Zorgen over de ontwrichtende effecten van kunstmatige intelligentie op de werkplek domineren vaak de discussies over hoe de opkomende technologie de arbeidsmarkt zal beïnvloeden.
Veel commentaar op dit onderwerp varieert van sombere voorspellingen over de vernietiging van banen en het achterhaald zijn van traditionele vaardigheden tot het vieren van de fortuinen die worden aangeboden aan degenen die AI kunnen ontketenen om de prestaties te verbeteren.
Voor sommige werkgevers en docenten helpt AI echter al om de verwerving van vaardigheden te vergemakkelijken en bestaande banen te verbeteren. Ze zeggen dat de technologie organisaties kan helpen de vaardigheden van werknemers te beoordelen, te plannen voor nieuwe behoeften en hun personeel op te leiden, waardoor de bedrijfsproductiviteit en de loopbaanvooruitzichten van het personeel worden vergroot.
“Wat we hebben ontdekt is dat het gebruik van AI een van de beste manieren is om over AI te leren”, zegt Jim Swanson, executive vice-president en chief information officer bij Johnson & Johnson.
Het farmaceutische bedrijf maakt gebruik van een AI-gestuurd proces dat ‘skills inference’ wordt genoemd om zijn personeelsbestand te beoordelen en te plannen, op manieren die handmatig niet mogelijk zouden zijn. “Het blijkt een belangrijke troef te zijn om ons te helpen de capaciteiten van ons personeel te begrijpen en te verbeteren”, zegt Swanson.
DHL, het internationale bezorgbedrijf, gebruikt AI om de vaardigheden van medewerkers te vergelijken met de vaardigheden die medewerkers nodig hebben in openstaande functies. Via de ‘carrièremarktplaats’ kunnen medewerkers naar de juiste training worden geleid, zodat ze hun carrière effectiever kunnen ontwikkelen, en kunnen managers worden ondersteund om lege vacatures in te vullen.
Dit gebruik van AI stimuleert interne aanwerving, wat goedkoper en sneller is dan externe aanwerving, legt Ralph Wiechers van DHL uit, executive vice-president voor human resources. Het betekent ook dat de kans groter is dat kandidaten goed bij elkaar passen.
AI heeft nog meer toepassingen bij het snel identificeren en creëren van trainingsmateriaal voor nieuwe vaardigheden – ideaal wanneer de bedrijfsbehoeften snel evolueren. “Om als organisatie adaptief te zijn. . . om de juiste vaardigheden te verwerven moet het geautomatiseerd worden, vergeleken met vroeger waar je een trainingspatroon kon voorschrijven dat stabiel bleef”, zegt Wiechers.
Veel bedrijven die AI gebruiken in hun personeelsbeheer leiden vaardigheden af op basis van gegevens die door de hele organisatie worden gegenereerd, bijvoorbeeld bestaande functietitels, het werk dat personeel doet, activiteiten op het gebied van technologie en rapporten van supervisors.
Bij J&J ontwikkelde een toegewijd team een bedrijfsspecifieke vaardighedentaxonomie met 41 ‘toekomstklare’ vaardigheden, zoals gegevensbeheer of procesautomatisering. Vervolgens trainde het AI om te identificeren waar deze vaardigheden in de organisatie aanwezig waren, op basis van de eerdere ervaringen, rollen en huidige posities van werknemers. Workforce managementsystemen, bijgewerkt door werkgevers en managers, creëren een dataset om AI-modellen te trainen om vaardigheden te beoordelen en deze te evalueren op een vaardigheidsniveau van nul (geen vaardigheden gedetecteerd) tot vijf (thought leadership).
Daarnaast geeft AI ook aanbevelingen op het gebied van leren en ontwikkeling, waarbij gebruikers worden voorgesteld welke cursussen ze moeten volgen om hun carrière bij het bedrijf voort te zetten. Door de vaardigheden van de organisatie op deze manier in kaart te brengen “helpen onze leiders weloverwogen beslissingen te nemen over het aannemen, behouden en verplaatsen van talent”, zegt Swanson.
Andere organisaties gebruiken AI om de training zelf te verbeteren – door middel van simulaties of door meer mensen toegang te geven tot gepersonaliseerde feedback.
Bij Bank of America kunnen medewerkers AI gebruiken om moeilijke gesprekken te oefenen, bijvoorbeeld door gevoelige kwesties met klanten te bespreken. Door benaderingen uit te proberen met een simulatie, kunnen medewerkers “interacties in de echte wereld oefenen in een volkomen veilige omgeving”, zegt Michael Wynn, senior vice-president voor innovatie en leertechnologie.
“Het geeft hen de kans om wat zelfvertrouwen op te bouwen en hun vaardigheden te testen. . . waar traditionele methoden niet toe in staat zijn”, zegt Wynn. Managers kunnen zien waar het personeel sneller verbetert door te reageren op de feedback die de AI hen geeft, en ook waar het personeel moeite mee heeft – wat erop wijst dat docenten zich moeten concentreren.
“Eén ding dat ons echt heeft geholpen om door het labyrint van technologie te navigeren, was het inzicht dat onze leerlingen niet op dezelfde manier willen leren”, voegt Wynn toe. “Ze willen niet alleen trainingsmateriaal lezen of bekijken; ze willen een actieve deelnemer zijn.”
Nick van der Meulen, een MIT-wetenschapper die zich richt op het ondersteunen van organisaties bij technologische veranderingen, zegt dat AI-automatisering werkgevers in staat stelt meer vaardigheden te beoordelen, mogelijk met grotere nauwkeurigheid dan bestaande benaderingen.
“Je kunt mensen inzicht geven in hoe hun vaardigheden zich verhouden. . . je kunt zeggen dat dit het niveau is dat je moet hebben voor een specifieke rol, en zo kun je daar komen”, zegt van der Meulen. “Je kunt dat niet doen door meer dan 80 vaardigheden actief te testen, dat zou te duur zijn.”
Maar hoewel de technologie “enorme beloftes” in zich draagt, is Van der Meulen zich ook bewust van de beperkingen ervan – en van het feit dat het ontwikkelen van de infrastructuur werk vergt.
Soortgelijke waarschuwingen van anderen in het veld onderstrepen het idee dat, ondanks de hype, het nog steeds lastig kan zijn om beoordelingen en beslissingen over te laten aan kunstmatige intelligentie. Vaardighedenbeoordelingen zijn slechts zo goed als de gegevens waarop ze zijn getraind, en menselijke input is cruciaal voor het functioneren van een systeem.
“Je hebt een definitie (van vaardigheden) nodig die gemakkelijk te begrijpen en bruikbaar is voor een algoritme”, zegt van der Meulen. Hij geeft toe dat AI misschien niet “100 procent nauwkeurig” is, en dat er bijvoorbeeld problemen kunnen ontstaan als werknemers “niet de moeite doen om ervoor te zorgen dat hun digitale voetafdruk compleet is”.
Dat betekent dat het in de meeste gevallen moet worden gezien als een ruwe beoordeling van vaardigheden die medewerkers en managers kunnen corrigeren en aanvullen, en niet als iets definitiefs.
Om dit probleem te ondervangen, biedt J&J medewerkers de mogelijkheid om hun vaardighedengeschiedenis te bewerken en informatie toe te voegen (doelen, interesses, certificeringen) die mogelijk niet automatisch in de datasets staat, om ervoor te zorgen dat de AI over zoveel mogelijk informatie beschikt om uit te putten.
Deze beperkingen betekenen dat voorzichtigheid nog steeds geboden is bij het gebruik van de technologie, zegt Nimmi Patel, hoofd vaardigheden, talent en diversiteit bij Tech UK, de Britse handelsorganisatie. “AI kan grote hoeveelheden data heel snel verwerken. Maar algoritme-evaluatie zoals die vandaag de dag bestaat, kan moeite hebben om de nuances van individuele groei- en ontwikkelingstrajecten te begrijpen.”
Ze is van mening dat “evaluatie en groeibeslissingen met hoge inzet het meest geschikt zijn om onder menselijk toezicht te blijven” via een hybride aanpak.
Bij J&J benadrukt Swanson dat beoordelingen van AI-vaardigheden niet worden gebruikt in het dagelijkse prestatiebeheer. Bij zowel J&J als DHL is deelname optioneel. Maar uit de eerste cijfers blijkt dat AI-platforms populair zijn bij beide organisaties. “Het gaat erom het grote plaatje van de vaardigheden van onze organisatie te begrijpen en mensen te helpen precies te weten waar ze hun leerproces op moeten richten”, zegt Swanson.
