دستورکار دیجیتال جدید منابع انسانی

فناوری های دیجیتالی برای منابع انسانی به­ منظور استخدام استعدادهای برتر و ارزش افزایی به تجارت به ضرورتی انکارناپذیر بدل شده اند.

در یک نگاه

• تمام جنبه ­های منابع انسانی تحت الشعاع فناوری­ های دیجیتال قرار گرفته و پتانسیل تازه ­ای در حال ظهور است. برنامه­ ها شامل پیش­ بینی یادگیری ماشینی است که جای خود را به ربات­ چت ها که درخواست­ های مرخصی استعلاجی را سر و سامان می دهند خواهند داد.
• با این وجود تحول دیجیتال آسان نبوده است. در بررسی جدید موسسه Bain، سه چهارم مدیران اجرایی و مدیران منابع انسانی می­ گویند که فناوری­ های فعلی آنها هنوز به عملکرد مطلوب نرسیده ­اند.
• فراتر از صرفه جویی قابل توجه در هزینه­ های دیجیتال، پاسخ دهندگان نتایج کسب­ و­ کار مانند سرعت، کیفیت و دقت را دلیل اصلی سرمایه گذاری ذکر می­ کنند.
• شرکت­ ها هنگام اتخاذ فناوری ­های جدید، باید همچنان بر ساده ­سازی و استانداردسازی فرآیندها، داده­ ها و سیستم ­ها متمرکز شوند.

در نبرد مداوم برای استخدام استعداد برتر، فناوری­ های دیجیتال نقش برجسته­ ای ایفا می کنند. تغییرات ناپایدار در نیروی­ کار و محل­ کار که توسط عوامل جمعیتی، تمهیدات جایگزین کار و فناوری­ های مختلف فاصله از راه دور انجام می­ شود، بازنویسی قوانین را ضروری ساخته اند. درحالیکه ابزارهای دیجیتالی تغییر را تسریع می­ کنند، روش­ های جدیدی را نیز برای تیم­ های منابع انسانی ارائه می­ دهند تا استعدادهای زیادی را به خود جلب کنند، سپس به آنها انگیزه داده و آنها را مجهز کنند.

شیوه­ های اشتغال به هر طریقی در حال تکامل است: از جبران خدمات و مزایا گرفته تا پاداش کل، از مدیریت تعداد کارمند گرفته تا مدیریت اکوسیستم نیروی کار، از مشاغل مادام العمر تا یک مسیر شغلی مبتنی بر یادگیری مداوم، از بررسی عملکرد سالانه گرفته تا بازخورد مداوم، از پیشرفت فردی تا همکاری تیمی و از مدیریت پرسنل گرفته تا مشارکت نیروی کار.

فناوری­ های دیجیتال موتور این تحول هستند. آن دسته از واحد­های منابع انسانی که به استقرار فناوری تسلط دارند، یک مزیت رقابتی مشخص و پایدار را در شکار استعداد در صنایع خود ایجاد می­ کنند. بررسی جدید Bain & Company از ۵۰۰ مدیر اجرایی و مدیر منابع انسانی در ایالات متحده، انگلیس و آلمان نشان می­ دهد که چگونه می­ توان از فضا و پتانسیل دیجیتال در حل مشکلات استفاده کرد.

دپارتمان­ های منابع انسانی که احساس عقب ماندگی می ­کنند می­ توانند با این واقعیت که تحول دیجیتالی هنوز در مراحل اولیه است خود را تسکین دهند، چرا که هنوز هم می ­توانند به نتایجی برسند. حدود ۸۷% از پاسخ دهندگان معتقدند که دیجیتال اساساً منابع انسانی را تغییر می­ دهد، اما ۷۵% اذعان می­ کنند که سیستم ­ها و فناوری اطلاعات آنها هنوز به عملکرد بهینه یا نتایج کسب­ و کار مورد نظر خود نرسیده ­اند. پنجره زمانی ممکن است در حال بسته شدن باشد، زیرا ۵۷% از پاسخ­ دهندگان قصد دارند بودجه فناوری ­اطلاعات خود را در طی دو سال از ۱% تا ۱۰% افزایش دهند و ۲۵% برآنند تا بودجه ­ها را بیش از ۱۰% افزایش دهند (شکل ۱).

شکل ۱: رهبران منابع انسانی برای پرکردن شکاف­ ها در سیستم­ های دیجیتالی خود سرمایه­ گذاری می ­کنند.

برنامه­ های کاربردی عملی فراوانند

به­ نظر می­ رسد بسیاری از فناوری­ های جدید طی دو سال آینده به نقطه عطفی برای استفاده گسترده رسیده­ اند. دپارتمان­ های منابع انسانی به سرعت در حال اتخاذ فناوری­ های جدید مانند استخدام سیستم عامل­ های مدیریتی، تجزیه و تحلیل نیروی­ کار و سیستم ­عامل­ های میکروآموزشی هستند. محاسبات ابری جریان اصلی خود را طی کرده اند، زیرا ۸۴% از شرکت­ های بزرگ در حال حاضر حداقل در یک فرآیند منابع انسانی از حداقل یک نرم ­افزار به ­عنوان سرویس (SaaS) استفاده می­ کنند؛ و بلاکچین به­ صورت آزمایشی در استخدام­ های کوتاه مدت، غربالگری اشتغال، حقوق و دستمزد و سایر حوزه­ ها به­ کارگرفته می­ شود.

هوش مصنوعی (AI)، در تمام اشکال خود از اتوماسیون فرآیند رباتیک (RPA) گرفته تا یادگیری ماشین و پردازش زبان طبیعی (NLP)، در حال حاضر نتایج امیدوارکننده­­ای را نشان داده است. به­ عنوان مثال، یادگیری ماشینی می­ تواند تا ۱۷ برابر دقیق­ تر از روش­ های دیگر در پیش­ بینی استعفا باشد. غربالگری متقاضیان شغلی مبتنی بر هوش مصنوعی در کسب استعداد می­ تواند دقت در استخدام را بهبود بخشد و به ­عنوان مثال در یونیلور زمان استخدام را ۷۵% کاهش دهد. استخدام ­کنندگان در جانسون و جانسون، توییتر و سایر شرکت ­ها برای بهبود کیفیت لیست­ های شغلی خود از NLP استفاده می­ کنند تا یک مکان کار فراگیرتر را طراحی کنند؛ بررسی Bain نشان می­ دهد که تقریبا نیمی از شرکت­ ها اکنون حداقل در یک فرآیند منابع انسانی در حال استفاده از NLP هستند یا قصد آزمایش آن را دارند و انتظار می­ رود طی دو سال به ۷۴ درصد برسد.

این برنامه­ های کاربردی AI فقط ظاهر قضیه پتانسیل­ های دیجیتال را درک کرده ­اند (شکل ۲ را ببینید). در کسب استعداد، فناوری دیجیتال می­ تواند ضمن تجربه استعدادهای درخشان، تجربه جذب متقاضیان را شخصی­ سازی کند، برای متقاضیان با مهارت­ های صحیح، کارآمدتر و مؤثرتر فیلتر کرده و به شناسایی نیازهای آینده استعداد زودتر کمک کند. در برنامه­ ریزی نیروی کار، فناوری ترکیبات تیم ایده ­آل را مشخص می­ کند و باعث افزایش همکاری در بین اعضای تیم می ­شود. در مدیریت عملکرد، فناوری به شناسایی معیارهای واقعی برای عملکرد کمک می کند و از بازخورد مداوم در بین کارمندان، همکاران و سرپرستان آنها پشتیبانی می­ کند. در زمینه یادگیری، فناوری نیازهای آموزش را زودتر نشان می­ دهد و دستیابی، تعامل و حفظ اطلاعات را از طریق روش­ های دستی بهبود می­ بخشد.

شکل ۲: برنامه­ های کاربردی هوش مصنوعی مانند این ها در منابع انسانی در حال افزایش است.

در واقع، اشتیاق رهبران منابع انسانی برای ابزارهای دیجیتالی بیشتر ممکن است از توانایی آنها در جذب این ابزارها فراتر رود. بسته به روند منابع انسانی مورد بحث، ۲۳ تا ۳۱ درصد از بخش ­های منابع انسانی هنوز از روش­ های دستی، اکسلی یا کاغذی به عنوان روش اصلی برای ارائه خدمات مختلف منابع انسانی استفاده می­ کنند.

البته این بخش­ های منابع انسانی به سرعت به حاشیه رانده می­ شوند. نظرسنجی ما پیش­ بینی می­ کند که طی دو سال آینده تغییر واضح از فرآیند دستی به دیجیتال انجام شود: به ­عنوان مثال، از ۲۳% ادارات منابع انسانی که در ابتدا از فرآیندهای دستی در استخدام، استفاده می­ کردند به ۴% می­ رسیم و این میزان در مدیریت شغلی از ۳۱% به ۷% کاهش می ­یابد (نگاه کنید به شکل ۳).

شکل۳: دپارتمان های منابع انسانی یک تغییر اساسی از فرآیندهای دستی به دیجیتال را برنامه ­ریزی می­ کنند.

انتظار می­ رود طی دو سال آینده حدود ۷۸% از بخش­ های منابع انسانی حداقل در یک فرآیند منابع انسانی از یادگیری ماشینی استفاده کنند (شکل ۴ را ببینید).

شکل۴: اکثر دپارتمان ­های منابع انسانی قصد دارند تا سال ۲۰۲۰ هوش مصنوعی را اتخاذ کنند

نقاط تشدید

با توجه به میزان دشواری مسیر در بیشتر دپارتمان­ های منابع انسانی، مدیران منابع انسانی ممکن است نسبت به اینکه چقدر سریع می­ توانند تغییر کاربری داشته باشند، اطمینان بیش ­از­ حد داشته باشند. کدام موارد باعث بیشترین خسارت شده است؟ پاسخ­ دهندگان بیش از حد ابزارهای دیجیتالی به­ ویژه ابزارهای تلفیقی را ذکر می­ کنند؛ رابط­ هایی که درک آنها برای کاربران دشوار است و ابزارهایی که عملکردهای مهم را از دست می­ دهند (شکل ۵ را ببینید).

اکنون، این مشکلات را با متداول­ ترین دلایل افزایش هزینه­ های فناوری اطلاعات ترکیب کنید: جایگزینی سیستم­ های قدیمی، به­ روز رسانی سیستم­ های مدیریت منابع انسانی (HRMS) موجود و اضافه کردن قابلیت­ های جدید از تولیدکنندگان فعلی (شکل ۶ را ببینید). در حقیقت، بخش قابل توجهی از رهبران منابع انسانی قصد دارند به جای ابزارهای مستقل شخص ثالث یا ابزارهای سفارشی داخلی، فناوری بیشتری را از طریق مجموعه HRMS خریداری کنند (شکل ۷). این پاسخ­ ها نه تنها نشان­ دهنده انتظارات بزرگ از فروشندگان HRMS، بلکه آنها پیشنهاد می ­­کنند که ادارات منابع انسانی در هنگام اتخاذ برنامه­ های جدید، با پیچیدگی بیشتری روبرو شوند، مگر اینکه برای ادغام عملکرد در HRMS موجود خود تلاشی هماهنگ را انجام دهند. چالش این خواهد بود که تمام فناوری­ های جدید در بالای ابزارهای مختلفی که قبلاً متفاوت هستند ادغام شود.

 شکل ۵: ادارات منابع انسانی اغلب با ابزارها و منابع داده­ های یکپارچه، فقدان عملکرد و تجربه کاربر ضعیف سر و کله می زنند

شکل ۶:بیشتر شرکت­ ها قصد دارند در درجه اول در جایگزینی سیستم­ های قدیمی و به­ روز رسانی سیستم­ های مدیریت منابع انسانی خود سرمایه­ گذاری کنند

شکل ۷: دپارتمان­ های منابع انسانی قصد دارند از طریق مجموعه ­های HRMS فناوری بیشتری خریداری کنند و از ابزارهای داخلی و سفارشی فاصله بگیرند

تیم­ های پیشرو منابع انسانی راه­ هایی برای پیمایش این چالش ­ها پیدا کرده ­اند. تجربیات آنها، همراه با بینش ­های حاصل از بررسی ما، نشان می­ دهد که چگونه شرکت­ ها می­ توانند زمام امور تحول دیجیتالی خود را به­دست بگیرند، نه اینکه تحت تأثیر آن قرار بگیرند.

موفقیت را بر اساس نتایج کسب ­و کار اندازه بگیرید. از لحاظ تاریخی، منابع انسانی از فناوری خود برای بهبود بهره ­وری در فرآیندهای منابع انسانی استفاده می کرد. امروزه نقش فناوری در منابع انسانی بسیار برجسته ­تر شده است. شرکت­ ها به دلایلی فراتر از صرفه­ جویی در هزینه­ ها به فناوری روی می ­آورند. در حقیقت، برای حوزه هایی غیر از حقوق و دستمزد و استخدام، کاهش هزینه ­های سطح فرایند از اولویت­ های گسترده ­تر تجارت مانند سرعت، دقت و کیفیت، اولویت بسیار کمتری دارد (شکل ۸ را ببینید).

 شکل ۸. منابع انسانی به دلایلی فراتر از صرفه­ جویی در هزینه­ ها، به دیجیتال روی آورده است

تجربیات غنی و سطح مصرف کننده را به محل کار بیاورید. مشتریان منابع انسانی در طول چرخه عمر (از جمله متقاضیان، تازه ­کاران، کارمندان بازنشسته، مدیر و پیمانکار) به­ طور فزاینده­ای انتظار تجربه­ ای آسان، راحت و شخصی را زمانی که با بهترین خرده فروشان یا ارائه دهندگان خدمات روبرو می شوند، دارند. شرکت ­های پیشرو برای برآورده کردن این انتظارات از فناوری­ های دیجیتال استفاده می ­کنند. در سال ۲۰۱۶، فورد برنامه HRRev را برای ساده­ تر کردن برخورد کارکنان خود با فناوری راه ­اندازی کرد. یک آزمایشگاه هفت نفره داده ­ها را از کارمندان جمع آوری کرده و آزمایش هایی را برای بهبود فرایندها ابداع کرد. ابتکارات دیجیتالی متعدد از آزمایش­ ها سرچشمه گرفت، از جمله توسعه ابزارهای منابع انسانی کاربرپسند، مدل­ های تعامل چندکاناله با منابع انسانی و ابزارهای بازخورد در زمان واقعی.

بازی را در زمینه تجزیه و تحلیل مطرح کنید. اثبات شده است که علم تحلیل، ابزار مهمی برای اطلاع­رسانی در مورد تصمیمات منابع انسانی است. گوگل برای بهبود تصمیم­ گیری در منابع انسانی، یک تیم اختصاصی تحلیل افراد را زمینه­ سازی می­ کند. تحلیل افراد به گوگل در مورد موضوعات متعدد منابع انسانی، مانند نحوه درج تعداد مصاحبه­ های مورد نیاز متقاضی، کمک کرده است. بهترین اندازه و شکل یک دپارتمان مشخص چیست؟ چگونگی کاهش ترک کار بعد از مرخصی زایمان؛ و چگونگی یافتن بهترین استعداد از بین متقاضیان متخصص.

 تست کنید و یاد بگیرید. شرکت­ ها می­ توانند مسافت پیموده شده زیادی را از فناوری­ ها حتی در مرحله آزمایشی دریافت کنند. به عنوان مثال، ربات­ چت­ ها را در نظر بگیرید. خرده فروش آنلاین Overstock به یک ربات به نام Mila برای مرتب کردن اعلان­ های مربوط به کارکنان مرکز تماسی که به دلیل بیماری نمی­ توانند به سر کار بیایند، تکیه می­کند. Mila اطلاعات را به مدیران منتقل می­کند و برنامه­­ها را به­طور خودکار تنظیم می ­کند. این سیستم جایگزین یک خط تلفن تماس منسوخ شده است و باعث صرفه­ جویی در وقت و پول Overstock در مکالمات تلفنی طولانی شده است. فروشگاه­ های زنجیره­ ای هتل ماریو، یک ربات­ چت به نام MC را برای تعامل اولیه با متقاضیان شغلی از طریق مسنجر فیسبوک مستقر می­ کند. MC به سؤالات معمولی پاسخ می­ دهد، علایق نامزدها را با موقعیت­ های باز مطابقت می­ دهد و در مورد فرهنگ و ارزش­ های شرکت آموزش می­ دهد. ماریوت گزارش داد که بیش از ۶۰% متقاضیان که با MC تعامل دارند بعداً برای شروع گفت و گو های جدید برمی­ گردند. درحالی که عملکرد امروز محدود است، ربات­ چت­ ها می­توانند در بسیاری از موقعیت ­ها راهی مناسب برای برقراری ارتباط باشند.

اکوسیستم درست کنید، نه جزایر. از آنجا که کارکنان به ­طور فزاینده انتظار دسترسی به محتوا، خدمات و شبکه ­های برتر را دارند، بخش ­های منابع انسانی دیگر نمی­ توانند خودشان همه فعالیت­ ها را انجام دهند. درعوض، آنها به شرکای خارج از سازمان روی می­ آورند. Mastercard با Degreed همکاری کرد تا بتواند یک بستر یادگیری برای کارمندان ایجاد کند تا منابع داخلی و خارجی را در هزاران موضوع در قالب­ های مختلف کشف، سرپرستی، به اشتراک ­گذاری و ردیابی کند.

فرآیندها، داده ­ها و سیستم­ ها را اصلاح و ساده کنید. RPA و یادگیری ماشینی کاربردهای ارزشمند گسترده­ ای دارند. اگرچه، اغلب بهتر است که شرکت­ ها بتوانند فرایندهای اساسی تجارت، داده ها و سیستم ­ها را ساده و استاندارد کنند. مدیریت نامه تقاضاهای کاری را قبول کنید. RPA می تواند با خودکارسازی بررسی دستی داده ­ها در پایگاه های داده و مقررات متنوع، نامه­ های تقاضا را برای کارکنان جدید متناسب، دقیق و سازگار تهیه کند. با این حال، برخی از شرکت ­ها نامه ­هایی را ارائه می­دهند به گونه ­ای که سؤالات بیشتری را نسبت به پاسخ به وجود می ­آورند و ممکن است نسخه­ های زیادی از نامه وجود داشته باشد. طراحی مجدد قالب نامه تقاضا و انتقال به نسخه های کمتری یا به نسخه واحد، باعث می ­شود که در وهله اول کار دستی که به اتوماسیون نیاز دارد از طریق RPA کاهش یابد.

به ­طور مشابه، یادگیری ماشینی می­ تواند در زمان کمتری با دقت بیشتری نسبت به غربال گری دستی رزومه توسط افراد استخدام شده، از یک مجموعه متقاضی بزرگ شروع به کار کند. با این حال، یک الگوریتم یادگیری ماشینی فقط در صورت با کیفیت بودن داده ­ها کار می­ کند. اول، یادگیری ماشین به حجم زیادی از داده­ ها نیاز دارد تا یاد بگیرد که چگونه همانند یک استخدام کننده انسانی به دقت رزومه­ ها را غربال کند.

 دوم، از آنجا که یادگیری ماشینی در رفتار گذشته الگویی پیدا می­ کند، هرگونه تعصب انسانی در فرآیند استخدام فعلی باید هنگام ساخت یک الگوریتم کشف شود و از بین برود. بدون پرداختن به مدیریت و کیفیت داده ­ها، الگوریتم ­ها دارای ارزش محدود هستند.

درحالی که هوش مصنوعی می ­تواند قابلیت­ های جدیدی را ارائه دهد که فناوری­ های سنتی قادر به آن نیستند، این فناوری­ های جدید لزوم پرداختن به دلایل اصلی ناکارآمدی را برطرف نمی­­ کنند. در بعضی موارد، مانند یادگیری ماشینی، ممکن است این فناوری حتی کار نکند، مگر اینکه به این دلایل اصلی توجه شود.

برای رهبران منابع انسانی متعهد به گزینشی ­تر عمل کردن در سرمایه ­گذاری­ های دیجیتال خود و دو برابر کردن کسانی که بیشترین پتانسیل را دارند، پاسخ دادن به چندین سوال کلیدی مفید است.

• آیا ما دقیقاً می­ فهمیم نقاط قوت و شکاف دیجیتالی ما کجاست؟
• چگونه اطمینان خواهیم یافت که ابتکارات دیجیتال تجربه بهتری را ایجاد می­ کنند؟ به­عنوان مثال، در پذیرش سازمانی، فناوری چگونه می­ تواند تجربه کارکنان جدید و مدیران استخدامی را بهبود بخشد؟
• چگونه برای جلوگیری از محرومیت، ما ارزش کسب­ و کار گسترده ­تری از قبیل کاهش زمان رسیدن به استعداد را ارائه خواهیم داد؟
• آیا ما باید یک سیاست اولیه ابری در بین فناوری­ های منابع انسانی اتخاذ کنیم؟
• چگونه برنامه کاربردی گسترده ­ای را که نتیجه تلاش همه ابزارهای جدید موجود هست، جا می­ دهیم؟
• برای دستیابی به اهداف دیجیتالی ما باید از کدام قابلیت­ های سازمانی استفاده کنیم؟

برای اطمینان، یک ربات چت یا الگوریتم نمی­تواند همه مشکلات منابع انسانی را برطرف کند. قضاوت انسان برای ارزیابی و ایجاد انگیزه در کارکنان ارزشمند است؛ اما دامنه برنامه ­های کاربردی برای دیجیتال همچنان در حال رشد است و دستورالعمل برای مدیران منابع انسانی روشن است: آنها فرصتی برای ایجاد یک پرتفولیو از شرط­های دیجیتالی دارند که تجربه نیروی کار را دگرگون می­ کنند، تصمیم ­گیری در مورد استعداد بهتر از طریق تجزیه و تحلیل، خودکارسازی فرایندها، آزاد کردن زمان برای فعالیت ­های با ارزش بالاتر، کاهش هزینه ­ها و از همه مهمتر بهبود نتایج کسب­ و کار انجام می­ گیرد.

منبع: Bain & Company, 2018