Perangkap Transformasi Organisasi AI: ‘Pengurusan Sumber Manusia yang Tidak Boleh Ditarik Balik’ Akibat Bergantung pada Data

Isu Pengurusan ‘Kepuasan Pekerja’ dan AI sebagai Penyelesaian

Hampir 90% syarikat dengan lebih 50 pekerja menganggap ‘peningkatan kepuasan pekerja’ sebagai isu pengurusan yang penting. Hasil kajian ini mencerminkan realiti di mana ramai pengurus bergelut dengan pengekalan dan semangat tenaga kerja. Sementara itu, gergasi pengiklanan Dentsu telah mencadangkan ‘penyelesaian’ baharu untuk isu ini. Mereka telah mula menawarkan ‘Program Transformasi Organisasi HR×AI’ yang bermula dengan data penggunaan Microsoft 365, hasil kerjasama dengan Dentsu Institute.

Bilangan e-mel dihantar/diterima, masa mesyuarat, kekerapan sembang, rangkaian perkongsian fail… AI menganalisis data digital yang terhasil daripada kerja harian untuk ‘membuat visual’ realiti komunikasi organisasi dan isu-isu berpotensi. Pada pandangan pertama, pengurusan sumber manusia yang begitu rasional dan objektif seolah-olah tiada. Keputusan berasaskan data kelihatan jauh lebih ‘boleh ditarik balik’ berbanding penilaian sumber manusia tradisional yang bergantung pada gerak hati pengurus atau suara minoriti.

Namun, terdapat perangkap besar di sini. Data memberitahu kita ‘apa yang berlaku’, tetapi tidak memberitahu ‘mengapa ia berlaku’. Dan pada saat kita kehilangan ‘mengapa’ ini, keputusan pengurusan mula kehilangan kebolehbalikannya, diselubungi oleh jubah ‘kebenaran yang disokong data’.

Apabila Data Menyebabkan ‘Outsourcing Keputusan’

Program Dentsu mendakwa dapat menggabungkan HR (Sumber Manusia) dan AI untuk menggambarkan ‘realiti tersembunyi’ organisasi. Memang benar, ia boleh menjadi alat yang berkuasa untuk mengenal pasti ‘masalah struktur’ seperti putus komunikasi antara jabatan atau tumpuan kerja pada individu tertentu.

Masalahnya terletak pada ‘langkah seterusnya’. Apakah tindakan yang perlu diambil terhadap ‘kecenderungan’ atau ‘isu’ yang ditunjukkan oleh data? Kesilapan yang dilakukan oleh banyak organisasi di sini ialah menerima hasil analisis data terus sebagai ‘jawapan’, dan menghubungkannya terus dengan keputusan ‘sukar ditarik balik’ seperti pertukaran kakitangan atau perubahan sistem.

Contohnya, jika AI menganalisis ‘Komunikasi antara Jabatan A dan B sangat rendah’. Dari perspektif pengurusan yang boleh ditarik balik, ini hanyalah ‘hipotesis’. Untuk mengekalkan kebolehbalikan, langkah yang nampaknya tidak cekap mesti diambil terlebih dahulu: bertanya ‘mengapa ia rendah’ kepada ‘manusia’, bukan data. Adakah kerana tiada pertindihan kerja dan tidak diperlukan, atau konflik peribadi menjadi penghalang? Tindakan yang perlu diambil berbeza sama sekali berdasarkan sebabnya.

Jika data tidak dapat ditingkatkan dari ‘asas keputusan’ kepada ‘titik permulaan soalan’, analisis AI hanya menjadi alat untuk ‘mengoutsource’ pemerhatian dan pertimbangan pengurus itu sendiri. Keputusan yang dioutsource sukar diperbetulkan walaupun hasilnya tidak diingini kerana terdapat ‘bukti objektif’ berupa data, dan ia menjadi kukuh dalam organisasi.

Alat Pengukur ‘Kepuasan’ yang Memesongkan Realiti

Satu lagi bahaya ialah data yang boleh diukur sahaja akan menyempitkan definisi ‘kepuasan pekerja’. Apa yang boleh diukur oleh Microsoft 365 hanyalah ‘kesan aktiviti dalam dunia digital’. Perbualan semasa berjalan yang melahirkan idea kreatif, kepercayaan antara rakan sekerja yang memahami keadaan keluarga, perkongsian rasa pencapaian setelah mengatasi projek sukar. Unsur-unsur ‘analog yang tidak boleh diukur’ ini yang membentuk teras kesihatan dan semangat organisasi akan tenggelam dalam lautan data dan tidak kelihatan.

Dan apabila pengurusan mula hanya mengejar ‘indikator kepuasan yang boleh diukur dengan data’, kakitangan di lapangan mula ‘bermain permainan’ untuk meningkatkan indikator tersebut. Menambah bilangan sembang secara palsu, menetapkan mesyuarat yang tidak bermakna. Data memesongkan tingkah laku manusia, mencipta paradoks di mana kita semakin jauh dari realiti yang sepatutnya diperbaiki. Inilah permulaan ‘kitaran ganas tidak boleh ditarik balik’ yang sukar dilepaskan sekali ia bermula.

Cara Menggunakan ‘HR×AI’ untuk Mengekalkan Kebolehbalikan

Jadi, bagaimana untuk menggunakan alat AI seperti ini bukan sebagai senjata yang mengukuhkan keputusan, tetapi sebagai penyiasat yang meningkatkan kebolehbalikan? Kuncinya terletak pada mereka bentuk ‘tempoh penilaian’ dan ‘titik pemerhatian’ untuk pengenalan alat dengan ketat terlebih dahulu.

Prinsip Pertama: Tentukan Data sebagai ‘Penjana Hipotesis’

Semasa memperkenalkan program, bentuk persetujuan yang jelas antara pengurusan dan jabatan sumber manusia. ‘Hasil analisis AI ini bukan ‘fakta’, tetapi ‘hipotesis yang perlu disiasat’.’ Nilai luar biasa atau kecenderungan yang ditunjukkan oleh data mestilah ‘pencetus’ untuk manusia menyiasat penyebabnya secara langsung. Pada saat prinsip ini runtuh, pergantungan pada data bermula.

Prinsip Kedua: Utamakan ‘Senarai Soalan’ berbanding ‘Papan Pemuka’

Alat sering cenderung untuk memaparkan papan pemuka yang cantik dan pencapaian sasaran berangka. Namun, output yang sepatutnya dicari oleh pengurusan yang boleh ditarik balik bukanlah nombor tunggal seperti ‘Skor Penglibatan Pekerja bulan ini ialah 75 mata’. Ia adalah ‘senarai soalan’ yang spesifik seperti: ‘Bilangan e-mel dihantar pada waktu malam di Jabatan X meningkat 50% berbanding bulan lepas. Apakah maksudnya?’ ‘Perkongsian fail antara pihak berkepentingan Projek Y sangat rendah. Apakah halangan perkongsian maklumat?’

Berdasarkan senarai ini, pengurus berinteraksi dengan pasukan. Interaksi itu sendiri akan mendedahkan realiti yang tidak kelihatan melalui data sahaja, dan menjadi bahan untuk mereka bentuk tindakan seterusnya sebagai ‘eksperimen’.

Prinsip Ketiga: Laksanakan Tindakan sebagai ‘Eksperimen Tempoh Terhad’

Katakan dari data dan interaksi, didapati ‘kekurangan komunikasi’ sebagai isu. Di sini, jangan terus memperkenalkan penyusunan semula organisasi berskala besar atau sistem baharu yang kekal. Pertama, reka bentuk ‘eksperimen’ yang kecil, tempohnya jelas, dan kesannya boleh disahkan pada akhir tempoh, seperti ‘Selama 3 bulan, adakan sesi pertukaran maklumat 30 minit setiap hari Jumaat’.

Kejayaan eksperimen ini dinilai dari kedua-dua data (contohnya kadar peningkatan sembang selepas mesyuarat) dan maklum balas langsung peserta. Jika tidak berkesan, hentikan dengan bersih dan cuba hipotesis lain. ‘Gelung cuba jaya’ ini sendiri meningkatkan keupayaan pembelajaran organisasi dan mengelakkan ‘keputusan tidak boleh ditarik balik’ yang terhasil dari sistem sumber manusia yang kaku.

Menggunakan Data untuk Tidak Mengembalikan Masalah kepada ‘Masalah Manusia’

Nilai terbesar alat analisis AI seperti program Dentsu terletak pada keupayaannya untuk mengalihkan perhatian kepada ‘struktur atau reka bentuk kerja’ sebelum mengaitkan masalah dengan ‘keupayaan atau personaliti seseorang’. Contohnya, apabila data menunjukkan kerja tertumpu hanya pada individu tertentu, jangan mudah berfikir ‘orang itu tidak mencukupi’, tetapi jadikannya pencetus untuk mempersoalkan proses kerja asas: ‘Mengapa reka bentuk kerja tidak membenarkan pengagihan?’

Ini boleh menjadi garis panduan yang kuat untuk melaksanakan prinsip asas yang kami anjurkan: ‘Lihat kerja, bukan orang.’ Kerana data boleh mencadangkan ‘kecacatan struktur kerja’ tanpa emosi atau spekulasi.

Namun, pada saat garis panduan itu disalah anggap sebagai ‘jawapan’, alat itu merampas keupayaan pertimbangan manusia dan mencipta kekakuan baharu. Apa yang perlu dilakukan oleh pengurus bukanlah menyerahkan keputusan kepada AI. Sebaliknya, gunakan ‘perspektif baharu’ yang disediakan oleh AI sebagai bahan untuk memperdalam pertimbangan yang lebih manusiawi, mengulangi eksperimen kecil dengan kebolehbalikan tinggi, dan meningkatkan ‘kualiti keputusan’.

Kesimpulan: ‘Dialog’ antara AI dan Manusia Mencipta Sumber Manusia yang Boleh Ditarik Balik

Peningkatan kepuasan pekerja bukanlah ‘indikator’ yang dikawal oleh data, tetapi ‘hasil’ yang dipupuk dalam dialog harian dan proses cuba jaya. Alat canggih seperti program ‘HR×AI’ Dentsu harus diposisikan sebagai ‘rakan kongsi yang memberi kejutan’ untuk meningkatkan kualiti dialog tersebut.

Dalam tempoh penilaian pengenalan alat, perhatikan sama ada outputnya menuju ke arah ‘jawapan yang dikukuhkan’ atau menghasilkan ‘soalan yang aktif’. Apabila data menghentikan pertimbangan manusia, itulah langkah pertama ke arah ‘sumber manusia yang tidak boleh ditarik balik’.

Pengurusan yang benar-benar boleh ditarik balik bukanlah yang memudahkan keputusan dengan kuasa teknologi, tetapi yang menggunakan teknologi untuk mencipta ‘ruang untuk pertimbangan’ yang membolehkan lebih banyak hipotesis dibentuk, lebih banyak eksperimen dijalankan dengan selamat, dan pembelajaran yang lebih pantas.