Ein Workforce Leader — häufig verantwortlich für Personalplanung, Kapazitätsmanagement oder die Brücke zwischen HR und dem Business — bekommt AI auf den Tisch, ohne dass vorher jemand erklärt hat, was das für die Besetzung bedeutet. Die Frage kommt von oben: weniger Zustrom, andere Profile, flexibler skalieren. Der Workforce Leader muss darauf eine Antwort haben, während er selbst nicht weiß, ob die Organisation die Rahmenbedingungen erfüllt, um diese Antwort einzulösen.
Die Frage ist nicht, ob AI Funktionen betrifft. Diese Frage ist bereits von anderen beantwortet worden, weiter oben in der Organisation. Die Frage, die sich ein Workforce Leader selbst stellt, ist eine andere: Auf welchen Annahmen basiert die Personalplanung, die jetzt angepasst wird, und wie belastbar sind diese Annahmen? Wenn Kapazitätsszenarien auf einem AI-Versprechen aufbauen, das von guten Daten, einer funktionierenden Infrastruktur und Teams ausgeht, die mit den Ergebnissen arbeiten können, und diese Rahmenbedingungen nicht vorhanden sind, dann stimmt die Planung nicht. Das merkt er heute noch nicht. Das merkt er in dem Moment, in dem der Zustrom bereits verzögert ist und die Leistung nicht kommt.
Ein Workforce Leader, der seine Personalplanung auf einen AI-Effekt stützt, der nicht eintritt, steht allein da. Die Formation ist dann bereits angepasst, die Stellenausschreibungen sind gestoppt oder gerade doch geöffnet, und das Business rechnet mit einer Kapazität, die sich als nicht vorhanden erweist. Die Korrektur kostet Zeit, die eine Personalplanung nicht hat — Zustrom hat eine Durchlaufzeit, und eine Lücke, die zu spät erkannt wird, lässt sich nicht per Knopfdruck schließen. Dieses Risiko liegt nicht in der Technologie. Es liegt in der Annahme, dass die Technologie bereits funktioniert in einer Organisation, die dafür noch nicht bereit ist.
Wenn der Workforce Leader vorher weiß, wie reif die Organisation ist, bevor er plant, verändert sich seine Position. Er kann unterscheiden zwischen einem Kapazitätsszenario, das kurzfristig realistisch ist, und einem Szenario, das von Fundamenten abhängt, die noch aufgebaut werden müssen. Er kann dem Business einen Zeitplan geben, der stimmt, statt einen Zeitplan, der hofft. Das ist keine Garantie für ein gutes Ergebnis, aber wohl eine Planung, die nicht zusammenbricht, sobald die erste Annahme nicht eintritt.
Was ein Workforce Leader nicht akzeptiert, ist eine AI-Roadmap, die von zukünftiger Kapazität spricht, ohne zu spezifizieren, was dafür zuerst stehen muss. „AI ersetzt langfristig einen Teil des Zustroms" ist keine Planungsgrundlage, wenn niemand angeben kann, ob das Datenmanagement, die IT-Infrastruktur und die Organisationsstruktur dafür bereits bereit sind. Er akzeptiert auch keine Zahl, die nur auf dem Gefühl eines enthusiastischen Sponsors basiert. Was er braucht, ist ein Bild davon, wo die Organisation wirklich steht, pro Dimension, mit der Streuung zwischen dem, was verschiedene Personen in der Organisation darüber denken — denn diese Streuung ist selbst bereits eine Information darüber, wie stabil eine Kapazitätsannahme ist.
Die Reifegradmessung von hybridresourcing bewertet eine Organisation auf fünf Stufen — baseline, foundation, activation, insight, intelligence — über sieben Dimensionen. Fundamentale Dimensionen wie Organisationsstruktur, IT-Infrastruktur und Datenmanagement kommen vor den abhängigen Dimensionen, nicht weil das eine Präferenz ist, sondern weil das die Reihenfolge ist, in der es funktioniert: Ohne eine funktionierende Infrastruktur und verlässliche Daten hat AI wenig, worauf sie aufbauen kann, wie gut die Organisationsstruktur auch schon aufgestellt ist. In einer Plot-Runde bewerten mehrere Personen unabhängig voneinander, sodass sichtbar wird, wo das Bild der Organisation übereinstimmt und wo es voneinander abweicht. Für einen Workforce Leader ist diese Streuung oft das nützlichste Signal: eine große Streuung beim Datenmanagement bedeutet, dass niemand sicher weiß, ob die Basis steht, und genau das ist die Basis, auf der Kapazitätsszenarien ruhen.
Dieser Ansatz betrifft auch andere Rollen in der Organisation, jede aus einem eigenen Interesse: einen CEO, der die Antwort auf ins Stocken geratene AI-Pilotprojekte sucht, einen COO, der die operative Bereitschaft beurteilen muss und einen CHRO, der die organisatorische Seite der AI-Reife im Blick hat. Auch branchenspezifisch unterscheidet sich das Bild, wie sich zeigt daran, wie weit die Baubranche mit den Fundamenten für AI steht und wie sich das verhält zu dem Stand der Dinge in der Installationsbranche.
Die Reifegradmessung sagt etwas über die Trageseite aus: Kann diese Organisation AI tragen, stehen die Fundamente, sind die Daten in Ordnung, ist die Infrastruktur dafür bereit. Sie sagt nichts darüber aus, welcher Teil der Arbeit selbst von AI übernommen werden kann. Das ist eine andere Frage, mit einem anderen Instrument. Sobald das Bild der Bereitschaft feststeht, ist der logische nächste Schritt die Frage, die danach kommt: welcher Teil der Arbeit, Aufgabe für Aufgabe, tatsächlich übertragbar ist. Das berechnet der Werkscan von FTE TO AI — pro Aufgabe, auf Basis dessen, was die Arbeit selbst beinhaltet, nicht auf Basis einer Annahme über die Organisation als Ganzes.
Die Reifegradmessung befindet sich im Aufbau. Es gibt derzeit keinen Bericht zu bestellen und keinen Berater, der vorbeikommt, um die Dimensionen durchzugehen. Wer die Messung nutzen möchte, sobald sie verfügbar ist, kann sich für die Warteliste anmelden.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.