Oceno uspe\u0161nosti opravite enkrat ali dvakrat na leto. Takrat se te\u017eave \u017ee ve\u010d mesecev kopi\u010dijo. Dobri zaposleni so \u017ee z eno nogo pred vrati. Vrzeli v znanju in spretnostih upo\u010dasnjujejo projekte \u017ee \u010detrt leta.<\/p>\n
Sam postopek pregleda je bole\u010d. Zberite povratne informacije od petih oseb. Preberi strani pripomb. Poskusite najti teme. Napi\u0161ite povzetek. Na\u010drtujte sestanek. Ponovite za vse \u010dlane skupine.<\/p>\n
Vodje ga sovra\u017eijo. Zaposleni mu ne zaupajo. Kadrovska slu\u017eba ve\u010d tednov preganja ljudi, da opravijo pregled. Dejanska vrednost - pomo\u010d ljudem pri izbolj\u0161anju - pa se izgubi v administrativnem bremenu.<\/p>\n
Umetna inteligenca to spremeni. Povratne informacije analizira v realnem \u010dasu in ne enkrat na leto. Opazuje vzorce v podatkih o uspe\u0161nosti. Ugotavlja vrzeli v znanju in spretnostih, \u0161e preden postanejo te\u017eave. Predvideva tveganja za ohranitev zaposlenih, \u0161e preden ljudje odidejo.<\/p>\n
Upravljanje uspe\u0161nosti postane neprekinjeno, temelji na podatkih in je dejansko koristno. Ne pa stra\u0161en letni obred.<\/p>\n\n\n
Vsi vedo, da so ocene uspe\u0161nosti pokvarjene. Podjetja jih vseeno izvajajo, ker nekaj potrebujejo.<\/p>\n
Te\u017eave so o\u010ditne. Pregledi so usmerjeni nazaj - ko pregledate uspe\u0161nost v zadnjem \u010detrtletju, je to \u017ee stara novica. So dolgotrajni - vodje porabijo ve\u010d ur na osebo, kar se pomno\u017ei s celotno ekipo. So subjektivni - razli\u010dni vodje ocenjujejo razli\u010dno, kar povzro\u010da nedoslednost.<\/p>\n
In so redki. Letni pregledi pomenijo, da te\u017eave odkrijete 6-12 mesecev prepozno. Nekdo ima te\u017eave? Do pregleda tega ne boste izvedeli. Nekdo ni anga\u017eiran? Do takrat, ko to opazite, je \u017ee na razgovoru drugje.<\/p>\n
Zbiranje povratnih informacij je bole\u010de. \"Ali lahko do petka predlo\u017eite ocene za svoje tri kolege?\" Opomniki. Preganjanje. Podalj\u0161evanje rokov. Nekateri ljudje pi\u0161ejo premi\u0161ljene povratne informacije. Drugi jih po\u0161ljejo po telefonu. Kakovost je zelo razli\u010dna.<\/p>\n
Potem mora nekdo vse skupaj razlo\u017eiti. Preberi vse komentarje. Opredelite teme. Katera so resni\u010dna vpra\u0161anja? Kaj je le hrup? Katere povratne informacije so protislovne? To traja ve\u010d ur na zaposlenega.<\/p>\n
Do dejanskega pregleda so vodje iz\u010drpani. Zaposleni so zaskrbljeni. Pogovor pogosto ne pripelje do pomembnih sprememb, saj je preve\u010d informacij posredovanih prepozno.<\/p>\n
To ni zato, ker ljudem ni mar. Gre za to, da je postopek v osnovi ro\u010den, redek in usmerjen nazaj. Umetna inteligenca odpravlja vse tri te\u017eave.<\/p>\n\n\n
Umetna inteligenca ne nadome\u0161\u010da vodij pri upravljanju uspe\u0161nosti. Nudi jim bolj\u0161e informacije, tako da lahko dejansko pomagajo svojim ekipam. Tukaj je opisano, kako.<\/p>\n\n\n
Pri 360-stopenjskih pregledih se zbirajo povratne informacije od ve\u010d oseb. Vodja. Kolegi. V\u010dasih neposredni podrejeni. Vsaka oseba napi\u0161e odstavke pripomb.<\/p>\n
Branje vsega tega je dolgo\u010dasno. In opa\u017eanje vzorcev? \u0160e te\u017eje. Ena oseba nejasno omenja \"te\u017eave s komunikacijo\". Druga oseba pravi, da \"v\u010dasih ne sodeluje z ekipo\". Druga pa zapi\u0161e, da \"v\u010dasih za stvari izvemo pozno\". Ali so ti primeri povezani? Ista te\u017eava? Razli\u010dne te\u017eave?<\/p>\n
Umetna inteligenca prebere vse povratne informacije. Samodejno prepozna teme.<\/p>\n
\"Komunikacija\" se pojavi v \u0161tirih pregledih. UI jih zdru\u017ei. Vidi, da trije ljudje posebej omenjajo \"\u010dasovni razpored posodobitev\", dva pa \"raven podrobnosti\". Vzorec je jasen: ta oseba mora o posodobitvah projekta obve\u0161\u010dati bolj proaktivno.<\/p>\n
Ali pa mesta za umetno inteligenco: pet ljudi pohvali \"tehni\u010dne sposobnosti\", trije pa omenijo, da bi lahko bolj sodelovali. Motiv: mo\u010dan individualni sodelavec, potreben je razvoj na podro\u010dju timskega dela.<\/p>\n
Umetna inteligenca ne napi\u0161e ocene namesto vas. Vendar vam ponudi jasne vzorce, tako da ne berete 10 strani komentarjev in posku\u0161ate ro\u010dno poiskati teme.<\/p>\n
To velja tudi za celotno organizacijo. Ali dolo\u010dene ekipe stalno prejemajo povratne informacije o delovni obremenitvi? To je te\u017eava z viri. Imajo novi vodje stalno te\u017eave z delegiranjem? To je potreba po usposabljanju.<\/p>\n
Vzorci, za katere bi ro\u010dno odkrivanje trajalo ve\u010d tednov analize? Umetna inteligenca jih najde takoj.<\/p>\n\n\n
Va\u0161a ekipa potrebuje dolo\u010dena znanja in spretnosti. Za njihove trenutne vloge. Za prihodnje projekte. Za to, kam gre podjetje.<\/p>\n
Kdo ima ta znanja in spretnosti? Kdo potrebuje razvoj? Obi\u010dajno je to ugibanje. Vodje imajo intuicijo. Kadrovska slu\u017eba ve nekaj stvari. Toda celovita preglednost? Redko.<\/p>\n
Umetna inteligenca analizira podatke o ve\u0161\u010dinah v va\u0161i organizaciji.<\/p>\n
Preu\u010di zahteve delovnega mesta. Povratne informacije o uspe\u0161nosti. zaklju\u010dek usposabljanja. projektne naloge. Samoocenjevanje. Ocene vodij. Vsi podatki, ki jih \u017ee imate, le da so razpr\u0161eni po sistemih.<\/p>\n
Ugotavlja vrzeli: \"Va\u0161a analiti\u010dna ekipa ima dobro znanje SQL, vendar omejene izku\u0161nje s Pythonom. Trije prihajajo\u010di projekti zahtevajo Python. To je tveganje.\"<\/p>\n
Ali: \"Pet vi\u0161jih in\u017eenirjev je primernih za vodstvene funkcije, vendar sta le dva opravila usposabljanje za vodenje. To povzro\u010da vrzel pri na\u010drtovanju nasledstva.\"<\/p>\n
Ali: \"V povratnih informacijah strank je ve\u010dkrat omenjen 'po\u010dasen odzivni \u010das'. Analiza ka\u017ee, da va\u0161a ekipa za podporo ni bila usposobljena za nov sistem za izdajo vozovnic. To pojasnjuje te\u017eavo.\"<\/p>\n
Umetna inteligenca povezuje to\u010dke, ki jih ljudje ne vidijo med ve\u010d sto zaposlenimi. Opazi vrzeli, \u0161e preden povzro\u010dijo te\u017eave. In to neprekinjeno, ne enkrat na leto.<\/p>\n
Zdaj lahko razvoj usmerite tja, kjer je pomemben. Ne pa splo\u0161no usposabljanje, ki ga vsi ignorirajo. Gre za specifi\u010dna znanja in spretnosti, ki bodo dolo\u010denim ljudem dejansko pomagala bolje opravljati njihovo delo.<\/p>\n\n\n
Ljudje ne odidejo kar tako. Obstajajo znamenja. Obi\u010dajno so subtilni. Obi\u010dajno so vidni \u0161ele za nazaj.<\/p>\n
Kapljice za sodelovanje. Udele\u017eba na sestankih se zmanj\u0161a. Povratne informacije postanejo manj podrobne. Individualni sestanki se prestavijo. Uspe\u0161nost je \u0161e vedno sprejemljiva, vendar navdu\u0161enje upade.<\/p>\n
Ko vodje to opazijo, ima oseba \u017ee drugo ponudbo. Izstopni razgovor razkrije, da je bila oseba nezadovoljna \u017ee ve\u010d mesecev. \"Zakaj se nih\u010de ni pogovoril z mano?\"<\/p>\n
Umetna inteligenca te vzorce zazna zgodaj.<\/p>\n
Spremlja signale vpletenosti. Odzivi na ankete se zmanj\u0161ujejo. Manj vpra\u0161anj na sestankih. Manj\u0161e \u0161tevilo pregledov kode ali sodelovanja. Pove\u010dana uporaba dopusta za po\u010ditek. Spremenjeni vzorci komuniciranja.<\/p>\n
Posami\u010dno ne pomenijo ni\u010desar. Skupaj pa tvorijo vzorec. Umetna inteligenca ga opazi in ozna\u010di: \"Tveganje za zadr\u017eanje tega zaposlenega se je pove\u010dalo. Priporo\u010dite pregled pri vodji.\"<\/p>\n
Ne zato, ker umetna inteligenca ve, da oseba i\u0161\u010de zaposlitev. Ampak zato, ker se vzorec ujema z osebami, ki so v preteklosti \u017ee od\u0161le. To je opozorilo, da bodite pozorni, preden bo prepozno.<\/p>\n
Vodje se lahko nato resni\u010dno pogovarjajo. \"Kako gre? Kako vam lahko bolje pomagam?\" dovolj zgodaj, da je te\u017eave \u0161e vedno mogo\u010de odpraviti.<\/p>\n
To ne prepre\u010duje vse fluktuacije - v\u010dasih ljudje odidejo zaradi razlogov, na katere ne morete vplivati. Prepre\u010duje pa izgubo ljudi, ker nih\u010de ni opazil, da imajo te\u017eave, dokler niso poslali odstopne izjave.<\/p>\n\n\n
Pisanje ocen uspe\u0161nosti traja ve\u010dno. Vodje odla\u0161ajo. Kadrovska slu\u017eba podalj\u0161uje roke. Kakovost trpi, ker ljudje hitijo.<\/p>\n
AI pripravi pregled na podlagi razpolo\u017eljivih podatkov. Zbrane povratne informacije. Cilji in napredek. Merila uspe\u0161nosti. Nedavni dose\u017eki. Opredeljena razvojna podro\u010dja.<\/p>\n
Ustvari strukturiran osnutek: \"[povzetek pozitivnih povratnih informacij s primeri]. Podro\u010dja za razvoj: [povzetek konstruktivnih povratnih informacij z vzorci]. Napredek pri doseganju ciljev: [stanje vsakega cilja]. Priporo\u010dena podro\u010dja, na katera se je treba osredoto\u010diti: [predlogi za razvoj].\"<\/p>\n
Vodja jo pregleda. Doda osebne ugotovitve. Prilagodi ton. Vklju\u010di kontekst, ki ga umetna inteligenca ne bi mogla poznati. To ga naredi osebnega.<\/p>\n
Vendar je te\u017eja naloga - sinteza vseh povratnih informacij in podatkov - \u017ee opravljena. Kar je trajalo dve uri, zdaj traja 30 minut. Kakovost je pogosto bolj\u0161a, saj ni\u010desar ne izpustite.<\/p>\n
To ni umetna inteligenca, ki pi\u0161e preglede. Gre za umetno inteligenco, ki opravi dolgo\u010dasno sintezo, tako da se lahko vodje osredoto\u010dijo na dejanski pogovor s svojim \u010dlanom ekipe.<\/p>\n\n\n
Cilji se dolo\u010dijo januarja. Do marca so pozabljeni. Do decembra se ljudje trudijo, da bi se spomnili, kaj naj bi dosegli.<\/p>\n
Umetna inteligenca poskrbi, da so cilji vidni in se jim nenehno sledi.<\/p>\n
Zaposlene in vodje opozarja na cilje. Na podlagi posodobitev spremlja napredek. Ozna\u010duje cilje, ki niso na pravi poti: \"Ta cilj v \u0161estih tednih ni napredoval. Potrebna posodobitev stanja?\"<\/p>\n
Cilje povezuje z dejanskim delom. \u010ce je cilj nekoga \"izbolj\u0161ati zadovoljstvo strank\" in se spremljajo rezultati anket strank, lahko umetna inteligenca samodejno prika\u017ee napredek.<\/p>\n
Predlaga prilagoditve. \"Ta cilj je stalno ozna\u010den kot blokiran zaradi omejenih virov. Ali bi ga bilo treba spremeniti ali pove\u010dati?\"<\/p>\n
Upravljanje uspe\u0161nosti postane neprekinjeno. Ne gre za presene\u010denje enkrat na leto. Stalna preglednost nad tem, kako ljudje delajo in kje potrebujejo podporo.<\/p>\n\n\n
Zelo jasno povejmo, kak\u0161ne so omejitve.<\/p>\n
Umetna inteligenca ne sprejema odlo\u010ditev o uspe\u0161nosti. Ne odlo\u010da o napredovanjih. Ne odlo\u010da o nadomestilih. Ne odpu\u0161\u010da ljudi. Ne ocenjuje uspe\u0161nosti.<\/p>\n
To so \u010dlove\u0161ke odlo\u010ditve, ki zahtevajo presojo, kontekst in odgovornost. Te odlo\u010ditve sprejemajo vodje. Umetna inteligenca zagotavlja informacije, ki jim pomagajo pri sprejemanju bolj\u0161ih odlo\u010ditev.<\/p>\n
Umetna inteligenca tudi ne more razumeti nians tako kot ljudje. V podatkih vidi vzorce. Ne razume, da se je uspe\u0161nost nekoga zmanj\u0161ala zaradi osebne krize ali da opravlja dodatno delo, ki ni razvidno iz kazalnikov.<\/p>\n
Vodje se morajo \u0161e vedno pogovarjati. Da bi razumeli kontekst. Uporabljati presoje. Pri upravljanju ljudi morajo biti \u010dlove\u0161ki.<\/p>\n
Umetna inteligenca to olaj\u0161a, saj poskrbi za analizo podatkov in administrativno delo. Vendar ne nadomesti \u010dlove\u0161kega elementa pri upravljanju uspe\u0161nosti.<\/p>\n
Tudi umetna inteligenca pri upravljanju uspe\u0161nosti zahteva dobre podatke. \u010ce so va\u0161e povratne informacije napa\u010dne, bo tudi analiza umetne inteligence napa\u010dna. \u010ce ciljev ne spremljate, vam umetna inteligenca ne more pomagati. \u010ce signali o sodelovanju niso zajeti, napovedovanje zadr\u017eanja ne bo delovalo.<\/p>\n
Umetna inteligenca okrepi va\u0161 postopek. \u010ce je va\u0161 proces dober, ga umetna inteligenca \u0161e izbolj\u0161a. \u010ce je va\u0161 proces pokvarjen, ga najprej popravite.<\/p>\n\n\n
Kako je to videti v praksi?<\/p>\n
Podjetje uvede umetno inteligenco za upravljanje uspe\u0161nosti. Pred tem so vodje za letne preglede porabili 3-4 ure na zaposlenega. Po: 1 ura. To so 2-3 prihranjene ure na osebo. Za vodjo z 8 neposrednimi podrejenimi je to 16-24 prihranjenih ur na cikel ocenjevanja.<\/p>\n
Izbolj\u0161a se zadr\u017eevanje. Sistem zgodnjega opozarjanja dovolj zgodaj ujame 70% morebitne odhode, da se jih lahko lotimo. Vsi ne ostanejo, vendar se veliko te\u017eav re\u0161i, preden ljudje odidejo.<\/p>\n
Razvojna poraba postane u\u010dinkovitej\u0161a. Namesto da se prora\u010dun za usposabljanje razpr\u0161i med splo\u0161ne te\u010daje, se nalo\u017ebe osredoto\u010dijo na ugotovljene vrzeli v znanju in spretnostih. Usposabljanje se pove\u010da, ker je dejansko pomembno.<\/p>\n
Izbolj\u0161a se zadovoljstvo zaposlenih s procesom uspe\u0161nosti. Povratne informacije so jasnej\u0161e. Ocene se zdijo manj samovoljne. Razvoj se zdi bolj smiseln.<\/p>\n
To ni teoreti\u010dno. To se zgodi, ko umetna inteligenca poskrbi, da je upravljanje uspe\u0161nosti stalno in temelji na podatkih, ne pa letno in subjektivno.<\/p>\n\n\n
Ni vam treba preoblikovati vsega naenkrat. Za\u010dnite z enim kosom.<\/p>\n
Za ve\u010dino podjetij je to analiza povratnih informacij. V naslednjem ciklu pregleda povratne informacije analizirajte z umetno inteligenco in izpostavite teme. Preverite, koliko \u010dasa boste prihranili. Preverite, ali je to za vodje koristno.<\/p>\n
Ali pa za\u010dnite z analizo vrzeli v znanju in spretnostih. Upo\u0161tevajte zahteve za vlogo in dejanska znanja in spretnosti. Ugotovite, kje so vrzeli. To uporabite za usmerjanje razvoja.<\/p>\n
Ali pa uvedite sledenje ciljem. Cilji uspe\u0161nosti naj bodo vidni in se spremljajo neprekinjeno, namesto da bi jih dolo\u010dili in pozabili.<\/p>\n
Izberite en element. Izvedite ga. Izmerite u\u010dinek. Nato ga raz\u0161irite.<\/p>\n
V vsakem podjetju je upravljanje uspe\u0161nosti druga\u010dno. Va\u0161 postopek ocenjevanja ima dolo\u010dene faze. Va\u0161e zbiranje povratnih informacij ima dolo\u010dene oblike. Va\u0161i podatki o uspe\u0161nosti so shranjeni v posebnih sistemih.<\/p>\n
Zato umetna inteligenca za upravljanje uspe\u0161nosti ne deluje po na\u010delu plug-and-play. Prilagoditi se mora va\u0161emu dejanskemu procesu. Va\u0161im dejanskim podatkom. va\u0161i dejanski kulturi.<\/p>\n\n\n
Upravljanje uspe\u0161nosti mora ljudem pomagati, da se izbolj\u0161ajo. Namesto tega je postalo administrativno breme, ki se ga vsi bojijo.<\/p>\n
Umetna inteligenca ne nadome\u0161\u010da \u010dlove\u0161kega elementa pri upravljanju uspe\u0161nosti. Odpravlja le zamudne dele, tako da se lahko ljudje osredoto\u010dijo na tisto, kar je dejansko pomembno - pomo\u010d ljudem pri rasti in uspehu.<\/p>\n
Rezultat: vodje porabijo manj \u010dasa za urejanje papirjev in ve\u010d \u010dasa za pou\u010devanje. Kadrovska slu\u017eba odkrije te\u017eave, \u0161e preden postanejo krizne. Zaposleni dobijo jasnej\u0161e povratne informacije in bolj\u0161i razvoj. Organizacija sprejema pametnej\u0161e odlo\u010ditve o talentih.<\/p>\n
To ni hipnotizacija. To je tisto, kar umetna inteligenca naredi za upravljanje uspe\u0161nosti, \u010de se pravilno izvaja.<\/p>\n\n\n
Ne prodajamo splo\u0161ne umetne inteligence za upravljanje uspe\u0161nosti. Upo\u0161tevamo va\u0161 specifi\u010den proces. Va\u0161e mehanizme povratnih informacij. va\u0161e podatkovne sisteme. Va\u0161e potrebe.<\/p>\n
Nato izdelamo umetno inteligenco, ki ustreza va\u0161emu na\u010dinu upravljanja uspe\u0161nosti. Ne z nekim idealiziranim procesom - z va\u0161im dejanskim procesom.<\/p>\n
Brez \u0161umenja. Brez pretiranega prodajanja. Samo prakti\u010dna umetna inteligenca, s katero je upravljanje uspe\u0161nosti manj bole\u010de in bolj u\u010dinkovito.<\/p>\n\n
Pogovorimo se o va\u0161ih izzivih pri upravljanju uspe\u0161nosti<\/a><\/p>\n\n