코리 스펜서, UKG의 AI 및 플랫폼 부문 총괄 및 제품 관리 담당 부사장 – 인터뷰 시리즈

코리 스펜서는 UKG의 AI 및 플랫폼 부문 총괄 및 제품 관리 담당 부사장입니다. 그는 UKG의 AI, 플랫폼, 및 워크포스 인텔리전스 이니셔티브를 위한 제품 전략 및 혁신을 주도하며, 조직이 워크포스 데이터를 행동 가능한 통찰력으로 변환하여 긍정적인 비즈니스 결과를 도출하도록 지원합니다. 20년 이상의 경험을 가진 스펜서는 AI, 워크포스 인텔리전스, 및 프론트라인 업무에 대한 AI의 적용에 대한 존경받는 사상가입니다.

UKG는 조직이 직원을 더 효과적으로 관리하고 지원하도록 설계된 인적 자원 관리, 급여, 및 워크포스 관리 소프트웨어의 글로벌 제공업체입니다. 그들의 플랫폼은 인적 자원, 급여, 스케줄링, 시간 및 출근, 컴플라이언스, 분석, 및 AI 기반 워크포스 인사이트를 결합하여, 작은 회사에서 대규모 글로벌 기업에 이르기까지 다양한 비즈니스에게 서비스를 제공합니다. 50년의 산업 경험을 가진 UKG는 150개국에 걸쳐 80,000개 이상의 조직을 지원하며, 수천만 명의 사람들이 매일 그들의 솔루션을 사용하고 있습니다.

20년 이상의 기간 동안, 귀하는 기업들이 고객, 분석, 및 워크포스 데이터를 이해하도록 도왔습니다. 프론트라인 근로자들이 지식 근로자들보다 더 중요한 기회를 대표한다는 것을 무엇이 확신시켰나요?

그것은 간단합니다. 프론트라인은 경제가 실제로 작동하는 곳입니다.

지식 근로자들을 위한 AI의 적용에 있어 엄청난 진전을 보았습니다. 그러나 가장 큰, 가장 역동적인 워크포스의 부분은 종종 소외되었습니다. 프론트라인 근로자들은 글로벌적으로 근로자의 đa수를 대표하며, 우리가 매일 의존하는 산업을 구동합니다: 헬스케어, 소매, 제조, 물류, 호텔, 및 공공 서비스.

많은 회사에서, 프론트라인은 또한 가장 큰 비용의 일부입니다. 그것은 노동 비용, 고객 경험, 컴플라이언스, 안전, 서비스 품질, 및 직원 참여가 모두 결합되는 곳입니다. 그리고도, 그것은 여전히 기업의 가장 최적화되지 않은 부분입니다.

그것은 쉽지 않습니다. 그것은 매우 복잡합니다.

프론트라인 업무는 주 또는 월 단위로 계획될 수 있지만, 매 분마다 매 시프트마다 변경됩니다. 누군가가 부름을 받습니다. 수요가 급증합니다. 환자 부하는 변경됩니다. 배송이 지연됩니다. 컴플라이언스 규칙은 역할, 위치, 자격, 또는 근무 시간에 따라 다르게 적용됩니다.

전통적인 기업 시스템은 발생한 것을 기록하도록 설계되었습니다. 프론트라인은 조직이 결정이 여전히 중요할 때 행동을 취할 수 있도록 도와주는 기술이 필요합니다.

그것이 왜 AI가 så 중요합니다. 에이전트 AI는 컨텍스트, 의도, 및 제약을 이해한 다음, 스케줄링, 시간, 급여, 인사, 및 운영을 통해 행동을 조직할 수 있습니다.

저에게, 기회는 워크포스 계획과 워크포스 실행 사이의 간격을 좁히는 것입니다. 우리가那样하면, 직원들은 더 나은 경험을 얻습니다. 관리자들은 개인이 혼자 다룰 수 없는 규모에서 지원을 받습니다. 비즈니스는 더 빠르고, 더 정밀하고, 더 신뢰할 수 있게 운영할 수 있습니다.

이것은 생산성 이야기뿐만 아니라, 실행 이야기입니다.

프론트라인 근로자들은 글로벌 근로자의 đa수를 구성하지만, AI 붐은 주로 사무실 생산성 도구에 집중되었습니다. 프론트라인 환경의 복잡성과 중요성을 इतन 오랫동안 간과한 이유는 무엇이라고 생각하시나요?

저는 산업이 프론트라인을 간과한 이유는 이미 디지털화된 업무에 대한 AI를 구축하기가 더 쉬웠기 때문이라고 생각합니다.

사무실 업무는 문서, 이메일, 미팅, 캘린더, 및 협업 도구에서 발생합니다. 그것은 AI의 첫 번째 물결을 위한 자연스러운 시작이었습니다. 그러나 프론트라인은 다릅니다. 그것은 물리적이며, 분산되어 있으며,高度로 규제되며, 시간에 민감하며, 끊임없이 변경됩니다. 그리고도, 그것은 글로벌 근로자의 80%를 대표합니다. 일반적으로 책상에 앉아 있지 않는 사람들이지만, 비즈니스, 커뮤니티, 및 경제를 매일 운영하는 사람들입니다.

복잡성은 업무 자체뿐만 아니라 업무를 둘러싼 데이터에도 있습니다. 우리는幸運하게도 UKG가 항상 프론트라인에 집중해 왔기 때문에, 이 분야에서 수십 년의 선두를 가지고 있습니다.

프론트라인 워크포스 데이터는 매우 높은 볼륨이고 시끄럽습니다. 그것은 스케줄, 시간 클록, 펀치, 급여 규칙, 자격, 노동 예측, 결근, 수요 신호, 컴플라이언스 요구 사항, 관리자의 결정, 직원의 선호도, 및 운영 변경 사항에서 발생합니다. 이러한 신호는 끊임없이 이동하며, 컨텍스트에 깊이 의존합니다. 역할, 위치, 스킬, 정책, 규제, 수요, 및 타이밍.

그것이 프론트라인 환경을 의미 있는 방식으로 분석하는 것을 훨씬 더 어렵게 만들었습니다. 많은 조직이 무엇이 발생했는지 이해할 수 있을 때까지, 결과를 影響하는 момент은 이미 지나갔습니다. 스태프 격차, 오버타임 위험, 컴플라이언스 문제, 급여 예외, 또는 커버리지 신호는 일주일 후에 중요하지 않습니다. 그것은 여전히 행동을 취할 수 있는 시간에 중요합니다.

그것이 왜 프론트라인 AI는 사무실 생산성 AI와 근본적으로 다르게 설계되어야 하는 이유입니다. 그것은 단순히 정보를 요약하거나 콘텐츠를 생성할 수 없습니다. 그것은 운영 컨텍스트를 이해하고, 시끄러운 워크포스 신호를 해석하며, 사람들에게 실시간으로 행동을 취할 수 있도록 도와야 합니다.

UKG의 경우, 이것은 우리 비즈니스의 핵심 기회이자 솔루션입니다. 예를 들어, UKG 워크포스 인텔리전스 허브는 프론트라인이 시스템의 기록이 아닌 행동 시스템을 필요로 함을 보여줍니다.

프론트라인은 더 이상의 시스템을 필요로하지 않습니다. 그것은 조직이 워크포스 데이터를 더 나은 결정, 더 빠른 실행, 및 더 신뢰할 수 있는 결과로 변환하도록 도와주는 시스템이 필요합니다.

여러 해 동안, 기업 소프트웨어는 더 쉽게 디지털화할 수 있는 업무를 중심으로 구축되었습니다. 그러나 프론트라인 업무는 다릅니다. 그것은 물리적이며, 분산되어 있으며, 규제되며, 시간에 민감하며, 업계 특정적입니다.

소매 협회, 간호사, 제조 기술자, 창고 근로자, 및 호텔 관리자는 모두 프론트라인 근로자입니다. 그러나 각 근로자 주변의 운영 환경은 완전히 다릅니다. 소매 팀은 교통, 프로모션, 날씨, 또는 지역 행사에 따라 노동을 조정해야 할 수 있습니다. 헬스케어 팀은 환자의 필요에 따라 변경되는 환자 부하에 맞는 적절한 자격을 가진 사람을 올바른 유닛에 배치해야 합니다. 제조 팀은 스킬, 안전, 오버타임, 생산 스케줄, 및 노동 규칙을 균형있게 조정해야 합니다.

그것이 실제 복잡성입니다. 업무는 주 또는 월 단위로 계획될 수 있지만, 매 분마다 매 시프트마다 변경됩니다. 월요일에 올바르게 보였던 스케줄은 수요일에 잘못될 수 있습니다. 8시에 올바르게 보였던 근무 계획은 12시에 깨질 수 있습니다.

과거에, 대부분의 시스템은 발생한 것을 기록할 수만 있었습니다. 프론트라인은 보고가 아니라 행동이 필요합니다.

그것이 왜 AI가 så 중요합니다. 에이전트 AI는 컨텍스트, 의도, 제약, 및 비즈니스 규칙을 이해한 다음, 관리자 및 근로자에게 스케줄링, 시간, 급여, 인사, 및 운영을 통해 행동을 취할 수 있도록 도와줍니다.

우리는 이러한 프론트라인 도전을 해결하기 위해 수십 년 동안 노력해 왔습니다. 무엇이 다르냐면, AI는 우리에게 새로운 수준의 속도, 정밀성, 및 산업 관련성을 통해 이러한 도전을 변환할 수 있는 방법을 제공합니다.

기회는 프론트라인 업무를 사무실 업무처럼 만들기 위한 것이 아닙니다. 그것은 실제로 프론트라인 업무가 발생하는 방식에 대한 기술을 구축하여, 사람들과 비즈니스가 실시간으로 더 나은 결정을 내릴 수 있도록 도와주는 것입니다.

소매 협회, 간호사, 창고 근로자, 또는 호텔 근로자들을 위한 AI를 구축하는 것은 데스크 근로자들을 위한 AI를 구축하는 것과 매우 다릅니다. 이러한 환경 사이의 가장 큰 기술적 및 운영상의 차이점은 무엇입니까?

가장 큰 차이점은 프론트라인 AI가 문서, 이메일, 또는 채팅 창에만 존재할 수 없다는 것입니다. 그것은 업무의 흐름에 존재해야 합니다.

데스크 근로자들을 위한 AI는 정보를 생성, 요약, 검색, 또는 분석하는 것을 도와줍니다. 그러나 프론트라인 근로자들을 위한 AI는 현재 업무에서 발생하는 것을 이해해야 합니다. 누가 근무하고, 누가 자격을 가지고, 누가 사용할 수 있으며, 수요는 어떤지, 규칙은 무엇이며, 다음에 어떤 행동을 취해야 하는지.

그것은 매우 다른 기술적 문제입니다.

AI는 컨텍스트, 산업 인식, 및 행동 지향적이어야 합니다. 그것은 역할, 정책, 노동 규칙, 급여 영향, 스케줄, 자격, 및 비즈니스 우선순위를 이해해야 합니다. 또한 그것은 신뢰, 설명 가능성, 및 인간의 감독을 통해야 합니다.

운영상의 차이도 중요합니다. 프론트라인 관리자들은 시프트가 진행되는 동안 대시보드를 해석할 시간이 없습니다. 근로자들은 또 다른 시스템을 탐색하고 싶어하지 않습니다. AI는 내장되어야 하며, 빠르고, 직관적이며, 순간에 유용해야 합니다.

그것이 왜 프론트라인 AI는 단순히 업무의 동료가 아닌, 조직이 실시간으로 감지, 결정, 및 행동을 취할 수 있도록 도와주는 지능입니다.

실시간 워크포스 데이터, 포함하여 시프트, 스케줄링, 급여, 및 스태프 신호의 중요성을 강조했습니다. 프론트라인 AI 시스템에서 실시간 실행이 특히 중요하다고 생각하는 이유는 무엇입니까?

도전은 조직이 데이터를 가지고 있는지 여부가 아닙니다. 대부분의 기업은 워크포스 데이터를 이전보다 더 많이 생성하고 있습니다. 도전은 이러한 신호를 적절한 시간에 추천, 지침, 및 행동으로 변환하는 것입니다.

그것이 왜 프론트라인 AI에서 실시간 실행이 så 중요합니다. AI는 발생하는 것을 이해하고, 제약을 적용하고, 다음에 어떤 행동을 취해야 하는지 이해해야 합니다. 우리는 스케줄을 조정해야 합니까? 열린 시프트를 채워야 합니까? 관리자에게 알림을 보내야 합니까? 컴플라이언스 문제를 방지해야 합니까? 급여 예외를 수정해야 합니까?

이것은 작은 결정처럼 보일 수 있지만, 수천 명의 근로자, 시프트, 및 위치에서 이러한 결정은 빠르게 합계됩니다. 더 나은 커버리지, 더 적은 예외, 더智能한 노동 결정, 및 더 빠른 관리자 행동은 근로자 및 비즈니스에게 의미 있는 영향을 미칠 수 있습니다.

이것이 UKG 워크포스 인텔리전스 허브의 목적입니다. 조직이 워크포스 데이터를 더 나은 결정 및 더 빠른 행동으로 변환하도록 도와주는 것입니다. 특히 프론트라인을 위해.

우리는 HR, 급여, 및 워크포스 관리를 통해 고유한 시각을 가지고 있습니다. 이러한 분야는 워크포스 전략이 운영적 현실이 되는 곳입니다. 이러한 데이터가 산업 및 동종 벤치마크, 노동 비용 통찰, 및 AI가 가장 관련된 정보를 표면화하고 추천된 행동을 제공할 때, 리더들은 더 명확한 시각을 얻습니다.

이것이 실행의 목적입니다. 그것은 또 다른 대시보드를 검토하는 것이 아닙니다. 그것은 노동을 더 정밀하게 관리하고, 위험을 더 일찍 식별하고, 성과를 더 효과적으로 벤치마크하고, 중요한 순간에 더 자신감을 가지고 결정할 수 있도록 도와주는 도구입니다.

많은 조직이 에이전트 AI를 탐색하고 있습니다. 그러나 자율성, 거버넌스, 및 신뢰에 대한 우려가 있습니다. 워크포스 관리 시스템에서 AI 에이전트가 행동을 취할 수 있도록 허용하기 전에 필요한 가드레일은 무엇입니까?

워크포스 운영에서 AI 에이전트는 명확한 경계가 필요합니다. 그 결정은 깊이 인간적입니다. 그것은 스케줄, 급여, 컴플라이언스, 커버리지, 피로, 공정성, 및 근로자 신뢰를 影響합니다. 그것은 단순히 속도 또는 효율성을 위해 최적화할 수 없습니다. 그것은 정책, 허가, 및 목적 안에서 작동해야 합니다.

가장 중요한 가드레일은 컨텍스트, 제어, 및 책임입니다.

컨텍스트는 AI가 근로자, 역할, 위치, 노동 규칙, 비즈니스 필요, 및 다운스트림 영향에 대한 이해를 의미합니다. 제어는 에이전트가 정의된 허가 안에서만 행동하며, 위험에 따라 적절한 수준의 인간 승인을 필요로 합니다. 책임은 모든 추천 또는 행동이 설명 가능하고, 감찰 가능하며, 취소 가능하다는 것을 의미합니다.

일부 행동은 에이전트가 자동으로 실행할 수 있습니다. 예를 들어, 자격을 가진 근로자에게 열린 시프트를 표면화하거나, 관리자에게 오버타임 위험을 알리는 것입니다. 더 큰 영향의 행동, 특히 급여, 컴플라이언스, 징계, 또는 물리적인 스케줄 변경과 관련된 행동은 인간의 검토를 필요로 합니다.

목표는 관리자 또는 인사 팀을 프로세스에서 제거하는 것이 아닙니다. 그것은 그들에게 지능적인 지원을 제공하는 것입니다. 규모에서.

신뢰할 수 있는 에이전트 AI는 의도를 행동으로 변환해야 합니다. 그러나 항상 투명성, 거버넌스, 및 인간의 감독을 통해야 합니다.

모든 기능은 모델 검증, 보안 검토, 개인 정보 보호 평가, 및 생산에 도달하기 전에 지속적인 모니터링을 거쳐야 합니다.

UKG는 스케줄을 재조정하고, 급여 이상을 감지하고, 고용을 가속화하는 AI 응용 프로그램에 대해 논의했습니다. 이러한 사용 사례 중 어느 것이 오늘날 측정 가능한 운영 가치를 제공하고 있으며, 어느 것은 아직 초기 단계입니까?

가장 빠르게 가치를 제공하는 사용 사례는 관리자와 팀이 이미 매일 해야 하는 결정에서 마찰을 제거하는 것입니다.

급여 이상 감지是一个 예입니다. 대부분의 사람들은 관련할 수 있습니다. 급여는 비즈니스에서 가장 높은 신뢰의 프로세스 중 하나이며, 특히 프론트라인 및 시간 근로자에게 더욱 복잡합니다. 빠진 펀치, 오버타임 문제, 급여 규칙 예외, 또는 컴플라이언스 문제는 수시간의 수동 작업을 생성할 수 있으며, 직원 경험에 직접적으로 영향을 줄 수 있습니다. AI는 이러한 문제를 더 일찍 식별하고, 무엇이 잘못된지 설명하고, 팀이 해결하기 전에 지침을 제공할 수 있습니다.

그러나 우리는 매우 흥분하는 더 발전된 예가 있습니다. 하나는 실시간 노동 및 스케줄 최적화입니다. 이것은 UKG 다이나믹 워크포스 오퍼레이션이 så 중요합니다. 가치는 단순히 가게, 유닛, 창고, 또는 호텔이 인력이 부족한 것을 보는 것이 아닙니다. 가치는 무엇이 변경되었는지, 어떤 제약이 적용되는지, 및 관리자가 어떤 행동을 취해야 하는지 이해하는 것입니다. 이러한 결정은 오늘날 인간의 직감에 의해 이루어집니다. 그러나 이제 관리자는 문제가 발생하기 전에 데이터에 기반한 추천을 받을 수 있습니다.

세 번째는 업무 흐름中的 프론트라인 지원입니다. UKG 프론트라인 워커 네트워크를 통해, 워크포스 데이터는 근로자에게 부, 건강, 및 일상적인 필수품에 대한 지원을 연결할 수 있습니다. 이러한 필요가 가장 관련성이 있는 때에. 이것은 아직 새로운 카테고리이지만, 중요합니다. 근로자 경험은 사용할 시간이 없는 별도의 포털에 존재할 수 없습니다.

고용 가속은 또한 높은 볼륨의 프론트라인 환경에서 매우 실제적입니다. 우리의 AI 네이티브 UKG 래피드 하이어는 후보자 관심에서 예약된 인터뷰까지 몇 주 또는 몇 일에서 몇 시간 또는 몇 분으로 시간을 줄였습니다. 우리는 대규모 프론트라인 고용을 위한 소싱, 스크리닝, 스케줄링, 온보딩, 및 첫날 준비를 위한 반복적인 작업을 줄였습니다.

진짜 기회는 분리된 자동화가 아닙니다. 그것은 워크포스 운영 플랫폼을 통해 의도에서 행동으로 이동할 수 있도록 도와주는 것입니다. 올바른 거버넌스와 인간의 감독을 통해.

헬스케어, 제조, 물류 등과 같은 분야에서 작은 워크포스 중단은 즉각적인 다운스트림 결과를 가질 수 있습니다. 어떻게 하면 AI 시스템을 빠르게 응답할 수 있게 설계할 수 있나요? 그러나 추가적인 운영 위험을 생성하지 않도록?

속도는 중요하지만, 프론트라인 환경에서 속도는 제어 없이 위험을 의미합니다.

헬스케어, 제조, 물류, 및 기타 복잡한 분야에서, 작은 워크포스 중단은 빠르게 전파할 수 있습니다. 한 번의 부재는 환자 커버리지에 영향을 미칠 수 있습니다. 한 가지 스킬 격차는 생산 라인을 늦출 수 있습니다. 한 가지 스태프 신호를 놓치면 배달을 지연시킬 수 있습니다. 오버타임 노출을 생성할 수 있습니다.

목표는 단순히 AI를 더 빠르게 만드는 것이 아닙니다. 목표는 제약 안에서 더 빠르게 만드는 것입니다.

그것은 컨텍스트에서 시작됩니다. AI는 자격을 가진 사람, 규칙, 커버리지 요구 사항, 컴플라이언스 위험, 및 각 행동의 다운스트림 영향에 대한 이해를 있어야 합니다.

또한 위험 기반 자율성이 필요합니다. 일부 행동은 매우 낮은 위험으로 추천 또는 실행될 수 있습니다. 예를 들어, 관리자에게 알림을 보내거나, 자격을 가진 근로자에게 열린 시프트를 표면화하거나, 규칙을 적용합니다. 다른 행동은 특히 급여, 컴플라이언스, 안전, 또는 물리적인 스케줄 변경과 관련된 경우에는 인간의 검토를 필요로 합니다.

가장 좋은 프론트라인 AI 시스템은 설명 가능하고, 감찰 가능하며, 취소 가능하도록 설계되어야 합니다. 관리자는 왜 추천이 되었는지 알아야 합니다. 근로자는 프로세스를 신뢰해야 합니다. 비즈니스는 AI가 새로운 위험을 도입하지 않고 실행을 개선하는 것을 확신해야 합니다.

우리의 설계 원칙은 간단합니다. AI는 조직이 실시간으로 감지, 결정, 및 행동을 취할 수 있도록 도와야 합니다. 사람, 정책, 및 거버넌스를 처음부터 빌드인하여.

근로자들은 AI가 일자리를 대체할 수 있다고 우려하고 있습니다. 특히 프론트라인 산업에서. 어떻게 하면 자동화를 근로자에게 권한을 부여하는 것과 균형을 유지할 수 있나요? AI를 채택할 때 근로자들이 두려움이나 불확실성을 느끼지 않도록?

저는 자동화 허풍과 운영적 현실을 분리해야 합니다.

과거 10년 동안, 우리는 프론트라인 업무를 대체하는 것이 예상보다 훨씬 더 어려웠다는 많은 예를 보았습니다. 셀프 체크아웃은 혼합된 결과를 보였습니다. 완전히 자동화된 패스트 푸드는 아직 미래의 것처럼 보입니다. 드론 배달은 대부분의 사람들에게 아직 미래의 것처럼 보입니다.

그것은 기술이 강력하지 않기 때문이 아닙니다. 그것은 많은 프론트라인 업무가 여전히 깊이 인간적이기 때문입니다.

프론트라인 근로자들은 예외, 판단, chăm sóc, 안전, 서비스, 공감, 및 신뢰를 다룹니다. 간호사는 단순히 작업을 완수하는 것이 아닙니다. 소매 협회는 단순히 재고를 이동하는 것이 아닙니다. 레스토랑 근로자는 단순히 주문을 완수하는 것이 아닙니다. 이러한 역할은 사람, 운영, 컴플라이언스, 및 고객 경험의 교차점에 있습니다.

AI는 프론트라인 업무 주변의 마찰을 제거할 수 있습니다. 혼란스러운 스케줄, 빠진 펀치, 급여 질문, 열린 시프트, 컴플라이언스 복잡성, 스태프 격차, 및 관리자가 팀에서 멀어지는 행정적인 작업. 그것은 근로자들이 더 빠르게 답변을 얻을 수 있도록 도와줄 수 있습니다. 관리자가 더 나은 결정을 내릴 수 있도록 도와줄 수 있습니다. 비즈니스가 더 빠르고, 더 정밀하고, 더 신뢰할 수 있게 운영할 수 있도록 도와줄 수 있습니다.

프론트라인 AI의 미래는 업무에서 사람들을 제거하는 것이 아닙니다. 그것은 사람들에게 더 나은 도구, 더 나은 지침, 및 더 많은 지원을 제공하는 것입니다. 중요한 순간에.

기업 소프트웨어를 시스템의 기록에서 지능적인 행동의 시스템으로 이동시키는 AI에 대해 이야기했습니다. 다음 5년 동안 워크포스 플랫폼이 어떻게 발전할 것으로 생각하시나요? 에이전트 AI가 일상적인 운영에 더 많이 내장되면서?

저는 ذلك 질문을 조금 다르게 재구성하고 싶습니다. 질문은 5년 후에 워크포스 플랫폼이 어떻게 보일 것인가가 아닙니다. 질문은 오늘날 기초를 구축하여 5년 후에 리더가 될 조직은 누구인가입니다.

AI의 변화를 위한 속도는 너무 빠르기 때문에, 이를 먼 미래의 변환으로 다루지 말아야 합니다.优势는 오늘날부터 분리된 시스템, 구식 스위트, 및 포인트 솔루션에서 워크포스 운영 플랫폼으로 이동하는 조직에게 돌아갈 것입니다. 그것은 HR, 급여, 시간, 스케줄링, 워크포스 인텔리전스, 및 실행을 연결합니다.

이것은 또 다른 예입니다. UKG 워크포스 인텔리전스 허브가 중요한 이유입니다. AI가 일상적인 워크포스 운영에 더 많이 내장됨에 따라, 지능은 더 이상 옆에 있는 정적인 보고로 존재할 수 없습니다. 그것은 업무가 이해, 우선순위, 및 행동으로 변환되는 방식의 일부가 되어야 합니다. 조직은 프론트라인 워크포스 운영을 위한 지능 계층을 필요로 합니다. 올바른 콘텐츠를 올바른 순간에 가져오기 위해.

그것은 중요합니다. 워크포스 운영은 여유로운 이익과 여유로운 손실로 가득 차 있습니다. 한 가지 빠진 스태프 신호, 한 가지 급여 예외, 한 가지 컴플라이언스 문제, 한 가지 열린 시프트, 또는 한 가지 지연된 관리자 결정은孤立적으로 보일 수 있습니다. 그러나 수천 명의 근로자, 위치, 및 시프트에서 이러한 순간은 빠르게 합계됩니다.

에이전트 AI는 조직이 이러한 간격을 닫을 수 있는 방법을 제공합니다. 그것은 무엇이 변경되는지 이해하고, 비즈니스 컨텍스트를 해석하고, 다음에 어떤 행동을 취해야 하는지 추천하고, 사람들에게 실시간으로 행동을 취할 수 있도록 도와줍니다. 올바른 거버넌스와 인간의 감독을 통해.

다음 5년 동안, 리더는 단순히 기존 워크플로에 AI 기능을 추가한 조직이 아닙니다. 그것은 워크포스 관리를 지능적인 행동의 시스템으로 재고하는 것입니다.

그것이 실행의 긴급성입니다. 프론트라인은 이미 실시간으로 이동하고 있습니다. 귀하의 기술은 그것과 함께 이동해야 합니다. 오늘날이 기능을 구축하는 조직은 중요한 시작을 가질 것입니다.

앞으로, 기업 AI에서 승리하는 회사들은 최고의 모델을 가진 회사들이 될까요, 아니면 실제 워크플로에 직접 연결된 가장 깊은 운영 및 워크포스 데이터를 가진 회사들이 될까요?

가장好的 모델은 중요할 것입니다. 그러나 저는 기업 AI에서 승리하는 것이 모델만으로 정의되지 않을 것으로 믿습니다.

기업에서, 지능은 업무의 컨텍스트를 이해하고, 사람들에게 올바른 행동을 취할 수 있도록 도와줄 때만 가치가 있습니다. 그것은 특히 워크포스 운영에서 중요합니다. 추천은誰가 근무하고, 누구가 자격을 가지고, 어떤 규칙이 적용되는지, 수요는 어떤지, 급여 영향은 무엇인지, 및 다운스트림에서 어떤 위험 또는 컴플라이언스 문제가 발생할 수 있는지에 따라 달라질 수 있습니다.

모델은 대답을 생성할 수 있습니다. 그러나 플랫폼은 워크포스 데이터, 비즈니스 규칙, 워크플로우 컨텍스트, 및 거버넌스를 통해 결과를 驅動할 수 있습니다.

이것이 지능 계층이 så 중요합니다. 우리는 우리의 워크포스 인텔리전스 허브와 함께 만들었습니다. AI는 시스템 위에 앉아 있는 것이 가치가 없습니다. 지능은 업무의 흐름에 내장되어야 합니다. 신호를 해석하고, 운영적 제약을 이해하고, 가장 중요한 결정들을 표면화할 수 있어야 합니다.

그것이 시장의 방향입니다. 모델이 더 강력하고, 더 접근하기 쉬워짐에 따라, 차별화는 AI가 실제 워크플로에 얼마나 잘 정착되어 있는지와, 안전하게 통찰에서 행동으로 이동할 수 있는지에 따라 결정될 것입니다.

프론트라인을 위해, 이러한 구별은 중요합니다. 업무는 끊임없이 변경되고, 결정은 즉각적인 결과를 가집니다. 근로자, 관리자, 고객, 환자, 및 비즈니스에게.

기업 AI에서 승리하는 회사들은 단순히 지능적인 AI를 가진 公司가 아닙니다. 그것은 실제로 업무가 발생하는 방식을 이해하고, 조직이 더 빠르고, 더 정밀하고, 더 신뢰할 수 있게, 및 더 인간적으로 운영하도록 도와주는 AI를 가진 公司입니다.

감사합니다. 이 훌륭한 인터뷰에 대해. 더 많은 것을 배우고 싶은 독자들은 UKG를 방문해야 합니다.