Så förändrar agentisk AI introduktion, mentorskap och personalbevarande

David Rice: Vad gör dessa agenter verkligen agentiska, till skillnad från exempelvis en instrumentpanel eller en smart assistent?

Francisco Marin: En agentisk AI väntar inte egentligen på att en människa ska ställa en fråga. Den fattar beslut i realtid på eget initiativ eller identifierar insatser utifrån de övergripande mätvärden som AI:n har tillgång till.

David Rice: Hur säkerställer ni förtroende när AI-agenter initierar något så känsligt som personalbevarande eller mentorskap?

Dan George: Vi måste se till att allt agentiskt har rätt nivå av samtycke och etisk användning. Man klickar alltså på samtyckesknappen, och när som helst kan man återkalla sitt samtycke.

David Rice: Hur ser framgång ut?

Francisco Marin: Vid en insats genom en mentorsskapsmatchning kan man se besparingar på mellan 20 000 och 30 000 dollar genom att förkorta tiden tills en nyanställd når full produktivitet med upp till 40 %.

David Rice: Välkommen till People Managing People-podden, programmet där vi fördjupar oss i den mänskliga sidan av arbetslivet, tekniken som påverkar den och de djärva idéer som kommer att forma framtidens personalarbete. Jag heter David Rice och är er värd.

Jag har två gäster med mig i dag. Francisco Marin är grundare och vd för Cognitive Talent Solutions. Han är också författare till Network-First Manifesto och pionjär inom analys av organisatoriska nätverk. Francisco leder en växande global gemenskap med fokus på hur informella nätverk och AI-samarbete kan påskynda introduktion, mentorskap och informellt ledarskap i stora företag.

Dan George är upplevelsechef på CTS samt grundare och vd för Piper Key Analytics. Han är en prisbelönt expert inom personalanalys, personalplanering och datadriven HR-transformation. Han har erfarenhet från Fortune 100-företag och medelstora innovativa företag och har hjälpt till att omforma HR till en strategisk, analysdriven funktion. Han är också medlem i vår redaktionella rådgivande styrelse.

I det här samtalet ska vi försöka gå på djupet med hur AI-agenter och nätverksanalys omvandlar HR från statisk rapportering till handlingsbara, autonoma arbetsflöden. Francisco kommer att dela insikter från tidiga pilotprojekt där AI-agenter matchar mentorer och adepter, kartlägger informellt ledarskap och påskyndar introduktionen i viktiga nätverk. Dan kommer att förklara hur dessa agenter kan skala upp själva personalanalysfunktionen, automatisera insikter och göra det möjligt för HR-specialister att fokusera på strategiskt arbete.

Oavsett om du leder HR och personalverksamhet eller arbetar med talangstrategi, eller om du helt enkelt vill förstå vart nästa steg i arbetskraftens omvandling är på väg, är det här samtalet för dig. Då sätter vi igång.

Okej! Francisco, Dan – välkomna!

Dan George: Fantastiskt att vara här. Tack.

David Rice: Jag vill börja med att prata om den vision ni har för Cognitive Talent Solutions. Varför just dessa åtta agenter? Vilka var de viktigaste områdena ni ville hantera när ni betraktade HR som helhet?

Dan George: Ur vårt perspektiv finns det många sätt som AI-agenter kan vara effektiva inom HR, men dessa åtta var några av de mest uppenbara. Vi kunde inte bara enkelt samla in samtycke och säkerställa att alla involverade parter var villiga och hade möjlighet att delta, utan också följa upp avkastningen på investeringen kopplad till hur de påverkar HR:s övergripande verksamhet och de nödvändiga delarna av att vara en första generationslösning.

Vi ville alltså inte gå för långt, men samtidigt ville vi naturligtvis skapa påverkan och vara medvetna om att allt detta så småningom kommer att utvecklas. Dessa åtta var utan tvekan de som var mest logiska.

Francisco Marin: Jag håller helt med om det Dan sa. För att komplettera lite såg vi att det redan fanns vissa agentiska AI-funktioner för centrala HR-processer som lönehantering och regelefterlevnad.

Men vi saknade den generation användningsområden som påverkar personalanalys, särskilt sådana som låg i linje med det nätverksramverk vi använder på CTS. Hur kunde de hjälpa oss att tänka om kring viktiga processer som förändringsledning, ledarskapsutveckling och introduktion i termer av social aktivering?

Därför valde vi den här gruppen på åtta. Vi fick stor genomslagskraft. Vi kan senare prata om introduktionsagenten och mentorsmatchningen, men vi kände att det var en grupp användningsområden som förmedlade budskapet att detta är det nya sättet att använda agentiska funktioner inom personalanalysbranschen som helhet, bortom området analys av organisatoriska nätverk.

David Rice: Dan, du nämnde samtycke. Hur säkerställer ni samtycke, förtroende och transparens när AI-agenter initierar något så känsligt som en insats för att behålla personal eller en mentorsrelation mellan kollegor?

Dan George: Det var en av våra förebyggande utgångspunkter. Vi måste se till att allt vi gör agentiskt har rätt nivå av samtycke och etisk användning av de här automatiserade processerna. Ett av de bästa sätten är att plattformen samlar in information om tjänster och e-postadresser för både deltagarna och andra personer i organisationen. När agenten upptäcker ett specifikt kriterium kan den skicka ett automatiskt e-postmeddelande som genererats av en administratör.

Administratören kan starta det eller starta hela processen med alla identifierade undertecknanden. Båda parter får sedan ett e-postmeddelande där de klickar på en knapp och lämnar sitt samtycke. På så sätt informerar vi båda parter och får deras samtycke till att processen startar. När som helst kan de återkalla sitt samtycke, så att vi följer GDPR och övergripande etiska principer.

Francisco Marin: Vi har också haft löpande diskussioner med teamet om alla nyanser i varje användningsområde. När det gäller personalbevarande diskuterade vi till exempel om det är meningsfullt att presentera insikterna på aggregerad nivå: att säga att ett team på tretton personer, baserat på de signaler vi ser, löper hög risk att lämna organisationen och att detta är några åtgärder ni kan genomföra.

Eller är det bättre att göra det på individnivå och meddela den närmaste chefen? I vissa fall testar vi detta på aggregerad nivå och i andra på individnivå. Vi ser vilken reaktion vi får från de första företagen som testar lösningen och från medarbetarna själva.

Principen är att bygga in möjligheter att välja bort när det är möjligt. Om du identifieras som mentor för en nyanställd måste du till exempel lämna ditt samtycke till att delta i mentorskapet. Nästa fråga är vilken roll den närmaste chefen ska ha.

Ska den närmaste chefen vara en grindvakt som måste godkänna insatsen, eller ska chefen informeras om att möjligheten har identifierats, medan mentorn själv slutligen är den som måste lämna sitt samtycke? Det här utvecklas fortfarande, men tanken är att följa GDPR och andra regler fullt ut och bygga in dessa möjligheter att välja bort när det är möjligt.

David Rice: Låt oss prata lite om funktionaliteten. Vad gör dessa agenter verkligen agentiska, till skillnad från exempelvis en instrumentpanel, en smart assistent eller sådant som generativ AI vanligtvis förknippas med?

Francisco Marin: Namnet antyder att agentisk AI har större handlingsförmåga. Den väntar inte på att en människa ska analysera en instrumentpanel eller ställa en fråga för att sedan komma fram till ett svar. Den identifierar proaktivt frågor och insatser. Människan behövs fortfarande för att godkänna insatsen från plattformen, men AI:n övervakar kontinuerligt signalerna och identifierar insatser i realtid.

Den kan också fatta kontextmedvetna beslut. Beroende på situationen finns olika mätvärden tillgängliga. Utifrån de övergripande mätvärden som systemet har tillgång till och med hjälp av ramverket för hämtning och förstärkt generering kan den övergripande agentorkestratorn fatta beslut i realtid om hur e-postmeddelanden och aviseringar ska sättas samman och hur insatserna ska genomföras.

Handlingsförmågan är därför mycket större än i ett traditionellt gränssnitt för generativ AI, som de vi tidigare byggt in i plattformen.

David Rice: Du nämnde att ni genomför pilotprojekt. Vilka agenter har fått snabbast genomslag eller väckt störst intresse hos användarna, och varför tror du att det är så?

Francisco Marin: Det är mentorsmatchningen kopplad till introduktionen. Vill du ta den, Dan?

Dan George: Ja. Mentorsmatchningen har sannolikt den lägsta risknivån. Jag tror starkt på att inte bara ha en mentor utan flera mentorer.

För organisationer som vill skapa engagemang bland nyanställda, nya chefer och nya personalansvariga är det värdefullt att kunna matcha någon med en person som kanske inte står i en direkt rapporteringslinje eller har en uppenbar koppling till personen. Mentorsmatchningen försöker förstå individen, dennes nivå och ambitioner, beroende på hur omfattande den aktiva undersökningen av organisatoriska nätverk är.

Den potentiella adep­ten och mentorn får samtyckesmeddelanden. Båda kan svara ja, och därefter börjar introduktionen. I stor skala gör det processen mycket enklare. Jag har tidigare genomfört detta manuellt som personaldirektör och som ansvarig för personalanalys i olika organisationer.

Jag har behövt ta fram listor och skicka dem till lednings- eller talangengagemangsteam. Att ha en automatiserad och auktoriserad plats där en administratör bara kan klicka gör processen mycket enklare och hjälper oss att undvika att alltid välja samma typiska mentorer och adepter.

Det är sannolikt en av de enklaste insatserna, med lägst risk och störst påverkan, som en organisation kan genomföra för pengarna. Det är imponerande.

Francisco Marin: Människor förstår konceptet mycket enkelt. Alla som har arbetat i ett stort multinationellt företag vet att det gör enorm skillnad om den första personen du möter och som visar dig hur organisationen fungerar är inspirerande, stöttande och engagerad, eller om personen är oengagerad och kanske vill lämna organisationen.

Detta är särskilt relevant i dag eftersom många nyanställda börjar arbeta i hybrida miljöer utan kontakt ansikte mot ansikte med teamet. De ansluter till organisationer som genomgår omorganisationer i realtid. Det är en osäker miljö där det är avgörande att optimera introduktionen och förkorta tiden tills den nyanställda når full produktivitet. Det vi gör är att tänka om kring introduktion som social aktivering.

David Rice: Mycket intressant. Jag kan föreställa mig att detta på företagsnivå vore utmärkt för multinationella företag och för företag som rekryterar över nationsgränser. Du nämnde att agenterna kan identifiera risker för utbrändhet och automatiskt koppla ihop någon med en mentor eller chef. Hur ser arbetsflödet ut i praktiken?

Francisco Marin: Vi kan förklara arbetsflödet för mentorsmatchningen, eftersom det är den som just nu är operativt införd i flera företag.

En nyanställd börjar i organisationen. AI:n identifierar vem som är bäst lämpad att vara mentor eller fadder för personen. Identifieringen baseras på mätvärden som informellt ledarskap, teknisk kompetens, roll, avdelning, prestationsnivå och erfarenhetsår. Ju mer data systemet får, desto mer sofistikerade och handlingsbara blir rekommendationerna.

När matchningen har identifierats visas insatsen för HR-användaren i plattformen för nätverksanalys. HR-användaren måste sedan godkänna att insatsen startar.

AI:n kontaktar därefter mentorn för att inhämta dennes samtycke och informerar den närmaste chefen. Om mentorn samtycker skickar AI:n ett introduktionsmeddelande mellan mentorn och adepten.

Den bokar ett möte så att de kan lära känna varandra, dokumenterar om mötet har ägt rum och bedömer insatsens effekt, inklusive besparingar genom att förkorta tiden tills den nyanställda når full produktivitet. Det är ett exempel på ett komplett agentiskt AI-arbetsflöde för introduktion med en mentorsmatchare.

David Rice: Låt oss tala lite om resultaten. Hur ser framgång ut för en av dessa agenter? Vilka signaler eller resultat följer ni upp?

Dan George: När det gäller den övergripande effekten utgår vi från långvarig forskning som visar på genomsnittlig avkastning i olika scenarier.

När agenterna slutför sina uppgifter och mentorer och adepter har sina möten och sin inledande planering börjar systemet räkna dessa aktiviteter och koppla ett dollarvärde till dem. Allt aggregeras högst upp i instrumentpanelen. HR-administratörer och andra systemadministratörer kan se resultatet där.

De kan använda egna avkastningsvärden eller ändra dem om de vill lägga till eller dra ifrån ett belopp. Övergripande tittar vi på ett automatiserat flöde som tar hänsyn till och förstår att allt har planerats, samordnats och genomförts.

Det kan i sig spara tiotals eller hundratals arbetstimmar, beroende på arbetsgruppens storlek och hur länge processen pågår. Alla dessa avkastningsmått finns samlade där. Mätvärdena kan visas i olika presentationsformat på instrumentpanelen, så att teamet kan visa effekten i möten eller för ledningen.

Francisco Marin: För en mentorsmatchning kan besparingarna uppgå till mellan 20 000 och 30 000 dollar genom att tiden tills en nyanställd når full produktivitet förkortas med upp till 40 %.

Detta kan genomföras i stor skala för varje nyanställd i organisationen. AI-agenterna finns just nu i vår självbetjäningsplattform Connect Network Analyzer, men vi arbetar mot att integrera dem direkt i plattformar som ServiceNow och Google, så att kunderna kan använda dem inom sin befintliga IT-infrastruktur.

Där kan agenterna samverka med all slags information, exempelvis ärendehantering och HRSD, i ekosystemet för medarbetararbetsflöden i ServiceNow. Det är en mycket intressant och spännande period där vi upptäcker nya användningsområden och får mycket återkoppling.

Dan George: Vi har också fått ytterligare intresse från andra CRM-system. Att lägga till detta som en inbyggd app i deras marknadsplatser hjälper till att effektivisera användningen av tekniken i deras befintliga ekosystem.

David Rice: Föreställ dig att du har tillgång till världens bästa talanger. Oavsett om det är ingenjören i São Paulo, försäljningschefen i Dublin eller den fantastiska designern i Kapstaden kan din nästa stora rekrytering finnas var som helst i världen. Med Oyster behöver de inte vara den som kom undan.

Oyster hjälper företag att rekrytera talanger globalt, hantera korrekta löneutbetalningar i tid och följa reglerna hela vägen. Bygg ditt drömteam och väx med tillförsikt, eftersom världen verkligen är ditt ostron.

Jag föreställer mig att HR är mycket intresserat, men ni nämnde också möjligheten att tala med resten av företagsledningen. Ser ni stort intresse från verksamhetschefer och vd:ar?

Dan George: Fler och fler samtal varje vecka och månad kommer faktiskt från personer utanför HR.

Vanligtvis har vi kommit in via personalanalytiker, andra HR-transformationsspecialister eller yrkespersoner inom talanghantering. Men allt oftare talar vi med ledare utanför HR eftersom de vill förstå medarbetarnas kompetenser och nätverk.

De vill kunna påskynda innovation, samarbeta bättre, förstå teamens kulturella dynamik och identifiera de främsta opinionsbildarna vid förändringsinitiativ. Därefter kan de anpassa kommunikationen till dessa personer och deras nätverk, oavsett om de finns i mitten, högst upp eller längre ned i organisationen.

Det spelar ingen roll var de finns – det finns opinionsbildare överallt. Att kunna nå dessa personer för att påskynda införandet av förändringar är ett mycket stort användningsområde för oss.

David Rice: Ur ett tekniskt perspektiv kan data och infrastruktur se lite olika ut i varje organisation. Vilken typ av data och infrastruktur behöver företag ha innan de realistiskt kan införa dessa agenter?

Francisco Marin: Trösklarna är mycket lägre än många tror. Det fina är att vi kombinerar aktiv och passiv analys av organisatoriska nätverk. Aktiv analys bygger på webbaserade undersökningar, medan passiv analys tittar på aggregerade metadata från samarbetsverktyg som Microsoft, Google, Slack och andra.

De viktigaste uppgifterna är egentligen medarbetarens namn, e-postadress, chefens namn och chefens e-postadress. Det räcker i princip för att starta ett pilotprojekt. Därefter kan man lägga till avdelning, division, prestation, engagemang, personalomsättning och historik över personalomsättning.

Ju mer data, desto bättre, men det är det fina med agentisk AI: den kan fatta kontextmedvetna beslut och arbeta med den grundläggande information som finns. Om AI:n inte vet vem chefen är eller vilken e-postadress som ska användas kan den naturligtvis inte skicka information eller aviseringar.

Dan George: Vi har haft team som laddat upp mycket enkla hierarkistrukturer och andra kunder som laddat upp två eller tre separata hierarkier beroende på hur de vill se och följa sina olika organisationer och trender.

Vi kan i princip ta in alla strukturer som är meningsfulla för kunden. Vår specifika stora språkmodell i bakgrunden kan också samverka med andra leverantörers språkmodeller, så att flera modeller tillsammans hjälper vår motor för analys av organisatoriska nätverk att analysera nätverken.

Francisco Marin: Ett bra exempel är ett företag bland Fortune 5 som vi nyligen arbetade med. De hade sju olika mätvärden för att definiera sina team: organisatorisk tillhörighet, funktionella rapporteringslinjer, direkta rapporter och indirekta rapporter. AI:n kunde förstå alla dessa övergripande mätvärden och inkludera dem i rekommendationerna och i uppmaningarna till den generativa AI-komponenten.

David Rice: Jag har sett forskning som antyder att särskilt HR-medarbetare ibland känner att de inte är kvalificerade att använda många AI-verktyg. Har ni mött skepsis eller motstånd när ni fört in agentisk AI i traditionellt människocentrerade processer?

Francisco Marin: Min erfarenhet hittills är att det är mycket väl förstått att AI kommer att spela en avgörande roll i framtidens arbetsliv. Oavsett om du arbetar inom HR, IT eller ekonomi måste du förhålla dig till detta, eftersom tekniken kommer att påverka ditt arbete på kort sikt.

Den känslan av brådska minskar kanske motståndet mot att ta till sig och exponeras för den här typen av teknik jämfört med tidigare vågor. Jag ser att inställningen förändras. AI blir helt enkelt en allt viktigare del av vardagen, och motståndet har varit mycket mindre än jag förväntade mig.

Dan George: Vi har utformat plattformen för alla yrkespersoner, oavsett om de har omfattande kunskaper om matematiken bakom analys av organisatoriska nätverk och grafdatabaser. Alla förväntade mätvärden finns där, men det vi visar tydligast i plattformen och rapporterna är lätt att förstå för personer som inte har djup bakgrund inom området.

Om man vill fördjupa sig finns all information ändå tillgänglig. Informationen kan laddas ned till olika kalkylblad och läggas till i den befintliga databasen eller personaldatabasen lika enkelt som att ladda upp ett nytt kalkylblad. Det spelar ingen roll om man arbetar med 300 eller 30 000 personer.

Francisco Marin: Det budskapet är avgörande. Vi betonar för HR och andra intressenter att de användare som har tillgång till plattformen har full kontroll över hur insikterna delas i organisationen. Man kan godkänna eller inte godkänna en insats, dela en sammanfattning för ledningen i PDF-format och själv anpassa vilka mätvärden, insikter och diagram som ska ingå i rapporten.

Man kan också anpassa rapportens omfattning. Man är grindvakten och avgör hur informationen delas. Det budskapet uppskattas av HR-teamen.

David Rice: Jag föreställer mig att den anpassningsbara upplevelsen och möjligheten att utforma den efter användarens nivå är en viktig faktor för att få acceptans. Vart ser ni att detta är på väg härnäst? Finns det agentiska funktioner ni redan drömmer om för nästa våg?

Dan George: Det finns många områden där vi kan vidareutveckla den andra generationen av de åtta agenter vi har i dag och även gå vidare till fler områden när människor blir mer bekväma med tekniken.

Vi försöker följa utvecklingstakten och förstå vilka trender som är mest populära eller mest betydelsefulla för tillfället. Vi är mycket entusiastiska över både den första generationen, den kommande andra generationen och de efterföljande generationerna.

Francisco Marin: För mig är framtidens organisation ett nätverk som drivs av agenter. AI-agenter kan genomföra övergripande insatser i stor skala. Stora multinationella företag fungerar som inkubatorer för detta nya arbetssätt – det vi kallar ett nätverksorienterat framtida arbetsliv.

Nya organisationer föds och växer genom att integrera dessa arbetssätt i stor skala, på samma sätt som vi gör på CTS. Vi är ett team på 50 personer, en mycket decentraliserad gemenskap med konsulter, ambassadörer och ett kärnteam i Kalifornien. Vi vill skapa ett exempel genom hur vi själva driver CTS och visa hur detta nya arbetssätt kan se ut.

Vi har också lanserat Network-First Manifesto, där alla som känner igen sig i konceptet med ett nätverksorienterat framtida arbetsliv kan bidra till att utforma ett manifest och en serie principer tillsammans med ledande tänkare och andra personer i branschen.

Det är därför vi gör detta: för att inom vår begränsade kapacitet och vårt begränsade inflytande leda övergången från en hierarkiförstamodell till ett nätverksorienterat framtida arbetsliv. När en nyanställd börjar i en organisation i dag finns ofta begränsningar kring var, när och med vem personen ska arbeta.

Det är en modell som ökar den samarbetsmässiga kontrollen men som inte skapar en hälsosam balans mellan centralisering och decentralisering eller mellan humankapital och socialt kapital. Vi försöker bygga in dessa element på strukturell nivå, så att en person som börjar i en stor organisation får incitament och erfarenheter som liknar dem i en nystartad verksamhet i Silicon Valley.

Det handlar om att skapa ett framtida arbetsliv som vi alla ser fram emot och inte är rädda för.

David Rice: Det är fantastiskt. Jag tycker mycket om Michaels arbete kring nätverk. Dan, Francisco, tack för att ni var med oss i dag. Innan vi avslutar vill jag ge er möjlighet att berätta var man kan läsa mer om det ni gör och om agenterna.

Francisco Marin: Besök cognitivetalentsolutions.com när som helst. Vi har också nyhetsbrevet CTS Running Sites på LinkedIn, där man kan få artiklar till sin e-post varje vecka. Separat från CTS har vi lanserat initiativet Network-First Manifesto på networkfirstmanifesto.com eller networkfirstmanifesto.com/join.

Där kan man läsa mer om initiativet. Det är öppet för alla som vill delta.

David Rice: Tack för att ni var med oss i dag. Det har varit ett mycket bra samtal.

Dan George: Tack, David.

Francisco Marin: Tack, David.