HR & AI: Πρώτα Reset, μετά Accelerate
Θυμάστε το 2000; Τότε που όλοι μιλούσαν για τη συντέλεια του κόσμου, για υπολογιστές που θα κατέρρεαν, για συστήματα που δεν θα άντεχαν την αλλαγή της χιλιετίας. Μετά ήρθε το 2012 και το ημερολόγιο των Μάγια. Πάλι περιμέναμε κάτι τεράστιο να συμβεί. Σήμερα, δεν μιλάμε για συντέλεια. Μιλάμε όμως για κάτι εξίσου καθοριστικό…το 2030. Όχι ως καταστροφολογία, αλλά ως ένα σημείο καμπής. Σύμφωνα με πολλούς, ένα deadline. Μια στιγμή όπου το HR θα πρέπει να έχει απαντήσει σε ένα πολύ απλό αλλά δύσκολο ερώτημα. Θα συνεχίσουμε να αντιδρούμε στις αλλαγές ή θα αρχίσουμε επιτέλους να τις σχεδιάζουμε;
Για δεκαετίες, το HR λειτούργησε κυρίως reactive. Έβλεπε την αλλαγή και προσπαθούσε να προσαρμοστεί. Η εποχή του AI όμως δεν συγχωρεί αυτή την καθυστέρηση. Η ταχύτητα είναι διαφορετική. Οι απαιτήσεις είναι διαφορετικές. Και το κυριότερο; Ο ρόλος του HR αλλάζει. Από υποστηρικτική ομάδα, καλείται να γίνει αρχιτέκτονας του μέλλοντος και της εργασίας. Το ερώτημα λοιπόν δεν είναι αν θα αλλάξει το HR…θα αλλάξει! Το πραγματικό ερώτημα είναι, θα το αλλάξουμε εμείς ή θα μας αλλάξει η πραγματικότητα;
Όταν άρχισε η μεγάλη συζήτηση για το AI, η πρώτη απάντηση πολλών οργανισμών ήταν σχεδόν αυτόματη. «Να έχουμε AI tools για να είμαστε trendy». Λογικό. Αν έχεις νέα τεχνολογία, θέλεις να τη χρησιμοποιήσεις. Αν όλοι μιλούν για AI, δεν θέλεις να μείνεις πίσω. Αλλά εδώ υπάρχει μια παγίδα. Αν οι διαδικασίες σου είναι ήδη μπερδεμένες, αν τα δεδομένα σου είναι διάσπαρτα, αν τα συστήματά σου δεν μιλούν μεταξύ τους και αν οι άνθρωποι δεν εμπιστεύονται την αλλαγή, τότε το AI δεν λύνει το πρόβλημα. Το μεγεθύνει. Και σίγουρα, δεν προσθέτεις AI tools πάνω σε ένα προβληματικό οικοδόμημα περιμένοντας να γίνει ξαφνικά έξυπνο, ευέλικτο και ανθρώπινο. Ίσως λοιπόν η σωστή ερώτηση δεν είναι «ποιο AI tool χρειαζόμαστε;» Ίσως είναι πως πρέπει να αντιδράσουμε πρώτα; Πως μπορούμε να κάνουμε reset και να ξεκινήσουμε από την αρχή;
Reset με τη βοήθεια του 4set Framework
Πρόσφατα είχα την ευκαιρία να συναντήσω τον Jason Averbook, ο οποίος παρουσίασε το 4set framework. Και για όσους θυμούνται εκείνο το μικρό κουμπί reset που προσπαθείς να πατήσεις με οδοντογλυφίδα πίσω από μια συσκευή, αυτή είναι ακριβώς η λογική. Πριν χτίσεις κάτι νέο, πρέπει να επανεκκινήσεις σωστά. Το 4set framework βασίζεται σε τέσσερις διαστάσεις: Mindset, Heartset, Skillset και Toolset. Και η σειρά έχει σημασία. Γιατί αν ξεκινήσεις από τα εργαλεία, έχεις ήδη χάσει το παιχνίδι.
- Mindset: Από τον έλεγχο στην εμπιστοσύνη
Η εποχή του AI απαιτεί έναν διαφορετικό τρόπο σκέψης. Από την ανάγκη για απόλυτο έλεγχο, πρέπει να περάσουμε στην εμπιστοσύνη, στον πειραματισμό. Το HR δεν μπορεί να περιμένει το «τέλειο use case» για να ξεκινήσει. Δεν υπάρχει τέλειο use case. Υπάρχουν μικρά pilots, γρήγορη μάθηση, λάθη, διορθώσεις και εξέλιξη. Η ερώτηση δεν είναι «κι αν αποτύχει;» Θα αποτύχει! Η ερώτηση είναι πόσο γρήγορα μπορούμε να μάθουμε από αυτό;
- Heartset: Από το compliance στο co-creation
Η κουλτούρα δεν αλλάζει επειδή άλλαξε ένα org chart. Η κουλτούρα αλλάζει όταν οι άνθρωποι εμπλέκονται πραγματικά. Όταν δεν τους παρουσιάζεις την αλλαγή ως τετελεσμένο, αλλά τους καλείς να τη δημιουργήσουν μαζί σου. Από το compliance πρέπει να περάσουμε στο co-creation. Από τον φόβο στη διαφάνεια. Από το «έτσι το κάναμε πάντα» στο «πώς θα είχε νόημα να το σχεδιάσουμε σήμερα;» Γιατί αν οι άνθρωποι δεν συμμετέχουν στον σχεδιασμό, μην περιμένεις να γίνουν ambassadors της αλλαγής.
- Skillset: Από το “ξέρω” στο “μαθαίνω συνεχώς”
Το τι γνωρίζαμε χθες είναι ήδη παλιό για το σήμερα. Η ταχύτητα της τεχνολογίας αλλάζει τα πάντα. Στην εποχή του AI, δεν αρκεί να έχεις τις απαντήσεις. Πρέπει να ξέρεις να κάνεις καλύτερες ερωτήσεις. Να αναζητάς δεδομένα. Να ερμηνεύεις insights. Η εκπαίδευση δεν μπορεί να είναι πλέον ένα ετήσιο training και μετά επιστροφή στην καθημερινότητα. Πρέπει να είναι συνεχής χρήση, πρακτική εφαρμογή και εξέλιξη. Το skillset του HR έχει αλλάξει και πλέον απαιτεί data thinking, business understanding, change leadership και AI literacy.
- Toolset: Από το tool-driven στο human-driven
Εδώ βρίσκεται ίσως η μεγαλύτερη παρεξήγηση ότι την αλλαγή θα τη φέρουν τα εργαλεία. Όχι! Τα εργαλεία υπηρετούν τους ανθρώπους και επιταχύνουν την αλλαγή. Δεν την οδηγούν. Στο τιμόνι παραμένει ο άνθρωπος. Και αυτό είναι ακόμη πιο σημαντικό σε περιβάλλοντα όπου οι αποφάσεις επηρεάζουν την εξέλιξη, την εμπειρία και τις ευκαιρίες των εργαζομένων (άλλωστε το προστατεύουν και τα EU Acts). Ένα AI tool μπορεί να προτείνει προσωποποιημένα development plans. Μπορεί να αναλύσει δεδομένα. Μπορεί να εντοπίσει μοτίβα. Αλλά η τελική ευθύνη, η κρίση, το πλαίσιο και η ηθική παραμένουν ανθρώπινα. Το AI δεν είναι ο οδηγός. Είναι ο επιταχυντής. Και αν δεν ξέρεις πού πηγαίνεις, η επιτάχυνση απλώς σε στέλνει πιο γρήγορα στην καταστροφή.
Τα επίπεδα αντίστασης στην αλλαγή
Όσο σωστό κι αν είναι το πλάνο, η αλλαγή δεν εφαρμόζεται σε slides ή στα νούμερα. Εφαρμόζεται σε ανθρώπους. Και οι άνθρωποι, από τη φύση τους, αντιστέκονται σε ό,τι τους δημιουργεί αβεβαιότητα. Συνήθως η αντίσταση στην αλλαγή εμφανίζεται σε τρία επίπεδα.
- Το πρώτο είναι: «Δεν το καταλαβαίνω».
Εδώ λείπει η σαφήνεια. Οι άνθρωποι δεν έχουν κατανοήσει το γιατί. Δεν έχουν τις πληροφορίες. Δεν βλέπουν τη σύνδεση με την καθημερινότητά τους. Η λύση είναι επικοινωνία, εκπαίδευση και ξεκάθαρο narrative.
- Το δεύτερο είναι: «Δεν μου αρέσει».
Εδώ το θέμα δεν είναι η λογική, αλλά το συναίσθημα. Ο άνθρωπος μπορεί να καταλαβαίνει την αλλαγή, αλλά να φοβάται τις συνέπειες. Χρειάζεται ενσυναίσθηση, υπομονή και ειλικρινής αντιμετώπιση των φόβων.
- Το τρίτο είναι: «Δεν μου αρέσεις…εσύ».
Εδώ η αντίσταση δεν αφορά την αλλαγή, αλλά αυτόν που τη φέρνει. Αν δεν υπάρχει εμπιστοσύνη, ακόμη και η σωστή αλλαγή θα αμφισβητηθεί. Η απάντηση είναι εμπιστοσύνη, συνεργασία, συνέπεια, διαφάνεια και πραγματική συμμετοχή.
- Υπάρχει όμως και ένα τέταρτο επίπεδο. Ή μάλλον ένα Level 0. «Είμαι εδώ για εσένα.» Αυτοί είναι οι early adopters. Οι άνθρωποι που καταλαβαίνουν την αλλαγή πριν τους υπόλοιπους. Που πειραματίζονται. Που δοκιμάζουν. Που μαθαίνουν. Που δεν περιμένουν άδεια για να σκεφτούν διαφορετικά…που δεν φοβούνται!
Και εδώ βρίσκεται μια τεράστια ευκαιρία για τους οργανισμούς. Σε κάθε εταιρεία υπάρχουν άνθρωποι που ήδη χρησιμοποιούν AI πολύ πιο ώριμα από τον μέσο όρο. Κάποιοι εξοικονομούν λίγο χρόνο (ο μέσος όρος είναι περίπου 17%). Κάποιοι άλλοι όμως αλλάζουν ριζικά τον τρόπο που δουλεύουν, αναλύουν, παρουσιάζουν και αποφασίζουν (ο μέσος όρος είναι περίπου 55% του χρόνου τους). Αν τους αναγνωρίσεις, τους προστατεύσεις, τους ενισχύσεις και τους βάλεις στο κέντρο της αλλαγής, μπορούν να γίνουν οι πραγματικοί πολλαπλασιαστές αξίας. Δεν χρειάζεται πάντα να ξεκινήσεις με ένα τεράστιο transformation. Μερικές φορές, αρκεί να βρεις τους ανθρώπους που βλέπουν και προσπαθούν να προσαρμοστούν στο μέλλον και να τους αφήσεις να δείξουν τον δρόμο. Δεν χρειάζεται να περιμένεις τίποτα άλλο από αυτούς. Μόνο να φέρουν την αλλαγή και να γίνουν συνεπιβάτες σε αυτό το ταξίδι.
Αφού προετοιμάσουμε το mindset, την κουλτούρα, τους ανθρώπους, τις δεξιότητες και τα εργαλεία, έρχεται το επόμενο κρίσιμο ερώτημα. Πάνω σε τι ακριβώς θα χτίσουμε; Στο ασταθές, το γραφειοκρατικό, το πολύπλοκο και το λάθος; Γιατί αυτές είναι μερικές από τις εκφράσεις που χρησιμοποιούν οι περισσότεροι HR για τις διαδικασίες και το tech stack τους.
Operational Backbone & AI Architecture
Στο Organizational Design, ένα από τα πιο σημαντικά building blocks είναι το operational backbone. Με απλά λόγια, είναι τα θεμέλια πάνω στα οποία βασίζονται οι διαδικασίες, τα συστήματα, τα δεδομένα, η διακυβέρνηση και ο τρόπος λειτουργίας του οργανισμού. Αν αυτό το υπόβαθρο είναι αδύναμο, η τεχνητή νοημοσύνη δεν μπορεί να δημιουργήσει πραγματική αξία.
Εδώ χρειάζεται η συνάρτηση, Map → Architect → Accelerate.
- Πρώτα χαρτογραφούμε. Με ειλικρίνεια. Ποια συστήματα έχουμε; Ποιες διαδικασίες λειτουργούν και ποιες υπάρχουν απλώς επειδή «έτσι τις βρήκαμε»; Πού βρίσκονται τα δεδομένα; Πόσο αξιόπιστα είναι;
- Μετά σχεδιάζουμε. Όχι αποσπασματικά, αλλά αρχιτεκτονικά. Τι χρειάζεται το HR και το Business; Ποιο operating model υποστηρίζει το μέλλον; Ποιο data model χρειάζεται; Ποιο governance θα διασφαλίσει ποιότητα, ηθική και συνέπεια;
- Και μόνο τότε επιταχύνουμε με AI. Για καλύτερα forecasts. Καλύτερες αποφάσεις. Προσωποποιημένες εμπειρίες εργαζομένων. Αυτοματοποιημένες ροές εργασίας. Περισσότερη αξία με λιγότερη τριβή.
Η παραπάνω σειρά δεν είναι λεπτομέρεια. Είναι στρατηγική.
Άρα, το 2030 φαίνεται πως δεν είναι μια μακρινή ημερομηνία. Είναι σχεδόν αύριο, ειδικά αν σκεφτούμε τον χρόνο που χρειάζονται οι οργανισμοί για να αλλάξουν πραγματικά. Η εποχή της τεχνητής νοημοσύνης δεν περιμένει το HR να ετοιμαστεί.
Για πρώτη φορά, το HR δεν χρειάζεται να κυνηγιέται από τις αλλαγές που συμβαίνουν. Μπορεί να κυνηγήσει και να σχεδιάσει πρώτο. Να πάψει να είναι η ομάδα, που βάζει πλαίσια σε όσα το business έχει ήδη αποφασίσει να κάνει και να γίνει ο στρατηγικός συνεργάτης που βλέπει τι έρχεται, σχεδιάζει τι χρειάζεται και διαμορφώνει ενεργά το μέλλον της εργασίας.
Αλλά για να γίνει αυτό, χρειάζεται reset. Όχι άλλο AI ως δικαιολογία να καλυφθεί η αποτυχία των παλιών διαδικασιών. Όχι άλλο transformation χωρίς ανθρώπους. Όχι άλλο technology-first thinking απλά για να εντυπωσιάσουμε στα social media. Χρειάζεται καθαρό mindset, ανθρώπινο heartset, συνεχώς εξελισσόμενο skillset και toolset που υπηρετεί τον άνθρωπο (όχι το αντίστροφο).
Το 2000 δεν ήρθε η συντέλεια. Το 2012 επίσης όχι. Το 2030 όμως μπορεί όντως να είναι το τέλος μιας εποχής. Το τέλος του reactive HR. Και η αρχή ενός HR που βλέπει μπροστά και επιταχύνει την εξέλιξή του με σύμμαχο το AI πάνω σε πραγματικά γερά θεμέλια. Η ερώτηση δεν είναι αν είμαστε έτοιμοι. Η ερώτηση είναι τι κάνουμε σήμερα για να μη βρεθούμε απροετοίμαστοι αύριο;
