Corey Spencer, GM a GVP umělé inteligence ve společnosti UKG – Interview Series

Corey Spencer je Group Vice President a General Manager of Product Management for AI & Platform ve společnosti UKG. Řídí produktovou strategii a inovace v oblasti umělé inteligence, platformy a inteligence pracovní síly ve společnosti UKG, což pomáhá organizacím proměňovat data o pracovní síle v akční poznatky, které pozitivně ovlivňují obchodní výsledky. S více než 20 lety zkušeností je Spencer respektovaným thought leaderem v oblasti budoucnosti umělé inteligence, inteligence pracovní síly a aplikace umělé inteligence na práci na první linii.

UKG je globálním poskytovatelem softwaru pro správu lidského kapitálu, mzdy a správu pracovní síly, který je navržen tak, aby pomáhal organizacím efektivněji spravovat a podporovat své zaměstnance. Jeho platforma kombinuje lidské zdroje, mzdy, rozvrhy, docházku, compliance, analýzy a analýzy pracovní síly s umělou inteligencí, které slouží podnikům od malých společností po velké globální podniky. S 50 lety zkušeností v oboru podporuje UKG více než 80 000 organizací ve 150 zemích, s desítkami milionů lidí, kteří používají jeho řešení každý den.

Vy jste strávil více než dvě desetiletí tím, že pomáháte podnikům porozumět zákaznickým, analytickým a datům o pracovní síle napříč společnostmi, jako jsou Adobe, Alteryx a UKG. Co vás přesvědčilo, že pracovníci na první linii, spíše než znalostní pracovníci, představují jednu z nejvýznamnějších a přehlížených příležitostí pro umělou inteligenci dnes?

To, co mě přesvědčilo, je jednoduché: první linie je tam, kde ekonomika skutečně běží.

Viděli jsme obrovský pokrok v aplikaci umělé inteligence na znalostní práci. Ale největší, nejdynamičtější část pracovní síly byla často zanedbána. Pracovníci na první linii představují většinu pracovníků celosvětově – až 80 % podle některých odhadů – a pohánějí odvětví, na která všichni závisíme každý den: zdravotnictví, maloobchod, výroba, logistika, pohostinství a veřejné služby.

Pro mnoho společností je první linie také jednou z největších částí rozvahy. Je to místo, kde se setkávají náklady na práci, zákaznická zkušenost, compliance, bezpečnost, kvalita služeb a angažovanost zaměstnanců. A přesto zůstává jednou z nejméně optimalizovaných částí podniku.

Ne proto, že práce je jednoduchá. Protože je to neuvěřitelně komplexní.

Práce na první linii může být naplánována na týden nebo měsíc, ale mění se každou minutou každého směny. Někdo se ozve. Poptávka prudce stoupá. Změní se zátěž pacientů. Dodávka je zpožděna. Pravidlo compliance se uplatňuje jinak v závislosti na roli, umístění, certifikaci nebo počtu odpracovaných hodin.

Tradiční podnikové systémy byly postaveny na zaznamenávání toho, co se stalo. První linie potřebuje technologii, která může pomoci organizacím jednat, zatímco rozhodnutí ještě má význam.

To je důvod, proč je umělá inteligence tak důležitá. Agentic AI může porozumět kontextu, záměru a omezením a poté pomoci orchestraci akce napříč rozvrhem, časem, mzdou, HR a provozem – s lidmi v kontrolním režimu.

Pro mě je příležitost uzavřít mezeru mezi plánováním pracovní síly a prováděním pracovní síly. Když to uděláme, zaměstnanci dostanou lepší zkušenosti, manažeři dostanou podporu v měřítku, které žádný jedinec nemůže zvládnout sám, a podniky mohou operovat s větší rychlostí, přesností a důvěrou.

To není jen příběh o produktivitě. Je to příběh o provedení.

Pracovníci na první linii tvoří většinu globální pracovní síly, ale většina boomu umělé inteligence se zaměřila na nástroje pro produktivitu v kancelářích. Proč si myslíte, že průmysl podcenil složitost a důležitost prostředí první linie po tak dlouhou dobu?

Myslím, že průmysl podcenil první linii, protože bylo snazší postavit umělou inteligenci pro práci, která už byla digitální.

Práce v kancelářích probíhá v dokumentech, e-mailech, schůzkách, kalendářích a nástrojích pro spolupráci. To z něj udělalo přirozenou první vlnu pro umělou inteligenci. Ale první linie je jiná. Je fyzická, distribuovaná, vysoce regulovaná, časově citlivá a neustále se mění. A přesto představuje až 80 % globální pracovní síly – lidé, kteří obecně nesedí u stolů, ale kteří udržují podniky, komunity a ekonomiky v chodu každý den.

Složitost není pouze v práci samotné. Je to data kolem práce. Jsme štěstí, že UKG se vždy zaměřoval na první linii, takže máme více než desetiletou výhodu v této oblasti.

Data o pracovní síle na první linii jsou neuvěřitelně objemná a šumivá. Přicházejí z rozvrhů, časových hodin, platů, pravidel, certifikací, prognóz, absencí, signálů poptávky, požadavků na compliance, rozhodnutí manažerů, preferencí zaměstnanců a provozních změn, ke kterým dochází napříč tisíci lokalitami a směnami. Tyto signály jsou neustále v pohybu a jsou hluboce závislé na kontextu – roli, umístění, dovednostech, zásadách, regulacích, poptávce a načasování.

To udělalo prostředí první linie mnohem obtížnější pro smysluplnou analýzu. Ve chvíli, kdy mnoho organizací může pochopit, co se stalo, už uplynula chvíle, kdy mohly ovlivnit výsledek. Mezera ve směně, riziko přesčasů, problém s compliance, výjimka z platby nebo signál o chybějící pokrytí nemá význam o týden později. Má význam, zatímco je ještě čas jednat.

To je důvod, proč umělá inteligence na první linii musí být fundamentálně odlišná od umělé inteligence pro produktivitu v kancelářích. Nemůže pouze shrnovat informace nebo generovat obsah. Musí porozumět provoznímu kontextu, interpretovat šumivá signály pracovní síly a pomoci lidem jednat v reálném čase.

Pro UKG je to jádro příležitosti našeho podnikání a řešení, jako je UKG Workforce Intelligence Hub. První linie nepotřebuje další systém záznamu. Potřebuje systém akce – jeden, který pomáhá organizacím proměňovat data o pracovní síle v lepší rozhodnutí, rychlejší provedení a více důvěryhodné výsledky pro zaměstnance, manažery a podnik.

Podnikový software byl postaven kolem práce, která byla snazší digitalizovat: stolů, dokumentů, schůzek, workflow a znalostní práce. Ale práce na první linii je jiná. Je fyzická, distribuovaná, regulovaná, časově citlivá a vysoce specifická pro odvětví.

Prodejce v maloobchodě, zdravotní sestra, výrobní technik, skladník a hotelový manažer jsou všichni pracovníci na první linii, ale provozní prostředí kolem každého z nich je zcela odlišné. Týmy v maloobchodě mohou potřebovat upravit pracovní sílu na základě dopravy, akcí, počasí nebo místních událostí. Zdravotnické týmy potřebují správnou osobu se správnou kvalifikací ve správné jednotce, jak se mění potřeby pacientů po celý den. Výrobní týmy vyvažují dovednosti, bezpečnost, přesčas, výrobní plány a pravidla práce.

To je skutečná složitost. Práce může být naplánována na týden nebo měsíc, ale mění se každou minutou každého směny. Rozvrh, který vypadal správně v pondělí, může být špatný do středy. Plán pracovní síly, který fungoval v 8 hodin, může být rozbitý do poledne.

Historicky mohli většina systémů pouze zaznamenat, co se stalo. První linie potřebuje více než reporting. Potřebuje akci v okamžiku.

To je důvod, proč je umělá inteligence tak důležitá. Agentic AI může porozumět kontextu, záměru, omezením a obchodním pravidlům a poté pomoci manažerům a zaměstnancům jednat napříč rozvrhem, časem, mzdou, HR a provozem.

Strávili jsme desetiletí prací na těchto výzvách první linie. Co je jiné nyní, je to, že umělá inteligence nám dává způsob, jak je transformovat na nové úrovni rychlosti, přesnosti a relevance odvětví.

Příležitost není udělat práci na první linii podobnou práci v kancelářích. Je to postavit technologii, která respektuje, jak práce na první linii skutečně probíhá – a pomáhá lidem a podnikům dělat lepší rozhodnutí v reálném čase.

Stavění umělé inteligence pro prodejce v maloobchodě, zdravotní sestru, skladníka nebo hotelového manažera je velmi odlišné od stavění umělé inteligence pro pracovníky v kancelářích. Jaké jsou největší technické a provozní rozdíly mezi těmito prostředími?

Největší rozdíl je v tom, že umělá inteligence na první linii nemůže pouze žít v dokumentu, schránce nebo okně chatu. Musí žít v toku práce.

Pro pracovníky v kancelářích často umělá inteligence pomáhá vytvářet, shrnovat, vyhledávat nebo analyzovat informace. Pro pracovníky na první linii musí umělá inteligence porozumět, co se děje v provozu právě teď – kdo pracuje, kdo je kvalifikován, kdo je dostupný, jak vypadá poptávka, jaká pravidla platí a jaká akce by se měla stát dál. To je velmi odlišný technický problém.

Takže umělá inteligence musí být kontextuální, odvětvově vědomá a akčně orientovaná. Musí porozumět rolím, zásadám, pravidlům práce, dopadům na mzdu, rozvrhům, certifikacím a obchodním prioritám – a musí to dělat s důvěrou, vysvětlitelností a lidským dohledem.

Provozní rozdíl je stejně důležitý. Manažeři na první linii nemají čas interpretovat dashboardy, zatímco se směna pohybuje. Zaměstnanci nemají rádi další systém, který musí navigovat. Umělá inteligence musí být vestavěná, rychlá, intuitivní a užitečná v okamžiku.

To je důvod, proč umělá inteligence na první linii není pouze kopilotem pro práci. Je to inteligence, která pomáhá organizacím smysluplně rozhodovat a jednat v reálném čase.

Vy jste mluvil o důležitosti dat o pracovní síle v reálném čase, včetně směn, rozvrhů, mezd a signálů o pracovní síle. Proč je provedení v reálném čase zvláště kritické pro systémy umělé inteligence na první linii?

Výzva není, zda organizace má data. Většina podniků vytváří více dat o pracovní síle než kdykoli předtím. Výzva je přeložit tyto signály do včasných doporučení, pokynů a akcí – zatímco rozhodnutí ještě má význam.

To je důvod, proč je provedení v reálném čase tak kritické pro umělou inteligenci na první linii. Umělá inteligence musí porozumět, co se děje, jaká omezení platí a jaká by měla být další akce. Měli bychom upravit rozvrh? Vyplnit otevřenou směnu? Upozornit manažera? Předcházet problému s compliance? Opravit výjimku z platby, než se stane problémem pro zkušenost zaměstnance?

Tyto rozhodnutí mohou vypadat malé, ale napříč tisíci zaměstnanci, směnami a lokalitami se tyto okamžiky rychle sčítají. Lepší pokrytí, méně výjimek, chytřejší rozhodnutí o pracovní síle a rychlejší akce manažerů mohou mít významný dopad na zaměstnance a podnik.

To je účel UKG Workforce Intelligence Hub: pomoci organizacím proměňovat data o pracovní síle v lepší rozhodnutí a rychlejší akci, zejména pro první linii.

Máme jedinečný přehled napříč HR, mzdami a správou pracovní síly – oblastmi, kde se strategie pracovní síly stává provozní realitou. Když tato data kombinujeme s odvětvovými a peer benchmarky, přehledy nákladů na práci, umělou inteligencí, která může povысit nejrelevantnější poznatky a doporučené akce, lídři dostanou mnohem jasnější pohled na to, co se děje, proč to matters a kde jednat.

Pro výkonné manažery je to skutečná hodnota. Není to další dashboard, který musí procházet. Je to nástroj, který pomáhá lépe spravovat pracovní sílu, identifikovat rizika dříve, benchmarkovat výkon efektivněji a dělat rozhodnutí s větší jistotou v okamžicích, které matters.

Mnoho organizací zkoumá agentic AI, ale existují obavy kolem autonomie, governance a důvěry. Jaké jsou nutné zábrany předtím, než podniky mohou dovolit agentům umělé inteligence jednat v systémech správy pracovní síly?

V provozních operacích potřebují agenti umělé inteligence jasná omezení, protože rozhodnutí jsou hluboce lidská. Ovlivňují rozvrhy, mzdy, compliance, pokrytí, únavu, spravedlnost a důvěru zaměstnanců. To znamená, že agenti nemohou jednat pouze pro optimalizaci rychlosti nebo efektivity. Musí operovat v rámci zásad, oprávnění a účelu.

Nejdůležitější zábrany jsou kontext, kontrola a zodpovědnost.

Kontext znamená, že umělá inteligence rozumí zaměstnanci, roli, umístění, pravidlům práce, obchodním potřebám a následnému dopadu. Kontrola znamená, že agent jedná pouze v rámci definovaných oprávnění, s odpovídající úrovní lidského schválení na základě rizika. Zodpovědnost znamená, že každé doporučení nebo akce je vysvětlitelné, auditable a reverzibilní.

Některé akce mohou být vhodné pro automatické provedení agentem, jako je například vyplnění otevřené směny kvalifikovanými zaměstnanci nebo upozornění manažera na riziko přesčasů. Vyšší dopad akce, zejména ty, které ovlivňují mzdy, compliance, bezpečnost nebo materiální změny rozvrhu, by měly vyžadovat lidské přezkoumání.

Cílem není odstranit manažery nebo týmy HR z procesu. Je to dát jim inteligentní podporu v měřítku, které žádný jedinec nemůže zvládnout sám.

Důvěryhodná agentic AI by měla proměňovat záměr v akci – ale vždy s transparentností, governance a lidmi v kontrole.

Každá schopnost by měla projít přísnou validací modelu, bezpečnostní kontrolou, posouzením soukromí a neustálým monitorováním, než se dostane do produkce.

UKG diskutoval o aplikacích umělé inteligence, které mohou rebalancovat rozvrhy, detekovat anomálie v platbách a urychlit nábor. Které z těchto případů použití již dodávají měřitelnou provozní hodnotu dnes a které jsou stále ve fázi počátku?

Případy použití, které dodávají hodnotu nejrychleji, jsou ty, které odstraňují tření z rozhodnutí, která manažeři a týmy již musí dělat každý den.

Detekce anomálií v platbách je příkladem, se kterým může každý soucítit. Platby jsou jedním z nejvíce důvěryhodných procesů v jakémkoli podniku a jsou zvláště komplexní pro pracovníky na první linii a hodinové zaměstnance. Zmeškaný punch, problém s platbou, výjimka z platby nebo problém s compliance může vytvořit hodiny manuální práce a přímo ovlivnit důvěru zaměstnance. Umělá inteligence může pomoci identifikovat problémy dříve, vysvětlit, co vypadá špatně, a vést týmy k řešení, než se platby uzavřou.

Existují mnohem pokročilejší příklady, které nás velmi zajímají. Jedním z nich je optimalizace rozvrhu a pracovní síly v reálném čase. To je místo, kde je UKG Dynamic Workforce Operations tak důležité. Hodnota není pouze vidět, že obchod, jednotka, sklad nebo hotel je nedostatečně obsazen. Hodnota je porozumět, co se změnilo, jaká omezení platí a jakou akci by měl manažer podniknout v okamžiku – zda vyplnit otevřenou směnu, vyhnout se riziku přesčasů nebo chránit pokrytí. Tato rozhodnutí se dělají dnes podle instinktu, často hodiny příliš pozdě. Nyní mohou manažeři dostat doporučení podložené daty, než si člověk uvědomí, že existuje problém.

Třetí je podpora pracovníků na první linii v toku práce. Prostřednictvím sítě UKG Frontline Worker lze data o pracovní síle pomoci zaměstnancům získat podporu kolem bohatství, zdraví a každodenních potřeb, když jsou tyto potřeby nejrelevantnější. To je stále vznikající kategorie, ale je to důležitá, protože zkušenost zaměstnance nemůže žít v samostatném portálu, který nikdo nemá čas používat.

Rychlejší nábor se také stává mycket praktickým, zejména ve velkém měřítku na první linii, kde rychlost matters. Naše AI-nativní UKG Rapid Hire snížila dobu od zájmu kandidáta do naplánovaného pohovoru z týdnů a dnů na hodiny a dokonce i minuty v některých případech. Snížili jsme opakující se práci napříč zdrojováním, screeningem, plánováním, náborovým procesem a přípravou na první den pro nábor na první linii ve velkém měřítku.

Skutečná příležitost není izolovaná automatizace. Je to platforma pro správu pracovní síly, která může smysluplně rozpoznat, co se mění, doporučit nejlepší další akci a pomoci organizacím pohybovat se od záměru k akci s odpovídající governance a lidským dohledem.

V odvětvích, jako je zdravotnictví, výroba a logistika, mohou malé poruchy pracovní síly mít okamžitý dopad na provoz. Jak navrhujete systémy umělé inteligence, které mohou reagovat rychle, aniž by vytvářely další provozní rizika?

Rychlost matters, ale v prostředích první linie je rychlost bez kontroly riziko.

V zdravotnictví, výrobě, logistice a dalších komplexních odvětvích může malá porucha pracovní síly rychle mít následky. Jedna absence může ovlivnit pokrytí pacientů. Jedna mezera ve dovednostech může zpomalit výrobní linku. Jedna zmeškaná signál o pracovní síle může zpoždit dodávky nebo vytvořit riziko přesčasů.

Cílem není postavit umělou inteligenci, která se pouze pohybuje rychleji. Cílem je postavit umělou inteligenci, která se pohybuje rychleji v rámci správných omezení.

To začíná kontextem. Umělá inteligence musí porozumět, kdo je kvalifikován, jaká pravidla platí, jaké pokrytí je vyžadováno, jaká rizika compliance existují a jaký je následný dopad každé akce.

Je také vyžadována autonomie založená na riziku. Některé akce mohou být doporučeny nebo provedeny s velmi nízkým rizikem, jako je upozornění manažera, identifikace kvalifikovaných náhradníků nebo vyplnění otevřené směny. Další akce by měly vyžadovat lidské přezkoumání, zejména ty, které ovlivňují mzdy, compliance, bezpečnost nebo materiální změny rozvrhu.

Nejlepší systémy umělé inteligence na první linii jsou navrženy tak, aby byly vysvětlitelné, auditable a reverzibilní. Manažeři potřebují vědět, proč bylo doporučení učiněno. Zaměstnanci potřebují důvěřovat procesu. A podnik potřebuje jistotu, že umělá inteligence zlepšuje provedení, aniž by zaváděla nová rizika.

Pro nás je princip návrhu jednoduchý: umělá inteligence by měla pomoci organizacím smysluplně rozhodovat a jednat v reálném čase – s lidmi, zásadami a governance vestavěnými od začátku.

Existuje rostoucí obava mezi pracovníky, že umělá inteligence může nahradit pracovní místa, zejména v odvětvích první linie. Jak vyvažujete automatizaci s posilováním zaměstnanců, spíše než vytvářením strachu nebo nejistoty kolem přijetí umělé inteligence?

Myslím, že musíme oddělit hype automatizace od provozní reality.

Posledních deset let jsme viděli mnoho příkladů, kde nahrazení práce na první linii se ukázalo jako mnohem obtížnější, než se očekávalo. Samoobslužné pokladny měly smíšené výsledky. Plně automatizované rychlé občerstvení bylo více pilotním projektem než paradigmou. Dodávka dronem stále vypadá, pro většinu lidí, jako něco z budoucnosti.

To není proto, že technologie není mocná. Je to proto, že velká část práce na první linii zůstává hluboce lidská.

Pracovníci na první linii zpracovávají výjimky, úsudky, péči, bezpečnost, služby, empatii a důvěru. Zdravotní sestra není pouze úkol, který musí být dokončen. Prodejce v maloobchodě není pouze pohyb zboží. Pracovník v restauraci není pouze plnění objednávky. Tyto role se nacházejí na křížení lidí, operací, compliance a zákaznické zkušenosti.

Umělá inteligence může odstranit tření kolem práce na první linii: matoucí rozvrhy, zmeškané punchy, otázky o platbě, otevřené směny, složitost compliance, mezery v pracovní síle a administrativní úkoly, které odvádějí manažery od jejich týmů. Může pomoci zaměstnancům získat odpovědi rychleji, pomoci manažerům dělat lepší rozhodnutí a pomoci organizacím operovat s větší přesností.

Budoucnost umělé inteligence na první linii není o odstranění lidí z práce. Je o poskytnutí lidem lepších nástrojů, lepší podpory a více pomoci v okamžicích, které matters.

Vy jste popsali umělou inteligenci jako pohyb podnikového softwaru od systémů záznamu k systémům inteligentní akce. Jak vidíte vývoj platform pro správu pracovní síly v příštích pěti letech, když se agentic AI stává více vestavěnou do denních operací?

Spíše bych reformuloval otázku. Otázka není, jak budou vypadat platformy pro správu pracovní síly za pět let. Otázka je, které organizace budují základy dnes, aby byly lídry za pět let.

Rychlost změny v oblasti umělé inteligence je příliš rychlá, aby se s tím zacházelo jako s vzdálenou transformací. Výhoda půjde organizacím, které se pohybují nyní od nespojených systémů, neohrabaných sad a bodových řešení směrem k skutečné platformě pro správu pracovní síly – jedné, která spojuje HR, mzdy, čas, rozvrhy, inteligenci pracovní síly a provedení.

To je další příklad, kde je UKG Workforce Intelligence Hub důležité. Když se umělá inteligence stává více vestavěnou do denních operací pracovní síly, inteligence nemůže sedět odděleně jako statické reportování. Musí se stát součástí, jak se práce rozumí, priorizuje a jedná.

Organizace potřebují vrstvu inteligence pro operace pracovní síly na první linii, aby přinesly správný obsah do správného okamžiku.

To matters, protože operace pracovní síly jsou plné marginálních zisků a marginálních ztrát. Jedna zmeškaná signál o pracovní síle, jedna výjimka z platby, jeden problém s compliance, jedna otevřená směna nebo jedna zpožděná rozhodnutí manažera může vypadat malá v izolaci. Ale napříč tisíci zaměstnanci, lokalitami a směnami se tyto okamžiky rychle sčítají.

Agentic AI dává organizacím způsob, jak uzavřít tuto mezeru. Může porozumět, co se mění, interpretovat obchodní kontext, doporučit nejlepší další akci a pomoci lidem jednat v reálném čase s odpovídající governance a lidským dohledem.

V příštích pěti letech budou lídři ty organizace, které nebudou pouze přidávat funkce umělé inteligence do stávajících workflow. Budou to ty, které přehodnotí správu pracovní síly jako systém inteligentní akce.

Pro výkonné manažery je to urgentní: první linie se již pohybuje v reálném čase. Vaše technologie potřebuje pohybovat se s ní. Organizace, které budují tuto kapacitu nyní, budou mít významný náskok.

Pohledem do budoucna, věříte, že společnosti, které uspějí v podnikové umělé inteligenci, budou ty, které mají nejlepší modely, nebo ty, které mají nejhlubší provozní a data o pracovní síle spojená přímo s reálnými workflow?

Nejlepší modely budou mít význam, ale nemyslím, že modely samotné definují vítěze v podnikové umělé inteligenci.

V podniku je inteligence pouze cenná, pokud rozumí kontextu práce a může pomoci lidem jednat správně. To je especialmente pravda v operacích pracovní síly, kde doporučení může záviset na tom, kdo je naplánován, kdo je kvalifikován, jaká pravidla platí, jak vypadá poptávka, jaké jsou dopady na mzdu a jaké riziko nebo problém s compliance může být vytvořen.

Model bez tohoto provozního kontextu může vygenerovat odpověď. Platforma s odpovídajícími daty o pracovní síle, obchodními pravidly, kontextem workflow a governance může pomoci řídit výsledek.

To je důvod, proč je vrstva inteligence, kterou jsme vytvořili s naší UKG Workforce Intelligence Hub, tak důležitá. Umělá inteligence sedící na vrcholu systému má omezenou hodnotu. Inteligence by měla být vestavěná do toku práce, schopná interpretovat signály, porozumět provozním omezením a povысit rozhodnutí, která matters nejvíce.

To je směr, kam se trh pohybuje. Když se modely stávají více mocnými a přístupnějšími, diferenciace bude pocházet z toho, jak dobře je umělá inteligence zakotvená v reálných workflow a jak bezpečně může pohybovat se od inspirace k akci.

Pro první linii je toto rozlišení kritické. Práce se mění neustále a rozhodnutí mají okamžité důsledky pro zaměstnance, manažery, zákazníky, pacienty a podnik.

Společnosti, které uspějí v podnikové umělé inteligenci, nebudou pouze ty, které mají umělou inteligenci, která zní inteligentně. Budou to ty, které mají umělou inteligenci, která rozumí, jak práce skutečně probíhá – a může pomoci organizacím operovat s větší rychlostí, přesností, důvěrou a lidskostí.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit UKG.