Corey Spencer, GM e GVP di AI presso UKG – Serie di interviste

Corey Spencer è Vice Presidente e General Manager di Product Management per AI & Platform presso UKG. Guida la strategia di prodotto e l’innovazione in tutta l’area di AI, piattaforma e intelligenza del lavoro di UKG, aiutando le organizzazioni a trasformare i dati sulla forza lavoro in informazioni azionabili che plasmano risultati aziendali positivi. Con oltre 20 anni di esperienza, Spencer è un rispettato leader di pensiero sul futuro dell’AI, dell’intelligenza del lavoro e dell’applicazione dell’AI al lavoro di prima linea.

UKG è un fornitore globale di software di gestione del capitale umano, payroll e gestione della forza lavoro progettato per aiutare le organizzazioni a gestire e supportare i propri dipendenti in modo più efficace. La sua piattaforma combina risorse umane, payroll, pianificazione, presenza, conformità, analisi e informazioni sulla forza lavoro basate sull’AI, servendo aziende che vanno dalle piccole società alle grandi imprese globali. Con 50 anni di esperienza nel settore, UKG supporta oltre 80.000 organizzazioni in 150 paesi, con decine di milioni di persone che utilizzano le sue soluzioni ogni giorno.

Ha trascorso più di due decenni aiutando le imprese a comprendere i dati dei clienti, dell’analisi e della forza lavoro in aziende come Adobe, Alteryx e UKG. Cosa l’ha convinto che i lavoratori di prima linea, piuttosto che i lavoratori della conoscenza, rappresentano una delle opportunità più importanti e trascurate per l’AI oggi?

Cosa mi ha convinto è semplice: la prima linea è dove l’economia funziona realmente.

Abbiamo visto un enorme progresso nell’applicazione dell’AI al lavoro della conoscenza. Ma la parte più grande e dinamica della forza lavoro è spesso stata trascurata. I lavoratori di prima linea rappresentano la maggioranza dei lavoratori a livello globale – fino all’80% secondo alcune stime – e alimentano le industrie di cui tutti noi dipendiamo ogni giorno: sanità, retail, produzione, logistica, ospitalità e servizi pubblici.

Per molte aziende, la prima linea è anche una delle parti più grandi del P&L. È dove si combinano i costi del lavoro, l’esperienza del cliente, la conformità, la sicurezza, la qualità del servizio e l’impegno degli dipendenti. Eppure, rimane una delle parti meno ottimizzate dell’impresa.

Non perché il lavoro è semplice. Perché è incredibilmente complesso.

Il lavoro di prima linea può essere pianificato per settimana o per mese, ma cambia ogni minuto di ogni turno. Qualcuno si assenta. La domanda aumenta. Il carico di pazienti cambia. Una spedizione è ritardata. Una regola di conformità si applica in modo diverso in base al ruolo, alla posizione, alla certificazione o alle ore lavorate.

I sistemi aziendali tradizionali sono stati costruiti per registrare cosa è successo. La prima linea ha bisogno di tecnologie che possano aiutare le organizzazioni ad agire mentre la decisione è ancora rilevante.

È per questo che l’AI è così importante. L’AI agente può comprendere il contesto, l’intento e le limitazioni, quindi aiutare a orchestrare l’azione attraverso la pianificazione, il tempo, la retribuzione, le risorse umane e le operazioni – con le persone al controllo.

Per me, l’opportunità è quella di colmare il divario tra la pianificazione della forza lavoro e l’esecuzione della forza lavoro. Quando facciamo questo, i dipendenti hanno esperienze migliori, i manager ricevono supporto su una scala che nessun individuo può gestire da solo e le aziende possono operare con più velocità, precisione e fiducia.

Questo non è solo una storia di produttività. È una storia di esecuzione.

I dipendenti di prima linea rappresentano la maggioranza della forza lavoro globale, eppure gran parte del boom dell’AI si è concentrato sugli strumenti di produttività per ufficio. Perché pensa che l’industria abbia sottovalutato la complessità e l’importanza degli ambienti di prima linea per così tanto tempo?

Penso che l’industria abbia sottovalutato la prima linea perché era più facile costruire AI per il lavoro che era già digitale.

Il lavoro di ufficio avviene in documenti, email, riunioni, calendari e strumenti di collaborazione. Ciò lo ha reso un’onda naturale per l’AI. Ma la prima linea è diversa. È fisica, distribuita, altamente regolamentata, sensibile al tempo e costantemente in cambiamento. Eppure, rappresenta fino all’80% della forza lavoro globale – persone che generalmente non siedono a una scrivania, ma che mantengono le aziende, le comunità e le economie in funzione ogni giorno.

La complessità non è solo il lavoro stesso. È i dati intorno al lavoro. Siamo fortunati perché UKG si è sempre concentrato sulla prima linea, quindi abbiamo un vantaggio di decenni in questo settore.

I dati sulla forza lavoro di prima linea sono incredibilmente ad alta volumetria e rumorosi. Proviengono da pianificazioni, orari, paghe, regole del lavoro, previsioni della domanda, assenze, segnali di conformità, decisioni dei manager, preferenze dei dipendenti e cambiamenti operativi che si verificano in migliaia di località e turni. Quei segnali sono costantemente in movimento e dipendono profondamente dal contesto – ruolo, posizione, abilità, politica, regolamentazione, domanda e tempistica.

Ciò ha reso gli ambienti di prima linea molto più difficili da analizzare in modo significativo. Nel momento in cui molte organizzazioni possono capire cosa è successo, il momento per influenzare il risultato è già passato. Un gap di personale, un rischio di overtime, un problema di conformità, un’eccezione di pagamento o un segnale di copertura mancata non ha importanza una settimana dopo. Ha importanza mentre c’è ancora tempo per agire.

È per questo che l’AI di prima linea deve essere fondamentalmente diversa dall’AI di produttività per ufficio. Non può semplicemente riassumere le informazioni o generare contenuti. Deve comprendere il contesto operativo, interpretare i segnali rumorosi della forza lavoro e aiutare le persone ad agire in tempo reale.

Per UKG, questa è l’opportunità centrale del nostro business e di soluzioni come il UKG Workforce Intelligence Hub. La prima linea non ha bisogno di un altro sistema di registrazione. Ha bisogno di un sistema di azione – uno che aiuti le organizzazioni a trasformare i dati sulla forza lavoro in decisioni migliori, esecuzione più rapida e risultati più affidabili per i dipendenti, i manager e l’azienda.

Per anni, il software aziendale è stato costruito intorno al lavoro che era più facile da digitalizzare: scrivanie, documenti, riunioni, flussi di lavoro e lavoro della conoscenza. Ma il lavoro di prima linea è diverso. È fisico, distribuito, regolamentato, sensibile al tempo e altamente specifico per l’industria.

Un associato di vendita al dettaglio, un’infermiera, un tecnico di produzione, un lavoratore di magazzino e un manager di hotel sono tutti dipendenti di prima linea, ma l’ambiente operativo intorno a ciascuno di loro è completamente diverso. I team di vendita al dettaglio possono dover regolare il lavoro in base al traffico, alle promozioni, al tempo o agli eventi locali. I team sanitari hanno bisogno della persona giusta con la credenziale giusta nell’unità giusta mentre le esigenze dei pazienti cambiano nel corso della giornata. I team di produzione bilanciano le competenze, la sicurezza, il lavoro straordinario, i piani di produzione e le regole del lavoro.

Questo è il vero livello di complessità. Il lavoro può essere pianificato per settimana o per mese, ma cambia ogni minuto di ogni turno. Un piano di lavoro che sembrava giusto il lunedì può essere sbagliato il mercoledì. Un piano di personale che funzionava alle 8 del mattino può essere rotto a mezzogiorno.

Storicamente, la maggior parte dei sistemi poteva solo registrare cosa è successo dopo il fatto. La prima linea ha bisogno di più della semplice segnalazione. Ha bisogno di azione nel momento.

È per questo che l’AI è una tale importante risorsa. L’AI agente può comprendere il contesto, l’intento, le limitazioni e le regole aziendali, quindi aiutare i manager e i dipendenti ad agire attraverso la pianificazione, il tempo, la retribuzione, le risorse umane e le operazioni.

Abbiamo trascorso decenni lavorando su queste sfide di prima linea. Cosa è diverso adesso è che l’AI ci dà un modo per trasformarle a un nuovo livello di velocità, precisione e rilevanza per l’industria.

L’opportunità non è quella di far sembrare il lavoro di prima linea come il lavoro di ufficio. È quella di costruire tecnologie che rispettino come il lavoro di prima linea si svolge realmente – e aiutare le persone e le aziende a prendere decisioni migliori in tempo reale.

Costruire AI per un associato di vendita al dettaglio, un’infermiera, un lavoratore di magazzino o un dipendente di ospitalità è molto diverso dal costruire AI copilota per i lavoratori di ufficio. Quali sono le principali differenze tecniche e operative tra quegli ambienti?

La differenza più grande è che l’AI di prima linea non può semplicemente vivere in un documento, una casella di posta o una finestra di chat. Deve vivere nel flusso di lavoro.

Per i lavoratori di ufficio, l’AI spesso aiuta a creare, riassumere, cercare o analizzare informazioni. Per i lavoratori di prima linea, l’AI deve capire cosa sta succedendo nell’operazione proprio adesso – chi sta lavorando, chi è qualificato, chi è disponibile, cosa sembra la domanda, quali regole si applicano e quale azione dovrebbe essere intrapresa dopo. Questo è un problema tecnico molto diverso.

Quindi l’AI deve essere contestuale, consapevole dell’industria e orientata all’azione. Deve capire i ruoli, le politiche, le regole del lavoro, le implicazioni salariali, gli orari, le certificazioni e le priorità aziendali – e deve farlo con fiducia, spiegabilità e supervisione umana.

La differenza operativa è altrettanto importante. I manager di prima linea non hanno tempo per interpretare i dashboard mentre il turno è in corso. I dipendenti non vogliono un altro sistema da navigare. L’AI deve essere integrata, veloce, intuitiva e utile nel momento.

È per questo che l’AI di prima linea non è semplicemente un copilota per il lavoro. È un’intelligenza che aiuta le organizzazioni a percepire, decidere e agire in tempo reale.

Ha parlato dell’importanza dei dati sulla forza lavoro in tempo reale, compresi turni, pianificazione, paghe e segnali di personale. Perché l’esecuzione in tempo reale è particolarmente critica per i sistemi AI di prima linea?

La sfida non è se un’organizzazione ha i dati. La maggior parte delle imprese sta creando più dati sulla forza lavoro che mai. La sfida è tradurre quei segnali in raccomandazioni, orientamenti e azioni tempestive – mentre la decisione è ancora rilevante.

È per questo che l’esecuzione in tempo reale è così critica per l’AI di prima linea. L’AI deve capire cosa sta succedendo, quali limitazioni si applicano e quale azione successiva dovrebbe essere intrapresa. Dobbiamo regolare un piano di lavoro? Compilare un turno aperto? Avvertire un manager? Prevenire un problema di conformità? Risolvere un’eccezione di pagamento prima che diventi un problema di esperienza del dipendente?

Queste possono sembrare piccole decisioni, ma attraverso migliaia di dipendenti, turni e località, quei miglioramenti si sommano rapidamente. Una copertura migliore, meno eccezioni, decisioni più intelligenti sul lavoro e un’azione più rapida dei manager possono creare un impatto significativo per i dipendenti e per l’azienda.

Questo è lo scopo del UKG Workforce Intelligence Hub: aiutare le organizzazioni a trasformare i dati sulla forza lavoro in decisioni migliori e azioni più rapide, soprattutto per la prima linea.

Abbiamo una visione unica e approfondita attraverso le risorse umane, la retribuzione e la gestione della forza lavoro – le aree in cui la strategia della forza lavoro diventa realtà operativa. Quando quei dati sono combinati con benchmark di settore e paragoni con i pari, informazioni sui costi del lavoro e un’AI che può individuare i punti di vista più rilevanti e le azioni consigliate, i leader ottengono una visione molto più chiara di cosa sta succedendo, perché è importante e dove agire.

Per gli esecutivi, questo è il vero valore. Non è un altro dashboard da rivedere. È uno strumento per aiutare a gestire il lavoro con più precisione, identificare i rischi prima, misurare le prestazioni in modo più efficace e prendere decisioni con maggiore fiducia nei momenti che contano.

Molte organizzazioni stanno esplorando l’AI agente, ma c’è preoccupazione intorno all’autonomia, alla governance e alla fiducia. Quali sono le garanzie necessarie prima che le imprese possano consentire agli agenti AI di agire nei sistemi di gestione della forza lavoro?

Nelle operazioni della forza lavoro, gli agenti AI necessitano di confini chiari perché le decisioni sono profondamente umane. Affectano gli orari, la retribuzione, la conformità, la copertura, la stanchezza, la correttezza e la fiducia dei dipendenti. Ciò significa che gli agenti non possono semplicemente ottimizzare per velocità o efficienza. Devono operare all’interno di politiche, autorizzazioni e scopo.

Le garanzie più importanti sono il contesto, il controllo e la responsabilità.

Il contesto significa che l’AI capisce il dipendente, il ruolo, la posizione, le regole del lavoro, il bisogno aziendale e l’impatto a valle. Il controllo significa che l’agente agisce solo all’interno delle autorizzazioni definite, con il livello giusto di approvazione umana in base al rischio. La responsabilità significa che ogni raccomandazione o azione è spiegabile, verificabile e reversibile.

Alcune azioni possono essere appropriate per un agente da eseguire automaticamente, come segnalare un turno aperto ai dipendenti qualificati o avvertire un manager di un rischio di overtime. Azioni ad alto impatto, specialmente quelle che coinvolgono la retribuzione, la conformità, la disciplina o modifiche sostanziali alla pianificazione, dovrebbero richiedere una revisione umana.

Lo scopo non è quello di rimuovere i manager o i team delle risorse umane dal processo. È quello di fornire loro un supporto intelligente su una scala che nessun individuo può gestire da solo.

L’AI agente affidabile dovrebbe trasformare l’intento in azione – ma sempre con trasparenza, governance e persone nel ciclo.

Ogni capacità dovrebbe subire una rigorosa convalida del modello, revisione della sicurezza, valutazione della privacy e monitoraggio continuo prima di raggiungere la produzione.

UKG ha discusso applicazioni AI che possono riequilibrare i piani di lavoro, rilevare anomalie di pagamento e accelerare l’assunzione. Quali di questi casi d’uso stanno già fornendo un valore operativo misurabile oggi e quali sono ancora in fase iniziale?

I casi d’uso che forniscono valore più rapidamente sono quelli che rimuovono l’attrito dalle decisioni che i manager e i team devono già prendere ogni giorno.

La rilevazione delle anomalie di pagamento è un esempio a cui tutti possono probabilmente relazionarsi. La retribuzione è uno dei processi di maggiore fiducia in qualsiasi azienda ed è particolarmente complessa per i dipendenti di prima linea e quelli retribuiti in base alle ore lavorate. Un colpo mancato, un problema di overtime, un’eccezione alle regole di pagamento o un problema di conformità può creare ore di lavoro manuale e influenzare direttamente la fiducia del dipendente. L’AI può aiutare a identificare i problemi prima, spiegare cosa sembra sbagliato e guidare i team verso la risoluzione prima che la retribuzione si chiuda.

Ci sono esempi molto più avanzati di cui siamo molto entusiasti. Uno è l’ottimizzazione in tempo reale del lavoro e della pianificazione. Questo è dove il UKG Dynamic Workforce Operations è così importante. Il valore non è semplicemente vedere che un negozio, un’unità, un magazzino o un hotel è sottodimensionato. Il valore è capire cosa è cambiato, quali limitazioni si applicano e quale azione un manager può intraprendere nel momento – sia che si tratti di compilare un turno aperto, evitare il rischio di overtime o proteggere la copertura. Queste decisioni vengono prese oggi per istinto, spesso ore troppo tardi. Ora, i manager possono ottenere una raccomandazione supportata dai dati prima che un essere umano sappia che c’è un problema.

Il terzo è il supporto di prima linea nel flusso di lavoro. Attraverso il UKG Frontline Worker Network, i dati sulla forza lavoro possono aiutare a connettere i dipendenti al supporto intorno alla ricchezza, alla salute e alle esigenze quotidiane quando quelle esigenze sono più rilevanti. Questo è ancora una categoria emergente, ma è importante perché l’esperienza del dipendente non può vivere in un portale separato che nessuno ha il tempo di utilizzare.

L’accelerazione dell’assunzione sta anche diventando molto pratica, specialmente in ambienti di prima linea ad alta volumetria dove la velocità conta. Il nostro UKG Rapid Hire nativo AI ha ridotto il tempo da interesse del candidato a colloquio programmato da settimane e giorni a ore e addirittura minuti in alcuni casi. Abbiamo ridotto il lavoro ripetitivo in tutta la fonte, la selezione, la pianificazione, l’assunzione e la preparazione del primo giorno per l’assunzione di prima linea su larga scala.

L’opportunità reale non è l’automazione isolata. È una piattaforma operativa della forza lavoro che può percepire cosa sta cambiando, raccomandare la prossima azione migliore e aiutare le organizzazioni a muoversi dall’intento all’azione con la giusta governance e supervisione umana.

In settori come la sanità, la produzione e la logistica, piccole interruzioni della forza lavoro possono avere conseguenze a valle immediate. Come progetta sistemi AI che possano rispondere rapidamente senza creare rischi operativi aggiuntivi?

La velocità conta, ma negli ambienti di prima linea, la velocità senza controllo è rischiosa.

Nella sanità, nella produzione, nella logistica e in altri settori complessi, una piccola interruzione della forza lavoro può propagarsi rapidamente. Un’assenza può influenzare la copertura dei pazienti. Un divario di competenze può rallentare una linea di produzione. Un segnale di personale mancato può ritardare le consegne o creare un’esposizione all’overtime.

Quindi l’obiettivo non è costruire un’AI che si muova semplicemente più velocemente. L’obiettivo è costruire un’AI che si muova più velocemente all’interno dei confini giusti.

Ciò inizia con il contesto. L’AI deve capire chi è qualificato, quali regole si applicano, quale copertura è richiesta, quali rischi di conformità esistono e quale potrebbe essere l’impatto a valle di ogni azione.

Richiede anche un’autonomia basata sul rischio. Alcune azioni possono essere raccomandate o eseguite con un rischio molto basso, come segnalare un manager, identificare sostituti qualificati o segnalare un turno aperto. Altre azioni dovrebbero richiedere una revisione umana, specialmente quando influenzano la retribuzione, la conformità, la sicurezza o modifiche sostanziali alla pianificazione.

I migliori sistemi AI di prima linea sono progettati per essere spiegabili, verificabili e reversibili. I manager devono sapere perché una raccomandazione è stata fatta. I dipendenti devono fidarsi del processo. E l’azienda deve avere la fiducia che l’AI stia migliorando l’esecuzione senza introdurre nuovi rischi.

Per noi, il principio di progettazione è semplice: l’AI dovrebbe aiutare le organizzazioni a percepire, decidere e agire in tempo reale – con le persone, le politiche e la governance costruite fin dall’inizio.

C’è una crescente preoccupazione tra i lavoratori che l’AI potrebbe sostituire i lavori, in particolare nelle industrie di prima linea. Come bilancia l’automazione con l’empowerment dei dipendenti piuttosto che creare paura o incertezza intorno all’adozione dell’AI?

Penso che dobbiamo separare l’ipotesi dell’automazione dalla realtà operativa.

Negli ultimi dieci anni, abbiamo visto molti esempi in cui sostituire il lavoro di prima linea si è rivelato molto più difficile del previsto. Il self-checkout ha avuto risultati misti. Il fast food completamente automatizzato è stato più un progetto pilota che un paradigma. La consegna con drone ancora sembra, per la maggior parte delle persone, qualcosa del futuro.

Non è perché la tecnologia non sia potente. È perché una grande parte del lavoro di prima linea rimane profondamente umana.

I dipendenti di prima linea gestiscono eccezioni, giudizi, cure, sicurezza, servizio, empatia e fiducia. Un’infermiera non sta solo completando un compito. Un associato di vendita al dettaglio non sta solo spostando l’inventario. Un lavoratore di ristorazione non sta solo eseguendo un ordine. Questi ruoli si trovano all’intersezione delle persone, delle operazioni, della conformità e dell’esperienza del cliente.

L’AI può rimuovere l’attrito intorno al lavoro di prima linea: pianificazioni confuse, colpi mancati, domande sulla retribuzione, turni aperti, complessità della conformità, lacune di personale e compiti amministrativi che allontanano i manager dai loro team. Può aiutare i dipendenti a ottenere risposte più rapide, aiutare i manager a prendere decisioni migliori e aiutare le organizzazioni a operare con più precisione.

Il futuro dell’AI di prima linea non è quello di rimuovere le persone dal lavoro. È quello di fornire alle persone migliori strumenti, migliori indicazioni e più supporto nei momenti che contano.

Ha descritto l’AI come in grado di spostare il software aziendale da sistemi di registrazione a sistemi di azione intelligente. Come vede l’evoluzione delle piattaforme di forza lavoro nei prossimi cinque anni man mano che l’AI agente diventa più integrata nelle operazioni quotidiane?

Reformulerei leggermente la domanda. La domanda non è cosa saranno le piattaforme di forza lavoro tra cinque anni. La domanda è quali organizzazioni stanno costruendo le fondamenta oggi per essere leader tra cinque anni.

Il ritmo di cambiamento nell’AI è troppo veloce per trattarlo come una trasformazione lontana. Il vantaggio andrà alle organizzazioni che si muovono ora da sistemi disconnessi, suite goffe e soluzioni puntuali verso una vera piattaforma operativa della forza lavoro – una che connette le risorse umane, la retribuzione, il tempo, la pianificazione, l’intelligenza della forza lavoro e l’esecuzione.

Questo è un altro esempio di dove il UKG Workforce Intelligence Hub diventa importante. Man mano che l’AI diventa più integrata nelle operazioni quotidiane della forza lavoro, l’intelligenza non può stare a lato come segnalazione statica. Deve diventare parte di come il lavoro viene compreso, prioritizzato e agito. Le organizzazioni hanno bisogno di un livello di intelligenza per le operazioni della forza lavoro di prima linea per portare il contenuto giusto nel momento giusto.

Ciò conta perché le operazioni della forza lavoro sono piene di piccoli guadagni e piccole perdite. Un segnale di personale mancato, un’eccezione di pagamento, un problema di conformità, un turno aperto o una decisione del manager ritardata può sembrare piccolo in isolamento. Ma attraverso migliaia di dipendenti, località e turni, quei momenti si sommano rapidamente.

L’AI agente fornisce alle organizzazioni un modo per colmare quel divario. Può capire cosa sta cambiando, interpretare il contesto aziendale, raccomandare la prossima azione migliore e aiutare le persone ad agire in tempo reale con la giusta governance e supervisione umana.

Nei prossimi cinque anni, i leader non saranno le organizzazioni che hanno semplicemente aggiunto funzionalità AI ai flussi di lavoro esistenti. Saranno quelli che hanno ripensato la gestione della forza lavoro come un sistema di azione intelligente.

Per gli esecutivi, questa è l’urgenza: la prima linea si sta già muovendo in tempo reale. La vostra tecnologia deve muoversi con essa. Le organizzazioni che stanno costruendo quella capacità adesso avranno un vantaggio significativo.

Guardando avanti, crede che le aziende che vinceranno nell’AI aziendale saranno quelle con i migliori modelli o quelle con i dati operativi e sulla forza lavoro più profondi legati direttamente ai flussi di lavoro del mondo reale?

I migliori modelli conteranno, ma non credo che i modelli da soli definiranno i vincitori nell’AI aziendale.

Nell’impresa, l’intelligenza è utile solo se capisce il contesto del lavoro e può aiutare le persone a prendere l’azione giusta. Ciò è particolarmente vero nelle operazioni della forza lavoro, dove una raccomandazione può dipendere da chi è pianificato, chi è qualificato, quali regole si applicano, cosa sembra la domanda, quali implicazioni salariali esistono e quale rischio o problema di conformità può essere creato a valle.

Un modello senza quel contesto operativo può generare una risposta. Una piattaforma con i dati sulla forza lavoro giusti, le regole aziendali, il contesto del flusso di lavoro e la governance può aiutare a guidare un risultato.

Questo è il motivo per cui un livello di intelligenza, che è ciò che abbiamo creato con il nostro Workforce Intelligence Hub, è così importante. L’AI che siede sopra un sistema ha un valore limitato. L’intelligenza dovrebbe essere integrata nel flusso di lavoro, in grado di interpretare i segnali, capire le limitazioni operative e individuare le decisioni che contano di più.

È lì che credo che il mercato stia andando. Man mano che i modelli diventano più potenti e più accessibili, la differenziazione verrà da quanto bene l’AI sia radicata nei flussi di lavoro del mondo reale e da quanto sicuramente possa muoversi dall’idea all’azione.

Per la prima linea, quella distinzione è critica. Il lavoro cambia costantemente e le decisioni hanno conseguenze immediate per i dipendenti, i manager, i clienti, i pazienti e l’azienda.

Le aziende che vinceranno nell’AI aziendale non avranno semplicemente un’AI che suona intelligente. Avranno un’AI che capisce come il lavoro si svolge realmente – e può aiutare le organizzazioni a operare con più velocità, precisione, fiducia e umanità.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare UKG.