未来转型中重新设计工作的五个思路

这是分析领导者如何为人类和AI重新设计工作

如果你和我合作的大多数人力资源专业人士一样，人与AI技术之间的关系是你最关心的问题。哪些任务应该由你和你的团队处理？哪些应该交给大语言模型？你又如何知道自己是否过度依赖其中一方？

这是一个重要的话题。毕竟，你不希望你的用例成为头条新闻，比如福特，该公司为了在装配线上推出AI而裁员，结果却匆忙重新聘用了300名工程师来纠正错误。

作为Visier的首席研究员，我最近有机会与施耐德电气的员工洞察与劳动力规划高级总监Arun Muralii、北欧航空的人员分析主管Jakob Ejlsted以及壳牌的人力资源规划、分析和洞察副总裁Joost Govers一起参加人力资源领导者小组“为人类-AI时代重新设计工作”。

以下是这些全球领导者在AI劳动力适应策略方面实际有效的五个要点。

1. 人力资源不应单独重新设计工作

工作重新设计是分析和改进任务、工作流程和职位描述的过程，以适应当前的市场条件当前的市场条件，提高员工敬业度和组织生产力，并满足不断变化的业务目标。

但随着AI的加入，工作重新设计变得不可或缺。你的组织必须彻底重新思考其流程，以确定员工如何工作以及技术如何增强他们的努力。人力资源应该在这个过程中发挥重要作用，但不应独自重新设计每个流程。

当被问及人力资源领导者应如何决定工作的哪些部分保持人工主导时，我说我不相信人力资源应该独自做出这个决定。Arun Muralii表示同意，“当人力资源单独做时，感觉像政策。当它带头时，感觉像部署计划。”所以，“受[工作重新设计]影响最大的人，他们需要参与共同设计。”这是一个关键区别。

正如Muralii所解释的，要带头，人力资源需要召集所有受影响部门的业务领导者并促进协作。这样做将使每个人能够解构他们的工作，并确定将AI融入既定工作流程的最佳方式将AI添加到既定工作流程中的最佳方式。

那么人力资源在哪里增加最大价值？在我看来，有两个地方。首先，带来有关人才的数据和专业知识。其次，帮助设定道德护栏。因为有些任务永远不应该交给AI，即使它能做。

2. 判断的复杂性应保持人工主导

人脑分为两半。左半部分逻辑、分析性强且有条理。右半部分更富想象力和视觉性。

Jakob Ejlsted在决定是否将任务委托给AI时牢记这种大脑化学是否将任务委托给AI。在小组讨论中，他问道，“是否可以按某种方式排序个人任务，以利用AI和人类的优势。”在现实场景中，Ejlsted详细说明了他如何将明确的线性任务委托给AI，而自己处理具有创造性和上下文繁重的任务。

Joost Govers表示同意，“工作越是需要模糊性、道德判断、创造力、领导力、问责制——那片灰色地带——人类的参与就越关键。”

Muralii补充道，“对我来说，问责制永远不应该存在于算法中。最终应该有一个指定的人，在事情出错时负责。这迫使我们在把一切都交给AI之前三思。”

我发现自己同意所达成的共识：AI应该处理重复性、线性的任务，而人类应该管理需要同理心或道德判断的想象力和/或模糊任务。

我还认为值得提及的一点是：我们交给AI的任务正是早期职业员工一直用来培养判断力的任务。如果AI吸收了它们，那么培养下一代资深员工的学徒路径也随之消失。这是人才管理团队目前面临的挑战。

3. 道德准则优先

每个组织都应优先制定员工AI道德使用指南员工AI道德使用指南，人力资源应领导这项工作，这一点我早先提到，Murali后来也回应了，并补充了一个有用的测试。

首先列出员工永远不应交给AI的任务：处理专有数据、向同事提供个人反馈、做出最终招聘决定。添加任何错误代价太高（或太人性化）的场景。然后让指南明确，并设计为比技术更持久。

用Muralii的话说，“AI将继续发展，所以对你来说持久的将是你的原则。如果它基于没有过期日期的东西，比如问责制或公平性，长期来看它会对你有利。”

在活动接近尾声时，Ejlsted补充了一点值得思考的：当公司给AI代理起名字，并把它们当作同事对待时，问责制会下降。人们更频繁地把AI产出的工作交给经理进行二次审查，而自己发现的错误更少。你的指南的教训是：问责在于人，而不是工具。

4. 衡量业务成果，而非AI采用率

许多公司衡量AI采用率，但这是一个糟糕的指标。相反，小组成员的共识是衡量业务成果，比如更高的生产力（产出与投入之比）和更高的决策质量。

根据Govers的说法，“如果AI只是让现有工作稍微快一点，你并没有改变工作。你基本上只是将低效数字化了。”

我认为还值得问：“员工用AI给他们的额外时间做什么？”考虑这个指标将影响你未来重新设计角色的方式。

5. 你无法计划看不见的东西，所以先进行评估

也许你被授权要自动化一定数量的活动、节省一定数量的工时，或者有一系列AI工具等待推出。但在那之前，我认为应首先衡量更基本的数据：员工构成、能力分布，以及技能实际所在之处。根据我的经验，大多数组织仍然没有这样的数据。

然而，当你了解公司现有的人员和技能组合时，你就能在角色、职责和未来招聘需求上做出更好的决策。而且，你能更准确地了解AI在哪些方面能对业务成果产生真正影响，而无需仅凭假设重新设计工作并影响从事该工作的人员。

AI驱动的工作力重构建立在三大支柱上

回顾我和Arun、Jakob、Joost讨论的所有内容，我听到了贯穿整个对话的一些原则，关于组织如何成功实现工作力重构。在Visier，我们通过智能基础设施使这成为可能，该基础设施通过帮助领导者来推动工作力转型：

1. 了解工作力现实
2. 适应更敏捷的工作力规划
3. 做出更明智、更具韧性的工作力决策

以正确的方式运用AI进行工作转型

每一种AI工作力适应策略都依赖于同一件事：对工作力的准确画像。但大多数人力资源报告基于年度周期和静态导出，而数据浮出水面时，转型决策早已实施。

我合著了Visier的最新研究，《隐藏在人员编制中：AI清算期间的工作力转型现状》，在该研究中我们分析了超过155家企业的360多万条在职员工记录，以精确展示AI如何按领域、角色和年龄段重塑工作力构成。

这正是关于AI如何实际重组工作的精细视角，可帮助您为自己的工作力转型提供信息。