Umělá inteligence pro řízení výkonnosti a analýzu: Vidět problémy dříve, než se stanou krizí
Hodnocení pracovního výkonu se provádí jednou nebo dvakrát ročně. V té době už problémy hnisají několik měsíců. Dobří zaměstnanci už jsou jednou nohou za dveřmi. Nedostatky v kvalifikaci zpomalují projekty už čtvrt roku.
Samotný proces přezkumu je bolestivý. Shromážděte zpětnou vazbu od pěti lidí. Přečtěte si stránky komentářů. Snažte se najít témata. Napište shrnutí. Naplánujte schůzku. Opakujte pro každého člena týmu.
Manažeři to nesnášejí. Zaměstnanci mu nedůvěřují. Personální oddělení tráví týdny tím, že honí lidi, aby dokončili hodnocení. A skutečná hodnota - pomáhat lidem zlepšovat se - se ztrácí v administrativní zátěži.
Umělá inteligence to mění. Analyzuje zpětnou vazbu v reálném čase, ne jednou za rok. Všimne si vzorců napříč výkonnostními daty. Identifikuje nedostatky v dovednostech dříve, než se z nich stanou problémy. Předpovídá rizika udržení zaměstnanců dříve, než z nich lidé odejdou.
Řízení výkonnosti se stává průběžným, založeným na datech a skutečně užitečným. Ne jako obávaný každoroční rituál.
Proč dnes řízení výkonnosti nefunguje
Každý ví, že hodnocení výkonnosti je nefunkční. Firmy je přesto dělají, protože něco potřebují.
Problémy jsou zřejmé. Recenze jsou zpětně orientované - v okamžiku, kdy hodnotíte výkonnost za poslední čtvrtletí, je to již stará zpráva. Jsou časově náročné - manažeři stráví hodiny na osobu, násobeno celým týmem. Jsou subjektivní - různí manažeři hodnotí různě, což vytváří nekonzistenci.
A jsou vzácné. Každoroční revize znamenají, že problémy zachytíte o 6-12 měsíců později. Někdo má problémy? To se dozvíte až při revizi. Někdo se neangažuje? V době, kdy si toho všimnete, už je na pohovoru jinde.
Sběr zpětné vazby je bolestivý. "Můžete prosím do pátku zaslat recenze na své tři kolegy?" Připomínky. Nahánění. Prodlužování termínů. Někteří lidé píší promyšlenou zpětnou vazbu. Jiní to řeší telefonicky. Kvalita se velmi liší.
Někdo pak musí dát všemu smysl. Přečtěte si všechny komentáře. Určete témata. Jaké jsou skutečné problémy? Co je jen šum? Které ohlasy jsou rozporuplné? To zabere hodiny na jednoho zaměstnance.
Než dojde ke skutečné kontrole, jsou manažeři vyčerpaní. Zaměstnanci jsou nervózní. A rozhovor často nevede ke smysluplné změně, protože je to příliš mnoho informací podaných příliš pozdě.
Není to proto, že by se lidé nezajímali. Je to proto, že tento proces je v zásadě manuální, málo častý a zpětně orientovaný. Umělá inteligence všechny tři problémy řeší.
Co dělá umělá inteligence pro řízení výkonu
Umělá inteligence nenahrazuje manažery při řízení výkonnosti. Poskytuje jim lepší a rychlejší informace, takže mohou svým týmům skutečně pomoci. Zde je návod, jak na to.
Analýza zpětné vazby, která nachází skutečné vzorce
360° hodnocení shromažďuje zpětnou vazbu od více lidí. Manažer. Kolegové. Někdy přímí podřízení. Každá osoba píše odstavce komentářů.
Číst to všechno je únavné. A hledání vzorů? To je ještě těžší. Jedna osoba se nejasně zmiňuje o "problémech s komunikací". Jiný říká, že "někdy nefunguje smyčka v týmu". Další poznamenává, že "občas se o věcech dozvídáme pozdě". Souvisí to spolu? Stejný problém? Různé problémy?
Umělá inteligence čte veškerou zpětnou vazbu. Automaticky identifikuje témata.
"Komunikace" se objevuje ve čtyřech recenzích. UI je seskupuje dohromady. Vidí, že tři lidé konkrétně zmiňují "načasování aktualizací" a dva "úroveň detailů". Vzorec je jasný: tato osoba musí o aktualizacích projektu informovat aktivněji.
Nebo místa s umělou inteligencí: pět lidí chválí "technické dovednosti", ale tři zmiňují, že "by mohli více spolupracovat". Téma: silný individuální přínos, potřebuje rozvoj v oblasti týmové spolupráce.
Umělá inteligence nepíše recenzi za vás. Ale dává vám jasné vzory, takže nemusíte číst 10 stránek komentářů a snažit se najít témata ručně.
To platí i pro celou organizaci. Dostávají některé týmy důsledně zpětnou vazbu ohledně pracovní zátěže? To je problém se zdroji. Mají noví manažeři neustále problémy s delegováním? To je potřeba školení.
Vzorce, které by se ručně odhalovaly týdny analýzou? Umělá inteligence je najde okamžitě.
Identifikace nedostatku dovedností
Váš tým potřebuje určité dovednosti. Pro jejich současné role. Pro nadcházející projekty. Pro to, kam společnost směřuje.
Kdo má tyto dovednosti? Kdo je potřebuje rozvíjet? Obvykle se jedná o odhad. Manažeři mají intuici. Personální oddělení něco ví. Ale komplexní přehled? Málokdy.
AI analyzuje data o dovednostech v celé organizaci.
Zkoumá požadavky na pracovní místo. Zpětná vazba na výkon. absolvování školení. Projektové úkoly. sebehodnocení. Hodnocení manažerů. Všechna data, která již máte, jen rozptýlená v různých systémech.
Identifikuje nedostatky: "Váš analytický tým vykazuje dobré znalosti SQL, ale omezené zkušenosti s Pythonem. Tři nadcházející projekty vyžadují Python. To představuje riziko."
Nebo: "Pět starších inženýrů je způsobilých pro vedoucí funkce, ale pouze dva z nich absolvovali školení pro vedoucí pracovníky. To vytváří mezeru v plánování nástupnictví."
Nebo: "Ve zpětné vazbě od klientů se opakovaně objevují zmínky o "pomalé odezvě". Analýza ukazuje, že váš tým podpory nebyl proškolen v novém systému ticketingu. To vysvětluje tento problém."
Umělá inteligence spojuje body, které člověk nevidí, napříč stovkami zaměstnanců. Odhalí nedostatky dříve, než způsobí problémy. A dělá to průběžně, ne jednou za rok.
Nyní se můžete zaměřit na vývoj tam, kde je to důležité. Ne obecná školení, která všichni ignorují. Konkrétní dovednosti, které konkrétním lidem skutečně pomohou lépe vykonávat jejich práci.
Předpověď rizika zadržení
Lidé neodcházejí z ničeho nic. Existují znamení. Obvykle nenápadné. Obvykle viditelné až při zpětném pohledu.
Poklesy zasnoubení. Klesá účast na schůzkách. Zpětná vazba je méně podrobná. Individuální schůzky se přesouvají. Výkon zůstává přijatelný, ale nadšení se vytrácí.
Než si toho manažeři všimnou, dotyčný už má jinou nabídku. Výstupní pohovor odhalí, že je nespokojený už několik měsíců. "Proč se mnou nikdo nemluvil?"
Umělá inteligence si těchto vzorů všimne včas.
Sleduje signály zapojení. Odpovědi na průzkum mají klesající tendenci. Méně otázek na schůzkách. Snížení počtu recenzí kódu nebo spolupráce. Zvýšené využívání dovolené na zotavenou. Změněné komunikační vzorce.
Jednotlivě nic neznamenají. Dohromady však tvoří vzorec. Umělá inteligence si ho všimne a označí ho: "Riziko udržení tohoto zaměstnance se zvýšilo. Doporučte manažerovi kontrolu."
Ne proto, že by umělá inteligence věděla, že dotyčný hledá práci. Ale proto, že vzor odpovídá lidem, kteří v minulosti odešli. Je to varování, abyste zpozorněli, než bude pozdě.
Manažeři pak mohou vést skutečné rozhovory. "Jak se daří? Jak vás mohu lépe podpořit?" Dostatečně brzy na to, aby se problémy daly ještě řešit.
To však nezabrání veškeré fluktuaci - někdy lidé odcházejí z důvodů, které nemůžete ovlivnit. Ale zabrání to ztrátě lidí, protože si nikdo nevšiml, že mají problémy, dokud nenapsali výpověď.
Generování návrhu přezkumu výkonnosti
Psaní hodnocení výkonnosti trvá věčnost. Manažeři otálejí. Personální oddělení prodlužuje termíny. Kvalita trpí, protože lidé spěchají.
AI vypracuje návrh přezkumu na základě dostupných údajů. Shromážděná zpětná vazba. Cíle a pokrok. Měření výkonnosti. Nedávné úspěchy. Určené oblasti rozvoje.
Vytváří strukturovaný návrh: "Silné stránky: [shrnutí pozitivní zpětné vazby s příklady]. Oblasti pro rozvoj: [shrnutí konstruktivní zpětné vazby se vzory]. Pokrok v plnění cílů: [stav jednotlivých cílů]. Doporučené oblasti, na které se zaměřit: [návrhy na rozvoj]."
Manažer ji zkontroluje. Přidá osobní postřehy. Upraví tón. Zahrne kontext, který umělá inteligence nemohla znát. Dělá to osobní.
Těžká práce - syntéza všech zpětných vazeb a dat - je však hotová. Co trvalo dvě hodiny, trvá nyní 30 minut. A kvalita je často lepší, protože se nic nevynechá.
Tohle není psaní recenzí umělou inteligencí. Jde o umělou inteligenci, která provádí nudnou syntézu, takže se manažeři mohou soustředit na skutečnou konverzaci se svým členem týmu.
Sledování cílů, které udržuje výkon viditelný
Cíle se stanovují v lednu. V březnu jsou zapomenuty. V prosinci se lidé snaží vzpomenout, čeho měli dosáhnout.
Umělá inteligence udržuje cíle viditelné a průběžně sledované.
Připomíná zaměstnancům a manažerům cíle. Sleduje pokrok na základě aktualizací. Označuje cíle, které nejsou v souladu s plánem: "Tento cíl nevykazuje za 6 týdnů žádný pokrok. Je třeba aktualizovat stav?"
Propojuje cíle se skutečnou prací. Pokud je něčí cíl "zlepšit spokojenost zákazníků" a sleduje se skóre průzkumů mezi zákazníky, může umělá inteligence automaticky zobrazit pokrok.
Navrhuje úpravy. "Tento cíl je trvale označen jako blokovaný z důvodu omezených zdrojů. Měl by být tento cíl revidován nebo eskalován?"
Řízení výkonnosti se stává průběžným. Nejedná se o překvapení jednou za rok. Průběžný přehled o tom, jak si lidé vedou a kde potřebují podporu.
Co to pro vás znamená
Pro ředitele lidských zdrojů a vedoucí pracovníky
- Rozhodování o talentech na základě dat. Ne pocit. Skutečné vzorce výkonnosti, dovedností a zapojení.
- Včasné varování před zadržením. Odhalte rizika letu dříve, než lidé odejdou. Je čas řešit problémy, dokud je lze napravit.
- Rozvojové programy, které řeší skutečné nedostatky. Nejedná se o obecné školení. Cílený rozvoj tam, kde je to skutečně potřeba.
- Viditelnost v rámci celé organizace. Kterým týmům se daří? Které se potýkají s problémy? Kde jsou systémové problémy? Podívejte se na to jasně.
- Lepší plánování nástupnictví. Zjistěte, kdo je připraven na povýšení. Kdo potřebuje rozvoj. Kde je slabá síla lavičky.
- Proces výkonu, který lidé nesnášejí. Menší administrativní zátěž. Větší zaměření na skutečný rozvoj. Lepší zkušenosti pro všechny.
Pro manažery
- Méně času na revizní papírování. Syntézu zvládá umělá inteligence. Vy se soustředíte na konverzaci a koučování.
- Lepší přehled o výkonnosti týmu. Jasné vzory ze zpětné vazby. Viditelné mezery v dovednostech. Včasné varování ohledně zapojení.
- Zachytit problémy dříve. Nečekejte s odhalením problémů až na výroční hodnocení. Všimněte si jich, když jsou ještě malé.
- Více smysluplných rozhovorů o vývoji. Na základě skutečných údajů a vzorců, nikoliv vágních dojmů.
- Cíle, které zůstávají viditelné. Nezapomíná se na ně až do doby, než přijde čas na recenzi. Průběžně se sleduje a upravuje.
Pro zaměstnance
- Jasnější zpětná vazba. Ne skládka neuspořádaných komentářů. Jasná témata a konkrétní oblasti, na kterých je třeba pracovat.
- Vývoj přizpůsobený skutečným potřebám. Školení, které pomáhá řešit skutečné nedostatky v dovednostech, nikoli obecné kurzy.
- Cíle, které zůstávají relevantní. Ne jednou nastavené a zapomenuté. Sleduje se a upravuje podle toho, jak se mění situace.
- Žádná překvapení v recenzích. Průběžná viditelnost znamená, že víte, na čem jste, a ne že se to dozvíte jednou za rok.
- Spravedlivý proces. Konzistentní analýza v rámci celé organizace. Méně podléhá individuálním předsudkům manažerů.
Co AI neudělá
Řekněme si jasně, jaké jsou limity.
Umělá inteligence nerozhoduje o výkonu. Nerozhoduje o povýšení. Nerozhoduje o odměňování. Nevyhazuje lidi. Nehodnotí výkon.
Jedná se o lidská rozhodnutí, která vyžadují úsudek, kontext a odpovědnost. Tato rozhodnutí činí manažeři. Umělá inteligence jim poskytuje informace, které jim pomáhají rozhodovat lépe.
Umělá inteligence také nedokáže porozumět nuancím tak jako lidé. V datech vidí vzorce. Nepochopí, že něčí výkonnost poklesla kvůli osobní krizi nebo že dělá práci navíc, která se v metrikách neprojevuje.
Manažeři stále potřebují vést rozhovory. Pochopit kontext. Používat úsudek. Chovat se k vedení lidí lidsky.
Umělá inteligence to usnadňuje tím, že zvládá analýzu dat a administrativní práci. Nenahrazuje však lidský faktor řízení výkonnosti.
Umělá inteligence v oblasti řízení výkonnosti také vyžaduje kvalitní data. Pokud je vaše zpětná vazba špatná, bude špatná i analýza umělé inteligence. Pokud nejsou sledovány cíle, AI vám nepomůže. Pokud nejsou zachyceny signály zapojení, nebude fungovat predikce retence.
Umělá inteligence zesiluje váš proces. Pokud je váš proces dobrý, umělá inteligence ho ještě zlepší. Pokud je váš proces nefunkční, opravte nejprve proces.
Dopad v reálném světě
Jak to vypadá v praxi?
Společnost zavádí umělou inteligenci pro řízení výkonnosti. Předtím: manažeři strávili 3-4 hodiny na jednoho zaměstnance ročním hodnocením. Po: 1 hodina. To jsou 2-3 ušetřené hodiny na osobu. U manažera s 8 přímými podřízenými je to úspora 16-24 hodin za jeden cyklus hodnocení.
Zlepšuje se retence. Systém včasného varování zachytí 70% potenciální odchody dostatečně brzy, aby je bylo možné řešit. Ne všichni zůstanou, ale mnoho problémů se vyřeší dříve, než lidé odejdou.
Výdaje na rozvoj jsou efektivnější. Namísto rozptýlení rozpočtu na školení do obecných kurzů se investice soustředí na zjištěné nedostatky v dovednostech. Počet absolvovaných školení se zvyšuje, protože jsou skutečně relevantní.
Zvyšuje se spokojenost zaměstnanců s výkonnostním procesem. Zpětná vazba je jasnější. Hodnocení je méně svévolné. Rozvoj je smysluplnější.
To není teoretické. Tohle se stane, když umělá inteligence učiní řízení výkonnosti kontinuálním a založeným na datech namísto ročního a subjektivního.
Začínáme
Nemusíte vše proměnit najednou. Začněte s jedním kusem.
Pro většinu společností je to analýza zpětné vazby. V dalším cyklu hodnocení nechte umělou inteligenci analyzovat zpětnou vazbu a odhalit témata. Uvidíte, kolik času to ušetří. Zjistěte, zda to manažeři považují za užitečné.
Nebo začněte s analýzou nedostatků v dovednostech. Zmapujte požadavky na vaši roli a skutečné dovednosti. Zjistěte, kde jsou mezery. Na základě toho se zaměřte na rozvoj.
Nebo zavést sledování cílů. Udržujte výkonnostní cíle viditelné a průběžně sledované namísto "nastav a zapomeň".
Vyberte si jeden prvek. Implementujte ho. Změřte dopad. Pak jej rozšiřte.
Řízení výkonnosti je v každé společnosti jiné. Váš proces hodnocení má specifické fáze. Váš sběr zpětné vazby má určité formáty. Vaše údaje o výkonnosti jsou uloženy v určitých systémech.
Proto není umělá inteligence pro řízení výkonnosti "plug-and-play". Musí se přizpůsobit vašemu aktuálnímu procesu. Vaše skutečná data. Vaší skutečné kultuře.
Podtrženo, sečteno
Řízení výkonu by mělo lidem pomáhat zlepšovat se. Místo toho se z něj stala administrativní zátěž, které se všichni bojí.
Umělá inteligence nenahrazuje lidský prvek řízení výkonnosti. Odstraňuje nudné části, aby se lidé mohli soustředit na to, co je skutečně důležité - pomáhat lidem růst a uspět.
Výsledek: manažeři tráví méně času papírováním a více času koučováním. Personální oddělení odhalí problémy dříve, než se z nich stanou krize. Zaměstnanci dostávají jasnější zpětnou vazbu a lépe se rozvíjejí. Organizace přijímá chytřejší rozhodnutí o talentech.
To není humbuk. To je to, co umělá inteligence dělá pro řízení výkonnosti, když je správně implementována.
Jste připraveni učinit řízení výkonnosti skutečně užitečným?
Neprodáváme obecnou umělou inteligenci pro řízení výkonnosti. Zaměřujeme se na váš konkrétní proces. Vaše mechanismy zpětné vazby. Vaše datové systémy. Vaše potřeby.
Poté vytvoříme umělou inteligenci, která bude odpovídat tomu, jak skutečně řídíte výkon. Ne nějaký idealizovaný proces - váš skutečný proces.
Žádný humbuk. Žádný přehnaný prodej. Jen praktická umělá inteligence, díky níž je řízení výkonu méně bolestivé a efektivnější.
Pojďme si promluvit o vašich problémech v oblasti řízení výkonnosti
