Kualiti Keputusan Berbeza antara “Pengembangan” dan “Pertahanan”
Keputusan pengurusan untuk “pengembangan” dan keputusan pengurusan untuk “pertahanan”. Transformasi organisasi yang dijalankan tanpa kesedaran tentang perbezaan ini berkemungkinan besar akan mencipta struktur yang “tidak dapat ditarik balik”. Terutamanya pada masa kini apabila alat sokongan pengurusan terkini yang menggunakan AI dan analisis data muncul satu demi satu, pembezaan ini adalah sangat penting.
Melihat berita terkini, Dentsu Institute mengumumkan “Program Transformasi Organisasi HR×AI”, manakala NEC mengumumkan “Kokpit Pengurusan × Snowflake Intelligence”. Kedua-duanya mendakwa dapat menganalisis data yang banyak dengan AI dan “mengoptimumkan” keputusan pengurusan dan sumber manusia. Sebaliknya, dalam kes Nabefure Fitness, keputusan untuk “pertahanan” – iaitu untuk melindungi struktur sedia ada yang baik – diperkenalkan, bukannya untuk “pengembangan”.
Terdapat titik perbezaan yang besar di sini. Pengenalan AI bertujuan “pengembangan” boleh direka sebagai “eksperimen” untuk meneroka kemungkinan baru. Walau bagaimanapun, apabila tujuannya adalah “pertahanan” (contohnya, mengekalkan daya saing, mencegah kehilangan bakat, meningkatkan kecekapan operasi sedia ada), keputusan itu sering menjadi “kekal” dan cenderung kehilangan kebolehbalikan.
3 Perangkap Tidak Dapat Ditarik Balik yang Dicipta oleh “Pengenalan Defensif”
Penggunaan AI dan data bertujuan “pertahanan” kelihatan berisiko rendah pada pandangan pertama. Walau bagaimanapun, bias psikologi ini mewujudkan 3 “perangkap tidak dapat ditarik balik” berikut.
1. Perangkap yang Dibenarkan sebagai “Kos Mengekalkan Status Quo”
Pelaburan untuk “pengembangan” akan dianggap “gagal” dan menjadi peluang untuk menarik diri jika hasilnya tidak jelas. Walau bagaimanapun, pelaburan untuk “pertahanan”, contohnya “alat analisis AI untuk mengekalkan penglibatan pekerja”, mempunyai kesan yang sukar dilihat. Akibatnya, logik “mungkin alat inilah yang membolehkan status quo dikekalkan” berfungsi, dan walaupun keberkesanannya diragui, “keberanian untuk berhenti” menjadi sukar. Ini adalah mekanisme pemantapan yang kuat yang meningkatkan halangan psikologi untuk membatalkan dengan ketara.
2. Perangkap Tertanam Dalam dalam Proses Operasi
Alat defensif diperkenalkan tepat pada “jurang” atau “isu” dalam operasi sedia ada. Contohnya, memperkenalkan alat penilaian AI berasaskan data objektif untuk menyelesaikan isu “subjektiviti” dalam penilaian HR. Ini kelihatan rasional, tetapi apa yang hilang di sini adalah “peluang untuk memerhati subjektiviti itu sendiri”. Apabila alat itu menentukan proses penilaian, proses itu menjadi tetap sebagai “jawapan yang betul”, dan walaupun alat itu dikeluarkan, kemahiran penilaian subjektif asal dan asas untuk membincangkan kebenarannya mungkin sudah hilang. Tempat untuk kembali sudah tidak wujud lagi.
3. Perangkap di mana “Kebergantungan pada Data” Merampas Otonomi Keputusan
Dalam dunia di mana ejen AI membantu membuat keputusan daripada 30PB data seperti “Kokpit Pengurusan” NEC, apakah peranan pengurus? Dalam situasi di mana pemikiran defensif kuat, “mengelak risiko yang ditunjukkan oleh data” mungkin menjadi keutamaan utama kriteria keputusan. Jika data “mencadangkan penarikan diri”, maka tarik diri; jika data “mencadangkan kawalan pelaburan”, maka kawal. Ini adalah proses mengoutsource “tanggungjawab” keputusan pengurusan kepada data dan melemahkan otot keputusan sendiri. Apabila struktur kebergantungan ini terbentuk, organisasi yang tidak boleh membuat keputusan tanpa data, iaitu tidak dapat keluar dari “kebergantungan data”, akan selesai.
Cara Mereka Bentuk Kebolehbalikan dalam “Pengenalan AI Defensif”
Jadi, bagaimana untuk menggunakan teknologi terkini untuk “mempertahankan” persekitaran persaingan sambil mengelak perangkap tidak dapat ditarik balik? Intinya adalah, setelah mengakui tujuan keputusan sebagai “pertahanan”, reka bentuk pengenalannya sebagai “eksperimen terhad”, bukannya “langkah kekal”.
Tetapkan Titik Pemerhatian pada “Intipati Operasi”, Bukan “Kesan Alat”
Ambil program “berasaskan data tingkah laku operasi” Dentsu Institute sebagai contoh. Apabila memperkenalkannya, jangan jadikan “kadar penerimaan cadangan penempatan HR yang dicadangkan oleh AI” atau “kepuasan laporan analisis” sebagai kriteria penilaian. Ini hanyalah penilaian prestasi alat dan cenderung digunakan sebagai justifikasi untuk pengenalan defensif.
Apa yang benar-benar perlu diperhatikan ialah, “bagaimana kandungan sesi 1on1 antara pengurus dan ahli (terutama bahagian kesedaran isu) berubah sebelum dan selepas pengenalan alat?” dan “bagaimana potensi bakat yang sebelum ini dibincangkan berdasarkan ‘gerak hati’ dijelaskan secara lisan, atau tidak?”. Sama ada alat itu “menggantikan” bahagian penting operasi, atau hanya “membantu”. Pemerhatian ini menjadi satu-satunya bahan untuk meramalkan skop kesan apabila alat dikeluarkan.
Strukturkan “Syarat Penarikan Diri”, Jangan Kuantifikasikannya
Berbahaya untuk menjadikan syarat penarikan diri pengenalan defensif sebagai sasaran berangka seperti “jika ROI jatuh di bawah 1.2”. Ini kerana kesan pertahanan sangat sukar untuk dikuantifikasikan, dan kelangsungan mudah dibenarkan dengan tafsiran yang sesuai.
Sebaliknya, tetapkan “syarat penarikan diri berstruktur” seperti berikut terlebih dahulu.
- “Apabila tiada satu pun pertukaran HR yang mengabaikan hasil analisis alat ini berlaku dalam satu tempoh (separuh tahun)” (tanda kehilangan otonomi keputusan)
- “Apabila tiada pemerhatian atau hipotesis baharu mengenai bakat yang keluar dari pihak pengurusan selain daripada laporan berkala alat” (tanda berhenti berfikir)
- “Apabila pihak pengurusan selain daripada pengendali alat kehilangan sepenuhnya peluang untuk menyentuh data mentah (maklumat primer) yang menjadi asas data output alat” (tanda kotak hitam)
Ini adalah penggera untuk mengesan kesan buruk alat terhadap “struktur” organisasi.
Kekalkan “Antara Muka Manusia”
Reka bentuk kebolehbalikan yang paling penting terletak pada cara memisahkan kerja antara AI dan manusia. Daripada menyerahkan “keputusan” atau “penilaian” kepada AI, hadkan peranan AI kepada “penyusunan dan visualisasi maklumat”, dan pastikan antara muka di mana manusia sentiasa membuat “keputusan” dan “tafsiran” akhir dikekalkan.
Contohnya, AI mencadangkan 3 “cadangan pembentukan pasukan optimum berdasarkan data produktiviti”. Pihak pengurusan merujuk cadangan itu, tetapi membuat keputusan akhir dengan mempertimbangkan “peluang pembangunan anak muda” atau “konteks hubungan manusia” yang tidak muncul di sana. Dengan menginstitusikan proses ini, walaupun alat AI dikeluarkan, “otot” manusia untuk menyusun maklumat dan membuat keputusan tidak akan lemah. Ini adalah reka bentuk sedar untuk terus menggunakan alat sebagai “roda bantu”.
Jangan Hilang Pandangan pada Tujuan Keputusan
Apa yang dicadangkan oleh keputusan “pertahanan” Nabefure Fitness ialah intipati pengurusan kadangkala terletak pada “apa yang tidak diubah” dan “apa yang dipertahankan”. Penggunaan AI dan data sepatutnya menjadi cara untuk mengukuhkan “perkara yang perlu dipertahankan” itu, dan tidak sepatutnya tanpa disedari menggantikan “perkara yang perlu dipertahankan” itu sendiri.
Keputusan untuk “pengembangan”, jika tidak berjaya, boleh ditarik balik. Tetapi keputusan untuk “pertahanan”, apabila ditarik balik, asas yang perlu dipertahankan itu sendiri mungkin sudah terhakis. Oleh itu, reka bentuk eksperimen yang lebih berhati-hati dan mementingkan kebolehbalikan diperlukan.
Apabila mempertimbangkan alat baharu atau penggunaan data untuk tujuan “meningkatkan kecekapan operasi”, “pengekalan bakat”, atau “mengekalkan daya saing” pada masa hadapan, tanya diri anda terlebih dahulu: “Apakah yang perlu ‘dipertahankan’ oleh syarikat kami melalui keputusan ini? Dan adakah laluan untuk menamatkan eksperimen dan kembali ke asal tanpa menghakis objek pertahanan itu?” Langkah pemikiran itu adalah garis pertahanan pertama dan terakhir untuk mencegah terjatuh ke dalam pengurusan yang tidak dapat ditarik balik.
コメント