AI: HR skal ud af pilotprojektfælden

McKinsey peger på, at HR-afdelingen risikerer at bruge for meget tid på små AI-pilotprojekter og for lidt på at gentænke selve funktionen. I stedet bør HR-chefen starte med at danne sig et klart billede af, hvor afdelingen gerne vil hen – og arbejde baglæns derfra.

HR har efterhånden prøvet flere bølger af digitalisering, men AI-agenter ændrer præmissen. Hvor teknologien tidligere primært var et værktøj, som medarbejderen brugte, kan agenter nu selv ræsonnere, udføre opgaver på tværs af systemer og arbejde sammen i større workflows.

Det gør det fristende at starte i det små. En recruiter bygger en agent til screening. En payroll-specialist automatiserer en del af lønprocessen. Et HR-team laver en chatbot til medarbejderspørgsmål.

Problemet er, at de små løsninger hurtigt kan blive til et stort rod. Når medarbejdere selv kan bygge agenter på få timer, kan virksomheden få en hel underskov af løsninger, før nogen har besluttet, hvordan de egentlig bør hænge sammen. Konsulenthuset kalder det ”pilot trap”: Man optimerer de enkelte opgaver, mens den samlede HR-funktion bevæger sig i forskellige retninger. I værste fald bruger man tid på at automatisere processer, som slet ikke skal bruges i fremtiden.

Derfor anbefaler McKinsey en anden tilgang: Definér først, hvordan HR skal fungere i 2030, og arbejd derefter baglæns mod de nødvendige investeringer, kompetencer og governancestrukturer. Det handler ikke om at lave en femårig masterplan, der aldrig ændrer sig. Det handler om at have en klar ‘North Star’, så de enkelte AI-initiativer trækker i samme retning.

For HR betyder det blandt andet at tage stilling til tre helt konkrete spørgsmål. Hvem skal eje AI-platformen? Hvor går grænsen mellem personlig tilpasning og overvågning? Og hvilke opgaver skal automatiseres, mens hvilke menneskelige kompetencer skal styrkes?

Det sidste er særligt interessant. Hvis AI overtager mere af det rutineprægede arbejde bliver dømmekraft, relationer og coaching mere værdifuldt. Og hvis juniorerne ikke længere lærer gennem de opgaver, AI overtager, skal virksomhederne finde nye måder at bygge erfaring og ledelseskompetencer på.

Konsulenthuset ser tre mulige veje ind i transformationen. Nogle virksomheder starter med konkrete use cases. Andre gentænker enkelte end-to-end-processer som eksempelvis onboarding eller lønadministration. De mest modne går direkte efter at gentænke hele HR-domæner som rekruttering eller f.eks. performance management.

Men pointen er, at ingen af vejene bør være strategien i sig selv. De skal være indgange til den samme overordnede model. Det er en vigtig forskel.

McKinsey beskriver en virksomhed, der netop har implementeret 50 use cases, fra medarbejderchatbots til AI-understøttet læring og performance management. Men hvis løsningerne ikke samtidig ændrer workflows, roller og kompetencer kan gevinsten blive begrænset.

Det interessante spørgsmål er derfor ikke længere: ”Hvilke HR-opgaver kan vi automatisere?”, men: ”Hvordan skal arbejdet udføres, når AI er en integreret del af funktionen?”

HR bliver en anden funktion

Konsekvenserne kan blive markante. McKinsey vurderer, at omkring to tredjedele af de aktiviteter, HR arbejder med i dag, kan være fuldt automatiserede eller automatiserede i 2030. I dag bruger den typiske HR-funktion omkring 40 pct. af tiden på operationel levering, mens kun ca. 15 pct. går til strategisk sparring og innovation.

I den agentiske HR-model kan det ændre sig markant. Den operationelle del falder til omkring 5 pct., mens omkring halvdelen af den menneskelige arbejdstid kan bruges på strategisk arbejde og innovation. Samtidig opstår en ny type HR-arbejde: at eje og styre agenterne. Medarbejdere skal konfigurere dem, teste deres output, følge deres performance og justere dem, når arbejdsprocesserne ændrer sig.

Jo lettere det bliver for den enkelte medarbejder at bygge en AI-agent, desto vigtigere bliver de fælles spilleregler. Hvem må bygge hvad? Hvilke data må agenter tilgå? Hvem godkender en agent, før den sættes i drift? Og hvem har ansvaret, hvis den træffer en forkert beslutning?

Governance handler dermed i høj grad om at sikre, at de mange eksperimenter faktisk kan skaleres og vedligeholdes. Så man ikke ender med en masse små løsninger der gør funktionen mere fragmenteret. Læs hele guiden her.

MAL