Overvindelse af arbejdsmarkedsudfordringer ved at anvende AI på udvidet arbejdsstyrke-data

I dag kræver arbejdsmarkedet fleksibilitet. Arbejdsløsheden er lav, arbejdere forventer mere fra deres faste stillinger, og virksomheder kæmper for at finde kvalificerede kandidater, der passer til deres behov. En af måderne, som arbejdsgivere kan overvinde denne udfordring, er at udnytte den udvidede arbejdsstyrke, der består af freelancere, kontingentarbejdere, gig-arbejdere og leverandørleveret talent. Men ofte ligger denne data spredt over forskellige systemer, hvilket gør det svært at administrere sammen med resten af jeres ansættelsesdata.

Tilføjet til dette er kompleksiteten af AI. På den ene side kan anvendelse af AI på jeres arbejdsstyrke-data hjælpe jer med at forblive konkurrencedygtige på HR-området ved at udfylde stillinger hurtigere og skabe en bedre medarbejderoplevelse. Men denne evne til at aggregere al jeres arbejdsstyrke-data – herunder kontingentarbejdere – på ét sted gør det meget svært at gennemføre AI-initiativer på HR-området.

Da presset for at udfylde stillinger hurtigt og holde omkostningerne nede øges, er det værd at undersøge, hvordan organisationer kan forberede deres arbejdsstyrke-data, så AI kan hjælpe dem med at udfylde stillinger med de rette arbejdere fra både den faste og den udvidede arbejdsstyrke.

Nuværende arbejdsmarked

Det er en særligt udfordrende tid for virksomheder at finde det rette personale lige nu, delvist på grund af den historisk lave arbejdsløshed. Pr. juni 2025 var den på kun 4,1%, og fortsætter trenden fra de seneste par år. Med de fleste arbejdere allerede i stillinger, er der blot færre mennesker at vælge imellem – omkring tre fjerdedele af organisationerne (74%) rapporterer, at de kæmper for at finde kvalificerede arbejdere til at udfylde deres stillinger.

Det interessante er, at der er masser af arbejdere derude, men mange medarbejdere er nu selvstændige erhvervsdrivende, der ikke nødvendigvis søger fast arbejde. Den amerikanske udvidede arbejdsstyrke var oppe på 72,7 millioner ud af omkring 170 millioner i alt amerikanske arbejdere (omkring 42%). Mange af disse selvstændige erhvervsdrivende er fuldtids-selvstændige (næsten 40%), og næsten 80% er enten millennials eller generation Z.

Hvorfor kontingentarbejdere underudnyttes

Det er klart, at kontingentarbejdere nu er en afgørende del af den samlede arbejdsstyrke og bør være behandlet omhyggeligt sammen med faste medarbejdere. Men der er en diskonnektion mellem systemer, der fører til, at organisationer underudnytter dem, især når AI-initiativer på HR-området ikke inkluderer selvstændige erhvervsdrivende overhovedet.

For at AI fuldt ud kan tælle jeres tilgængelige arbejdsstyrke, både selvstændige erhvervsdrivende og faste medarbejdere inklusive, skal I inkludere data fra jeres leverandørstyringssystem (VMS), samt finansielle og indkøbssystemer. At aggregere alle disse data på ét sted i ét VMS og mærke dem på samme måde hjælper jeres AI-værktøjer med at få det fulde billede af, hvem der er tilgængelig til at udfylde åbne stillinger, I måtte have.

Hvad AI kan hjælpe jer med i forhold til udvidet arbejdsstyrke-data

At kombinere jeres arbejdsstyrke-data til AI-initiativer kan åbenbart hjælpe jer med at udfylde stillinger med frisk talent. Men det kan også hjælpe jer med at reducere bias imod kandidater med ikke-traditionelle arbejdshistorier (hvad mange kontingentarbejdere har). Dette er afgørende for at undgå enhver form for diskrimination i jeres rekrutteringspraksis.

mens mange organisationer måske tøver med at investere i nye leverandørstyringssystemer eller AI-initiativer på HR-området på grund af bekymringer om omkostninger, kan det faktisk hjælpe med at indskrænke overspending på selvstændige erhvervsdrivende. Med professionelle services (herunder kontraktarbejdere) som udgør mellem 45% og 65% af organisationernes samlede ikke-medarbejder-udgifter, er det en omkostning, der hurtigt kan løbe løbsk, hvis den ikke styres ordentligt. At anvende AI på jeres arbejdsstyrke-data kan hjælpe jer med at se, hvilke selvstændige erhvervsdrivende eller organisationer, I måske overspender på, og justere derefter.

Ultimo, at udnytte AI på den udvidede arbejdsstyrke er en investering, der kan betale sig i form af færre ledige stillinger, større effektivitet i daglig HR-aktivitet, bedre overholdelse af anti-bias-regler og omkostningsbesparelser ved at optimere brugen af kontingentarbejdere.

Hvordan I kan implementere AI på jeres samlede arbejdsstyrke-data

Når I har samlet jeres data, er det tid at gå i gang. AI-værktøjer kan gennemse ansøgere, gennemgå CV’er og analysere andre relevante oplysninger i jeres database. Hvis det udføres korrekt, kan AI gennemse både faste og udvidede arbejdsstyrke-data meget hurtigere end mennesker, hvilket hjælper jer med at trække handlingsorienteret indsigt meget hurtigere.

Husk blot, at jeres output afhænger af kvaliteten af data, I indsætter, og hvor tydelige I er med jeres instruktioner. Det kræver tålmodighed og træning, da AI bør betragtes som en “praktikant” for arbejdsstyrke-planlægning og -styring. I skal være meget specifikke med jeres anmodninger og give det forretningsmæssig kontekst for, hvad I gør. F.eks.:

• Jeg rekrutterer til [jobtitel]. Listen over 10 nøglekompetencer, der bør være inkluderet i stillingsopslaget.
• Anbefal ændringer i denne jobannonce for at gøre den mere velkommen til [målgruppe].
• Analysér markedssatsen for denne rolle på dette sted.

Med disse indsighter kan I hurtigt begynde at offentliggøre job i flere markeder, tale med kandidater og forhandle lønninger – alt imens I sparer tid, penge og compliance-risiko.

Ting at huske

Når det kommer til at bruge AI til jeres udvidede arbejdsstyrke, skal I ikke behøve at bruge mere penge for at erhverve disse data – det handler om at gøre det bedste af de data, I allerede har. I har sandsynligvis en sund liste over kontingentarbejdere bestående af nuværende kontraktarbejdere og tidligere medarbejdere, for eksempel. I gør bare måske ikke det bedste ud af det for at tilfredsstille jeres nuværende jobbehov.

Overholdelse er afgørende, da AI kan hjælpe jer med at reducere bias. Men AI kan også introducere bias af sin egen, hvilket er hvorfor det er vigtigt at inkludere et menneske i løkken for at verificere resultaterne. Det er også vigtigt at sikre, at jeres arbejdsstyrke-data er forbundet til et internt værktøj, der ikke ufrivilligt eksponerer oplysninger til den ydre verden, da offentlige AI-værktøjer kan dele data, der deles med dem.

En privat version af populære AI-værktøjer som ChatGPT eller Microsoft Copilot kan hjælpe med at lette denne risiko, men der er også spørgsmålet om at faktisk forbinde disse data. Et VMS, der allerede har AI bygget ind i det, kan maksimere jeres omkostnings- og tidssparelser omkring at aggregere jeres kontingent- og faste arbejdsstyrke-data og trække det ind i værktøjerne, der kan opfylde AI’s løfte.

Ultimo, er målet for AI at supplere jeres indsats, ikke at erstatte det menneskelige element, I bringer til jeres arbejde. At reducere ineffektive processer og fejl er målet. En stærk AI-politik, omhyggelig dataintegration og ordentlig træning kan hjælpe jer med at bruge AI til at spare penge, rekruttere de rette kandidater og finde faste og kontingentarbejdere til at udfylde huller i jeres arbejdsstyrke. Alt dette giver jer mere tid tilbage til at fokusere på strategiske prioriteringer og gøre det arbejde, der er mest meningsfuldt for jer.

Uden AI er der ingen måde at holde trit med konkurrencen, der allerede bruger det til at udfylde stillinger i et svært marked for arbejdsgivere. Tiden er af største betydning – jo før I starter, jo før jeres færdigheds- og ansættelses huller vil være noget af fortiden.