En workforce leader — ofta ansvarig för personalplanering, kapacitetsstyrning eller bryggan mellan HR och verksamheten — får AI på sitt bord utan att någon i förväg har förklarat vad det innebär för bemanningen. Frågan kommer från ledningen: mindre inflöde, andra profiler, mer flexibel skalning. Workforce leadern måste ha ett svar på det medan han själv inte vet om organisationen har randvillkoren på plats för att göra det svaret verkligt.
Frågan är inte om AI påverkar funktioner. Den frågan är redan besvarad av andra, högre upp i organisationen. Frågan som en workforce leader ställer till sig själv är en annan: på vilka antaganden justeras personalplaneringen nu, och hur säkra är dessa antaganden? Om kapacitetsscenarier bygger på ett AI-löfte som förutsätter bra data, en fungerande infrastruktur och team som kan arbeta med resultaten, och dessa randvillkor inte finns, då stämmer inte planeringen. Det märker han inte idag. Det märker han i det ögonblick inflödet redan har bromsats in och output inte kommer.
En workforce leader som baserar sin personalplanering på en AI-effekt som inte inträffar, står ensam med det. Formationen är då redan justerad, tjänsterna har antingen frysts eller tvärtom öppnats, och verksamheten räknar med en kapacitet som visar sig inte finnas. Att reparera detta tar tid som en personalplanering inte har — inflöde har ledtid, och ett gap som upptäcks för sent går inte att stänga med en knapptryckning. Den risken finns inte i tekniken. Den finns i antagandet att tekniken redan fungerar i en organisation som ännu inte är redo för det.
Om workforce leadern faktiskt vet hur mogen organisationen är innan han planerar, förändras hans position. Han kan skilja mellan ett kapacitetsscenario som är realistiskt på kort sikt och ett scenario som är beroende av fundament som ännu inte är byggda. Han kan ge verksamheten en tidslinje som stämmer istället för en tidslinje som hoppas. Det är ingen garanti för ett bra resultat, men det är en planering som inte kollapsar så snart det första antagandet inte håller.
Vad en workforce leader inte accepterar är en AI-roadmap som talar om framtida kapacitet utan att specificera vad som först måste finnas på plats. "AI ersätter på sikt en del av inflödet" är ingen planeringsgrund om ingen kan ange om datahanteringen, IT-infrastrukturen och organisationsstrukturen redan är redo för det. Han accepterar heller inget tal som endast bygger på känslan hos en entusiastisk sponsor. Vad han behöver är en bild av var organisationen verkligen står, per dimension, med spridningen mellan vad olika personer i organisationen tycker om det — för den spridningen är i sig redan information om hur stabilt ett kapacitetsantagande är.
Mognadsmätningen från hybridresourcing bedömer en organisation på fem nivåer — baseline, foundation, activation, insight, intelligence — över sju dimensioner. Grundläggande dimensioner som organisationsstruktur, IT-infrastruktur och datahantering kommer före de beroende dimensionerna, inte som en preferens, utan eftersom det är den ordning i vilken det fungerar: utan en fungerande infrastruktur och tillförlitliga data har AI föga att bygga på, hur bra organisationsstrukturen än redan står. I en plottrunda bedömer flera personer separat, så att det blir synligt var bilden av organisationen stämmer överens och var den skiljer sig. För en workforce leader är den spridningen ofta den mest användbara signalen: en stor spridning på datahantering betyder att ingen är säker på om grunden finns, och det är exakt den grund som kapacitetsscenarier vilar på.
Denna ansats berör även andra roller i organisationen, varje med sitt eget intresse: en VD som söker svaret på fastkörda AI-pilotprojekt, en COO som måste bedöma den operativa beredskapen och en CHRO som bevakar organisationssidan av AI-mognad. Även sektorspecifikt skiljer sig bilden, vilket syns i hur långt byggsektorn har kommit med fundamenten för AI och hur det förhåller sig till läget inom installationsbranschen.
Mognadsmätningen säger något om bärsidan: kan denna organisation bära AI, finns fundamenten på plats, är datan i ordning, är infrastrukturen redo för det. Den säger ingenting om vilken del av arbetet som själv går att överföra till AI. Det är en annan fråga, med ett annat verktyg. Så snart bilden av beredskapen finns på plats, är det logiska nästa steget frågan som kommer därefter: vilken del av arbetet, uppgift för uppgift, som faktiskt kan överföras. Det räknar arbetsscanen från FTE TO AI ut — per uppgift, baserat på vad arbetet självt innebär, inte baserat på ett antagande om organisationen som helhet.
Mognadsmätningen är under uppbyggnad. Det finns just nu ingen rapport att beställa och ingen rådgivare som kommer förbi för att gå igenom dimensionerna. Den som vill använda mätningen så snart den blir tillgänglig kan anmäla sig till väntelistan.
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.