Applicazione dell'intelligenza artificiale nel settore delle risorse umane

Dayle Hall:

Salve e benvenuti al nostro podcast, Automatizzare l'impresa. Sono la vostra conduttrice, Dayle Hall.

Questo podcast è stato ideato per fornire alle organizzazioni approfondimenti e best practice su come integrare, automatizzare e trasformare la propria azienda.

L'argomento di oggi è al tempo stesso appassionante e delicato, perché costituisce un ponte tra due discipline contrastanti. E oggi abbiamo una persona eccezionale perché ha competenze in entrambi i settori. Il suo passato nell'IT e nella gestione di progetti di dati gli ha aperto la strada per avere un punto di vista distinto e molto informato su come l'IA può giocare nello spazio delle risorse umane. È convinto che quando i dati vengono raccolti e analizzati in modo accurato, possono far emergere intuizioni significative sulle persone, con il risultato di migliorare l'organizzazione nel suo complesso e l'ambiente di lavoro. 

Oggi sono assolutamente entusiasta di avere con me Zach Frank, ex dipendente di Aramark e recentemente trasferitosi come Senior Manager of People Analytics presso la Freeman Company. Zach, benvenuto nel podcast. 

Zach Frank:

Grazie. Sono molto contento di essere qui. 

Dayle Hall:

Congratulazioni per il trasferimento.

Zach Frank:

Grazie. In realtà inizio domani. Quindi tecnicamente non ho ancora iniziato.

Dayle Hall:

Wow. Se riuscissimo a montare e a produrre questo video, sicuramente l'annuncio sarebbe già pronto. Sarete già ben affermati quando questo verrà pubblicato. Ma conosco molto bene la Freeman Company. È un'ottima azienda, ha dei buoni amici. Quindi congratulazioni per il nuovo ruolo.

Zach Frank:

Grazie.

Dayle Hall:

Ok, allora andiamo avanti. Per cominciare, credo che l'aspetto davvero interessante sia che lei si occupa di gestione di progetti informatici e di dati, ma anche di risorse umane.

Quindi, come ho detto all'inizio, lei mette insieme l'equilibrio tra le persone, l'IT e l'analitica. Ci può fare un'introduzione? Come è entrato in questo settore? Come è finito in questo spazio, dove si è concentrato sulle risorse umane e su questo tipo di analisi, pur comprendendo molto dello spazio tecnologico? Come è arrivato qui?

Zach Frank:

Completamente per caso. Subito dopo l'università, ho lavorato per un paio d'anni nello sviluppo dei volontari per organizzazioni non profit. E così sono stata licenziata da una di queste. C'era un ridimensionamento. Ho accettato il mio primo lavoro a tempo pieno nel settore privato. E come titolo, gestivo un magazzino. Ma in realtà le prime sei ore della mia giornata le passavo a chiamare gli autisti che durante la notte consegnavano i pezzi di ricambio di grandi camion e trattori e a dire: "Ehi, quando siete arrivati a Paducah, nel Kentucky? E avete ricevuto tutte le merci?". Il primo giorno, dopo circa 20 minuti di lavoro, ho deciso che lo odiavo assolutamente. Non mi interessava passare il mio tempo in quel modo. 

Così mi sono messo a cercare di capire come automatizzarlo. Non avevo mai lavorato con la tecnologia. Sono stato quasi bocciato al corso di Excel quando ero all'università. E qui stavo cercando di capire: come faccio a far sì che questi dispositivi palmari di scansione si geofocalizzino in un luogo, inviino un messaggio quando lo raggiungono e poi mi inviino tutti i codici a barre delle merci che hanno scansionato e lo facciano 12, 15 volte a notte. Così sono stati effettuati un paio di test, un paio di iterazioni. 

Ma me ne sono innamorato. Mi sono innamorata della tecnologia, del trasferimento dei dati, della capacità di analizzare e dire: "Oh, ehi, siamo puntuali per voi il 97% delle volte. Il fatto che oggi siamo in ritardo di 30 minuti non è un problema. C'è un grosso incidente sull'interstatale o qualcosa del genere". E questo è stato il mio inizio nella scoperta di tutte queste nuove cose che avrei potuto fare e che erano davvero interessanti per me e mi hanno fatto iniziare il percorso.

Dayle Hall:

Interessante. Forse è così che hai iniziato.

Ma ciò che vedo come un successo in questo spazio, in relazione all'automazione e all'utilizzo dell'integrazione dell'IA, è che si parte da un problema aziendale, da qualcosa che si sta cercando di risolvere e poi si capisce se ci sono elementi di processo, strumenti e persone. Come posso risolverlo?

Sempre più spesso sento dire dai clienti che è così che hanno successo, ed è così che le iniziative hanno successo. Penso che sia una descrizione perfetta del fatto che si sapeva già da 20 minuti che non avrebbe funzionato, ma si stava risolvendo un problema specifico.

Zach Frank:

Sì, è proprio così. Molti dei professionisti dell'apprendimento automatico che seguo e ascolto in questo momento, hanno iniziato a parlare di questa frase. Non è apprendimento automatico, che è un altro modo per dire che non è un problema di intelligenza artificiale, finché non si può dimostrare il contrario. Quindi, per prima cosa, è necessario identificare il punto dolente, l'attrito. E poi avete una serie di opzioni in termini di come affrontarlo. L'intelligenza artificiale potrebbe essere una di queste, ma potrebbero esserci anche forme più semplici di automazione. Ho lavorato per Bridgestone prima di lavorare per Aramark. Uno dei maggiori miglioramenti che abbiamo visto nell'ambito delle risorse umane è stato proprio la riduzione, quindi la semplificazione delle politiche, l'eliminazione di parti di un processo non necessarie. 

Abbiamo ottenuto maggiori vantaggi da questo che da qualsiasi altra cosa. Ma questo è avvenuto grazie alla reale comprensione del problema aziendale che stiamo cercando di risolvere e quindi della gamma di opzioni a nostra disposizione. Di cui l'automazione è una di queste. L'intelligenza artificiale è un tipo specifico di automazione. È possibile approfondire anche questo aspetto. È uno strumento che abbiamo per risolvere i problemi. E quanto meglio comprendiamo questi problemi, tanto meglio possiamo scegliere lo strumento giusto per questa situazione e per il nostro contesto ambientale.

Dayle Hall:

Mi piace il concetto che non tutto è un problema di intelligenza artificiale, ma un'automazione più semplice man mano che si procede. Speriamo di approfondire l'argomento.

Mi parli un po' di ciò che le persone dovrebbero capire del suo ruolo di analista delle persone. Che cosa comprende in realtà? E come aiutate l'azienda in questo senso?

Zach Frank:

L'analisi delle persone, in senso tecnico o funzionale, nella sua forma più semplice, consiste nel rispondere a domande come: quante persone lavorano per la nostra azienda? Nella sua versione più potente e intelligente è quanto ci costa avere una posizione aperta. E tra cinque anni, quali sono le aree di qualificazione di cui avremo più bisogno, dove abbiamo persone che andranno in pensione? In termini di sviluppo del business, cosa sarà davvero importante per noi in termini di competenze che non abbiamo al momento? 

Un esempio semplice che mi viene in mente nel settore delle risorse umane risale a qualche anno fa, quando ho iniziato a lavorare come program manager per Bridgestone, supervisionando la trasformazione digitale e le risorse umane. C'erano pochissimi project manager specifici per le risorse umane. E c'erano pochissime persone nelle Risorse Umane con esperienza di project management. Ora, se si guarda oltre, ci sono persone specializzate solo nell'implementazione di HCMS. Quindi è questo il punto di vista su dove andremo a finire, ma si tratta davvero di una fascia alta. Sono pochissime le aziende che dispongono di competenze analitiche di questo tipo.

Dayle Hall:

Posso immaginare che in un'azienda di software di tipo B2B sia molto incentrata sulla Silicon Valley. Se cammini per strada, ti imbatti in tre VC. Ma immagino che in aziende potenzialmente come Aramark o di produzione pesante o dove ci sono molti lavoratori dei servizi che si spostano, capire: "Ehi, avremo un problema tra tre anni perché il 10% della nostra forza lavoro potrebbe andare in pensione?". Credo che questo aiuti davvero la pianificazione aziendale e la capacità di anticipare alcuni di questi impatti potenzialmente importanti per l'azienda.

Zach Frank:

Ovunque io abbia lavorato o sia stato coinvolto nell'analisi delle persone è stato molto simile. Bridgestone, che ha un'attività di produzione e gestisce anche 20.000 punti vendita al dettaglio; Aramark, che ha decine di migliaia di servizi di ristorazione e di pulizia; e ora Freeman, che si occupa di supporto agli eventi dal vivo, quindi di persone sul campo, che preparano le cose e tutto il resto. Si nota una maggiore focalizzazione sul breve termine, perché ci sono molti ruoli a ore e ruoli ad alta manualità, non necessariamente poco qualificati, ma molto, molto qualificati. Ma si tende a vedere periodi di lavoro più brevi e cose del genere. E quindi si guarda a un arco di tempo più limitato. 

Quindi, per quanto riguarda il tuo punto di vista, diciamo, tre o cinque anni dopo, in realtà per le aziende di software, questo è davvero un buon tratto dello spazio di, hey, hai un ingegnere che si sta avvicinando alla sua linea temporale senior. Capisce qual è il suo percorso di sviluppo interno? Oppure pensano che il modo migliore per ottenere l'aumento di stipendio del 30% o più, a seconda del mercato, sia quello di abbandonare la nave perché la spinta interna non sarà sufficiente per loro?

Dayle Hall:

Devo dirvi, e sono sicuro che la maggior parte delle persone con cui ho parlato o con cui parlereste oggi, che il reclutamento e la fidelizzazione sono una delle cose più difficili da gestire. Non importa di quale azienda si tratti al giorno d'oggi. È davvero difficile assicurarsi di trovare le persone giuste al momento giusto e offrire loro le giuste opportunità.

Zach Frank:

Assolutamente sì. Da mesi ormai ci troviamo in uno spazio in cui il tasso di disoccupazione è basso come prima della pandemia, ma anche il tasso di partecipazione alla forza lavoro è più basso e le offerte di lavoro sono aumentate di oltre il 40%. Quindi siamo stati nel mercato più difficile che si sia mai visto. Tutti si chiedono: "Va bene, come facciamo a inserire nuove persone?", mentre i talenti TA e HR sono così richiesti che le persone vengono prese da lì, e ancor meno i ruoli per svolgere effettivamente le attività aziendali di cui abbiamo bisogno. Sì, è un momento molto interessante per essere in questo spazio.

Dayle Hall:

Questo ci porta al nostro primo argomento principale, ovvero lo spazio delle persone, le risorse umane, e chiaramente ci sono molti vantaggi nell'investire in alcuni strumenti di tipo analitico o AI o in diversi tipi di automazione o gestione dei dati.

Come vede gli investimenti che sono stati fatti in questo settore? Si sono intensificati di recente? La gente guarda davvero a quest'area?

Oppure c'è ancora una reticenza a investire in questo tipo di tecnologia per le risorse umane? Le persone pensano davvero che sia uno spazio caldo? O si sta ancora cercando di spingere quel macigno su per la collina?

Zach Frank:

Direi che entrambe le cose sono vere. In generale, lo spazio tecnologico delle risorse umane si sta espandendo e sta crescendo in modo significativo. Ci sono un paio di studi diversi che sono stati pubblicati in termini di spesa per le tecnologie HR, che si prevede aumenterà di quattro volte nei prossimi cinque anni. Le aziende che hanno utilizzato sistemi distribuiti stanno passando a sistemi di gestione del capitale umano integrati a livello globale, investendo in nuove tecnologie. Lo spazio sta crescendo in modo significativo.

Allo stesso tempo, la tecnologia HR è stata così poco investita nel corso degli anni che il terreno da recuperare significa che, sì, ci sono molti nuovi attori che stanno arrivando e che offrono servizi più avanzati nello spazio HR, ma tendono a essere implementati a metà. 

E le aziende fanno dei passi avanti, immergendosi nelle cose e vedendo cosa c'è là fuori. Perché c'è così tanta strada da percorrere che sta assorbendo denaro in termini di nozioni di base: "Ehi, abbiamo tutti i dati dei nostri dipendenti in un unico sistema". E ancor meno, possiamo vedere quanto una persona sia adatta a un lavoro in base a ciò che ha o non ha inserito nel suo curriculum? Quindi, in realtà, si vedono entrambe le cose, direi.

Dayle Hall:

Per me, come abbiamo appena detto, la soluzione di un problema aziendale è di solito il miglior punto di partenza quando si guarda a ciò che si vuole implementare in termini di nuovi processi o di persone, in particolare con gli strumenti.

Abbiamo appena parlato di un numero crescente di problemi legati alla fidelizzazione, al reclutamento, alla gestione del lato umano dell'azienda, eppure sembra che, sebbene ci siano molte più persone che entrano in questo spazio con la tecnologia, siano ancora un po' reticenti. Nelle ultime aziende ho notato una certa reticenza a investire in quest'area. E credo che il lavoro che state svolgendo contribuisca a dimostrare che l'impiego di queste tecnologie è molto vantaggioso.

Zach Frank:

Assolutamente sì. Una cosa interessante per me è che vedo i maggiori investimenti nel reclutamento in termini di tecnologia AI. È lì che si vede il maggior numero di operatori. È lì che si vede la maggiore diversità in termini di parti del processo che le persone cercano di risolvere, dove vanno i soldi, di quali aziende si parla. L'aspetto interessante è che credo sia assolutamente necessario. Penso che sia un punto in cui si può offrire molto aiuto. Ci sono molti problemi da risolvere. Tuttavia, ciò che penso che la maggior parte delle aziende si scontri con un livello più fondamentale è che il denaro speso per la retention è molto più prezioso, forse non così urgente o necessario come il reclutamento, ma il denaro speso per la retention è più importante. 

E gli attori che operano in questo spazio in termini di IA sono molto meno numerosi, in parte perché si tratta di un problema per certi versi più difficile da risolvere e in cui le aziende potrebbero non essere coinvolte a livello operativo. Potrebbero dire a parole: "Sì, riconosciamo che è importante, ma investiremo denaro su come mantenere il contatto con i candidati per assicurarci di avere un basso tasso di abbandono tra il completamento del controllo dei precedenti e la data di inizio del lavoro o qualcosa del genere". Quindi non si vede necessariamente dove sia l'investimento. 

Dayle Hall:

È un'idea che mi sembra assolutamente plausibile. Un anno fa ho parlato con un'azienda che si chiama Betterworks e che fa una cosa chiamata OKR, ovvero obiettivi e risultati chiave. E credo che alcuni non lo vedano necessariamente come un aiuto alla fidelizzazione, perché aiuta i dipendenti a capire come il loro lavoro si inserisce nei grandi obiettivi aziendali. E se si riesce a mostrare alle persone come stanno contribuendo a guidare l'azienda e le iniziative di alto livello, sentono di voler rimanere. Si sentono più legati all'azienda. Ma questo è ancora poco e niente, e il modo in cui le persone vedono queste tecnologie aiuta, come lei ha sottolineato, un'area molto critica, che è quella della fidelizzazione. 

Quando si affrontano questi processi e si decide se implementare una tecnologia, a volte c'è questa sensazione all'interno delle organizzazioni, in generale all'interno dell'organizzazione IT, che si tratti di acquistare qualcosa o di costruirlo internamente. Se lei ora stesse consigliando un'azienda, e sono sicuro che Freeman sfrutterà la sua esperienza in questo senso. Se qualcuno le facesse questa domanda, come deciderebbe se è necessario acquistare o costruire qualcosa? O se è davvero necessario? Come si avvia questo processo nell'ambito delle risorse umane? 

Zach Frank:

Se avete risposto a tutte le domande che vi hanno portato a questa decisione, non possiamo semplificare la polizza. Non possiamo eliminare il lavoro in modo corrispondente. Non possiamo modificare i processi o cose del genere. Se siete arrivati al punto in cui, ok, abbiamo bisogno di automazione e potenzialmente, nello specifico, di IA, direi fondamentalmente di non costruire mai in-house, e questo potrebbe non essere del tutto vero. Ci possono essere dei casi. Se si dispone di capacità davvero eccellenti, se si tratta di una soluzione davvero semplice. Ma credo che le due vere opzioni nel settore delle risorse umane siano: distribuire o configurare internamente. Potreste avere uno strumento o una risorsa che non state utilizzando internamente, per cui potreste dire: "Oh, dobbiamo solo configurare questi flussi di lavoro nel nostro HCMS perché non abbiamo mai reso operativo questo flusso di lavoro o qualsiasi cosa sia". 

Se non è così, se non si tratta di qualcosa che abbiamo già in casa o che viene utilizzato in un altro reparto, l'acquisto è quasi sempre la scelta migliore. Ci sono troppi problemi nel costruire soluzioni di intelligenza artificiale internamente, in particolare nel settore delle risorse umane. Ci sono troppi problemi. È troppo complicato e ci sono così tanti buoni operatori là fuori che sono relativamente poco costosi. Anche le aziende a cui pensiamo di poter dire: "Oh, sì, possono assolutamente farlo". I produttori di chip, le aziende high-tech che hanno team di big data science e tutte queste capacità, continuano a esternalizzare queste cose perché è più facile e più intelligente farlo.

Dayle Hall:

E questo ci porta al prossimo argomento che volevo affrontare, un tema molto delicato che riguarda l'IA. Le due cose che sento dire spesso sull'introduzione dell'IA, in particolare su questo tipo di aziende e sull'impatto sulle persone. Una che sento spesso è che l'IA toglierà il lavoro alle persone. Il mio principio è sempre stato che l'IA e l'automazione dovrebbero rendere il lavoro più facile, eliminando le cose banali. Ma in realtà poi liberano quelle persone per svolgere un lavoro più interessante, appagante e potenzialmente più impattante per l'azienda. Sento che questo concetto si sta leggermente spostando e non so se lo sentite ancora.

Ma la cosa più importante per l'IA in questo settore in cui vi trovate, credo, è il concetto di pregiudizio e come monitorare e gestire o essere cauti con l'IA e il potenziale pregiudizio, in particolare nello spazio delle risorse umane. Mi piacerebbe sapere come la pensa e cosa ha visto.

Zach Frank:

L'altra cosa che vorrei aggiungere è che probabilmente uno dei maggiori ostacoli è la disponibilità dei dati, che credo sia legata a pregiudizi. Ma se pensate a qualcosa, ok, chi sono le persone giuste da assumere? C'è un elemento di distorsione in termini di dati, per cui in genere si otterrà il tipo di persone che sono state assunte in precedenza, e, per quanto riguarda il tuo punto di vista, se sei un'azienda di software tecnologico, sì, forse ci sono molti maschi bianchi. E quindi privilegerete i loro curriculum rispetto alle donne e alle persone di colore che storicamente non dichiarano le loro capacità e competenze nei loro curriculum. È necessario disporre di soluzioni che tengano conto dei pregiudizi, ma che abbiano anche la portata dei dati. 

I maggiori datori di lavoro degli Stati Uniti assumono forse 100.000 o 150.000 persone all'anno o qualcosa del genere. Ebbene, tra i milioni e milioni di assunzioni che avvengono, la disponibilità di dati che avete voi rispetto a quella di un'azienda esterna che è in grado di estrarre questi dati da più fonti, non sarà mai altrettanto buona. Ed è più probabile che ci siano pregiudizi.

L'altra cosa che vorrei dire è che il fatto di rivolgersi a un fornitore non significa che non sia di parte. Non dirò mai chi è, ma c'era un fornitore con cui stavamo parlando e che si occupava di servizi di matching dei candidati. Quindi, ok, questo candidato è adatto a questo lavoro? Così ho chiesto informazioni. Ok, beh, come fate a proteggervi dai pregiudizi? E loro mi hanno risposto: "Oh, beh, noi non consumiamo informazioni demografiche. Quindi non c'è modo per il nostro sistema di essere parziale perché non sappiamo di che razza o sesso o disabilità sia una persona. Non si sa quanto sia grande il problema. State nascondendo la testa sotto la sabbia.

Dayle Hall:

Esattamente, wow. Ma credo che questo sia un esempio di qualcosa che deve essere risolto. Posso capire perché abbiano avuto quell'impressione iniziale. Ma è davvero positivo che, quando iniziano a parlare con persone come te, tu possa aiutarli a capire perché questo non è evitare i pregiudizi. Anzi, probabilmente li sta perpetuando.

Zach Frank:

Sì, assolutamente. Lo vedreste se guardaste i vostri D&I o gli splices di assunzione su D&I attraverso i vostri dashboard dopo un'implementazione. Si tratta di dati alla cieca che non fanno alcuna inferenza sulle differenze importanti nel comportamento delle persone in relazione alle informazioni demografiche. Il problema si aggrava, non si risolve. Quindi, se si confronta questa situazione con quella di un'azienda che abbiamo esaminato e che teneva conto attivamente della differenza di cui parlavo prima in termini di come le donne trattano la loro esperienza nei loro curriculum e si sottorappresentano e correggono attivamente per questo. E la differenza diventa immediatamente evidente in termini di impatto sulle assunzioni e sulla capacità di essere giusti ed equi.

Dayle Hall:

È una bella storia. Quindi, mentre state affrontando questo processo, il vostro settore, il vostro campo in particolare, deve essere molto più cauto in questo senso.

Quindi, quando si seleziona un fornitore, alcune cose sono ovvie. Quando vi dicono: "Questo è il nostro modo di fare". Voi pensate: "No, aspettate. Non ha senso. Riavvolgiamo questa frase. Ma allora come si svolge una valutazione? C'è qualcosa di specifico che osservate quando valutate diversi fornitori o quando implementate questi sistemi che vi dice che dobbiamo incorporare - non voglio dire a prova di bomba perché non credo che nulla sia a prova di bomba al 100%. Ma cosa inserite nel vostro processo di valutazione dei fornitori? Cosa inserite nel vostro processo quando implementate? Ci sono alcuni aspetti specifici che dite di fare durante il processo?

Zach Frank:

Alcune cose che sono utili. Avere una conversazione come quella che ho avuto io con i due diversi fornitori, porre loro le domande, avere in mente l'argomento, preoccuparsene. Farlo presente e avere una conversazione è un'altra cosa importante. Un'altra cosa che faccio sempre è chiedere qualsiasi ricerca scientifica pubblicata che abbiano fatto.

C'è un fornitore che ci ha presentato una tecnologia che mi sembra impossibile, anche se l'ho fatta. Bastava cliccare su queste piccole immagini per ottenere una valutazione della personalità in base al modo in cui si cliccava su queste immagini. E c'erano solo immagini di pezzi di colore, nemmeno immagini reali o cose del genere. Così ho chiesto di vedere quali ricerche avessero e mi hanno mandato gli strati di ricerca: ok, ecco la ricerca sui colori alla base. Ecco come è stato studiato specificamente in termini di applicazione nella nostra soluzione e la capacità di prendere decisioni basate sulla ricerca sui colori.

Non leggo i documenti accademici che mi inviano o cose del genere. Ma se sono disposti a mandarmeli, è già una buona indicazione. Se invece si sbracciano per dire: "Oh, segreti commerciali", allora è meglio. Nel migliore dei casi, non l'avete ancora costruito e state solo cercando di convincermi a comprarlo per finanziarvi, il che potrebbe andare bene, ma cerchiamo di essere onesti su come stanno le cose. Quindi, è importante che ci si preoccupi di questo, che si facciano queste domande e che si veda quanto sono disposti a impegnarsi con voi e che vi mostrino come viene fatta la salsiccia.

Dayle Hall:

Sì, questo è un ottimo esempio di noi acquirenti di tecnologia. Credo di essere aperto all'acquisto di software, di strumenti anche se dicono che non è ancora pronto. Mi piace il fatto che vi permettano di vedere sotto il cofano. Penso che se un fornitore dice: "Questa è una best practice, questa è una proprietà intellettuale o questa è la parte inferiore del sistema". Se non sono disposti a mostrarvelo, probabilmente dovreste essere preoccupati.

Zach Frank:

Assolutamente. E una cosa semplice che mi capita sempre di incontrare tra le persone che ho notato è: "Ok, dov'è il connettore da scaricare per riavere i nostri dati? Solo i nostri dati, non sto chiedendo i dati di nessun altro. Ed è sorprendente il numero di volte in cui rispondono: "Oh, beh, avrete il 30% dei campi o qualcosa del genere". Ma sì, è un problema che non è raro. Ed è davvero sorprendente per me. Nel migliore dei casi si tratta dei nostri dati. E poi, più si va avanti, più ci si chiede: "Ok, beh, se non riuscite nemmeno a spiegarci le basi del funzionamento del vostro algoritmo o di quello che volete chiamare la salsa segreta su cui state lavorando, come possiamo fidarci? Come possiamo fidarci a livello operativo? Come possiamo fidarci a livello etico? L'apertura su questi aspetti è di per sé un grande indicatore. 

Dayle Hall:

Leggermente fuori tema. Ero in un'azienda e abbiamo acquisito una società chiamata Klout. Non so se ve la ricordate. 

Zach Frank:

Ho sentito il nome, sì.

Dayle Hall:

Si trattava quindi di un social scoring online delle cose che si pubblicavano e condividevano. All'epoca, quando i social media stavano diventando grandi, il principio era enorme. Ma man mano che ci si addentrava, diventava chiaro che il modo in cui le cose venivano valutate e la loro veridicità erano molto aleatorie. E ancora, all'epoca era una buona idea, ma questo è un buon esempio di come non si possa semplicemente dire chi sei, ma non possiamo dirti come funziona. Bisogna avere più dettagli al riguardo. E il fondatore e amministratore delegato, che è una persona fantastica e ha fondato diverse aziende, se mai ascolterà questo messaggio, sono sicuro che risponderà dicendo: "No, è così che funziona". Questo è un po' fuori tema. 

Comunque, passiamo dall'IA, dall'imparzialità e dai controlli e dalle valutazioni. Vediamo come utilizzare l'analisi delle persone, le cose che si creano, i risultati per migliorare effettivamente le cose. Ovviamente, una delle cose che le persone vogliono fare con i loro dati è catturarli. La cosa che personalmente mi infastidisce di più è quando qualcuno mi dice che creeremo tutti questi dati e non ho idea di cosa farne. Se ne stanno lì nel loro strumento, mi manderanno un mucchio di rapporti e cioè non hanno le conoscenze, il tempo o le persone per farci davvero qualcosa. Non si tratta nemmeno di paralisi da analisi. 

Ricevo i dati e dico che non so cosa farne. Non so cosa migliorare. Cosa dovrei cambiare? Quindi penso che questo sia un grosso problema in generale. Per quanto riguarda la gestione delle persone e l'analisi delle persone, posso immaginare che ci si possa perdere in ciò che viene mostrato. Come si fa a gestirlo? Come si fa a prendere i dati che si ottengono e a utilizzarli?

Zach Frank:

È una situazione molto particolare, perché ci sono molti ostacoli da superare nel settore dell'analisi delle persone, ma devo dire che lo adoro. Spero di non dover mai fare altro per il resto della mia carriera. Riconosco anche che l'analisi delle persone presenta una serie di difficoltà. Se si pensa all'analisi delle persone rispetto all'analisi del marketing o del prodotto o a qualcosa di simile, si tende ad avere un pubblico meno esperto dal punto di vista tecnico. Sono molto intelligenti. Sono molto bravi in quello che fanno, ma bisogna tradurre molto di più. Non è quasi mai possibile parlare a un livello puramente tecnico. 

Un'altra cosa che si vede è che molti operatori nel settore delle risorse umane sanno come svolgere bene gli elementi funzionali del loro lavoro, ma non ci pensano necessariamente in un'ottica di processo più ampia. Quindi, pensare al reclutamento come: ok, sì, ci sono delle fasi definitive se siete alle prese con un requisito. Ecco le tre cose che potete fare e che hanno il massimo valore aggiunto. In molte aziende con cui ho parlato, alla fine non c'è nemmeno un quadro olistico di ciò che fa l'HR. Si limita a risolvere i problemi di risposta dell'azienda? Oppure ci si concentra sul tema della gestione e dell'abilitazione delle nostre persone? 

Non c'è molta esperienza tecnica. Spesso si riscontrano difficoltà negli utenti, nel pubblico, nei membri delle risorse umane che non hanno necessariamente un'immagine definita di ciò che è buono per loro. Quindi si devono tenere conversazioni più fondamentali su: "Come si fa a sapere se un reclutatore non sta facendo bene? E l'altra cosa che si nota è il ritorno a quello che dicevo prima sul sottoinvestimento nel settore tecnologico. Probabilmente ho parlato con un paio di centinaia di aziende diverse e ho ottenuto un certo livello di conoscenza del loro spazio di analisi delle persone. E direi che ancora oggi meno del 20% o giù di lì ha un data warehouse, forse ha un data lake house se è davvero fortunato, dove riceve questi file scaricati dall'esterno e poi li collega a un servizio di BI o può eseguire del codice personalizzato su di essi se è davvero fortunato e ha un professionista in grado di farlo. La strada da percorrere in termini di senso tecnico è ancora lunga. 

Ci sono questi grossi ostacoli con cui si deve lavorare. Tutto questo non risponde alla domanda. Stabilisce solo la cornice del perché è difficile e del perché è così importante. Credo che un'altra cosa che facciamo come professionisti dell'analisi e dell'analitica in generale e che ci fa perdere la testa sia l'eccessiva reticenza nel fornire raccomandazioni. Così, in questa mancanza di chiarezza, in questo ambiente di difficoltà, diventiamo più mansueti e diciamo: "Bene, ecco i dati. Tu l'hai capito. Sei tu l'esperto locale. Credo che in parte questo sia saggio. 

Ma credo che ci sia anche un elemento di paura, quando non abbiamo fatto la due diligence per capire: ok, come fa la nostra azienda a guadagnare? E poi, come si colloca il nostro quadro di riferimento per le persone? In che modo serve ai nostri azionisti, ai nostri stakeholder, ai nostri dirigenti, ai nostri clienti? Più si comprendono questi aspetti e più si è disposti a fare qualche passo avanti e a dire: "Farò delle raccomandazioni". E che mi esporrò un po'. Perché altrimenti, come sto facendo io, si viene spinti sempre più indietro fino a diventare un'organizzazione di rapporti e registri. Si tratta di capire quanto possiamo rendere efficiente l'elenco dei dipendenti attivi o qualcosa del genere. 

Odio tornare su questo punto perché so di averlo già detto, ma in parte si tratta solo di interessarsi, di riconoscere che il problema esiste e di essere disposti a buttarsi nella mischia e a dire: va bene, mi impegnerò in queste sfide e sarò disposto a espormi un po' e a dire che sembra che questo sia ciò che i dati ci dicono che dovremmo fare.

Dayle Hall:

In base alla mia esperienza, ancora una volta diversa dalla vostra, ma da quella di altre aziende tecnologiche in questo settore e dalla collaborazione con molti leader delle risorse umane negli ultimi 10 o 15 anni, ritengo che abbiamo bisogno di - non voglio dire di casi di studio o di best practice, ma di persone che utilizzano la tecnologia, che utilizzano i dati e che hanno un impatto significativo sul business. Penso che più cose vengono fuori, più altri possono vederle, più persone diranno: "Ehi, possiamo farlo per la nostra azienda". Questo ha un impatto sui profitti, perché spendiamo meno per i reclutatori e meno per aumenti di stipendio casuali o altro. Ma credo che questo spazio, quello delle risorse umane, dell'edutech, del fintech, dell'healthcare tech, sarà uno dei più grandi spazi in crescita, credo, nei prossimi 10 anni perché le implicazioni, i risultati positivi, se lo si fa nel modo giusto, credo possano essere enormi.

Zach Frank:

Assolutamente sì. C'era un'azienda qui in città. Non lavoravo direttamente con loro, ma consigliavo la persona che lo faceva. Stavano analizzando il turnover di una popolazione di dipendenti a ore e si sono resi conto che, se riuscissimo a ridurlo del 10%, risparmieremmo 5 milioni di dollari all'anno, e non si tratta di un risparmio implicito, ma di un risparmio diretto di 5 milioni di dollari all'anno, perché non ci sarebbe il turnover. E poi siamo in grado di tracciare la situazione fino a dire che se una persona ha due assenze non giustificate o non pianificate in un certo periodo di tempo, rischia l'80% di andarsene se lavora in una delle nostre posizioni orarie, una maggiore responsabilità di identificazione, un grande impatto e la possibilità di farlo. E non hanno nemmeno dovuto trasformarlo in un modello operativo. 

Sono riusciti a cambiare la politica e a dire: "Ecco un programma di assistenza ai dipendenti migliore". Ecco una politica di ferie più generosa per quanto riguarda le emergenze familiari e l'uso del programma di assistenza ai dipendenti. Alla fine il costo è stato di 7 milioni di dollari l'anno, o qualcosa del genere, e l'obiettivo è stato superato, con una riduzione del 13% del turnover, il che è davvero fenomenale.

Dayle Hall:

Ed è una follia. E credo che questo si ricolleghi al punto che hai sollevato prima, ovvero che non è necessario implementare un sistema guidato dall'intelligenza artificiale in questa funzione per ottenere un risultato significativo. Si può usare un modello più semplice, basato sui dati. E non conosco nessuno che non voglia risparmiare 7 milioni di dollari dalla propria attività.

Zach Frank:

Oh mio Dio, è vero quello che stai dicendo. Non c'è bisogno di un modello di intelligenza artificiale che vada a selezionare queste persone e le identifichi individualmente. Si può eseguire l'analisi ogni sei mesi e dire: "Bene, abbiamo ancora il giusto set di valori in termini di numeri di assistenza ai dipendenti, bonus di fidelizzazione e cose del genere? Ottimo, ok. Allora, ragazzi, tra sei mesi.

Dayle Hall:

Sì... È davvero interessante. Vorrei concludere dicendo che abbiamo appena parlato di alcune delle opportunità e dei vantaggi che si possono ottenere. Immaginiamo che ci sia un responsabile delle risorse umane o un team che sta valutando se prendere in considerazione alcuni tipi di automazione, l'IA vera e propria, se necessario. E voi avete dato loro degli ottimi consigli, cose su cui essere cauti e come pensarci. Ma se vi sedeste ora con quel team e diceste: "Ecco da dove comincerei. Queste sono le cose che dovete valutare per il successo della vostra azienda. Quali sono queste cose? Quali sono i consigli che dareste a quel team per assicurarvi che possa partire con il piede giusto.

Zach Frank:

Lo dico per l'automazione, lo dico per l'analisi delle persone. Dovrebbe essere altamente personalizzato per la vostra attività specifica. Vedrete sempre molte delle stesse categorie, ma in termini di metriche specifiche o cose del genere, devono rispondere alla situazione della vostra azienda. Deve essere parte della conversazione. Detto questo, l'indicazione di massima che vorrei dare è che questo è possibile per voi. Non si tratta di qualcosa di veramente lontano. Non dovete sentire parlare di IA e pensare a qualcosa che diventa senziente o che fa tutte queste cose folli. C'è un processo che vi sta frustrando da settimane. 

E probabilmente c'è una soluzione disponibile, in termini di politiche o processi semplificati o di automazione, che potrebbe essere introdotta in modo più semplice e meno costoso di quanto si pensi e che potrebbe aiutarvi a dormire meglio la notte. Queste soluzioni ci sono. Conoscete bene la vostra attività. Capite quali sono gli attriti e i punti dolenti. Ci sono ottimi fornitori. Ci sono ottimi esperti che, anche solo con un paio di rapide conversazioni, possono aiutarvi a capire che esiste una soluzione per questo problema e che non è disponibile solo per i giganti della tecnologia. È a disposizione della vostra azienda di 500 persone che può introdurre questa soluzione e iniziare a vedere guadagni immediati. 

Una cosa che ho visto e che mi è piaciuta molto è che il nostro sistema di tracciamento dei candidati non parlava direttamente con il nostro HCMS. Così siamo riusciti a collegarli e a dire: "Bene, prendete i dati da lì e metteteli lì". E questo ha liberato 13 posti di lavoro, persone che siamo riusciti a trovare, altri dipendenti all'interno dell'azienda. Quindi, ripeto, non stiamo licenziando nessuno. Non stiamo licenziando nessuno per questo. Ma all'improvviso ho avuto 300.000 dollari che mi hanno permesso di creare il mio team di analisi delle persone e di iniziare a lavorare all'implementazione di queste cose. Era proprio lì. Era disponibile per tutto il tempo. Si trattava di una tecnologia che avevamo in casa, che non ci costava praticamente nulla e che ha dato il via a questo processo di crescita in termini di guadagni sempre maggiori, di tempo liberato, di persone in grado di fare altre cose e di guadagni sempre più consistenti.

Dayle Hall:

Adoro questo consiglio. Mi piace il fatto che non importa quale sia la dimensione dell'azienda e che non si debba essere un'organizzazione di 10.000 persone. È possibile trarre vantaggio da queste cose oggi. Ultima domanda: cosa la entusiasma di più del potenziale dell'IA nello spazio di analisi delle persone delle risorse umane? Non devono essere necessariamente 12 mesi. Potrebbero essere 5 anni, 10 anni. Qual è la cosa più eccitante che non vede l'ora di vedere?

Zach Frank:

Da un punto di vista operativo, direi che i progressi che stanno arrivando in termini di identificazione e gestione della retention. Si tratta di una delle maggiori opportunità strategiche che esistono in termini di risorse umane e di migliore servizio all'azienda. I problemi da un punto di vista dei dati, per poter eseguire una regressione di Cox e capire quando le persone possono andarsene e perché, non sono così difficili. Penso quindi che ci saranno fornitori che entreranno in questo spazio e offriranno soluzioni chiavi in mano davvero valide. Sono molto, molto entusiasta di questo. 

Se guardo ancora più in là e penso a cose come la riqualificazione, che so essere una conversazione molto importante che si svolge nell'ambito della tecnologia e della trasformazione, ma non ho ancora visto nessuno offrire una soluzione davvero, davvero buona. Quindi, è possibile guardare al futuro e dire, tornando alla conversazione sulle competenze, quali saranno le competenze più importanti per noi tra cinque anni? Chi è più vicino a essere in grado di farlo internamente? E poi come possiamo convertirli più facilmente in modo che siano in grado di acquisire quella competenza? In modo da ottenere una maggiore longevità, una migliore conoscenza istituzionale e una migliore posizione e carriera lavorativa. 

In questo scenario vincono tutti. Ma credo che la possibilità di tracciare un percorso di questo tipo sia ancora in fase iniziale, tanto più che l'intero progetto è in grado di funzionare in modo completo. Ma sono molto, molto entusiasta di cose come questa.

Dayle Hall:

Sì, due aree molto importanti per le funzioni di tipo HR, la riqualificazione e la fidelizzazione. Zach, è stata un'ottima conversazione. Mi dispiace per i nostri colleghi di Aramark che dovranno perdere la tua esperienza. Ma mi congratulo con la Freeman Company per averti inserito nei loro libri. Grazie mille per il tempo che ci hai dedicato oggi.

Zach Frank:

Grazie. Mi è piaciuto molto.

Dayle Hall:

Ottimo. Grazie a tutti per aver ascoltato questo podcast. Ci vediamo nel prossimo episodio di Automatizzare l'impresa. Sono Dayle Hall. Ci vediamo nella prossima puntata.