Vad AI kommer – och inte kommer – att ersätta inom personalanalys

David Rice: AI kommer inte att ersätta 90 % av det som ett starkt personalanalysteam bidrar med. Vad finns i de där 90 procenten som är unikt mänskligt?

Roxanne Laczo: Det som finns där är det som finns i våra huvuden, i vår hjärna. Det handlar om att påverka intressenter genom berättande. Jag tror kanske att de där 90 procenten kan förändras någon gång, men AI kommer aldrig att kunna ersätta det helt och hållet.

David Rice: Riskerar vi att skapa ett slags tvådelat system där AI blir den tillräckligt bra lösningen för de flesta organisationer?

Noelle London: Traditionellt sett är personalanalys en resurs som stora företag har tillgång till. Det är inte en resurs som mindre organisationer nödvändigtvis har budget för. Det vi ser är att organisationer anställer personer med den här typen av kompetens tidigare än vad vi såg för två eller två och ett halvt år sedan. Det gör det verkligen spännande.

David Rice: Är personalanalys på väg att bli HR:s och därmed AI-transformationens maktcentrum?

Cole Napper: Jag tänker säga nej. Och anledningen är inte brist på kompetens. Det handlar om vilja.

David Rice: Om vi blickar framåt 12 till 18 månader, vilka specifika färdigheter bör de utveckla för att förbli relevanta? Och omvänt, vilka färdigheter bör man sluta lägga tid på eftersom man tror att AI så småningom kommer att hantera dem?

Välkomna till The People Managing People Podcast – programmet där vi hjälper ledare att hålla arbetet mänskligt i AI-eran. Jag heter David Rice och är er värd. I dagens avsnitt har jag nöjet att få sällskap av tre briljanta personer som arbetar inom personalanalys, för ett slags rundabordssamtal.

Först har vi Roxanne Laczo. Hon är chef för personalanalys på Cloudflare. Välkommen, Roxanne!

Roxanne Laczo: Hej, roligt att vara här!

David Rice: Vi har också Cole Napper, som ni kanske minns från hans tidigare medverkan i podden. Han är vice president för forskning, innovation och talanginsikter på Lightcast. Välkommen, Cole!

Cole Napper: Tack för att jag fick komma, David.

David Rice: Och slutligen har vi Noelle London. Hon är grundare och vd för Illoominus. Välkommen, Noelle!

Noelle London: Tack för att jag fick komma. Det ska bli roligt att vara här.

David Rice: Toppen. Okej, idag ska vi prata lite om personalanalysens nuvarande läge, vart vi tror att området är på väg och hur vi omdefinierar funktionen – och vad det innebär för HR.

Jag vill börja här. När vi pratade före inspelningen diskuterade vi att AI inte kommer att ersätta 90 % av det som ett starkt personalanalysteam bidrar med, och Roxanne kom med den här något provokativa tanken. Så jag vill börja där. Roxanne, vad finns i de där 90 procenten som är unikt mänskligt? Och tror du att den andelen kommer att bestå när AI:s kapacitet utvecklas?

Roxanne Laczo: Ja, absolut. Jag tror att det som finns där är det som finns i våra huvuden, i vår hjärna. Det finns strategisk kontext kring organisationen och verksamheten som AI inte nödvändigtvis kan uppfatta. Det finns institutionell kunskap och relationer som man har i organisationen. Man vet var man kan få tillgång till information och datainsikter som man inte nödvändigtvis skulle få på annat sätt.

Ett AI-verktyg kan inte nödvändigtvis samla in allt. Det handlar också om att påverka intressenter genom berättande, vilket är mycket svårt att återskapa i ett AI-verktyg om man inte har den mycket starka kontext som jag nämnde tidigare. Jag tror därför att det sista också handlar om att kunna ställa rätt frågor utifrån de relationer man har, det man vet om organisationen och det man vet om verksamhetens problem.

Jag tror kanske att de där 90 procenten kan förändras någon gång, men på kort sikt tror jag egentligen att det som kommer att förändras är värdet av det vi bidrar med som individer genom relationsbyggande och kontext. AI kommer aldrig att kunna ersätta det helt och hållet, på den nivå där jag tror att alla i det här samtalet vill att det ska fungera.

David Rice: Det är intressant. Cole, jag vill gärna höra din syn på det här eftersom du verkligen arbetar på djupet med färdigheter. Du ser mycket av det som händer kring omställning och automatisering. Vad tror du kommer att finnas kvar inom personalanalysfunktionen?

Cole Napper: Om vi går tillbaka till din tidigare fråga sa du att 90 % av ett starkt personalanalysteam inte kommer att försvinna.

Jag tror att om man inte har ett starkt team kan 90 % av det försvinna. Jag delar ungefär upp det i två kategorier: utför man transaktionellt arbete eller strategiskt eller transformativt arbete? Nittio procent av det strategiska, transformativa arbetet kommer inte att försvinna. Allt Roxanne sa stämmer. Jag tror att 90 % av det transaktionella arbetet kommer att försvinna.

Vi gjorde nyligen en undersökning på Lightcast som jag delade med er innan vi spelade in den här podden. Den kartlade all HR-teknik och alla HR-färdigheter utifrån hur värdefulla de var, hur mycket de hade vuxit och hur mycket AI skulle störa dem. Personalanalys var samtidigt den mest värdefulla färdigheten inom HR, men också en av de färdigheter som med störst sannolikhet skulle påverkas av AI.

Jag tyckte att det var en fascinerande paradox kring det som händer: många av de transaktionella delarna av personalanalys tror jag kommer att försvinna under de kommande åren.

David Rice: Noelle, ur ditt perspektiv – du tänker ju alltid på hur människor sätter samman sin teknikstack, eller hur?

Och hur AI kopplas in i allt det. Vad ser du när det gäller var det nästan börjar tränga undan människor ur processen? Jag vill inte säga tränga undan människor, men var får det stor påverkan på hur människor samspelar med den teknik de redan har?

Noelle London: Ja. Jag vill börja med att säga – och jag tror att vi kommer att prata lite mer om det senare – att när vi säger personalanalys betyder det väldigt olika saker i företag av olika storlek och på olika mognadsnivåer.

När vi säger personalanalys är det alltså inte exakt samma sak eller samma behov i olika organisationer. När vi tänker på personalanalys och på organisationer som kanske inte har en Roxanne, tycker jag att Roxanne är en otroligt värdefull resurs för sin organisation, och kanske är 90 % lite högt när man säger att det inte går att ersätta 90 %.

Jag tänker inte heller nödvändigtvis på det som ersättning. Jag tycker att ordet ersätta snarare handlar om en andrepilot som kan hjälpa till med många av de saker som helt enkelt sliter ut människor. En del av det arbete som organisationer i ett tidigare skede eller med färre anställda gör är till exempel att underhålla integrationer och gå igenom datakvalitet och rensning. Sådant håller dem kvar i ett reaktivt läge.

De gör regelbunden rapportering, men den kanske blickar bakåt. Det arbetet kan vara mycket tidskrävande om man inte har ett fullt utbyggt team som kan göra det. Där finns möjligheter att lyfta bort arbetet från agendan och ha en andrepilot som hjälper till, så att man kan ägna mer tid åt den kontext som Roxanne nämnde – den som finns i huvudet.

Jag tycker fortfarande att vissa saker är mycket svåra att hantera. AI förändras uppenbarligen för oss varje vecka just nu, men vissa delar är fortfarande svåra, det ska jag inte sticka under stol med. Cole och jag pratade faktiskt om det tidigare i veckan. Tänk på alla särfall.

Det kommer så många särfall. Något vi ser är till exempel interna förflyttningar och intern rörlighet. Vi ser att organisationer hanterar det på olika sätt i sina system. Det är sådant där vi verkligen måste fortsätta vara uppmärksamma på särfallen.

Och jag tror att den kontexten och den organisatoriska insikten handlar om hur vi tar allt som AI hjälper oss med som andrepilot inom personalanalys, så att vi kan ägna mer tid åt att fundera på vad vi ska göra åt det och mindre tid åt det arbete som återigen sliter ut oss.

David Rice: Det är intressant, för många företag har ju ingen Roxanne.

Jag undrar om vi riskerar att skapa ett slags tvådelat system där AI blir en tillräckligt bra lösning för de flesta organisationer. Bara företag med goda resurser får den verkligt strategiska insikten och den kontext som krävs.

Noelle London: Ja, det här är det som jag verkligen blir entusiastisk över, eftersom personalanalys traditionellt har varit en resurs som stora företag haft tillgång till.

Det är inte en resurs som organisationer med exempelvis 12 000 eller färre anställda nödvändigtvis har budget för. Jag vet att Roxanne kanske är ett undantag där du befinner dig just nu, men det vi ser är att organisationer anställer för den här typen av kompetenser och roller tidigare än vi såg för två eller två och ett halvt år sedan.

Fler organisationer säger: ”Min organisation förändras. Jag måste kunna tänka på framtidens arbetsstyrka. Jag behöver data som hjälper mig fatta de besluten.” Vi ser alltså att det kommer tidigare i organisationer, och för mig gör det det väldigt spännande. Ja, det finns större organisationer som har 30 personer i ett personalanalysteam.

Det är en helt annan typ av personalanalys än den man har i en mindre och mer flexibel HR-organisation. Jag tror inte nödvändigtvis att det skapar ett tvådelat system. Jag tycker faktiskt att det spännande är möjligheten att samla data för att dela insikter mellan företag.

Den riktigt stora möjligheten är att jämföra sig med andra och lära av vad som fungerar i deras organisationer. Vi har inte nödvändigtvis färdiga handlingsplaner för några av de stora förändringar som sker inom HR. Nätverkseffekten av att lära mellan medelstora organisationer är därför en stor möjlighet.

För mig är det en chans att nästan hoppa över steg för organisationer som snabbt bygger upp sin personalanalys och ta dem till nästa nivå.

Roxanne Laczo: För att återgå till det Noelle sa tidigare om hur vi definierar personalanalys: vi skulle kunna göra en hel podd om vad personalanalys betyder.

Jag har en mycket tydlig uppfattning om det, men jag lovar att de flesta företag som säger att de arbetar med det inte gör det på det sätt som jag skulle definiera det. Å andra sidan har många företag som inte har ett personalanalysteam personer som gör sådant som jag skulle definiera som personalanalys. Har de talangarbete? Har de bedömningar?

Man kan inte göra något av det utan analys. Jag tror därför att det handlar om organisatorisk beredskap, kontext, organisationens storlek och verksamhetens förståelse. Att säga att det finns en risk med två nivåer är kanske inte helt rätt. Risken handlar inte om möjligheten att göra saker och leverera insikter.

Den handlar snarare om huruvida verksamhetens samarbetspartner har förmågan att använda AI för att fatta beslut. Det behöver inte drivas av personalanalys – inte ens 0 % behöver drivas av personalanalys. Har hela personal- eller HR-teamet den förmåga och de investeringar som krävs för att möjliggöra och utbilda människor i hur man använder olika typer av verktyg och system med inbyggd AI för att börja samla in alla dessa insikter och fatta beslut?

Är vi på väg att göra personalanalys arbetslös? Inte nödvändigtvis. Det handlar om ett kompetensproblem, inte ett investeringsproblem, enligt min mening.

Cole Napper: Om vi återgår till frågan om två nivåer tror jag faktiskt att personalanalysens historia är mer tvådelad än framtiden. Om man går tillbaka – jag skriver om det i min bok Personal Analytics, som borde vara publicerad när det här släpps – fanns det företag som för inte så länge sedan hade personalanalysteam på 100, 200 eller 300 personer.

Och i stor utsträckning monteras de ned. Jag ser helt enkelt inte en framtid där man behöver ett personalanalysteam på mer än 50 personer. Jag tror faktiskt att det är den mest jämlika versionen av personalanalysens framtid.

Det AI gör är att sänka trösklarna. Att gå från noll personer eller noll teknik med fokus på detta till en person eller en lösning är mycket enklare än det var för kanske fem år sedan, eller till och med för ett år sedan.

Och jag tror att det är bättre för HR:s framtid och bättre för personalanalysens framtid.

David Rice: Ja, det är intressant med just den här funktionen. När jag tittar på trenderna för många andra roller i organisationen finns det från ledningens sida ofta en tendens att luta sig mot ”tillräckligt bra”.

Tänk på marknadsföring eller något liknande. Det finns en benägenhet att säga: ”Det här är tillräckligt bra.” Jag vet inte om det kommer att bli likadant inom något sådant här område, eftersom det känns som att många i organisationen inte förstår det från början.

När man sedan försöker tillämpa det, även med AI, är jag inte säker på hur lätt det är att förstå eller lita på det man får tillbaka. Har jag fel? Behöver man fortfarande någon mellan sig själv och AI, om man är ledare?

Cole Napper: Här har jag mycket starka åsikter. Det är en skam hur länge HR har haft ledare som inte varit datadrivna eller förstått hur man använder data för att fatta beslut. Jag tror att AI faktiskt kommer att tvinga fram en förändring.

Det är inte längre acceptabelt – eller snarare kommer det att bli existentiellt för själva HR-funktionerna. Vi har redan sett exemplet med Moderna, där de slog samman HR och i praktiken sa att AI tar över HR eftersom AI kan använda data för att fatta beslut och HR inte kan.

Det var ungefär undertexten i det jag såg i det meddelandet. Jag hoppas att det inte blir en trend, och det kommer det inte att bli om HR tar ansvar och HR kan vara de ledare som de tror att de kan vara.

Jag tycker helt enkelt inte längre att det är acceptabelt att vara en HR-ledare som saknar datakompetens. Det är en av anledningarna till att det är så spännande att vara ledare inom personalanalys just nu. Jag tror att det är en av de funktioner inom HR som förbereder dig för att bli framtidens personaldirektör eller HR-chef.

Roxanne Laczo: Jag vill bygga vidare på det och säga att vi ska kritisera HR-team en stund. Problemet är inte hur vi ska använda AI på något. Frågan är: förstår du verksamheten? Är du också en verksamhetsledare, i stället för bara det vi traditionellt skulle kalla en HR-ledare?

Det här är samma problem med den strategiska HR-partnern som jag har hört om i 20 år. Om du inte kan tala verksamhetens språk är det problem nummer ett. Det är ungefär det jag tror att Cole syftar på på ett annat sätt.

Vi måste sluta tänka på AI som själva ”hur”. Vi kan inte göra något med AI innan vi verkligen vet vilket problem vi försöker lösa. Annars kastar vi bara skräp på skräp. Och vad blir resultatet? Mer skräp. Det är en situation där ingen vinner.

Noelle London: Jag vill kanske försvara HR lite, eftersom jag i mitt dagliga arbete träffar HR-ledare som verkligen vill ha tillgång till data. Jag vill ge dem fördelen av tvivlet.

Det jag oftast ser är HR-ledare vars del av organisationen har varit kroniskt underinvesterad. Tänk på att alla företag har en kunddataplattform. Om du inte har en kunddataplattform 2025 – vad baserar du då verksamheten på?

Den typen av investering gick alltid till försäljning och marknadsföring eftersom vi tänkte på intäkter. Försäljning och marknadsföring fick det de ville ha, medan man gick igenom HR:s budget och började skära ned. HR fick inte någon plattform för medarbetardata. Vi har egentligen inte haft det i samma utsträckning förrän nu.

Jag tror att HR måste komma ikapp när det gäller system och datafundament för att fullt ut kunna dra nytta av AI. Det är spännande just nu eftersom nästan alla HR-teknikverktyg har någon AI-funktion.

Förra året hade vi kunder som använde tre personer under tre veckor för att gå igenom en medarbetarundersökning. För ett par hundra personer lade de omkring 30 000 på ett verktyg för medarbetarengagemang.

Det behöver man inte göra längre. Tidigare tänkte vi på vår centrala HR-teknikstack så här: om jag är ekonomichef och diskuterar det med HR får ni ett HR-system, ett system för talangförvärv, ett system för engagemang och, om ni har tur, ett system för prestation.

Nu kan vi säga – och jag tror starkt på det – att personalanalys, alltså hur vi faktiskt kopplar samman de olika systemen, måste bli en central del av teknikstacken. När vi kan använda AI på delar av det övriga arbetet skapas utrymme för att strategiskt tänka på hur pusselbitarna ska sättas ihop.

David Rice: Det här är intressant. Jag vill byta fokus lite, eftersom jag tror att det finns ett gap mellan vad styrelser förväntar sig av AI och HR och vad som faktiskt är möjligt just nu.

Hur överbryggar man skillnaden mellan pressen från ledningen att ”göra AI” och verkligheten? Många vd:ar säger: ”Vi är en AI-driven organisation.” De vill att HR ska vara det också, men som Noelle sa kanske de HR-system och team som finns i dag inte har de delar på plats som krävs för att leverera det.

Noelle London: Det handlar mycket om det jag nyss nämnde. Det finns många användningsområden i den befintliga HR-teknikstacken där man redan börjat dra nytta av vissa verktyg.

När du nu får frågan hur du använder AI i HR är det dags att bygga affärsfallet för personalanalys. Det är dags att säga: vi kan göra små punktinsatser om ni verkligen vill det, men om vi ska vara strategiska för verksamheten måste vi göra mer.

Om alla fokuserar på lönsamhet i år och den största kostnaden i organisationen är personalen, då måste vi förstå vad som fungerar och inte fungerar i organisationen. Vi kan göra små saker om ni vill. Men om ni vill ha AI i HR och pressar oss – bygg affärsfallet nu.

Roxanne Laczo: Jag tycker också att det krävs mycket möjliggörande arbete. Man kan inte bara säga: ”Använd AI.” AI kostar oftast pengar och det tar tid att lära sig.

I olika organisationer och samtal jag haft ser jag stora förväntningar, men många vet inte ens var de ska börja, särskilt människor som inte är vana vid tekniken.

Man kan inte säga åt en grupp rekryteringskoordinatorer att börja använda AI om de kanske aldrig ens har kommit i kontakt med det. Det finns alltså en viktig del som handlar om att möjliggöra användningen. För det första måste man investera i att hjälpa människor. För det andra måste man investera i verktyg.

Man kan inte säga till HR att budgeten ska skäras ned och samtidigt be dem skaffa en massa AI-verktyg för att göra allt arbete. Det återför oss till samtalet om att HR ska bli mer strategiska och verksamhetsfokuserade partner. Vad krävs för det? Investeringar i AI, teknik, personalanalys och kompetensutveckling.

Cole Napper: Jag vill bygga vidare på det Noelle och Roxanne sa. Ur styrelsens perspektiv – och det varierar förstås mellan företag – ser man ett allmänt tema i ekonomin: styrelser säger till vd:ar att de vill att de ska göra AI-investeringar, vilket kostar pengar. Samtidigt vill de hålla rörelsekostnaderna oförändrade.

Då händer följande: man minskar antalet anställda och lägger till AI, vilket enligt beräkningen ska öka produktiviteten. Organisationen ska alltså fortfarande visa produktivitetsökning.

Men eftersom vi alla har sett statistiken – exempelvis att 95 % av AI-piloter misslyckas just nu – pressar man i praktiken de befintliga medarbetarna ännu mer för att få fram produktivitetsvinsterna.

Människor arbetar längre dagar och engagemanget minskar. De kompetensluckor som Roxanne pekade på visar sig också. Det leder till den märkliga press vi ser i samhället: produktivitetssiffrorna går upp, men inte på grund av AI, utan för att man pressar ut mer saft ur citronen.

David Rice: Det håller jag med om. Jag har nyligen hört flera samtal om att alla ledningsgrupper faktiskt behöver utbildning i skillnaden mellan AI, maskininlärning och automatisering. De kan likna varandra, men är inte alltid samma sak.

När vi pratade före inspelningen skiljde du mellan mikro-AI-lösningar, som att använda GPT för en daglig uppgift, och makrolösningar där leverantörer bygger in AI i arbetsflöden. Om en HR-ledare lyssnar – var bör den personen lägga sina satsningar och sitt lärande?

Cole Napper: Jag har några tankar om det. Ur styrelse- eller koncernledningsperspektiv säger man att man vill se produktivitetsvinster och en grundläggande omvandling av HR. Det är makroanvändningen av AI.

Man vill att hela arbetsflöden och processer ska vara AI-baserade eller AI-integrerade, så att man ser en grundläggande förändring i hur arbetet utförs.

HR säger däremot till HR-medarbetare att de ska prova ChatGPT, Gemini eller något annat och se om de kan skriva en bättre arbetsbeskrivning. Vissa HR-tekniksystem har en AI-chattbot, och man uppmanas att prova den i liten skala.

Det finns en grundläggande frånkoppling mellan dessa två saker. Förväntningarna och verkligheten skiljer sig för mycket när man ser på det ur ett mikro- respektive makroperspektiv.

Den sista saken jag vill säga är att den första versionen av AI-användning inom HR kommer att se mycket annorlunda ut än den andra versionen.

Just nu skulle jag säga att 95 % av utgifterna för AI-användning handlar om att skaffa ett nytt AI-skal eller lägga AI ovanpå den befintliga infrastrukturen, kanske med lite fokus på kompetens, kapacitet eller data.

Jag tror att alla börjar se att det inte fungerar i den skala vi hoppades på. Den andra versionen kommer därför att se helt annorlunda ut. Om du hade 100 extra kronor att lägga på AI skulle jag lägga 95 kronor på bättre data och bättre infrastruktur och 5 kronor på ett bättre AI-skal.

Det är dit utvecklingen kommer att gå. Det är därför jag tycker att det är så spännande att arbeta på ett företag som Lightcast, eftersom vi har den här typen av data. Vi befinner oss i en omvandlingsfas och har ännu inte löst allt.

Noelle London: Jag gillar det, Cole. Just nu tänker jag att resan och mognaden mot mer AI i HR handlar om att ta bort en del av det arbete som sliter ut människor.

Börja med snabba vinster genom AI-verktyg och de AI-delar som finns i systemen. Men det är inte samma sak som införande, och där får det inte stanna.

Använd de snabba vinsterna, men investera samtidigt i ett ordentligt datafundament. Se till att datafundamentet är rent och tillförlitligt. Börja koppla ihop systemen. Det är då vi verkligen kan låsa upp möjligheterna – när vi kan kartlägga hela medarbetarresan och samla systemen för att få hjälp med intern rörlighet och planering av arbetsstyrkan.

Roxanne Laczo: Jag vill bara lägga till att jag förstår idén med att uppmuntra människor att använda ChatGPT eller Gemini för att göra uppgifter snabbare.

Men jag vill få människor att sluta tänka att de gör något fantastiskt med AI bara genom att göra det. Enligt min mening är det inte ett starkt användningsområde för AI. Det är att lära sig bli lite mer produktiv med ett verktyg som redan finns tillgängligt.

En kollega och vän till mig och jag har pratat mycket om AI-sörja. Vi kommer inte att räkna AI-sörjan när vi tänker på värdeskapande aktiviteter. Det är bra att du gör det, men värdeskapande aktiviteter är de större sakerna som vi enklare kan mäta och som vi vet kommer att göra verklig skillnad i skala.

Jag säger inte att man ska sluta göra sådana uppgifter. De är viktiga. Men de borde vara en del av det normala arbetet. Det är inte samma sak som att använda AI för att lösa ett stort problem. Det är en produktivitetsvinst som alla bör försöka uppnå på något sätt.

David Rice: Ja, på många sätt handlar det om en tidsvinst. Det gör att du kan utföra uppgiften snabbare och sedan faktiskt få lite tid över till att försöka göra något annat.

Alla roller omfattas av det här nu, oavsett bransch. Och uttrycket som är så populärt just nu är ”grundkrav”. Ingen sa det särskilt ofta för två år sedan, men nu känns det som att det finns i varje inlägg på LinkedIn.

Jag vill gå tillbaka till det vi talade om: Cole, du nämnde att en ledare inom personalanalys kan ha en bra position för att bli framtidens HR-chef. Vi antyder att en proaktiv ledare inom personalanalys kan ta rollen att leda AI-transformationen.

Jag skrev nyligen om att anställa organisationens första AI-chef. När man söker en sådan person kanske man borde titta på HR-personer i stället för någon med teknisk bakgrund, eftersom människor ofta är den stora flaskhalsen i sådana transformationer.

Är personalanalys på väg att bli HR:s och därmed AI-transformationens maktcentrum?

Cole Napper: Jag ska inta motsatt position till mitt eget tidigare argument och säga nej. Och anledningen är inte brist på kompetens, utan brist på vilja.

Nästan varje ledare inom personalanalys som jag pratar med vill inte ha den rollen, är inte intresserad av den och ser den inte som sitt mål. Dessutom tror jag att vissa delar av rollen som personaldirektör inte passar personalanalys särskilt väl.

Det gäller exempelvis medarbetarrelationer och hantering av organisationspolitik. På högsta ledningsnivå måste man också ägna sig åt en sorts organisatorisk terapi för att vara en bra personaldirektör. Det är inte alltid ett roligt arbete. Jag vet, eftersom jag en gång flög för nära solen i en tidigare organisation.

Jag tror att rollen som personaldirektör skulle behöva förändras för att det här skulle bli verklighet. Det är inte omöjligt. Jag har länge funderat på att skriva om en framtida operativ modell för HR, men jag har ärligt talat inte haft viljan att publicera den.

Jag tror att det finns en framtid där det är möjligt, men jag tycker inte att det är nuläget.

Roxanne Laczo: Det finns så många vägar till att bli personaldirektör att svaret är både ja och nej. Att vara en AI-kraft kan kanske hjälpa dig dit.

Men jag återgår till det jag sa tidigare: förstår du verksamheten? Om du är ledare inom personalanalys men saknar koppling till verksamheten och inte förstår den, bör du inte bli personaldirektör.

Många företag tar in personer utifrån HR, exempelvis teknikchefer och personer med andra bakgrunder, och de gör fantastiska saker med personalteamen. Det är en möjlig väg.

Jag håller med Cole om att det finns personer i liknande roller som vill bli personaldirektörer, men i de flesta fall ser jag inte att människor säger att deras nästa jobb ska vara HR-chef.

Noelle London: Jag vill se det från ett lite annat håll. Personalanalys är, om man så vill, den perfekta AI- och HR-funktionen. Det behöver inte nödvändigtvis vara någon som kommer från personalanalys.

Personen måste förstå data, men också vara mycket bra på att tolka den. En sådan person kan i HR-avdelningen visa hur strategin hänger ihop och hur vi tolkar resultaten från AI.

På många sätt är den personen mycket väl positionerad för att hjälpa HR-organisationen att förstå vilken strategi vi har och hur de olika delarna hänger ihop.

En annan styrka är att HR-team under lång tid har varit uppdelade i silor. En rekryterare arbetar för att nå sina mål och minska tiden till anställning. Någon inom medarbetarrelationer har en helt annan roll. Någon inom medarbetarupplevelse har ännu en annan roll.

Det kan kännas som att teamet springer åt olika håll. En person inom personalanalys kan samla data och visa att detta är medarbetarresan och att vi alla ansvarar för nyckeltal inom den resan – men också hur funktionen arbetar tillsammans.

Det är en intressant styrka som den här personen kan tillföra. Dessutom känner en person inom personalanalys sina siffror utan och innan. Man kan fatta datadrivna beslut och bygga affärsfall för varför vissa beslut och investeringar är strategiska för verksamheten.

Jag säger inte att någon som saknar viljan ska ha rollen. Men det finns flera historiska hinder för HR-avdelningen som den här personen skulle kunna bidra mycket till att lösa.

David Rice: Och hon sa ”ursäkta min franska”. Jag trodde att jag skulle få använda pipknappen.

Noelle London: Silor.

David Rice: Vi börjar få slut på tid, men jag vill avsluta med detta. För mig visar samtalet att många företag bör tänka om kring vad HR och personalanalys faktiskt är och gör i verksamheten i dag.

När man gör det, och blickar 12 till 18 månader framåt, vilka specifika färdigheter bör personer inom personalanalys utveckla för att förbli relevanta?

Och omvänt: vilka färdigheter bör man sluta lägga tid på eftersom man tror att AI så småningom kommer att hantera dem?

Roxanne Laczo: Jag ska kliva upp på min tvålåda. Jag tror att det är tredje gången jag säger det: verksamhetsförståelse. Om du inte kan tala verksamhetens språk är det ett problem.

Det är något som jag själv fortfarande arbetar med. Det är inte lätt, men man måste lära sig att samarbeta med ledare på ett sätt som gör att man blir mer integrerad i det som händer i verksamheten. Det är mycket svårt att göra sitt jobb utan det.

Jag tycker också att allmän kunskap om AI-etik, styrning, regler, lagar och kommittéer kommer att bli mycket viktig när vi fortsätter framåt.

Det finns också fortfarande ett område i många team som kallas personalanalys, men som jag inte ens skulle kalla personalanalys. Det är grundläggande rapporteringsteam.

Man måste kunna bygga berättande och påverkan. Det finns en stark rådgivande del, och större företag har team med personalanalyskonsulter som är knutna till olika verksamheter. Jag tycker att det är en mycket bra modell och något vi arbetar mot när mitt team fortsätter att växa och utvecklas.

Det här är tre mycket viktiga områden. Sådant man inte längre bör investera i är manuella, transaktionella och repetitiva aktiviteter för datarensning. Det hör hemma hos dem som äger källdatasystemen, inte hos personalanalysteamen.

AI kan hjälpa dig att skapa instrumentpaneler, skriva kod, producera produkter och ta fram leveranser. Du behöver inte lägga timmar på att koda och producera sådant när organisationen förmodligen redan har verktyg som kan hjälpa dig att få ut det snabbt.

Noelle London: Jag håller helt med, Roxanne. Bädda in dig i verksamheten och bygg starka relationer med intressenter, så att du blir ovärderlig. Roxanne, du kan inte se det, men du pekar på ditt huvud som svar på frågan om att allt finns där uppe – och du har mycket där.

Ju mer du bygger upp din kunskap om verksamheten, desto mer kunskap får du i huvudet, och det gör dig ännu mer värdefull. Men underskatta inte det som händer inom AI. Håll dig uppdaterad, utbilda dig och se till att du förstår området. För mig är det det viktigaste.

Cole Napper: Jag håller entusiastiskt med om allt Roxanne och Noelle har sagt.

Jag kan egentligen bara upprepa det. Roxannes poäng om verksamhetsförståelse är så viktig. Jag pratar och skriver om det här hela tiden, och många som kommer till mig förväntar sig att jag ska prata om Excel-formler eller hur man skriver kod.

Men det handlar nästan alltid om hur man skapar särskilt värde för verksamheten genom människor – inte om att människor är problemet. Det är därför personalanalys är intressant, roligt och spännande.

Om du försöker skapa den bästa nya prylen bör du köpa något, använda AI eller göra något annat. Det transaktionella området förändras helt. Förstå din data. Investera i rätt datainfrastruktur. Men att vara personen som kör en rapport har enligt min mening en kort återstående livslängd.

David Rice: Absolut. Det här har varit ett fascinerande samtal. Jag tycker mycket om att prata med er alla. Tack för att ni var med i dag.

Cole Napper: Tack för att jag fick komma.

Roxanne Laczo: Tack, David.

Noelle London: Tack.

David Rice: Okej, lyssnare, tills nästa gång: arbeta på er verksamhetsförståelse. Anmäl er till nyhetsbrevet People Managing People, som alltid.