AIによる人事部門の拡大する能力不足への対応

人事部門のリーダーであれば、組織が期待することと、チームが実際に提供できることとの間のギャップが、縮まるどころか広がり続けているという、気まずい真実をすでに知っているはずです。パンデミックが働き方を根本的に変えたにもかかわらず、実質的にパンデミック前と同じ人員とツールで、成長とビジネス変革における戦略的パートナーとしての役割を求められ、同時に前例のない量の複雑で感情的な従業員の問題に対処しなければならないのです。

これは、より一生懸命働くとか、より効率的になるとかいう問題ではありません。計算が合わなくなってきているのです。パンデミック後の不安定さ、慢性的なスキル不足、絶え間ない組織変革により、人事部門はほぼ継続的な危機的状況に置かれています。同時に、5世代にわたる従業員は、福利厚生からキャリア開発に至るまで、あらゆる面で消費者レベルのパーソナライゼーションを求めています。一方で、経営層は、高齢化する労働力の後継者計画、短期的な測定可能なビジネス成果の達成、AIを活用した未来に向けた労働力の準備といった戦略的課題の解決を求めています。

増大する収益への課題

その負担は明らかです。最近の研究によると、人事リーダーの84%が頻繁なストレスを報告し、81%が燃え尽きを感じており、95%がこの仕事を「仕事とストレスが多すぎる」と表現しています。他の調査では、人事部門はますます「能力を超えて」逼迫しており、調査参加者は仕事の質と有効性の低下を報告しています。

その影響はビジネスにとって計り知れません。過労の人事チームに起因する従業員の採用と定着率の低下により、組織は将来の需要はもちろん、現在の需要を十分に満たすことが困難になっています。空席の月額コストは、役職の seniority や業界によって5,000ドルから25,000ドルに達し、補充コストは通常の従業員の年間給与の200%にもなるため、既存の従業員から最大限の成果を引き出すことが絶対に重要です。

サポート、エンゲージメント、キャリアの明確さの欠如により、従業員のエンゲージメントも低下しており、「サイレント・クイッティング」がますます一般的になっています。従業員エンゲージメントの数パーセントの低下が、企業にとって数百万ドルの生産性損失につながる可能性があることを考えると、これは懸念すべき傾向です。

明らかに、何らかの変化が必要であり、その答えは人員の追加や別のポイントソリューションではありません。先行している組織は、少ないリソースでより多くのことを達成しているのではなく、人事部門が何を行い、AIが何を行い、そして両者がどこで交差するかを根本的に再考しています。

人事部門のAI変革への道のり

人事部門とAIに関するあらゆる会話において、AIがこれまでに与えた影響が限定的であることを認識することが重要です。最近のGartnerの調査では、人事リーダーの88%が、組織全体にAIを導入しようと広く試みているにもかかわらず、AIツールから顕著なビジネス価値を実現していないと報告しています。AIツールは、ソーシングや人材検索、履歴書スクリーニング、面接のメモ取りや要約といった、狭く定義された人事タスクに影響を与えてきましたが、より複雑な労働力管理機能への広範な導入においては、信頼が根本的な障壁となっています。

それにもかかわらず、多くの調査で、人事リーダーはAIによる人事機能の長期的な変革に対して楽観的な見方を示しており、このテクノロジーへの投資を増やし続けています。これらの組織の多くが気づき始めているのは、AI主導の変革は、長年の組織的ニーズに対する魔法のような迅速な解決策ではなく、技術的能力が進化し、ガバナンスポリシーとプラクティスが登場するにつれて、既存のプロセスや再構築されたプロセスに慎重かつ段階的に織り込むことができるツールであるということです。このアプローチは、変革を人事部門が達成したか否かの二元的な状態ではなく、時間の経過とともに増加するメリットをもたらす、段階的な変化とプロセス改善の長期的な旅として再考します。

成功への実績ある道筋

MathCoとDatabricksは協力して、幅広い人事チームがAIをプロセスに組み込むことを可能にしてきました。最も良い結果をもたらすことがわかっているアプローチは、一連のフェーズで進行し、各フェーズは前のフェーズの成功の上に構築され、その過程で段階的なビジネス価値を提供します（図1）。

">

フェーズ1: データ基盤の構築

組織独自のプロプライエタリ情報資産と市販のAIモデルを組み合わせた場合にのみ、求める価値を提供できます。これは、ほとんどの人事チームにとって2つの課題をもたらします。それは、企業全体から従業員を集める方法と、この機密情報を適切に保護する方法です。

マーケティングチームは、消費者データに関するこれらの課題を長い間認識してきました。これらのチームのほとんどが採用しているコアパターンは、個々の消費者のアイデンティティの共有概念を中心に構築された、関連情報の集中リポジトリを構築することです。この情報リポジトリは、しばしばカスタマー360と呼ばれ、従業員情報にも容易に適用できます。

従業員360内では、従業員データは企業全体から一元化されます。さまざまな運用システムからの構造化情報が複製されるだけでなく、さまざまな管理およびコミュニケーションシステムからの非構造化情報も複製されます。これらのデータから有用なメトリクスと分類が抽出され、予測的なインサイトも生成されます。目標は、従業員360に格納されている生データを人事チームがよりすぐに利用できるようにし、従業員情報におけるシグナルの重要な解釈に標準化をもたらすことです。

データガバナンスはここで絶対に重要です。データへの適切なアクセスを付与し、注意深く監査することを保証することに多くの注意を払っていますが、リポジトリ内の情報の品質にも注意を払うことが同様に重要です。信頼できない情報に基づいて労働力に関する決定を下すことは、ビジネスに有害であるだけでなく、企業にとって規制上および法的な影響を与える可能性があります。

フェーズ2: 労働力インサイトの再検討

堅牢で信頼性が高く、安全なデータ基盤が整ったら、次のステップはその基盤を活用することです。手動でのレポート作成や単発の分析に頼り続けるのではなく、組織は従業員360から直接構築された再利用可能な労働力インサイト製品を提供できるようになり、データが最も重要な人事ワークフロー（採用、パフォーマンス管理、報酬、離職、労働力計画）に組み込まれます。

このシフトは、効率を向上させるだけではありません。データ可視性が限られた環境で運営されてきた組織にとっては、労働力インテリジェンスをすべての主要な人事意思決定の中心に据え、人事リーダー、マネージャー、アナリストが今後必要とする分析能力を構築します。同時に、共有された権威ある従業員情報ソースへのアクセスを拡大することは、データ自体の自然な圧力テストとして機能します。

このフェーズの初期段階では、意思決定者は必然的に、彼らの期待に反する発見に遭遇するでしょう。それらの発見の一部は、修正する価値のある実際のデータまたは論理的な問題を示します。より頻繁に、それらはより価値のあるものを明らかにします。それは、長年の仮定と労働力が実際にどのように機能しているかとの間のギャップです。

どちらの結果も建設的です。このフェーズを乗り越えた組織は、よりクリーンなデータ、より鋭い分析能力、そしておそらく最も重要なこととして、従来の考え方が破綻する場所を直接目の当たりにしたリーダーシップチームを獲得して終了します。それはまさに、人事ワークフローをゼロから再考するために必要な考え方です。

フェーズ3: AIによるワークフローの拡張

組織はAIを活用できる体制が整いつつありますが、テクノロジーに対する信頼性の問題は依然として残っています。HRワークフローの抜本的な見直しではなく、既存のHRワークフローの強化から始めるのが最善です。AI生成結果の解釈や、すべての重要な意思決定においては、人間を関与させ続けます。

すべてのHRプロセスを網羅的にマッピングすることは非常に有益ですが、このフェーズは、リソースが制約されており、情報の人間による解釈に大きく依存するワークフローの単純な列挙から始まることがよくあります。これらのワークフローをキャプチャし、AIを利用できるワークフロー管理ツールに取り込み、時間のかかる反復的な解釈タスクにAIを選択的に使用することで、ワークフローに構造がもたらされ、チームの測定可能なメリットを捉えるための基盤が提供されます。

このフェーズでは透明性が重要です。AIが使用される場合、人間の意思決定者は、下された決定だけでなく、その理由に関する詳細にアクセスできる必要があります。これらの意思決定者は、AIにフィードバックと修正を提供する能力を必要とし、このフィードバックは時間の経過とともに結果を微調整するために使用される必要があります。AIが完璧で完全に決定論的な結果を提供することは期待していませんが、適切なフィードバックの使用により、経験豊富な専門家を超える信頼性と一貫性を持つ結果を提供できます。しかし、そこに至るには時間がかかります。

フェーズ4：AI最適化プロセスの構築

フェーズ3では、AIの利用を限定的にして既存のワークフローを強化することにかなりの時間が費やされます。このフェーズで大きなメリットが得られますが、チームがAIの使用に慣れ、自身のワークフローに精通するにつれて、組織が一部の領域で抜本的な見直しを行う準備が整う時点が来ます。

この時点で、会話は、AIが組織内のリソース制約をどのように軽減できるかという点から、AIが組織がHRとワークフォース管理を差別化された能力に変えるのをどのように支援できるかという点へと移行します。

このフェーズには唯一の道はありません。各組織のニーズは異なりますが、ここで概説した段階的なアプローチを取ることで、組織はこの種の取り組みをサポートするために必要なデータとテクノロジーの基盤を得ることができます。また、HRチームと企業全体のピープルリーダーの両方の精通度と信頼を確立しており、AIがワークフォースで解き放つことができるより広範な機会を探求できるようになります。

MathCoの経験を活用する

この4段階のロードマップを現実に変えるには、意図以上のものが必要です。戦略を実現するには、適切なテクノロジー基盤が求められます。MathCoは、ビジネス変革を加速するために設計されたエンタープライズグレードのAIプラットフォームであるNucliOSを通じて、このギャップを埋めます（ビデオ1）。

ビデオ1。モジュラービルディングブロックと事前構成済みのブループリントを備えたMathCoのNucliOSスタジオ

NucliOSは、最初から始めるのではなく、モジュラービルディングブロックと事前構成済みのHRブループリントを適用して、組織が断片化されたデータから統一された安全なEmployee 360ビューまで迅速に移行できるようにします。このアプローチは、実装期間を短縮し、基盤がガバナンスされ、信頼性が高く、ワークフォースデータの固有のニュアンスに調整されていることを保証します。

チームが後続のフェーズを進むにつれて、NucliOSはAI導入をスケーラブルでコンテキストアウェアにするための組み込みアクセラレータを提供します。採用推奨から退職アラートまで、すべてのモデルとインサイトは透明で説明可能であり、HRチームはAIの仕組みを完全に可視化し、結果のガイダンスと改善に人々を関与させ続けることができます。

変革の4つのフェーズに沿って、NucliOSは継続的な進捗をサポートするために3つの統合環境を提供します。

• Data Studioはデータ基盤を自動化および保護します。
• AI Studioはモデルを運用化し、人間のフィードバックループが中心であり続けることを保証します。
• Decision Studioは、成熟したインサイトを戦略的アクションに変換するカスタムアプリケーションの作成を可能にします。

これらの機能は together、HRがビジネスのペースでプロセスを進化させ、透明性、ガバナンス、および持続的なイノベーションに基づいた、基本的な自動化を超えてAI主導の卓越性へと移行するためのツールを提供します。

Databricksで変革を推進する

すべてのAI変革は、信頼性の高い高品質のデータから始まります。Databricksは、これを可能にする基盤を提供します。それは、Employee 360が形成される安全でガバナンスされた環境です。すべてのワークフォースデータの中心ハブとして機能するDatabricksは、HRシステム全体にわたる構造化および非構造化情報を統合し、組織の一貫性があり、監査可能で、プライバシーに準拠したビューを保証します。

レイクハウスアーキテクチャ上に構築されたDatabricksは、エンタープライズデータウェアハウジングの信頼性とデータレイクの柔軟性を組み合わせ、チーム間のシームレスなデータ共有とリアルタイムコラボレーションを可能にします。堅牢なアクセス制御、リネージ追跡、および品質チェックは、規制遵守に必要な透明性とトレーサビリティを維持しながら、機密性の高い従業員情報を保護します。

Crucially、Databricksは安全なストレージを超えています。高度なAIおよび機械学習機能との深い統合により、データはNucliOSのようなツールに安全かつインテリジェントに流れ込み、予測モデル、人間参加型ワークフロー、および継続的なプロセス最適化を強化します。保護とイノベーションのこのバランスにより、ワークフォースデータはロックダウンされるのではなく、新しい戦略的価値を解き放つために責任を持ってアクティブ化されることが保証されます。

HR変革ジャーニーを始める

HRにおける拡大する能力ギャップは、それ自体では解消されませんが、適切なデータ基盤、信頼できるAI、および経験豊富なパートナーがいれば、組織変革の触媒となる可能性があります。Databricksによって強化されたMathCoの実証済みの方法は、HRリーダーが安全で透明性がありスケーラブルなAI変革を通じてビジョンを行動に変えるのを支援します。

AIが貴社のHRをどのように再考できるかを探求する準備ができている場合は、MathCoに接続して、より機敏でデータ主導の、将来に対応したワークフォースへのジャーニーを開始してください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事