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 relationsbyggande 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 tillförlitliga personaldata, identifiera meningsfulla mönster och rikta uppmärksamheten dit där insatser gör skillnad.
Chefens omdöme: Bättre medarbetarinsikter bör ge chefer nära verksamheten möjlighet att agera eftertänksamt, inte centralisera personalbeslut högre upp i organisationen.
Ta ansvar: AI-rekommendationer kräver mänsklig tillsyn eftersom effektivitet kan återskapa partiskhet, försvaga förtroendet och omvandla omdöme till automatisering.
AI kan skriva uppskattningsmeddelandet, sammanfatta medarbetarundersökningen och till och med flagga en medarbetare som verkar vara på väg att lämna organisationen. I allt högre grad kan AI även tala om för en chef vad hen 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
”Det är de mänskliga delarna av jobbet som är värda att skydda”, sade Dowdle.
AI bör i stället, hävdade 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 åtskillnad. Det kommer sannolikt att bli betydligt svårare att upprätthålla den.
När effektiviteten börjar tära på upplevelsen
Mycket av den första vågen av AI för företag har kretsat kring en enkel fråga: Vad kan vi automatisera?
Det är logiskt när arbetet 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.
Uppskattningar är ett bra exempel.
Ett generiskt program för medarbetaruppskattning är relativt enkelt att skala upp. Företag har ägnat årtionden åt att göra just det genom tjänsteutmärkelser, program för månadens medarbetare, plaketter och standardiserade meddelanden. Problemet är, hävdade Dowdle, att skalbarheten ofta har skett på bekostnad av meningsfullheten.
”Det AI möjliggör är en nivå av personlig uppskattning i stor skala som aldrig tidigare varit möjlig”, 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 distribuerad sådan.”
Men här finns en uppenbar fallgrop. Om AI kan skriva uppskattningen, varför inte låta den göra exakt det?
Motivosity provade något i den riktningen under utvecklingen.
I början tänkte vi: hej, 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 detta har resulterat i uppskattningar som är cirka 20% längre på plattformen.
Det intressanta är inte de extra orden. Det är produktbeslutet bakom dem.
AI hade tekniskt sett 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, mer genuin”, samtidigt som man inser att genuinitet i sig inte är något AI kan bidra med.
”AI kan hjälpa dig i rätt riktning”, sade han.
Den bättre användningen av AI kan vara att avgöra var man ska leta
Det finns en annan plats där AI:s värdeerbjudande ser betydligt starkare ut: att hjälpa HR att förstå information som redan finns.
Personalteam har sällan lidit brist på data. Engagemangspoäng, uppskattningsaktivitet, prestationsregister, utbildningssystem och mått på personalomsättning skapar gott om sådan. 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 gör det möjligt för en HR-chef att gå från en överblick över hela företaget 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 otillförlitliga. I stället genereras siffrorna genom konventionella system och kan dubbelkontrolleras via API:er eller exporterad data. AI används för att tolka resultaten.
Den åtskillnaden har betydelse långt bortom en enda plattform.
För HR kan löftet med generativ AI handla mindre om att skapa ny information och mer 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 tillämpning 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 därefter måste fortfarande en människa agera.
Bättre beslutsunderlag gör chefer viktigare
Det är kanske där den större förändringen för HR finns.
När det blir enklare att synliggöra medarbetarinsikter kan organisationer svara med att centralisera fler beslut. Ge högre chefer en instrumentpanel, identifiera statistiska avvikelser och styr arbetsstyrkan uppifrån.
Dowdle argumenterade för motsatsen.
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 sitt försäljningsmål eller om en medarbetare slutförde en certifiering, utan också om vad kollegor uppskattar med att arbeta med personen, var hens styrkor visar sig och hur hen bidrar socialt till organisationen.
Hans rekommendation var att ge första linjens chefer tillgång till dessa insikter.
Låt lösningen arbeta nerifrån och upp för att utveckla era medarbetare.
Det är en väsentligt annorlunda vision av AI-stött ledarskap än en algoritm som fattar allt mer betydelsefulla beslut om medarbetare.
Tekniken uppmärksammar. Chefen tolkar. Personen svarar.
Och HR förblir ansvarigt för att utforma det system där alla tre sakerna sker.
AI eliminerar inte ansvarsskyldigheten
När HR-system går från att enbart synliggöra information till att rekommendera åtgärder förblir ansvarsskyldigheten en viktig aspekt av hur hela systemet utformas.
Dowdle förväntar sig att plattformar för medarbetarupplevelsen 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 medarbetaren via Teams, e-post eller en annan kanal.
Målet, sade han, är att hjälpa chefer att ”finnas där för de stunder 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 ett svar, desto lättare blir det att blanda ihop en rekommendation med ett beslut.
Dowdle pekade på rekrytering som en aktuell 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 företagsformulär.
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-chefer 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 närmare och när man ska bortse från den helt och hållet.
Målet är inte ett mindre mänskligt HR-arbete
Det finns en version av AI-framtiden där HR blir dramatiskt mindre eftersom programvara hanterar rekrytering, förmåner, löner, medarbetarfrågor, prestationsanalys och beslut om personalstyrkan.
Det finns en annan möjlighet.
AI avlägsnar tillräckligt mycket administrativt arbete för att HR ska kunna fokusera mer på den del som organisationer historiskt har haft svårt att systematisera: att förstå människor.
Dowdle är avgjort optimistisk om den framtiden. Han föreställer sig att AI tar över mycket av det arbete kring regelefterlevnad och transaktioner 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 att bero mindre på vad AI så småningom blir kapabel att göra än på vad organisationer väljer att delegera till den.
Eftersom kapacitet blir en allt sämre gränsdragning.
AI kan redan skapa tackmeddelandet. Snart kanske den vet vem som behöver ett, när de behöver det 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.
