Det viktigaste AI-beslutet HR kommer att fatta är vad som inte ska automatiseras
Skydda mänskliga ögonblick: AI inom HR bör minska den administrativa bördan samtidigt som genuin uppskattning, coachning och relationsskapande bevaras.
Utforma uppskattning: I stället för att skriva beröm kan AI coacha medarbetare mot mer specifik, personlig och meningsfull uppskattning.
Hitta signaler: AI hjälper HR-ledare att tolka tillförlitlig arbetskraftsdata, identifiera meningsfulla mönster och rikta uppmärksamheten dit där insatser gör skillnad.
Chefens omdöme: Bättre medarbetarinsikter bör ge linjechefer möjlighet att agera eftertänksamt, inte centralisera beslut om arbetskraften högre upp i organisationen.
Ta ansvar: AI-rekommendationer kräver mänsklig tillsyn eftersom effektivitet kan återskapa partiskhet, försvaga förtroendet och förvandla omdöme till automatisering.
AI kan skriva meddelandet för att uppmärksamma någon, sammanfatta medarbetarundersökningen och till och med flagga en medarbetare som verkar vara på väg att lämna organisationen. I allt högre grad kan den även tala om för en chef vad han eller hon bör göra härnäst.
Frågan för HR-ledare handlar nu inte alls om huruvida tekniken kan delta i medarbetarupplevelsen. Den handlar om hur långt man vill låta den gå.
Den spänningen genomsyrade vårt senaste samtal om framtidens AI inom HR med Motivositys produktchef Jesse Dowdle och teknikchef Dano Gillette. Deras argument var att den mest användbara rollen för AI inom HR kanske inte alls är att ersätta mänsklig interaktion. Den kan i stället vara att eliminera allt runt omkring som gör meningsfull interaktion svårare.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
”De mänskliga delarna av jobbet är de delar som är värda att skydda”, sade Dowdle.
AI bör i stället, menade han, minska den tid HR lägger på arbetets ”icke-mänskliga delar” – administrationen, rapporteringen och den kognitiva belastning som drar personalansvariga bort från rådgivning, coachning och relationsskapande.
Det låter som en enkel distinktion. Det kommer sannolikt att bli betydligt svårare att upprätthålla den.
När effektiviteten börjar urholka upplevelsen
Mycket av den första vågen av AI för företag har kretsat kring en enkel fråga: Vad kan vi automatisera?
Det är rimligt när arbetet i fråga handlar om att stämma av kalkylblad eller ta fram analyser och rapporter. Det blir mer komplicerat när uppgiften är att tacka en medarbetare, tolka tecken på bristande engagemang eller avgöra vem som förtjänar ett samtal om sin framtid.
Uppskattning är ett användbart exempel.
Ett generiskt program för medarbetaruppskattning är relativt enkelt att skala upp. Företag har ägnat årtionden åt att göra exakt det med tjänsteutmärkelser, utmärkelser för månadens medarbetare, plaketter och standardiserade meddelanden. Problemet är, menade Dowdle, att skalbarheten ofta har skett på bekostnad av meningsfullheten.
”Det AI möjliggör är en nivå av personlig uppskattning i stor skala som aldrig varit möjlig tidigare”, sade han. ”Möjligheten är att göra den typ av individuell uppskattning som människor minns till något som sker varje dag i en organisation, även i en mycket stor och geografiskt utspridd organisation.”
Men här finns en uppenbar fälla. Om AI kan skriva uppskattningen, varför inte låta den göra exakt det?
Motivosity provade något som liknade det under utvecklingen.
I början tänkte vi: hörru, låt oss bara skapa en knapp som tackar människor åt dig. Människor ville inte höra från en robot.
I stället byggde företaget en AI-coach som uppmanar medarbetare att göra sin egen uppskattning mer specifik – genom att fråga vad som hände, varför det spelade roll eller vilken inverkan någon hade – utan att formulera uppskattningen åt dem. Gillette sade att det tillvägagångssättet har resulterat i uppskattningar som är omkring 20 % längre i plattformen.
Det intressanta är inte de extra orden. Det är produktbeslutet bakom dem.
AI hade teknisk kapacitet att slutföra uppgiften. Motivosity valde medvetet att inte låta den gå hela vägen.
Gillette beskrev målet som att hjälpa någon att bli ”mer specifik, mer omtänksam och mer genuin”, samtidigt som han erkände att genuinitet i sig inte är något AI kan bidra med.
”AI kan knuffa dig i rätt riktning”, sade han.
Den bättre användningen av AI kan vara att avgöra var man ska leta
Det finns ett annat område där AI:s värdeerbjudande ser betydligt starkare ut: att hjälpa HR att förstå information som organisationen redan har.
Personalteam har sällan lidit brist på data. Engagemangspoäng, uppskattningsaktivitet, prestationsuppgifter, utbildningssystem och mått på personalomsättning skapar gott om data. Utmaningen är att avgöra vad som förtjänar uppmärksamhet.
Under demonstrationen visade Gillette hur AI används som ett gränssnitt för data om erkännande och engagemang – vilket låter en HR-chef gå från en företagsövergripande vy till avdelningar, trender och signaler från enskilda medarbetare.
Men Motivosity gjorde ytterligare en avsiktlig åtskillnad här. AI beräknar inte den underliggande statistiken.
Gillette sade att företaget tidigt lärde sig att om man ber språkmodellerna själva utföra aritmetik kan resultaten bli opålitliga. I stället genereras siffrorna genom konventionella system och kan dubbelkontrolleras via API:er eller exporterad data. AI används för att tolka resultaten.
Den åtskillnaden är viktig långt bortom en enda plattform.
För HR kan det generativa AI-löftet handla mindre om att skapa ny information än om att minska avståndet mellan en chef och den information som hen redan har tillgång till.
Systemet kan i princip svara på: Var bör jag leta? Vad har förändrats? Vilket mönster kan jag ha missat?
Gillette beskrev målet som att hjälpa chefer att gå igenom information för att avgöra ”var kan jag göra den mest meningsfulla insatsen?”
Det är potentiellt en mycket mer betydelsefull användning av AI än att skriva ännu en sammanfattning.
Om en HR-chef kan identifiera en avdelning där erkännandet har kollapsat, en chef vars team tappar engagemanget eller en medarbetare vars beteende plötsligt har förändrats, kan AI omvandla ett hav av organisationsdata till en uppmaning till handling.
Men sedan måste fortfarande en människa agera.
Bättre insikter gör chefer viktigare
Det är kanske där den större förändringen för HR finns.
När det blir enklare att synliggöra medarbetarinsikter kan organisationer svara genom att centralisera fler beslut. Ge seniora chefer en instrumentpanel, identifiera statistiska avvikelser och styr arbetsstyrkan ovanifrån.
Dowdle förespråkade det motsatta tillvägagångssättet.
Han beskrev hur man använder erkännande och annan medarbetardata för att skapa vad han kallade en ”tredimensionell bild” av en person. Det handlar inte bara om huruvida en säljare nådde sin kvot eller om en medarbetare slutförde en certifiering, utan också om vad kollegorna uppskattar med att arbeta med personen, var hens styrkor framträder och hur hen bidrar socialt till organisationen.
Hans rekommendation var att lägga dessa insikter i händerna på chefer i första linjen.
Låt lösningen arbeta nerifrån och upp för att utveckla era medarbetare.
Det är en helt annan vision av AI-stött ledarskap än en algoritm som fattar allt mer betydelsefulla beslut om medarbetare.
Tekniken observerar. Chefen tolkar. Personen agerar.
Och HR förblir ansvarigt för att utforma det system där alla tre sakerna sker.
AI eliminerar inte ansvarsskyldigheten
När HR-system går från att bara synliggöra information till att rekommendera åtgärder förblir ansvarsskyldigheten en viktig del av hur hela systemet utformas.
Dowdle förväntar sig att plattformar för medarbetarupplevelser blir allt mer proaktiva. I stället för att vänta på att någon ska öppna en instrumentpanel kan AI upptäcka ett mönster som tyder på risk för att en medarbetare slutar och proaktivt uppmana en chef att ta kontakt med en medarbetare via Teams, e-post eller en annan kanal.
Målet, sade han, är att hjälpa chefer att ”finnas där för de ögonblick som betyder något” medan en insats fortfarande kan göra skillnad.
Det finns en enorm potential i den idén. Det finns också en ganska uppenbar fara.
Ju mer övertygande ett system identifierar ett problem och rekommenderar en åtgärd, desto lättare blir det att förväxla en rekommendation med ett beslut.
Dowdle pekade på rekrytering som en befintlig varningssignal. Automatisering kan göra anställningar effektivare, men den kan också sålla bort starka kandidater med hjälp av tumregler som har liten koppling till vad en organisation faktiskt värdesätter. På samma sätt kan automatiserat erkännande förvandla något djupt personligt till ännu ett företagsanpassat standardbrev.
Lösningen är att bevara ansvarsskyldigheten.
”Någon är ytterst ansvarig”, sade Dowdle. ”Även när AI utför det underliggande arbetet måste en person fortfarande stå bakom resultatet.”
För HR-ledare innebär det, hävdade han, att behålla ansvaret för att avgöra om en AI-stödd åtgärd är lämplig, i stället för att behandla systemet som den ansvariga parten.
Det håller på att bli en av de utmärkande förmågorna inom ledarskap i AI-eran: att veta när man ska acceptera maskinens rekommendation, när man ska granska den kritiskt och när man ska bortse från den helt och hållet.
Målet är inte mindre mänskligt HR-arbete
Det finns en version av AI-framtiden där HR blir dramatiskt mindre eftersom programvara hanterar rekrytering, förmåner, löner, medarbetarfrågor, prestationsanalyser och beslut om personalstyrkan.
Det finns en annan möjlighet.
AI tar bort tillräckligt mycket administrativt arbete för att HR ska kunna fokusera mer på den del som organisationer historiskt haft svårt att systematisera: att förstå människor.
Dowdle är tydligt optimistisk inför den framtiden. Han föreställer sig att AI tar över mycket av det efterlevnadsinriktade och transaktionsbaserade arbete som omger löner, förmåner och personaladministration, vilket gör det möjligt för personalverksamheten att fokusera mer direkt på kultur och organisatorisk effektivitet.
Om den visionen blir verklighet kommer i mindre grad att bero på vad AI så småningom blir kapabel att göra än på vad organisationer väljer att delegera till den.
Eftersom förmåga blir en allt sämre gränsdragning.
AI kan redan formulera tackhälsningen. Snart kanske den vet vem som behöver en, när de behöver den och vad en chef bör säga.
Det verkliga designbeslutet är om organisationen vill att AI ska ersätta det ögonblicket eller se till att en människa inte missar det.
