Podcast Folge 8
Anwendung von künstlicher Intelligenz im HR-Bereich
mit Zach Frank, Senior Manager of People Analytics bei der Freeman Company
In dieser Podcast-Folge von Automating the Enterprise spricht Zach Frank, Senior Manager of People Analytics bei der Freeman Company, über die Herausforderungen des maschinellen Lernens im Personalbereich und darüber, wie Sie KI für Ihr Unternehmen nutzen können.
Vollständiges Transkript
Dayle Hall:
Hallo und herzlich willkommen zu unserem Podcast "Automating the Enterprise". Ich bin Ihre Gastgeberin, Dayle Hall.
Dieser Podcast soll Unternehmen Einblicke und Best Practices für die Integration, Automatisierung und Transformation ihres Unternehmens vermitteln.
Das heutige Thema ist spannend und heikel zugleich, weil es zwei gegensätzliche Disziplinen miteinander verbindet. Und heute haben wir einen außergewöhnlichen Gast, denn er verfügt über Fachwissen in beiden Bereichen. Sein Werdegang in der IT und im Datenprojektmanagement hat ihm den Weg geebnet, um einen klaren und sehr fundierten Standpunkt dazu einzunehmen, welche Rolle KI im Bereich der Humanressourcen spielen kann. Er ist davon überzeugt, dass Daten, wenn sie genau erfasst und analysiert werden, aussagekräftige Erkenntnisse über Menschen liefern können, die zu einer besseren Gesamtorganisation und einem besseren Arbeitsumfeld führen.
Heute habe ich Zach Frank zu Gast, der früher bei Aramark tätig war und seit kurzem als Senior Manager of People Analytics bei der Freeman Company arbeitet. Zach, herzlich willkommen zum Podcast.
Zach Frank:
Ich danke Ihnen. Ich freue mich sehr, hier zu sein.
Dayle Hall:
Ich gratuliere Ihnen zum Umzug.
Zach Frank:
Danke. Ich fange eigentlich erst morgen an. Also habe ich technisch gesehen noch gar nicht angefangen.
Dayle Hall:
Wow! Wenn wir das tatsächlich redigieren und produzieren könnten, hätten Sie diese Ankündigung sicher schon in der Tasche. Wenn das veröffentlicht wird, sind Sie schon längst etabliert. Aber ich kenne die Freeman Company wirklich gut. Großartiges Unternehmen, ich habe dort einige gute Freunde. Herzlichen Glückwunsch zu dieser neuen Aufgabe.
Zach Frank:
Danke.
Dayle Hall:
Okay. Dann wollen wir mal loslegen. Ich denke, was wirklich interessant ist: Sie haben dieses IT- und Datenprojektmanagement, und Sie sind auch im Bereich der Humanressourcen tätig.
Sie bringen also, wie ich eingangs erwähnte, das Gleichgewicht zwischen den Menschen, der IT und der Analytik zusammen. Könnten Sie uns eine kurze Einführung geben? Wie sind Sie in diese Branche gekommen? Wie sind Sie in diesem Bereich gelandet, in dem Sie sich wirklich auf HR und diese Art von Analytik konzentrieren, aber dennoch viel vom technischen Bereich verstehen? Wie sind Sie hierher gekommen?
Zach Frank:
Völlig zufällig. Direkt nach dem College hatte ich ein paar Jahre in der Entwicklung von Freiwilligen für gemeinnützige Organisationen gearbeitet. Und dann wurde ich bei einer dieser Organisationen entlassen. Es gab einen Stellenabbau. Ich nahm meinen ersten Vollzeitjob in der Privatwirtschaft an. Dem Titel nach leitete ich ein Lagerhaus. Aber in Wirklichkeit verbrachte ich die ersten sechs Stunden meines Tages damit, die Fahrer anzurufen, die über Nacht diese großen Lkw- und Traktorteile auslieferten, und zu fragen: "Hey, wann seid ihr in Paducah, Kentucky, angekommen? Und habt ihr eure ganze Fracht bekommen?" Das habe ich an meinem ersten Tag etwa 20 Minuten lang gemacht und dann beschlossen, dass ich es absolut hasse. Ich hatte kein Interesse daran, meine Zeit auf diese Weise zu verbringen.
Also machte ich mich daran, herauszufinden, wie man es automatisieren könnte. Ich hatte nicht wirklich mit Technik gearbeitet. Als ich auf dem College war, wäre ich fast in meinem Excel-Kurs durchgefallen. Und hier versuchte ich herauszufinden, wie ich diese Handscanner dazu bringe, sich an einen Ort zu begeben, eine Nachricht zu senden, wenn sie dort ankommen, und mir dann alle Barcodes der gescannten Fracht zu schicken, und das 12, 15 Mal pro Nacht. Und so wurde das Ganze ein paar Mal getestet, ein paar Mal überarbeitet.
Aber ich habe mich in die Sache verliebt. Ich habe mich in die Technologie verliebt, in die Übertragung von Daten, in die Möglichkeit, sie zu analysieren und zu sagen: "Hey, wir sind in 97 % der Fälle pünktlich für Sie da. Dass wir heute 30 Minuten zu spät kommen, ist keine große Sache. Es gab ein großes Unglück auf der Autobahn oder so etwas in der Art". Und das war wirklich der Anfang, als ich all diese neuen Dinge entdeckte, die ich tun konnte, die mich wirklich interessierten und mich auf den Weg brachten.
Dayle Hall:
Interessant. Vielleicht haben Sie so angefangen.
Aber was ich als Erfolg in diesem Bereich rund um Automatisierung und KI-Integration sehe, ist, dass man mit einem geschäftlichen Problem beginnt, mit etwas, das man zu lösen versucht, und dann herausfindet, ob es Elemente von Prozessen, Tools und Menschen gibt. Wie kann ich es lösen?
Immer häufiger höre ich von Kunden, dass sie auf diese Weise erfolgreich werden und dass die Initiativen auf diese Weise erfolgreich sind. Ich denke, das ist eine perfekte Beschreibung dafür, dass man schon nach 20 Minuten wusste, dass das nicht funktionieren würde, aber man hat ein bestimmtes Problem gelöst.
Zach Frank:
Ja, sehr sogar. Viele der Experten für maschinelles Lernen, denen ich folge und denen ich zuhöre, haben diesen Satz in Umlauf gebracht. Es ist kein maschinelles Lernen, was eine andere Art ist, zu sagen, dass es kein KI-Problem ist, bis Sie das Gegenteil beweisen können. Betrachten Sie es also zunächst einmal so, dass Sie herausfinden, was Ihr Schmerzpunkt ist, was die Reibung ist. Und dann haben Sie eine Reihe von Optionen, wie Sie das Problem angehen können. Eine davon könnte KI sein, aber es gibt auch einfachere Formen der Automatisierung. Ich habe für Bridgestone gearbeitet, bevor ich zu Aramark kam. Eine der größten Verbesserungen, die wir im Personalbereich gesehen haben, war die Reduzierung, also die Vereinfachung von Richtlinien, die Beseitigung von Teilen eines Prozesses, die unnötig waren.
Das hat uns mehr gebracht als alles andere. Aber das kam dadurch zustande, dass wir wirklich verstanden haben, welches Geschäftsproblem wir zu lösen versuchen, und welche Möglichkeiten wir dann in unserem Werkzeuggürtel haben. Die Automatisierung ist eine davon. KI ist eine spezielle Art der Automatisierung. Auch da kann man tief einsteigen. Sie ist ein Werkzeug, mit dem wir Probleme lösen können. Und je besser wir diese Probleme verstehen, desto besser können wir auswählen, welches das richtige Werkzeug für diese Situation und unseren Umweltkontext ist.
Dayle Hall:
Mir gefällt das Konzept, dass nicht alles ein KI-Problem ist, sondern dass die Automatisierung immer einfacher wird, je weiter man kommt. Ich hoffe, dass wir das noch ein bisschen mehr vertiefen werden.
Erzählen Sie mir ein wenig darüber, was die Menschen über Ihre Rolle bei der Analyse von Menschen wissen sollten. Was umfasst das eigentlich? Und wie können Sie dem Unternehmen dabei helfen?
Zach Frank:
People Analytics, im technischen oder funktionalen Sinne, ist in seiner einfachsten Form die Beantwortung von Fragen wie "Wie viele Menschen arbeiten in unserem Unternehmen? Am leistungsfähigsten und intelligentesten ist die Frage, wie viel es uns kostet, eine offene Stelle zu besetzen. Und was glauben wir, welche Qualifikationsbereiche wir in fünf Jahren am dringendsten brauchen werden, wo wir Leute haben, die in den Ruhestand gehen? Was wird im Hinblick auf die Geschäftsentwicklung wirklich wichtig für uns sein, wenn es um Qualifikationen geht, die wir jetzt noch nicht haben?
Ein einfaches Beispiel aus dem HR-Bereich fällt mir ein, als ich vor ein paar Jahren als Programmmanager bei Bridgestone anfing und die digitale Transformation und das Personalwesen überwachte. Es gab nur sehr wenige HR-spezifische Projektmanager. Und es gab nur sehr wenige Leute in der Personalabteilung, die Erfahrung im Projektmanagement hatten. Nun, wenn man sich das anschaut, gibt es Leute, die sich nur auf HCMS-Implementierungen spezialisiert haben. Das ist also die Art von Überlegung, wo wir hinwollen, aber das ist wirklich nur am oberen Ende. Es gibt nur sehr wenige Unternehmen, deren Mitarbeiter in der Lage sind, Analysen in diesem Umfang durchzuführen.
Dayle Hall:
Ich kann mir aber vorstellen, dass man in einem B2B-Tech-Unternehmen im Bereich Software sehr auf das Silicon Valley fokussiert ist. Wenn man die Straße entlanggeht, trifft man auf drei VCs. Aber ich kann mir vorstellen, dass in Unternehmen wie Aramark oder in der Schwerindustrie oder in Unternehmen, in denen viele Mitarbeiter im Dienstleistungsbereich tätig sind, die sich ständig verändern, die Frage gestellt werden muss: "Hey, werden wir in drei Jahren ein Problem haben, weil 10 % unserer Belegschaft in den Ruhestand gehen?" Ich denke, das hilft wirklich bei der Unternehmensplanung und dabei, einigen dieser potenziell großen Auswirkungen auf das Unternehmen zuvorzukommen.
Zach Frank:
Überall, wo ich tätig war oder mit Menschen zu tun hatte, war die Analytik ein wichtiger Bestandteil davon. Bridgestone, das neben der Produktion auch 20.000 Einzelhandelsstandorte betreibt; Aramark, das Zehntausende von Lebensmitteldienstleistungen und Hausmeisterdienste anbietet; und jetzt Freeman, das Live-Event-Support anbietet, also Leute vor Ort, die Dinge einrichten und all das. Es gibt viele kurzfristige Beschäftigungen, weil es viel mehr stundenweise Beschäftigungen und Beschäftigungen mit hohem manuellem Aufwand gibt, die nicht unbedingt gering qualifiziert sind, sondern sehr, sehr hoch qualifiziert. Aber die Verweildauer ist eher kürzer und so weiter. Sie haben also einen kleineren Zeitrahmen vor Augen.
Um auf Ihren Punkt einzugehen, sagen wir, drei oder fünf Jahre in der Zukunft, das ist für Softwareunternehmen eine wirklich gute Zeitspanne, in der man sich fragen kann: Hey, Sie haben einen Ingenieur, der sich seiner Senior-Phase nähert. Verstehen sie ihren Weg der internen Entwicklung? Oder glauben sie, dass der beste Weg, um ihre Gehaltserhöhung von 30 % oder mehr zu bekommen, je nach Marktlage, darin besteht, das Schiff zu verlassen, weil der interne Aufstieg für sie nicht ausreichen wird?
Dayle Hall:
Ich muss Ihnen sagen, und ich bin mir sicher, dass die meisten Leute, mit denen ich gesprochen habe oder mit denen Sie heute sprechen würden, dass die Rekrutierung und Bindung von Mitarbeitern eine der schwierigsten Aufgaben ist. Es ist egal, in welchem Unternehmen man heutzutage tätig ist. Es ist einfach sehr schwierig, die richtigen Leute zur richtigen Zeit zu finden und ihnen die richtigen Chancen zu geben.
Zach Frank:
Ganz genau. Seit Monaten ist die Arbeitslosenquote so niedrig wie vor der Pandemie, aber die Erwerbsquote ist auch niedriger und die Zahl der offenen Stellen ist um über 40 % gestiegen. Wir befinden uns also auf dem schwierigsten Markt, den es je gegeben hat. Jeder macht gerade diese Phase durch: "Na gut, ja, wie kriegen wir die neuen Leute rein?", wenn TA- und HR-Talente so gefragt sind, dass die Leute dort weggepickt werden, ganz zu schweigen von den Aufgaben, die wir im Unternehmen tatsächlich erledigen müssen. Ja, es ist mit Sicherheit eine sehr interessante Zeit, um in diesem Bereich tätig zu sein.
Dayle Hall:
Das bringt uns zu unserem ersten Hauptthema, dem Raum der Menschen, der Humanressourcen, und es ist eindeutig von großem Nutzen, in eine Art von Analysetools oder KI oder verschiedene Arten von Automatisierung oder Datenmanagement zu investieren.
Was halten Sie von den Investitionen, die in diesem Bereich getätigt wurden? Sind sie in letzter Zeit intensiver geworden? Schauen sich die Leute diesen Bereich wirklich an?
Oder gibt es immer noch eine Zurückhaltung, in diese Art von Technologie für die Personalabteilung zu investieren? Haben die Leute wirklich das Gefühl, dass dies ein heißes Pflaster ist? Oder versucht man immer noch, den Felsbrocken den Berg hinaufzuschieben?
Zach Frank:
Ich würde sagen, dass beides zutrifft. Im Allgemeinen expandiert der HR-Tech-Bereich und wächst erheblich. Es gibt verschiedene Studien zu den Ausgaben für HR-Technologien, die sich in den nächsten fünf Jahren vervierfachen sollen. Unternehmen, die bisher verteilte Systeme verwendet haben, stellen auf global integrierte Human Capital Management-Systeme um und investieren in neue Technologien. Dieser Bereich wächst erheblich.
Gleichzeitig wurde im Laufe der Jahre so wenig in die HR-Technologie investiert, dass der Rückstand aufgeholt werden muss, was bedeutet, dass zwar viele neue Akteure auf den Markt kommen, die fortschrittlichere Dienstleistungen im HR-Bereich anbieten, diese aber meist nur halbherzig umgesetzt werden.
Und die Unternehmen gehen schrittweise vor, tauchen ihre Zehen in die Dinge ein und sehen, was es da draußen gibt. Denn es gibt so viel zu tun, das Geld kostet, wenn es um die Grundlagen geht: Haben wir alle unsere Mitarbeiterdaten in einem System? Und noch viel weniger können wir erkennen, wie gut jemand für eine Stelle geeignet ist, wenn wir wissen, was er in seinem Lebenslauf angegeben hat und was nicht. Sie sehen also beides, würde ich sagen.
Dayle Hall:
Wie wir gerade besprochen haben, ist die Lösung eines Geschäftsproblems in der Regel der beste Ausgangspunkt, wenn man sich überlegt, was man in Bezug auf neue Prozesse oder Mitarbeiter einführen möchte, insbesondere bei Tools.
Und wir haben gerade darüber gesprochen, dass es immer mehr Probleme mit der Mitarbeiterbindung, der Rekrutierung und der Verwaltung der menschlichen Seite des Unternehmens gibt. Ich habe bei den letzten Unternehmen eine gewisse Zurückhaltung bei Investitionen in diesem Bereich festgestellt. Und ich denke, dass Ihre Arbeit dazu beiträgt, zu zeigen, dass der Einsatz dieser Technologien von großem Nutzen ist.
Zach Frank:
Ganz genau. Interessant ist für mich, dass ich die meisten Investitionen in die Rekrutierung im Bereich der KI-Technologie sehe. Dort sieht man die meisten Akteure. Dort sieht man die größte Vielfalt in Bezug auf die Teile des Prozesses, die man zu lösen versucht, wohin das Geld fließt und über welche Unternehmen man spricht. Das Interessante daran ist, dass ich glaube, dass das absolut notwendig ist. Ich denke, dass hier eine Menge Hilfe angeboten werden kann. Es gibt viele Probleme, die gelöst werden müssen. Ich glaube aber, dass die meisten Unternehmen auf einer grundlegenderen Ebene damit zu kämpfen haben, dass das Geld, das sie für die Mitarbeiterbindung ausgeben, viel wertvoller ist, vielleicht nicht so dringend oder notwendig wie die Personalbeschaffung, aber das Geld, das sie für die Mitarbeiterbindung ausgeben, ist wichtiger.
Und es gibt viel weniger Akteure, die in diesem Bereich in Bezug auf KI tätig sind, zum Teil deshalb, weil es in gewisser Weise ein schwierigeres Problem ist, das zu lösen ist, und eines, für das sich die Unternehmen vielleicht nicht einmal operativ interessieren. Sie geben vielleicht ein Lippenbekenntnis ab, indem sie sagen: Ja, wir erkennen, dass das wichtig ist, aber wir werden Geld dafür ausgeben, wie wir die Kandidaten erreichen können, um sicherzustellen, dass wir eine niedrige Abbrecherquote zwischen dem Abschluss der Zuverlässigkeitsüberprüfung und dem Starttermin oder etwas Ähnlichem haben. Man sieht also nicht unbedingt, wo die Investition liegt.
Dayle Hall:
Ich könnte mir das durchaus vorstellen. Ich habe vor etwa einem Jahr mit einem Unternehmen namens Betterworks gesprochen, das etwas namens OKRs anbietet, also Ziele und Schlüsselergebnisse. Und ich glaube, einige Leute sehen das nicht unbedingt als einen Beitrag zur Mitarbeiterbindung, denn es hilft den Mitarbeitern zu verstehen, wie ihre Arbeit zu den großen Unternehmenszielen beiträgt. Und wenn man den Mitarbeitern zeigen kann, wie sie dazu beitragen, das Geschäft und die Initiativen auf höchster Ebene voranzutreiben, haben sie das Gefühl, dass sie bleiben wollen. Sie fühlen sich mehr mit dem Unternehmen verbunden. Aber es ist immer noch sehr selten, dass die Menschen sehen, dass diese Technologien, wie Sie schon sagten, in einem sehr kritischen Bereich helfen, nämlich bei der Mitarbeiterbindung.
Wenn Sie diese Prozesse durchlaufen und entscheiden, ob Sie eine Technologie implementieren wollen, gibt es manchmal dieses Gefühl innerhalb von Organisationen, sei es generell innerhalb der IT-Organisation, ob Sie etwas kaufen oder selbst entwickeln. Wenn Sie jetzt ein Unternehmen beraten würden, und ich bin sicher, dass Freeman hier von Ihrer Erfahrung profitieren wird. Wenn Ihnen jemand diese Frage stellen würde, wie würden Sie entscheiden, ob wir etwas kaufen oder selbst entwickeln müssen? Oder ob es wirklich notwendig ist? Wie beginnen Sie diesen Prozess in der Personalabteilung?
Zach Frank:
Wenn Sie alle Ihre Fragen beantwortet haben, die zu dieser Entscheidung geführt haben, können wir die Politik nicht vereinfachen. Wir können die Arbeit nicht entsprechend eliminieren. Wir können keine Prozessänderungen oder Ähnliches vornehmen. Wenn Sie den Punkt erreicht haben, an dem Sie sagen, okay, wir brauchen Automatisierung und möglicherweise speziell KI, dann würde ich sagen, bauen Sie grundsätzlich niemals intern, und das mag nicht ganz stimmen. Es könnte einige Fälle geben. Wenn Sie über wirklich großartige Fähigkeiten verfügen, wenn es eine wirklich einfache Lösung ist. Aber ich denke, dass die beiden wirklichen Optionen im HR-Bereich die Bereitstellung oder die interne Konfiguration sind. Sie haben vielleicht ein Tool oder eine Ressource, die Sie intern nicht nutzen, und könnten sagen: "Oh, wir müssen nur diese Workflows in unserem HCMS einrichten, weil wir diesen Workflow oder was auch immer nie operationalisieren.
Wenn das nicht der Fall ist, wenn wir diese Tools nicht bereits intern im Regal stehen haben oder sie in einer anderen Abteilung verwendet werden, ist ein Kauf fast immer die bessere Wahl. Es gibt einfach zu viele Probleme, die mit der internen Entwicklung von KI-Lösungen einhergehen, insbesondere im Personalbereich. Es gibt viel zu viele Probleme. Es gibt viel zu viele Probleme, und es gibt so viele gute Anbieter, die relativ kostengünstig sind. Selbst die Unternehmen, von denen wir denken würden, dass sie das auf jeden Fall tun könnten. Chip-Hersteller, Hightech-Unternehmen, die über Big-Data-Wissenschaftsteams und all diese Fähigkeiten verfügen, lagern diese Dinge immer noch aus, weil es einfacher und intelligenter ist, dies zu tun.
Dayle Hall:
Und das bringt uns zum nächsten Thema, das ich ansprechen möchte, ein sehr heikles Thema rund um KI. Es gibt zwei Dinge, die ich oft höre, wenn es um den Einsatz von KI geht, insbesondere bei dieser Art von Unternehmen und den Auswirkungen auf die Menschen. Zum einen höre ich oft, dass KI die Arbeitsplätze der Menschen vernichten wird. Meine Prinzipien waren schon immer, dass KI und Automatisierung die Arbeit der Menschen erleichtern und ihnen das Alltägliche abnehmen sollten. Aber dadurch werden diese Menschen wirklich frei für interessantere, erfüllendere und potenziell geschäftsfördernde Aufgaben. Ich habe das Gefühl, dass sich das ein wenig verschiebt, und ich weiß nicht, ob Sie das immer noch hören.
Aber das Wichtigste für KI in diesem Bereich, in dem Sie tätig sind, ist meiner Meinung nach das Konzept der Voreingenommenheit und die Frage, wie Sie KI und potenzielle Voreingenommenheit überwachen und verwalten bzw. wie Sie vorsichtig damit umgehen, insbesondere im Personalbereich. Ich würde also gerne wissen, wie Sie darüber denken und was Sie gesehen haben.
Zach Frank:
Eines der größten Hindernisse ist wahrscheinlich die Verfügbarkeit von Daten, was meiner Meinung nach mit Voreingenommenheit zu tun hat. Wenn Sie sich fragen: "Wer sind die richtigen Leute, die Sie einstellen sollten? Es gibt ein Element der Voreingenommenheit in Bezug auf Ihre Daten, dass Sie im Allgemeinen die Art von Leuten zurückbekommen, die Sie zuvor eingestellt haben, was, um auf Ihren Punkt zurückzukommen, wenn Sie ein Software-Tech-Unternehmen sind, ja, vielleicht sind es viele weiße Männer. Und so werden Sie deren Lebensläufe übermäßig bevorzugen, im Gegensatz zu Frauen und farbigen Menschen, die in der Vergangenheit ihre Fähigkeiten und Fertigkeiten in ihren Lebensläufen unterbewertet haben. Lösungen, die diesen Gedanken der Voreingenommenheit im Hinterkopf haben, aber auch den Umfang der Daten berücksichtigen.
Die größten Arbeitgeber in den Vereinigten Staaten stellen vielleicht 100.000, vielleicht 150.000 Menschen pro Jahr ein oder so ähnlich. Nun, bei Millionen und Abermillionen von Einstellungen ist die Verfügbarkeit der Daten, die Sie haben, im Vergleich zu den Daten eines externen Unternehmens, das diese Daten aus verschiedenen Quellen abrufen kann, niemals so gut. Und es ist wahrscheinlicher, dass es diese Verzerrung gibt.
Eine andere Sache, die ich sagen möchte, ist, dass nur weil man mit einem Anbieter zusammenarbeitet, dies nicht bedeutet, dass er nicht voreingenommen sein wird. Ich werde nie verraten, um wen es sich handelt, aber es gab einen Anbieter, mit dem wir gesprochen haben und der einen Kandidatenabgleich durchgeführt hat. Also okay, ist dieser Kandidat der Richtige für diese Stelle? Also habe ich danach gefragt. Okay, und wie schützen Sie sich vor Voreingenommenheit? Und sie sagten, oh, nun, wir nehmen keine demografischen Informationen auf. Unser System kann also gar nicht voreingenommen sein, weil wir nicht wissen, welche Rasse, welches Geschlecht oder welche Behinderung jemand hat. Man weiß einfach nicht, wie groß das Problem ist, das man hat. Du steckst den Kopf in den Sand.
Dayle Hall:
Ganz genau, wow. Aber ich denke, das ist ein Beispiel für etwas, das gelöst werden muss. Ich kann verstehen, warum sie diesen ersten Eindruck hatten. Aber es ist wirklich gut, dass sie mit Leuten wie Ihnen ins Gespräch kommen und Sie ihnen helfen können, zu verstehen, warum das keine Vorurteile vermeidet. Wahrscheinlich werden sie dadurch sogar noch verstärkt.
Zach Frank:
Ja, absolut. Das sehen Sie, wenn Sie sich Ihre D&I- oder D&I-Einstellungsverläufe in Ihren Dashboards ansehen, nachdem Sie eine Implementierung durchgeführt haben. Sie nehmen nur blinde Daten auf und ziehen keine Rückschlüsse auf wichtige Unterschiede im Verhalten der Menschen in Bezug auf diese demografischen Informationen. Das Problem wird dadurch verschlimmert und nicht gelöst. Vergleichen Sie das also mit einem von uns untersuchten Unternehmen, das diesen Unterschied, von dem ich vorhin sprach, aktiv berücksichtigt hat, und zwar in Bezug auf die Art und Weise, wie Frauen ihre Erfahrung in ihren Lebensläufen angeben und wie sie unterrepräsentiert sind, und das dies aktiv korrigiert hat. Und der Unterschied wird sofort deutlich, wenn man bedenkt, wie sich das auf die Einstellung und die Fähigkeit auswirkt, fair und gerecht zu sein.
Dayle Hall:
Das ist eine tolle Geschichte. Während Sie also diesen Prozess durchlaufen, muss Ihr Bereich, insbesondere Ihr Fachgebiet, sehr viel vorsichtiger sein, was das angeht.
Wenn Sie also einen Anbieter auswählen, sind einige Dinge offensichtlich. Wenn man Ihnen sagt: "So machen wir das. Du sagst: "Nein, warte mal. Das macht keinen Sinn. Spulen wir das mal zurück. Aber wie gehen Sie dann bei einer Bewertung vor? Gibt es etwas Bestimmtes, auf das Sie achten, wenn Sie sich verschiedene Anbieter ansehen oder wenn Sie diese Systeme implementieren, das besagt, dass wir etwas einbauen müssen - ich möchte nicht "kugelsicher" sagen, denn ich glaube nicht, dass irgendetwas 100 % kugelsicher ist. Aber was bauen Sie in Ihren Prozess der Lieferantenbewertung ein? Was bauen Sie in Ihren Prozess ein, wenn Sie implementieren? Gibt es bestimmte Punkte, bei denen Sie sagen, dass wir diese Dinge tun müssen, wenn wir den Prozess durchlaufen?
Zach Frank:
Einige Dinge, die hilfreich sind. Ein Gespräch zu führen, wie ich es mit diesen beiden Anbietern führe, ihnen die Fragen zu stellen, sich Gedanken zu machen, sich dafür zu interessieren. Ein weiterer wichtiger Punkt ist, dass man ihnen das vor Augen führt und ein Gespräch führt. Ein weiterer Punkt, den ich immer mache, ist, dass ich nach veröffentlichten wissenschaftlichen Untersuchungen frage, die sie durchgeführt haben.
Es gibt also einen Anbieter, der uns eine Technologie vorgestellt hat, die mir unmöglich erscheint, selbst als ich sie ausprobiert habe. Man klickt einfach auf diese kleinen Bilder und es wird eine Persönlichkeitsbeurteilung vorgenommen, die nur darauf basiert, wie man auf diese Bilder klickt. Und es gibt nur Farbbilder, nicht einmal echte Bilder oder so etwas. Ich habe mich also erkundigt, welche Forschungsergebnisse sie haben, und sie schickten mir die verschiedenen Forschungsergebnisse: Okay, hier ist die zugrunde liegende Farbforschung. Hier ist die spezifische Forschung in Bezug auf die Anwendung in unserer Lösung und die Fähigkeit, Entscheidungen auf der Grundlage dieser zugrunde liegenden Farbforschung zu treffen.
Ich lese nicht alle akademischen Arbeiten, die mir zugeschickt werden, oder ähnliches. Aber wenn sie bereit sind, sie mir zu schicken, ist das schon ein gutes Zeichen. Wenn sie darauf herumreiten und sagen: "Oh, Geschäftsgeheimnisse". Im besten Fall haben Sie es noch gar nicht gebaut und wollen nur, dass ich es kaufe, um Sie zu finanzieren, was auch in Ordnung sein könnte, aber lassen Sie uns ehrlich sein, wo die Dinge stehen. Es ist also wichtig, sich darum zu kümmern, diese Fragen zu stellen und zu sehen, inwieweit sie bereit sind, sich auf dich einzulassen und dir zu zeigen, wie die Wurst gemacht wird.
Dayle Hall:
Ja, das ist ein gutes Beispiel für uns als Technologiekäufer. Ich glaube, ich bin offen für den Kauf von Software, für den Kauf von Tools, auch wenn sie sagen, dass es noch nicht ganz ausgereift ist. Mir gefällt die Tatsache, dass man einen Blick unter die Haube werfen kann. Ich denke, wenn ein Anbieter sagt, das ist eine bewährte Praxis oder das ist IP oder das ist unter der Haube. Wenn sie nicht bereit sind, es Ihnen zu zeigen, sollten Sie sich wahrscheinlich Sorgen machen.
Zach Frank:
Ganz genau. Und eine einfache Frage, die ich immer wieder höre, ist: "Okay, wo können wir unsere Daten herunterladen? Nur unsere Daten, ich frage nicht nach den Daten von anderen. Und es ist erstaunlich, wie oft sie dann sagen: Oh, na ja, Sie bekommen 30 % der Felder oder so etwas in der Art. Aber ja, das ist ein Problem, das nicht unüblich ist. Und es ist wirklich überraschend für mich. Unter den besten Umständen sind es unsere Daten. Und je weiter man geht, desto mehr stellt sich vielleicht die Frage: Okay, wenn Sie uns nicht einmal die Grundlagen der Funktionsweise Ihres Algorithmus erklären können, oder wie auch immer Sie die geheime Soße nennen wollen, an der Sie arbeiten, wie können wir ihr vertrauen? Wie können wir ihm auf operativer Ebene vertrauen? Wie können wir ihm auf ethischer Ebene trauen? Die Offenheit in diesen Fragen ist an sich schon ein wichtiger Indikator.
Dayle Hall:
Leicht abweichend vom Thema. Ich war bei einem Unternehmen und wir haben ein Unternehmen namens Klout übernommen. Ich weiß nicht, ob Sie sich daran erinnern.
Zach Frank:
Ich habe den Namen schon gehört, ja.
Dayle Hall:
Es handelte sich also um ein soziales Online-Ranking der Dinge, die man gepostet und geteilt hat. Und das Prinzip war zu der Zeit, als die sozialen Medien groß wurden, enorm. Aber je mehr man sich damit beschäftigte, desto klarer wurde, dass die Bewertung der Dinge und die Echtheit der Bewertung sehr unterschiedlich ausfiel. Auch das war damals eine gute Idee, aber das ist ein gutes Beispiel dafür, dass es nicht nur darum gehen kann, dass wir dir sagen, wer du bist, aber wir können dir nicht sagen, wie es funktioniert. Dazu braucht man mehr Details. Und der Gründer und CEO, der ein großartiger Kerl ist und seither eine Reihe von Unternehmen gegründet hat, wird, wenn er das hier hört, sicher antworten und sagen: Nein, so funktioniert es. Das ist ein bisschen neben dem Thema.
Wie auch immer, lassen Sie uns von der KI und der Unvoreingenommenheit und den Kontrollen und der Durchführung dieser Bewertungen ausgehen. Schauen wir uns an, wie Sie dann die Analyse der Menschen, die Dinge, die Sie erstellen, den Output nutzen, um die Dinge tatsächlich zu verbessern. Eines der Dinge, die die Leute mit ihren Daten machen wollen, ist natürlich, dass sie sie erfassen. Was mich persönlich am meisten ärgert, ist, wenn mir jemand sagt, wir werden all diese Daten erstellen, und ich habe keine Ahnung, was ich damit machen soll. Die Daten liegen einfach nur in ihrem Tool, und sie schicken mir einen Haufen Berichte, d. h. sie haben weder das Wissen noch die Zeit noch die Leute, um wirklich etwas damit zu tun. Es ist nicht einmal eine Analyse-Lähmung.
Ich erhalte einfach die Daten und sage, dass ich nicht weiß, was ich damit anfangen soll. Ich weiß nicht, was ich verbessern soll. Was sollte ich ändern? Ich denke, das ist insgesamt ein großes Problem. Ich kann mir vorstellen, dass man sich beim Personalmanagement und bei der Personalanalyse in dem, was einem gezeigt wird, verlieren kann. Wie verwaltet man es also? Wie kann man die Daten, die man erhält, tatsächlich nutzen?
Zach Frank:
Es ist sehr situationsabhängig, weil man viele Hürden im Bereich der Menschenanalyse überwinden muss, was mir sehr gefällt. Ich hoffe, dass ich für den Rest meiner Karriere nie wieder etwas anderes machen muss. Ich weiß aber auch, dass es eine Reihe von Schwierigkeiten gibt, wenn man sich mit People Analytics beschäftigt. Wenn man über People Analytics im Vergleich zu Marketing oder Product Analytics oder etwas Ähnlichem nachdenkt, hat man eher ein Publikum, das technisch weniger versiert ist. Sie sind sehr klug. Sie sind sehr gut in dem, was sie tun, aber man muss viel mehr übersetzen. Man kann nicht auf einer rein technischen Ebene sprechen, fast gar nicht.
Außerdem sieht man im Personalbereich viele Fachleute, die die funktionalen Elemente ihrer Arbeit gut beherrschen, aber nicht unbedingt in einem größeren Prozess denken. Wenn man also an die Personalbeschaffung denkt, heißt das: Okay, ja, es gibt bestimmte Schritte, wenn Sie Probleme mit einem Stellenangebot haben. Hier sind die drei Dinge, die Sie tun können, um den größten Nutzen zu erzielen. In vielen Unternehmen, mit denen ich gesprochen habe, gibt es am Ende nicht einmal ein wirklich ganzheitliches Bild davon, was die Personalabteilung tut. Löst sie nur reaktionsschnelle Fragen des Unternehmens? Oder liegt der Schwerpunkt tatsächlich auf der Frage, wie gutes Management und die Förderung unserer Mitarbeiter aussehen?
Nicht viel technische Erfahrung. Sie sehen oft, dass Ihre Nutzer, Ihre Zielgruppen, Ihre HR-Mitglieder nicht unbedingt ein definiertes Bild davon haben, was gut für sie ist. Sie müssen also grundlegendere Gespräche darüber führen, woran Sie erkennen können, dass ein Personalverantwortlicher nicht gut arbeitet. Die andere Sache, die man beobachten kann, ist das, was ich vorhin über die Unterinvestition in Technologie gesagt habe. Ich habe wahrscheinlich mit ein paar hundert verschiedenen Unternehmen gesprochen und einen gewissen Einblick in ihren Bereich der Personalanalytik erhalten. Und ich würde sagen, dass selbst jetzt weniger als 20 % ein Data Warehouse haben, vielleicht haben sie ein Data Lake House, wenn sie wirklich Glück haben, wo sie diese extern gespeicherten Dateien bekommen und dann diese Dateien mit einem BI-Service verbinden oder einen benutzerdefinierten Code darauf ausführen können, wenn sie wirklich Glück haben und einen Fachmann haben, der das tun kann. Es ist ein langer Weg, der technisch gesehen aufgeholt werden muss.
Sie haben diese großen Hürden, mit denen Sie arbeiten müssen. Das alles beantwortet nicht wirklich Ihre Frage. Es gibt nur den Rahmen dafür vor, warum es so schwierig ist und warum es so wichtig ist. Ich denke, dass wir uns als Analytiker und Analytiker im Allgemeinen auch dadurch selbst ein Bein stellen, dass wir bei der Erteilung von Empfehlungen übermäßig zurückhaltend werden. In diesem Mangel an Klarheit, in diesem schwierigen Umfeld, halten wir uns eher zurück und sagen: Okay, hier sind die Daten. Du hast es herausgefunden. Ihr seid die Experten vor Ort. Ich denke, das ist zum Teil klug.
Aber ich glaube, es gibt auch ein Element der Angst, weil wir entweder nicht die nötige Sorgfalt an den Tag gelegt haben, um zu verstehen, okay, wie verdient unser Unternehmen Geld? Und wie dient unser Mitarbeiterbild dazu? Wie dient es unseren Aktionären, unseren Stakeholdern, unseren Geschäftsführern, unseren Kunden? Je mehr man diese Dinge versteht, desto eher ist man bereit, ein paar Schritte vorwärts zu gehen und zu sagen: Ich werde einige Empfehlungen abgeben. Und ich werde meinen Kopf ein wenig aus der Schlinge ziehen. Denn andernfalls wird man immer weiter zurückgedrängt, bis man nur noch eine Organisation ist, die Berichte und Aufzeichnungen erstellt. Es geht darum, wie effizient wir die Liste der aktiven Mitarbeiter oder etwas Ähnliches gestalten können.
Ich hasse es, darauf zurückzukommen, weil ich weiß, dass ich es schon einmal gesagt habe, aber ein Teil davon ist, dass man sich einfach darum kümmert, dass man das Problem erkennt und bereit ist, sich in den Kampf zu stürzen und zu sagen: In Ordnung, ich werde mich mit diesen Herausforderungen auseinandersetzen, und ich werde bereit sein, meinen Kopf ein wenig herauszustrecken und zu sagen, dass es so aussieht, als ob die Daten uns sagen, was wir tun sollten.
Dayle Hall:
Nach meiner Erfahrung, die sich wiederum von der Ihren unterscheidet, aber von anderen Technologien in diesem Bereich und aus der Zusammenarbeit mit vielen Personalleitern in den letzten 10, 15 Jahren, glaube ich, dass wir - ich will nicht sagen, Fallstudien oder Best Practices - brauchen, sondern Menschen, die die Technologie nutzen, die die Daten nutzen und sinnvolle geschäftliche Auswirkungen haben. Ich denke, je mehr davon herauskommt, je mehr andere es sehen können, desto mehr Leute werden sagen: Hey, das können wir für unser Unternehmen tun. Das wirkt sich auf das Endergebnis aus, denn wir geben weniger Geld für Personalvermittler aus, und wir geben weniger Geld für zufällige Gehaltserhöhungen oder was auch immer. Aber ich denke, dass dieser Bereich, HR, Edutech, Fintech, Healthcare Tech, einer der am stärksten wachsenden Bereiche in den nächsten 10 Jahren sein wird, weil die Auswirkungen, die positiven Ergebnisse, wenn man es richtig macht, meiner Meinung nach massiv sein könnten.
Zach Frank:
Ganz genau. Es gab ein Unternehmen hier in der Stadt. Ich habe nicht direkt mit ihnen gearbeitet, aber ich habe die Person, die es war, beraten. Sie betrachteten die Fluktuation bei den stundenweise beschäftigten Mitarbeitern und fanden heraus, dass wir, wenn wir die Fluktuation um nur 10 % senken könnten, direkt 5 Millionen Dollar pro Jahr einsparen könnten, und zwar nicht nur implizite Einsparungen, sondern direkte Einsparungen von 5 Millionen Dollar pro Jahr, weil die Fluktuation wegfallen würde. Wenn eine Person innerhalb eines bestimmten Zeitraums zweimal unentschuldigt oder ungeplant abwesend ist, besteht für sie ein 80-prozentiges Risiko, dass sie das Unternehmen verlässt, wenn es sich um eine unserer stundenweise bezahlten Stellen handelt, was eine höhere Identifikationspflicht mit sich bringt. Und sie mussten das nicht einmal in ein operationelles Modell umwandeln.
Sie waren einfach in der Lage, die Richtlinie zu ändern und zu sagen: "Okay, hier ist ein besseres Hilfsprogramm für Mitarbeiter. Hier ist eine großzügigere Freistellungspolitik für familiäre Notfälle und die Inanspruchnahme des Hilfsprogramms für Mitarbeiter. Großartig, ich glaube, es waren am Ende 7 Millionen Dollar pro Jahr oder so etwas in der Art, dass sie über das Ziel hinausgeschossen sind und am Ende einen Rückgang der Fluktuation um 13 % verzeichnen konnten, was einfach phänomenal ist.
Dayle Hall:
Und das ist verrückt. Und ich denke, das kommt auf das zurück, was Sie vorhin sagten, nämlich dass man in dieser Funktion kein KI-gesteuertes System implementieren muss, um ein sinnvolles Ergebnis zu erzielen. Es kann auch ein einfacheres, datengesteuertes Modell sein, das dies nutzt. Und ich kenne niemanden, der nicht 7 Millionen Dollar in seinem Unternehmen einsparen möchte.
Zach Frank:
Oh mein Gott, ja, ich verstehe, was Sie sagen. Sie müssen nicht dieses operativ eingesetzte KI-Modell haben, das diese Leute auswählt und individuell identifiziert. Sie können diese Analyse alle sechs Monate durchführen und sagen: "Okay, haben wir immer noch die richtigen Werte in Bezug auf die Anzahl der Mitarbeiter, die Halteprämien und solche Dinge? Großartig, okay. Also, ihr Jungs in sechs Monaten.
Dayle Hall:
Ja, ja. Das ist wirklich interessant. Ich möchte damit abschließen, dass wir gerade über einige der Möglichkeiten und die Vorteile gesprochen haben, die Sie erhalten können. Stellen Sie sich also vor, dass es einen Personalleiter oder ein Team gibt, der/das prüft, ob er/sie bestimmte Arten von Automatisierungen, gegebenenfalls KI, in Betracht ziehen möchte. Und Sie haben ihnen einige sehr gute Ratschläge gegeben, worauf sie achten sollten und wie sie darüber nachdenken sollten. Aber wenn Sie sich jetzt mit dem Team zusammensetzen und sagen würden: Sehen Sie, damit würde ich anfangen. Dies sind die Dinge, die Sie für den Erfolg Ihres eigenen Unternehmens wirklich bewerten müssen. Was sind das für Dinge? Was sind die Ratschläge, die Sie dem Team geben würden, um sicherzustellen, dass es mit dem richtigen Fuß aufsteht.
Zach Frank:
Ich sage dies für die Automatisierung, ich sage dies für die Analyse von Menschen. Sie sollte in hohem Maße auf Ihr spezifisches Geschäft zugeschnitten sein. Sie werden immer viele der gleichen Kategorien sehen, aber in Bezug auf spezifische Metriken oder ähnliche Dinge muss es auf die Situation Ihres Unternehmens abgestimmt sein. Sie müssen Teil des Gesprächs sein. Das heißt, die allgemeine Anleitung, die ich gerne geben würde, ist, dass dies für Sie möglich ist. Dies ist nicht etwas, das wirklich weit weg ist. Sie müssen nicht erst KI hören und an etwas denken, das empfindungsfähig wird oder all diese verrückten Dinge tut. Es gibt einen Prozess, der Sie schon seit Wochen frustriert.
Und wahrscheinlich gibt es eine Lösung, die Ihnen zur Verfügung steht, entweder in Form einer vereinfachten Richtlinie oder eines vereinfachten Verfahrens oder einer Automatisierung, die einfacher und kostengünstiger eingeführt werden kann, als Sie denken, und die Ihnen helfen könnte, nachts besser zu schlafen. Diese Lösungen sind vorhanden. Sie verstehen Ihr Geschäft gut. Sie wissen, wo die Reibungs- und Schmerzpunkte liegen. Es gibt wirklich gute Anbieter. Es gibt wirklich großartige Experten, die Ihnen schon nach ein paar kurzen Gesprächen sagen können: Ja, es gibt eine Lösung für dieses Problem, und sie ist nicht nur für die Tech-Giganten verfügbar. Auch Ihr 500-Personen-Unternehmen kann diese Lösung einsetzen und damit sofortige Gewinne erzielen.
Eine Sache, die ich bei uns sehr schätze, ist, dass unser Bewerbermanagementsystem nicht direkt mit unserem HCMS kommuniziert. Wir konnten diese beiden Systeme also einfach miteinander verbinden und sagen: "Okay, wir nehmen die Daten von dort und legen sie dorthin. Dadurch wurden 13 Stellen frei, Leute, die wir finden konnten, andere Mitarbeiter innerhalb des Unternehmens. Also noch einmal, wir entlassen niemanden. Wir entlassen niemanden dafür. Aber plötzlich hatte ich 300.000 Dollar, mit denen ich mein eigenes People-Analytics-Team aufbauen und mit der Implementierung dieser Dinge beginnen konnte. Das Geld war einfach da. Es war die ganze Zeit verfügbar. Es war eine Technologie, die wir im Haus hatten, die uns praktisch nichts gekostet hat und die wirklich den Stein ins Rollen gebracht hat, weil wir immer mehr Gewinne sahen, mehr und mehr Zeit freigesetzt wurde, mehr Leute, die andere Dinge tun konnten und einfach immer mehr Gewinne erzielten.
Dayle Hall:
Ich liebe diesen Ratschlag. Ich finde es toll, dass es keine Rolle spielt, wie groß das Unternehmen ist, und dass Sie keine Organisation mit 10.000 Mitarbeitern sein müssen. Man kann sich diese Dinge heute zunutze machen. Letzte Frage: Worauf freuen Sie sich am meisten im Hinblick auf das Potenzial von KI im Bereich der Personalanalytik? Es müssen nicht nur 12 Monate sein. Es könnten 5 oder 10 Jahre sein. Was ist das Aufregendste, worauf Sie sich freuen?
Zach Frank:
Aus operativer Sicht würde ich sagen, dass die Fortschritte bei der Identifizierung und Behandlung der Mitarbeiterbindung eine der größten strategischen Möglichkeiten darstellen. Das ist eine der größten strategischen Chancen für die Personalabteilung und für eine bessere Unterstützung des Unternehmens. Die Probleme, die sich aus der Sicht der Daten ergeben, wenn man einfach eine Cox-Regression durchführt und feststellt, wann und warum Mitarbeiter wahrscheinlich das Unternehmen verlassen, sind nicht so schwer. Ich denke also, dass es Anbieter geben wird, die in diesen Bereich vordringen und wirklich gute schlüsselfertige Lösungen anbieten werden. Ich bin sehr, sehr gespannt darauf.
Wenn ich noch weiter in die Zukunft blicke und über Dinge wie die Umschulung nachdenke, von der ich weiß, dass sie im Bereich der Technologie und des Wandels ein großes Thema ist, aber ich habe noch niemanden gesehen, der hier eine wirklich gute Lösung anbietet. Wenn wir also in der Lage sind, diesen Weg einzuschlagen und zu sagen: Na gut, um auf die Diskussion über Qualifikationen zurückzukommen, welche Qualifikationen werden in fünf Jahren für uns am wichtigsten sein? Wer ist am ehesten in der Lage, das intern zu tun? Und wie können wir sie dann am einfachsten dazu bringen, diese Fähigkeiten zu erlernen? So erreichen wir eine bessere Langlebigkeit, ein besseres institutionelles Wissen und eine bessere Arbeitsposition und Karriere.
Bei diesem Szenario gewinnen alle. Aber ich denke, dass wir in der Lage sind, diese Spur zu ziehen. Wir befinden uns in einem sehr, sehr frühen Stadium, in dem jedes dieser Teile, geschweige denn das Ganze, in einer umfassenden Weise funktionieren kann. Aber ich bin sehr, sehr begeistert von solchen Dingen.
Dayle Hall:
Ja, zwei sehr wichtige Bereiche innerhalb der HR-Funktionen: Umschulung und Bindung. Zach, es war ein tolles Gespräch. Es tut mir leid für unsere Kollegen von Aramark, die auf Ihr Fachwissen verzichten müssen. Aber ich gratuliere der Freeman Company, dass sie Sie für sich gewinnen konnte. Vielen Dank, dass Sie sich heute Zeit genommen haben.
Zach Frank:
Ich danke Ihnen. Es hat mir sehr viel Spaß gemacht.
Dayle Hall:
Großartig. Vielen Dank, dass Sie sich diesen Podcast angehört haben. Wir sehen uns in der nächsten Folge von Automating the Enterprise wieder. Ich bin Dayle Hall. Wir sehen uns bei der nächsten Folge.