Corey Spencer, GM und GVP von AI bei UKG – Interview-Serie

Corey Spencer ist Group Vice President und General Manager of Product Management für AI & Platform bei UKG. Er leitet die Produktstrategie und Innovation über UKGs AI-, Plattform- und Workforce-Intelligence-Initiativen, um Organisationen dabei zu helfen, Workforce-Daten in handhabbare Erkenntnisse umzuwandeln, die positive Geschäftsergebnisse gestalten. Mit über 20 Jahren Erfahrung ist Spencer ein anerkannter Experte für die Zukunft von AI, Workforce-Intelligence und die Anwendung von AI auf Frontline-Arbeit.

UKG ist ein globaler Anbieter von Human-Capital-Management-, Payroll- und Workforce-Management-Software, die dazu dient, Organisationen bei der Verwaltung und Unterstützung ihrer Mitarbeiter zu helfen. Die Plattform kombiniert Human Resources, Payroll, Scheduling, Zeit- und Anwesenheitsverwaltung, Compliance, Analytics und AI-gestützte Workforce-Einblicke, um Unternehmen von kleinen Firmen bis hin zu großen globalen Unternehmen zu bedienen. Mit 50 Jahren Branchenerfahrung unterstützt UKG über 80.000 Organisationen in 150 Ländern, mit Zehnmillionen Menschen, die täglich Lösungen nutzen.

Sie haben über zwei Jahrzehnte damit verbracht, Unternehmen zu helfen, Kunden-, Analyse- und Workforce-Daten bei Unternehmen wie Adobe, Alteryx und UKG zu verstehen. Was hat Sie davon überzeugt, dass Frontline-Mitarbeiter, anstatt Wissensarbeiter, eine der wichtigsten und übersehenen Chancen für AI heute darstellen?

Was mich überzeugt hat, ist einfach: Die Frontline ist, wo die Wirtschaft tatsächlich läuft.

Wir haben enorme Fortschritte bei der Anwendung von AI auf Wissensarbeit erzielt. Aber der größte, dynamischste Teil der Belegschaft wurde oft vernachlässigt. Frontline-Mitarbeiter repräsentieren den größten Teil der globalen Belegschaft – bis zu 80% nach einigen Schätzungen – und sie treiben die Branchen an, auf die wir alle täglich angewiesen sind: Gesundheitswesen, Einzelhandel, Fertigung, Logistik, Gastgewerbe und öffentliche Dienste.

Für viele Unternehmen ist die Frontline auch einer der größten Teile der Gewinn- und Verlustrechnung. Es ist dort, wo Arbeitskosten, Kundenerfahrung, Compliance, Sicherheit, Servicequalität und Mitarbeiterengagement alle zusammenkommen. Und dennoch bleibt es einer der am wenigsten optimierten Teile des Unternehmens.

Nicht, weil die Arbeit einfach ist. Weil sie unglaublich komplex ist.

Frontline-Arbeit kann geplant werden, um die Woche oder den Monat, aber sie ändert sich jede Minute jedes Schichts. Jemand meldet sich ab. Die Nachfrage steigt. Die Patientenlast ändert sich. Ein Versand wird verzögert. Eine Compliance-Regel gilt unterschiedlich je nach Rolle, Standort, Zertifizierung oder gearbeiteten Stunden.

Traditionelle Unternehmenssysteme wurden gebaut, um zu erfassen, was passiert ist. Die Frontline benötigt Technologie, die Organisationen helfen kann, zu handeln, während die Entscheidung noch wichtig ist.

Deshalb ist AI so wichtig. Agentic AI kann Kontext, Absicht und Einschränkungen verstehen und dann helfen, Aktionen über Scheduling, Zeit, Pay, HR und Betrieb zu orchestrieren – mit Menschen in der Kontrolle.

Für mich ist die Chance, die Lücke zwischen Workforce-Planung und Workforce-Ausführung zu schließen. Wenn wir das tun, erhalten Mitarbeiter bessere Erfahrungen, Manager erhalten Unterstützung in einem Maßstab, den kein Einzelner alleine bewältigen kann, und Unternehmen können mit mehr Geschwindigkeit, Präzision und Vertrauen operieren.

Dies ist nicht nur eine Produktivitätsgeschichte. Es ist eine Ausführungsgeschichte.

Frontline-Mitarbeiter machen den größten Teil der globalen Belegschaft aus, doch viel von der AI-Boom hat sich auf Office-Produktivitätstools konzentriert. Warum denken Sie, dass die Branche die Komplexität und Wichtigkeit von Frontline-Umgebungen so lange unterschätzt hat?

Ich denke, die Branche hat die Frontline unterschätzt, weil es einfacher war, AI für die Arbeit zu bauen, die bereits digital war.

Büroarbeit passiert in Dokumenten, E-Mails, Meetings, Kalendern und Kollaborationstools. Das machte es zu einer natürlichen ersten Welle für AI. Aber die Frontline ist anders. Sie ist physisch, verteilt, hoch reguliert, zeitkritisch und ständig ändernd. Und dennoch repräsentiert sie bis zu 80% der globalen Belegschaft – Menschen, die normalerweise nicht an Schreibtischen sitzen, sondern Unternehmen, Gemeinden und Volkswirtschaften jeden Tag am Laufen halten.

Die Komplexität ist nicht nur die Arbeit selbst. Es ist die Datenmenge um die Arbeit. Wir sind glücklich, dass UKG immer auf die Frontline fokussiert war, also haben wir einen Vorsprung von mehreren Jahrzehnten in diesem Bereich.

Frontline-Workforce-Daten sind unglaublich hochvolumig und laut. Sie kommen von Schedules, Zeituhren, Punches, Pay-Regeln, Zertifizierungen, Arbeitskraftprognosen, Abwesenheiten, Nachfragesignalen, Compliance-Anforderungen, Manager-Entscheidungen, Mitarbeiterpräferenzen und operativen Änderungen, die über Tausende von Standorten und Schichten hinweg passieren. Diese Signale sind ständig in Bewegung und hängen stark vom Kontext ab – Rolle, Standort, Fähigkeit, Richtlinie, Vorschrift, Nachfrage und Timing.

Deshalb sind Frontline-Umgebungen viel schwieriger zu analysieren, um sie in einer bedeutungsvollen Weise zu verstehen. Sobald viele Organisationen verstehen, was passiert ist, ist der Moment, um das Ergebnis zu beeinflussen, bereits vergangen. Ein Staffing-Engpass, ein Überstunden-Risiko, ein Compliance-Problem, eine Pay-Exception oder ein verpasster Abdeckungssignal ist nicht wichtig, wenn es eine Woche später passiert. Es ist wichtig, solange noch Zeit ist, um zu handeln.

Deshalb muss Frontline-AI grundlegend anders sein als Office-Produktivitäts-AI. Sie kann nicht nur Informationen zusammenfassen oder Inhalte generieren. Sie muss operativen Kontext verstehen, laute Workforce-Signale interpretieren und Menschen helfen, in Echtzeit zu handeln.

Für UKG ist dies die Kernchance unseres Geschäfts und Lösungen wie dem UKG Workforce Intelligence Hub. Die Frontline benötigt kein weiteres System der Aufzeichnung. Sie benötigt ein System der Aktion – eines, das Organisationen hilft, Workforce-Daten in bessere Entscheidungen, schnellere Ausführung und vertrauenswürdigere Ergebnisse für Mitarbeiter, Manager und Unternehmen umzuwandeln.

Für Jahre war Unternehmenssoftware um Arbeit herum gebaut, die einfacher zu digitalisieren war: Schreibtische, Dokumente, Meetings, Workflows und Wissensarbeit. Aber Frontline-Arbeit ist anders. Sie ist physisch, verteilt, reguliert, zeitkritisch und hoch branchenspezifisch.

<p Ein Einzelhandelsmitarbeiter, eine Krankenschwester, ein Fertigungstechniker, ein Lagerarbeiter und ein Hotelmanager sind alle Frontline-Mitarbeiter, aber die Umgebung um jeden von ihnen herum ist völlig unterschiedlich. Einzelhandelsteams müssen möglicherweise die Arbeitskraft anpassen, basierend auf Verkehr, Promotionen, Wetter oder lokalen Ereignissen. Gesundheitsteams benötigen die richtige Person mit der richtigen Qualifikation in der richtigen Einheit, wenn sich die Patientenbedürfnisse über den Tag ändern. Fertigungsteams balancieren Fähigkeiten, Sicherheit, Überstunden, Produktionspläne und Arbeitsregeln.

Das ist die wahre Komplexität. Arbeit kann geplant werden, um die Woche oder den Monat, aber sie ändert sich jede Minute jedes Schichts. Ein Zeitplan, der am Montag richtig aussah, kann am Mittwoch falsch sein. Ein Staffing-Plan, der um 8 Uhr morgens funktionierte, kann um 12 Uhr gebrochen sein.

Historisch konnten die meisten Systeme nur aufzeichnen, was passiert ist. Die Frontline benötigt mehr als Berichterstattung. Sie benötigt Aktion im Moment.

Deshalb ist AI so wichtig. Agentic AI kann Kontext, Absicht, Einschränkungen und Geschäftsregeln verstehen und dann helfen, Manager und Mitarbeiter über Scheduling, Zeitverwaltung, Pay, HR und Betrieb hinweg zu handeln.

Wir haben Jahrzehnte damit verbracht, an diesen Frontline-Herausforderungen zu arbeiten. Was anders ist, ist, dass AI uns eine Möglichkeit gibt, sie auf einem neuen Level von Geschwindigkeit, Präzision und Branchenrelevanz zu transformieren.

Die Chance besteht nicht darin, Frontline-Arbeit wie Büroarbeit aussehen zu lassen. Es besteht darin, Technologie zu bauen, die respektiert, wie Frontline-Arbeit tatsächlich passiert – und Menschen und Unternehmen hilft, bessere Entscheidungen in Echtzeit zu treffen.

Das Bauen von AI für einen Einzelhandelsmitarbeiter, eine Krankenschwester, einen Lagerarbeiter oder einen Hotelmitarbeiter ist sehr unterschiedlich von dem Bauen von AI-Kopiloten für Schreibtischarbeiter. Was sind die größten technischen und operativen Unterschiede zwischen diesen Umgebungen?

Der größte Unterschied ist, dass Frontline-AI nicht nur in einem Dokument, einer E-Mail oder einem Chat-Fenster leben kann. Sie muss im Arbeitsfluss leben.

Für Schreibtischarbeiter hilft AI oft bei der Erstellung, Zusammenfassung, Suche oder Analyse von Informationen. Für Frontline-Mitarbeiter muss AI verstehen, was im Betrieb gerade passiert – wer arbeitet, wer qualifiziert ist, wer verfügbar ist, wie die Nachfrage aussieht, welche Regeln gelten und welche Aktion als Nächstes erfolgen sollte. Das ist ein sehr unterschiedliches technisches Problem.

Das AI muss also kontextbezogen, branchenbewusst und aktionsorientiert sein. Es muss Rollen, Richtlinien, Arbeitsregeln, Pay-Implicationen, Schedules, Zertifizierungen und Geschäftsziele verstehen – und es muss das mit Vertrauen, Erklärbarkeit und menschlicher Aufsicht tun.

Der operative Unterschied ist ebenso wichtig. Frontline-Manager haben keine Zeit, um Dashboards während der Schicht zu interpretieren. Mitarbeiter möchten kein weiteres System navigieren. AI muss eingebettet, schnell, intuitiv und nützlich im Moment sein.

Deshalb ist Frontline-AI nicht einfach ein Kopilot für die Arbeit. Es ist Intelligenz, die Organisationen hilft, zu spüren, zu entscheiden und in Echtzeit zu handeln.

Sie haben von der Wichtigkeit von Echtzeit-Workforce-Daten gesprochen, einschließlich Schichten, Scheduling, Payroll und Staffing-Signalen. Warum ist Echtzeit-Ausführung besonders wichtig für Frontline-AI-Systeme?

Die Herausforderung besteht nicht darin, ob eine Organisation die Daten hat. Die meisten Unternehmen erstellen mehr Workforce-Daten als je zuvor. Die Herausforderung besteht darin, diese Signale in zeitnahe Empfehlungen, Anleitungen und Aktionen umzuwandeln – während die Entscheidung noch wichtig ist.

Deshalb ist Echtzeit-Ausführung so wichtig für Frontline-AI. AI muss verstehen, was passiert, welche Einschränkungen gelten und welche die beste nächste Aktion ist. Sollten wir einen Zeitplan anpassen? Eine offene Schicht füllen? Einen Manager alarmieren? Eine Compliance-Verletzung verhindern? Eine Pay-Exception vor einem Mitarbeiter-Erfahrung-Problem beheben?

Diese mögen kleine Entscheidungen erscheinen, aber über Tausende von Mitarbeitern, Schichten und Standorten hinweg können kleine Verbesserungen schnell addieren. Bessere Abdeckung, weniger Ausnahmen, intelligentere Arbeitskraftentscheidungen und schnelleres Manager-Handeln können einen bedeutenden Einfluss auf Mitarbeiter und Unternehmen haben.

Dies ist der Zweck des UKG Workforce Intelligence Hub: Organisationen helfen, Workforce-Daten in bessere Entscheidungen und schnellere Aktionen umzuwandeln, insbesondere für die Frontline.

Wir haben eine einzigartig umfassende Sicht über HR, Pay und Workforce-Management – die Bereiche, in denen Workforce-Strategie operativen Realität wird. Wenn diese Daten mit Branchen- und Peer-Benchmarks, Arbeitskosten-Einblicken und AI kombiniert werden, die die wichtigsten Erkenntnisse und empfohlenen Aktionen hervorheben, erhalten Führungskräfte ein viel klareres Bild davon, was passiert, warum es wichtig ist und wo sie handeln müssen.

Für Führungskräfte ist das der wahre Wert. Es ist nicht nur ein weiteres Dashboard, das überprüft werden muss. Es ist ein Werkzeug, das hilft, Arbeitskraft präziser zu verwalten, Risiken früher zu erkennen, Leistung effektiver zu benchmarken und Entscheidungen mit größerer Sicherheit in den Momenten zu treffen, die wichtig sind.

Viele Organisationen erkunden agentic AI, aber es gibt Bedenken hinsichtlich Autonomie, Governance und Vertrauen. Was sind die notwendigen Schutzmechanismen, bevor Unternehmen AI-Agenten zulassen können, in Workforce-Management-Systemen zu handeln?

In Workforce-Operationen benötigen AI-Agenten klare Grenzen, da die Entscheidungen tiefgreifend menschlich sind. Sie betreffen Schedules, Pay, Compliance, Abdeckung, Erschöpfung, Fairness und Mitarbeitervertrauen. Das bedeutet, dass Agenten nicht einfach auf Geschwindigkeit oder Effizienz optimieren können. Sie müssen innerhalb von Richtlinien, Genehmigungen und Zweck handeln.

Die wichtigsten Schutzmechanismen sind Kontext, Kontrolle und Rechenschaftspflicht.

Kontext bedeutet, dass AI den Mitarbeiter, die Rolle, den Standort, die Arbeitsregeln, den Geschäftsbedarf und die nachgelagerten Auswirkungen versteht. Kontrolle bedeutet, dass der Agent nur innerhalb definierter Genehmigungen handelt, mit dem richtigen Level an menschlicher Genehmigung basierend auf Risiko. Rechenschaftspflicht bedeutet, dass jede Empfehlung oder Aktion erklärbar, überprüfbar und rückgängig machbar ist.

Einige Aktionen können für einen Agenten geeignet sein, um automatisch ausgeführt zu werden, wie z.B. das Anzeigen einer offenen Schicht an qualifizierte Mitarbeiter oder das Alarmieren eines Managers bei einem Überstunden-Risiko. Aktionen mit höherem Einfluss, insbesondere solche, die Pay, Compliance, Disziplin oder wesentliche Zeitplanänderungen betreffen, sollten menschliche Überprüfung erfordern.

Das Ziel ist nicht, Manager oder HR-Teams aus dem Prozess zu entfernen. Es ist, ihnen intelligente Unterstützung auf einem Maßstab zu bieten, den kein Einzelner alleine bewältigen kann.

Vertrauenswürdige agentic AI sollte Absicht in Aktion umwandeln – aber immer mit Transparenz, Governance und Menschen im Prozess.

Jede Fähigkeit sollte einer strengen Modellvalidierung, Sicherheitsprüfung, Datenschutzprüfung und laufender Überwachung unterzogen werden, bevor sie in Produktion geht.

UKG hat über AI-Anwendungen gesprochen, die Schichten neu ausbalancieren, Payroll-Anomalien erkennen und die Einstellung beschleunigen können. Welche dieser Anwendungsfälle liefern bereits messbaren operativen Wert heute, und welche sind noch in den Anfängen?

Die Anwendungsfälle, die den Wert am schnellsten liefern, sind diejenigen, die Reibung aus Entscheidungen entfernen, die Manager und Teams bereits täglich treffen müssen.

Payroll-Anomalie-Erkennung ist ein Beispiel, das jeder nachvollziehen kann. Payroll ist einer der vertrauenswürdigsten Prozesse in jedem Unternehmen, und es ist besonders komplex für Frontline- und Stundenlohn-Mitarbeiter. Ein verpasster Punch, ein Überstunden-Problem, eine Pay-Regel-Ausnahme oder ein Compliance-Problem kann Stunden manueller Arbeit verursachen und direkt das Mitarbeiter-Erfahrung beeinflussen. AI kann helfen, Probleme früher zu erkennen, zu erklären, was falsch aussieht, und Teams zur Lösung zu führen, bevor Payroll schließt.

Es gibt noch viel fortgeschrittenere Beispiele, auf die wir sehr aufgeregt sind. Eines ist die Echtzeit-Optimierung von Arbeitskraft und Scheduling. Dies ist, wo der UKG Dynamic Workforce Operations so wichtig ist. Der Wert liegt nicht einfach darin, zu sehen, dass ein Laden, eine Einheit, ein Lager oder ein Hotel unterbesetzt ist. Der Wert liegt darin, zu verstehen, was sich geändert hat, welche Einschränkungen gelten und welche Aktion ein Manager im Moment treffen kann – ob es darum geht, eine offene Schicht zu füllen, Überstunden-Risiko zu vermeiden oder Abdeckung zu schützen. Diese Entscheidungen werden heute durch Instinkt getroffen, oft Stunden zu spät. Jetzt können Manager eine Empfehlung erhalten, die durch Daten gestützt wird, bevor ein Mensch überhaupt weiß, dass ein Problem besteht.

Das Dritte ist Frontline-Unterstützung im Arbeitsfluss. Durch das UKG Frontline Worker Network kann Workforce-Daten helfen, Mitarbeiter mit Unterstützung zu verbinden, wenn sie am meisten benötigt wird – um Wohlstand, Gesundheit und alltägliche Essentials. Das ist noch eine aufstrebende Kategorie, aber es ist eine wichtige, da Mitarbeiter-Erfahrung nicht in einem separaten Portal leben kann, das niemand hat, um es zu nutzen.

Die Beschleunigung der Einstellung wird auch sehr praktisch, insbesondere in Hochvolumen-Frontline-Umgebungen, in denen Geschwindigkeit zählt. Unser AI-natives UKG Rapid Hire hat die Zeit von der Bewerbung bis zum geplanten Vorstellungsgespräch von Wochen und Tagen auf Stunden und sogar Minuten in einigen Fällen reduziert. Wir haben repetitive Arbeit über Quellen, Screening, Scheduling, Onboarding und Ersttag-Bereitschaft für Frontline-Einstellung im großen Maßstab reduziert.

Die wahre Chance besteht nicht in der isolierten Automatisierung. Es besteht in einer Workforce-Betriebsplattform, die erkennen kann, was sich ändert, die nächste beste Aktion empfehlen und Organisationen helfen kann, von Absicht zu Aktion mit der richtigen Governance und menschlicher Aufsicht zu gelangen.

In Branchen wie Gesundheitswesen, Fertigung und Logistik können kleine Workforce-Störungen sofortige nachgelagerte Konsequenzen haben. Wie entwerfen Sie AI-Systeme, die schnell reagieren können, ohne zusätzliches operatives Risiko zu schaffen?

Geschwindigkeit ist wichtig, aber in Frontline-Umgebungen ist Geschwindigkeit ohne Kontrolle ein Risiko.

In Gesundheitswesen, Fertigung, Logistik und anderen komplexen Branchen kann eine kleine Workforce-Störung schnell wellenförmig werden. Eine Abwesenheit kann Patientenabdeckung beeinflussen. Ein Fähigkeitsengpass kann eine Produktionslinie verlangsamen. Ein verpasster Staffing-Signal kann Lieferungen verzögern oder Überstunden-Risiko schaffen.

Deshalb besteht das Ziel nicht darin, AI zu bauen, die einfach schneller bewegt. Das Ziel besteht darin, AI zu bauen, die schneller innerhalb der richtigen Einschränkungen bewegt.

Das beginnt mit Kontext. AI muss verstehen, wer qualifiziert ist, welche Regeln gelten, welche Abdeckung erforderlich ist, welche Compliance-Risiken bestehen und welche nachgelagerten Auswirkungen jede Aktion haben könnte.

Es erfordert auch risikobasierte Autonomie. Einige Aktionen können mit sehr geringem Risiko empfohlen oder ausgeführt werden, wie z.B. das Alarmieren eines Managers oder das Anzeigen einer offenen Schicht an qualifizierte Mitarbeiter. Andere Aktionen sollten menschliche Überprüfung erfordern, insbesondere wenn sie Pay, Compliance, Sicherheit oder wesentliche Zeitplanänderungen betreffen.

Die besten Frontline-AI-Systeme sind so konzipiert, dass sie erklärbar, überprüfbar und rückgängig machbar sind. Manager müssen wissen, warum eine Empfehlung gemacht wurde. Mitarbeiter müssen dem Prozess vertrauen. Und das Unternehmen muss Vertrauen haben, dass AI die Ausführung verbessert, ohne neue Risiken einzuführen.

Für uns ist das Designprinzip einfach: AI sollte Organisationen helfen, zu spüren, zu entscheiden und in Echtzeit zu handeln – mit Menschen, Richtlinien und Governance von Anfang an.

Es gibt wachsende Bedenken unter Arbeitnehmern, dass AI Jobs ersetzen könnte, insbesondere in Frontline-Branchen. Wie balancieren Sie Automatisierung mit der Ermächtigung von Mitarbeitern, anstatt Angst oder Unsicherheit um AI-Einführung zu schaffen?

Ich denke, wir müssen die Automatisierungshype von der operativen Realität trennen.

Im Laufe des letzten Jahrzehnts haben wir viele Beispiele gesehen, in denen die Ersetzung von Frontline-Arbeit durch AI sich als viel schwieriger erwies, als erwartet. Selbstbedienungskassen haben gemischte Ergebnisse gebracht. Vollautomatisierte Fast Food hat sich mehr als Pilotprojekt denn als Paradigma erwiesen. Drohnen-Lieferung fühlt sich für die meisten Menschen noch wie etwas aus der Zukunft an.

Das liegt nicht daran, dass die Technologie nicht leistungsstark ist. Es liegt daran, dass ein großer Teil der Frontline-Arbeit tiefgreifend menschlich ist.

Frontline-Mitarbeiter behandeln Ausnahmen, Urteile, Fürsorge, Sicherheit, Service, Empathie und Vertrauen. Eine Krankenschwester ist nicht nur damit beschäftigt, eine Aufgabe zu erledigen. Ein Einzelhandelsmitarbeiter ist nicht nur damit beschäftigt, Inventar zu bewegen. Ein Restaurantmitarbeiter ist nicht nur damit beschäftigt, eine Bestellung zu erfüllen. Diese Rollen stehen an der Kreuzung von Menschen, Betrieb, Compliance und Kundenerfahrung.

AI kann die Reibung um Frontline-Arbeit entfernen: verwirrende Zeitpläne, verpasste Punches, Pay-Fragen, offene Schichten, Compliance-Komplexität, Staffing-Lücken und administrative Aufgaben, die Manager von ihren Teams abziehen. Es kann helfen, Mitarbeitern Antworten schneller zu geben, Manager bei besseren Entscheidungen zu unterstützen und Organisationen mit mehr Präzision operieren zu lassen.

Die Zukunft von Frontline-AI besteht nicht darin, Menschen aus der Arbeit zu nehmen. Es besteht darin, Menschen bessere Werkzeuge, bessere Anleitung und mehr Unterstützung in den Momenten zu geben, die wichtig sind.

Sie haben AI als Bewegung von Unternehmenssoftware von Systemen der Aufzeichnung zu Systemen intelligenten Handelns beschrieben. Wie sehen Sie die Entwicklung von Workforce-Plattformen in den nächsten fünf Jahren, wenn agentic AI immer mehr in den täglichen Betrieb eingebettet wird?

Ich würde das leicht umformulieren. Die Frage ist nicht, wie Workforce-Plattformen in fünf Jahren aussehen werden. Die Frage ist, welche Organisationen heute die Grundlage schaffen, um in fünf Jahren führend zu sein.

Das Tempo der Veränderung in AI ist zu schnell, um es als eine ferne Transformation zu behandeln. Der Vorteil wird den Organisationen zugute kommen, die sich jetzt von nicht verbundenen Systemen, unbeholfenen Suiten und Punktlösungen zu einer echten Workforce-Betriebsplattform bewegen – einer, die HR, Pay, Zeit, Scheduling, Workforce-Intelligence und Ausführung verbindet.

Dies ist ein weiteres Beispiel, in dem der UKG Workforce Intelligence Hub wichtig wird. Wenn AI immer mehr in den täglichen Workforce-Operationen eingebettet wird, kann Intelligenz nicht mehr als statische Berichterstattung außerhalb stehen. Sie muss Teil davon werden, wie Arbeit verstanden, priorisiert und ausgeführt wird. Organisationen benötigen eine Intelligenzschicht für Frontline-Workforce-Operationen, um den richtigen Inhalt in den richtigen Moment zu bringen.

Das ist wichtig, weil Workforce-Operationen voller marginaler Gewinne und marginaler Verluste sind. Ein verpasster Staffing-Signal, eine Pay-Exception, ein Compliance-Problem, eine offene Schicht oder eine verzögerte Manager-Entscheidung mögen isoliert gesehen klein erscheinen. Aber über Tausende von Mitarbeitern, Standorten und Schichten hinweg können diese Momente schnell addieren.

Agentic AI gibt Organisationen eine Möglichkeit, diese Lücke zu schließen. Es kann verstehen, was sich ändert, den Geschäftskontext interpretieren, die nächste beste Aktion empfehlen und Menschen helfen, in Echtzeit mit der richtigen Governance und menschlicher Aufsicht zu handeln.

In den nächsten fünf Jahren werden die Führer nicht die Organisationen sein, die einfach AI-Funktionen zu bestehenden Workflows hinzugefügt haben. Sie werden diejenigen sein, die Workforce-Management als System intelligenten Handelns neu gedacht haben.

Für Führungskräfte ist das die Dringlichkeit: Die Frontline bewegt sich bereits in Echtzeit. Ihre Technologie muss mit ihr mitgehen. Die Organisationen, die diese Fähigkeit jetzt aufbauen, werden einen bedeutenden Vorsprung haben.

Aufblickend, glauben Sie, dass die Unternehmen, die in Unternehmens-AI gewinnen, diejenigen mit den besten Modellen oder diejenigen mit den tiefsten operativen und Workforce-Daten, die direkt an realen Workflows gebunden sind, sein werden?

Die besten Modelle werden wichtig sein, aber ich glaube nicht, dass Modelle allein die Gewinner in Unternehmens-AI definieren werden.

In Unternehmen ist Intelligenz nur wertvoll, wenn sie den Kontext der Arbeit versteht und Menschen helfen kann, die richtige Aktion zu treffen. Das ist insbesondere in Workforce-Operationen der Fall, in denen eine Empfehlung von der qualifizierten Person, der Rolle, den geltenden Regeln, der Nachfrage, den Pay-Implicationen und dem nachgelagerten Risiko oder Compliance-Problem abhängt.

Ein Modell ohne diesen operativen Kontext kann eine Antwort generieren. Eine Plattform mit den richtigen Workforce-Daten, Geschäftsregeln, Workflow-Kontext und Governance kann jedoch dazu beitragen, ein Ergebnis zu erzielen.

Dies ist, warum eine Intelligenzschicht, wie wir sie mit unserem Workforce Intelligence Hub geschaffen haben, so wichtig ist. AI, die auf einem System sitzt, hat begrenzten Wert. Intelligenz sollte in den Arbeitsfluss eingebettet sein, um Signale zu interpretieren, operative Einschränkungen zu verstehen und Entscheidungen zu treffen, die am wichtigsten sind.

Das ist, wo ich denke, der Markt hingeht. Wenn Modelle leistungsstärker und zugänglicher werden, wird die Differenzierung davon kommen, wie gut AI in realen Workflows verankert ist und wie sicher es von Erkenntnis zu Aktion gelangen kann.

Für die Frontline ist diese Unterscheidung kritisch. Arbeit ändert sich ständig, und Entscheidungen haben sofortige Konsequenzen für Mitarbeiter, Manager, Kunden, Patienten und Unternehmen.

Die Unternehmen, die in Unternehmens-AI gewinnen, werden nicht einfach AI haben, die intelligent klingt. Sie werden AI haben, die versteht, wie Arbeit tatsächlich passiert – und Organisationen helfen kann, mit mehr Geschwindigkeit, Präzision, Vertrauen und Menschlichkeit zu operieren.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten UKG besuchen.