregud, det var bra. Fjädern gick alltid sönder på dem. Helt otroligt.

David Rice: Filosofin ”alla får lista ut det” är egentligen ett sätt att säga att vi tror att tekniken kommer att göra stor skillnad, men att vi inte har någon strategi och inte vet vad vi ska göra med den.

Jay Caldwell: Ja.

David Rice: Man ger alla ett piano och förväntar sig en symfoni.

Jay Caldwell: Ja, men det finns så mycket entusiasm. Det är nog därför man skyndar. Verktygen är intuitiva eftersom många generella verktyg bara är chattgränssnitt. Det är lätt att förstå hur man använder dem. Det svåra är kreativiteten: vad ska jag göra med det här och vilka möjligheter är svåra att upptäcka på egen hand?

David Rice: Riktade användningsområden hjälper verkligen där, eftersom de gör något viktigt psykologiskt för hur man närmar sig AI. Vi tittar på vad det klarar av, och det kan vara lite skrämmande beroende på rollen.

Ett riktat användningsområde ger en vinst. Man löser ett specifikt problem och känner sig tryggare. Det bygger självförtroende snabbare. Generella verktyg kan ibland skapa oro eftersom det inte finns någon mållinje. Man blir aldrig färdig med att använda dem och aldrig tillräckligt bra på det. Det finns alltid någon på LinkedIn som verkar ännu bättre på att använda dem.

Det skapar prestationspress. Och om användningen är generell och odefinierad vet chefen inte hur den ska mätas, så man återgår till frågan: använder du verktyget över huvud taget? Det är ett ganska meningslöst mått. Riktad användning gör det åtminstone möjligt att mäta resultat i stället för aktivitet. Inlärningskurvan är också verklig.

Jay Caldwell: Det är en bra poäng. Ur ett ledningsperspektiv är det här stora investeringar. Värdet med riktade användningsområden är att man löser en mycket specifik möjlighet och därför också kan mäta avkastningen mycket specifikt. Det handlar inte bara om att använda verktyget utan om vad man får ut av det.

David Rice: Jag publicerade nyligen en artikel av en gästskribent om hur arbete på nybörjarnivå komprimeras och vad som händer med sådana roller. Om vi slutar anställa längst ned i kompetenspyramiden monterar vi i praktiken ned vår framtida ledarskapsbänk.

Det får konsekvenser för allt från institutionell kunskap till successionsplanering och socioekonomisk rörlighet över tid. Vad ser du organisationer göra för att ligga steget före? Ser du någon förskjutning från kortsiktig produktivitet mot långsiktig kapacitet?

Jay Caldwell: Det är ett samtal som utvecklas. När AI till exempel klarade advokatexamen var den omedelbara frågan förmodligen vad vi skulle göra med juridiska assistenter framöver. Den första reaktionen blev därför att bromsa sådana anställningar.

Företag börjar nu förstå att man inte kan göra det fullt ut. För det första river man då bort ett steg i karriärstegen, vilket är ett stort problem. För det andra ser organisationer att alla inte använder AI i samma takt. Det gäller särskilt personer som har varit längre i arbetslivet. Det är en generalisering, men de kanske inte tar till sig nya verktyg eller förändrar arbetsmetoder lika snabbt.

Samtidigt är dagens akademiker AI-infödda. De började använda generativa AI-verktyg när de började på universitetet. Vi kan lära oss mycket av den grupp som har gått djupt in i verktygen för att förstå deras potential och syfte. De kan komma in i organisationer och fråga varför vi inte använder AI till detta eller varför vi fortfarande gör något manuellt när AI enkelt kan lösa det.

En nackdel med att inte ta in dem är att man går miste om modernare kompetenser och sätt att tänka. Men man måste också hjälpa den delen av arbetsstyrkan att utveckla rätt omdöme och expertis så att AI används väl och på rätt sätt.

Vi behöver fortfarande en hälsosam blandning över alla karriär- och anställningsnivåer för att säkerställa att arbetsstyrkan har rätt förmågor. Volymen kan förändras eftersom efterfrågan kanske inte är lika hög som tidigare och personalomsättningen är lägre. Det kan innebära färre anställningar på nybörjarnivå, men de är fortfarande lika viktiga. Jag tror att den första reaktionen var överdriven och att företag nu inser att rekryteringsflödena måste hållas öppna och starka.

David Rice: Det hjälper att många C-nivåledare kanske är förbryllade av delar av AI-samtalet. De förstår inte tekniken på djupet, men de förstår att de började längst ned, gjorde misstag i miljöer med låga insatser och lärde sig hur organisationer faktiskt fungerar – politiken och allt annat.

Det krävs ingen genialitet för att inse att om man tar bort den erfarenheten och de ingångarna begränsar man framtiden. Många ledare vill inte prata om den socioekonomiska delen, men alla är medvetna om den. Kontorsjobb på nybörjarnivå har i årtionden varit ett viktigt verktyg för ekonomisk rörlighet.

Om de försvinner måste vi ersätta dem med något. Det finns också ett socialt kontrakt här. Under det kommande året kan detta bli en fråga för styrelsen: vad gör vi för att fortfarande skapa värde för våra människor, få in dem och hjälpa dem att växa?

Jay Caldwell: Nyckelordet är värde. Organisationer måste stanna upp och se vilka deras värderingar är och låta dem styra strategin. ADP är en värderingsdriven organisation. En av våra värderingar är att varje medarbetare räknas. Vi fokuserar stenhårt på att behålla människan i centrum för all denna förändring och stödja alla medarbetare, oavsett var de befinner sig i karriären.

Det är särskilt viktigt när man tänker på hur man behandlar sina medarbetare genom omvandlingen. Med plattformar som Glassdoor och Reddit blir allt offentligt. Därför är ett långsiktigt perspektiv avgörande.

David Rice: Många säger att nyfikenhet och anpassningsförmåga är viktigare än expertis. Filosofiskt låter det bra, och jag håller med. Men våra rekryteringssystem har historiskt byggts kring meriter och i många fall djup specialisering.

Alla talar om kompetensbaserad rekrytering, och vissa organisationer gör intressanta saker, men många företag har inte lyckats förstå hur det ska fungera. Vad måste förändras i hur vi utvärderar kompetens så att vi inte faller tillbaka på specialiseringens trygghet?

Jay Caldwell: Först måste tankesättet kring vad vi söker förändras. Det är en förändring i ledarskapet. Hur tänker ledare kring att identifiera och välja kompetens?

Att välja utifrån meriter eller formella kvalifikationer är enkelt eftersom det står på papper och är svårt att ifrågasätta. Om någon har tagit en fyraårig examen kan man inte gärna hävda att personen saknade förmåga och uthållighet att göra det.

Vi måste därför titta på alternativa sätt att styrka kompetens, till exempel bedömningar som går djupare in i teknisk kompetens, kommunikationsförmåga och kreativitet. AI erbjuder stora möjligheter att skala sådana bedömningar, men de måste göras varsamt med tanke på juridiska frågor kring urval.

Det handlar också om vilka kriterier vi använder. Det hjälper ledare att känna sig tryggare när de fattar viktiga beslut, eftersom inget är viktigare än vem man anställer till sitt team. Hur hjälper vi dem att fatta beslut som inte bara bygger på en enda kvalifikation i ett CV? Många chefer är inte särskilt bra på intervjuer och på att verkligen utforska någons erfarenhet eller kreativa förmåga.

Vi måste hjälpa chefer att öva på detta och ge dem enkla beteendebaserade metoder för att bedöma kreativitet, innovation och bredd i erfarenheten. På ett ironiskt sätt återvänder vi kanske till grundläggande beteendebaserade intervjuer som har funnits i årtionden men som vi inte har förlitat oss tillräckligt mycket på.

David Rice: Ibland är svaret helt enkelt att göra saker på det gamla hederliga sättet.

Jay Caldwell: Precis.

David Rice: Jag pratade med en professor vid University of Michigan för ungefär ett år sedan. Han sa att han hade gått tillbaka till övervakade prov där studenterna måste skriva själva utan någon enhet. På så sätt kunde han testa om de faktiskt kunde ämnet.

Jay Caldwell: Det finns något som kallas alternativa användningstest. Det enklaste exemplet är: här är en penna. Berätta så många användningsområden för pennan som möjligt under de kommande tre minuterna. Det kan kännas som ett familjespel, men det är ett sätt att testa divergent tänkande och hur många olika sätt man kan se på en situation. Det kan fungera som ett mått på nyfikenhet.

Det är metoder som är fyrtio eller femtio år gamla. AI kan säkert göra det mycket bra och ge fler användningsområden än vi behöver. Men om du bara sätter dig ner med din egen hjärna – hur bra är du på det?

David Rice: Jag måste fråga, eftersom ADP har en så stor närvaro inom kompetensområdet. Är detta ett problem med kompetensinfrastrukturen? Handlar det om hur vi använder och vad vi förväntar oss av våra system för rekrytering och personaluppföljning, hur vi har utbildat rekryterare, intervjuramarna och till och med språket, som fortfarande bygger på meritmodellen?

Jag tror inte att kompetensbaserad rekrytering bara är en policyförändring. Det är en fullständig översyn av infrastrukturen. Många försöker köra ny programvara på gammal hårdvara.

Jay Caldwell: Det kräver också att man definierar vad man menar med kompetensbaserat och vilka förändringar man gör utifrån det.

Om kompetensbaserat innebär att man inte längre kräver examen för vissa roller är det bra. Men när man ser på systemet från början till slut blir frågan vad mer som måste förändras i rekryteringen och i de processer som föregår den.

Om ett företag tar bort examenskrav för nybörjarroller men behåller dem för ledande roller, hur hjälper man människor att överbrygga det gapet under karriären? Eller bör man förändra båda? Man måste se hela systemet och tänka långsiktigt i stället för att genomföra en liten isolerad förändring.

David Rice: Nyfikenhet och anpassningsförmåga är kärnkompetenser som vi vill rekrytera för. Men hur screenar man för dem? Man kan inte skriva anpassningsförmåga i ett CV och sedan bevisa den där. Jag hjälpte en vän att söka jobb och försökte tänka på hur han kunde visa sin portfölj och sådana egenskaper.

Anpassningsförmåga är något man måste visa i praktiken, och det går inte riktigt att visa på en trettio minuter lång intervju. Man kan inte testa nyfikenhet i en kort intervju. Våra metoder verkar därför inte vara anpassade till det vi säger att vi värdesätter.

AI-verktyg kan hjälpa oss att utvärdera potential bättre, till exempel genom att analysera arbetsprover, bedöma problemlösning eller identifiera överförbara kompetenser. Men många använder AI för att göra det gamla snabbare.

Jay Caldwell: Det kan också användas inom utveckling. Kreativitet och anpassningsförmåga är utmärkta användningsområden för AI. Vi har till exempel undersökt hur AI kan integreras i ledarskapsutbildning. Syftet är att ge människor fler repetitioner och snabbare erfarenhet av ledarskap.

Jag kan sätta upp en simulering där du måste hantera en mycket svår direkt underställd och ge svår återkoppling, följt av tio andra situationer som hjälper dig att utveckla större anpassningsförmåga som ledare. Det är en del av löftet. Det handlar inte bara om att rekrytera för en egenskap, utan också om att utveckla den.

David Rice: Om AI hanterar saker som djupgående analys och kanske vissa delar av beslutsfattandet förändras mänsklig prestation från genomförande till omdöme. Hur måste våra nuvarande prestationsramverk justeras så att vi mäter rätt saker?

Jay Caldwell: Jag önskar att jag hade ett enkelt svar. Hur mäter man prestationen i ett kreativt yrke, som en konstnärs?

Det är svårt. Jag tror att det börjar med att förändra hur någon ser på sin egen prestation. Jag känner mig till exempel mycket produktiv när jag tömmer inkorgen. Jag kan se och mäta det. Jag vet när det börjar och när det är klart. Om AI hjälper mig att göra det i framtiden förlorar jag något som får mig att känna mig produktiv.

Att besvara ett visst antal samtal eller sammanfatta ett visst antal mötesanteckningar hjälper mig också att känna att jag gör framsteg. I jobb som i grunden är mer kreativa är det svårare att se framstegen. Milstolparna är mindre tydliga och tidslinjerna längre. Om jobbet förändras från produktion till kreativitet är det en fullständig förändring av hur man ser på sin egen prestation.

Mätningen är en annan utmaning. Prestationsstyrning måste kanske bygga på mer anpassningsbara mål och tätare uppföljning. Chefer kan behöva enklare sätt att oftare ge sin syn på prestationen.

Man bör inte bara betona resultaten utan också insatserna, beteendena och kompetenserna. Hur visar sig personen? Den gamla diskussionen handlar om vad man mäter: vad eller hur. Framöver kommer större vikt sannolikt att läggas vid hur, eftersom det ofta är det som leder till bra kreativt och strategiskt arbete och till hur man samarbetar med kollegor.

Vi måste tänka om kring vad det innebär att prestera, både individuellt och organisatoriskt. Hur omformar vi de mått vi använder i årsutvärderingar? Det blir viktigt när AI påverkar arbetet.

David Rice: Du nämnde att gå från produktion till kreativitet. Jag tänker ofta på det som att gå från genomförande till omdöme. Men hur mäter man omdöme? Jag skapar mycket innehåll i mitt arbete och använder AI som hjälp, åtminstone för ett första utkast.

AI kan säga saker som låter övertygande, men jag är naturligt skeptisk till det jag får. Jag följer upp sådant som låter fel och upptäcker hela tiden att AI hittar på eller förvränger saker. Hur ska jag skriva i mitt kvartalskort att jag hindrade oss från att framstå som idioter tjugosju gånger den här månaden? Det är svårt att mäta.

AI är bra på att bygga argument kring data, men man måste alltid kontrollera datan: var kom den ifrån, vad sa den faktiskt och har den omformulerats eller återgetts korrekt? Jag har gjort detta i nästan två år och det blir bättre. Vissa plattformar är bättre än andra. Perplexity verkar till exempel vara särskilt bra på källhänvisningar, medan andra verktyg är bättre på annat. Man måste hitta rätt verktyg för rätt uppgift.

Jay Caldwell: Det återknyter till diskussionen om hur man hjälper personer tidigt i karriären. Hur bygger man upp den typen av omdöme? Du kan det eftersom du har erfarenhet.

David Rice: Precis. Jag har gjort det här länge, så det är naturligt för mig att tänka så. Men om jag vore tjugofyra, nyutexaminerad och aldrig hade sett sådant tidigare skulle jag inte veta det. Jag kanske kunde göra efterforskningen, men då förändras mitt jobb från innehållsskapare till faktagranskare. Är det värdet? Jag vet inte om det i sig är värdefullt.

Vi måste hitta sätt att använda verktygen som är rimliga, behålla omdömet i centrum och med högt värde, samtidigt som människor får utveckla sina färdigheter.

Jay Caldwell: Det är också ett annat sätt att tänka på prestationsmätning. Det finns tre faser: du ställer en fråga eller skriver en instruktion, AI gör sitt arbete och du utvärderar resultatet. I en AI-värld blir det viktigt att utvärdera människan i de två ändarna.

Hur bra är personen på att ställa rätt frågor, formulera instruktionen på rätt sätt och sedan bedöma och använda resultatet? Mitten är effektiv och automatiserad av AI, men det är cykeln och hur man arbetar genom dessa användningsområden som är viktiga.

David Rice: Det är ett bra sätt att uttrycka det. Det är en förändring av makt. De med bäst omdöme har inte alltid de största titlarna. Ibland är det helt enkelt personer som befinner sig på rätt plats. De kan också vara genuint störande för en organisatorisk hierarki om de tas bort.

Det är svårt att förstå var omdömet måste finnas och vilken nivå av erfarenhet, kunskap eller förmåga att ställa rätt fråga vid rätt tidpunkt som krävs. Det är där vi befinner oss.

Jay, det har varit väldigt trevligt att prata med dig. Jag har uppskattat samtalet.

Jay Caldwell: Detsamma. Vi skulle nog kunna prata om det här hela dagen. Det är ett spännande område och en spännande tid, men vi lär oss alla tillsammans. Jag uppskattar att du gör program som detta, eftersom det hjälper oss att tänka igenom frågorna. Vi sitter alla i samma båt just nu. Ingen ligger långt före någon annan, så ju mer vi delar med oss, desto bättre. Tack, David.

David Rice: Absolut. Till er som lyssnar: om ni inte redan har gjort det, gå till webbplatsen och prenumerera på nyhetsbrevet People Managing People. Ni får avsnitt som detta och allt annat innehåll vi skapar direkt i inkorgen.

Tills nästa gång: omdöme – det är där det händer.