Кори Спенсер, GM и GVP по AI в UKG – Интервью

Кори Спенсер является вице-президентом и генеральным менеджером по управлению продуктами для AI и платформы в UKG. Он руководит стратегией продукта и инновациями в области AI, платформы и интеллекта рабочей силы, помогая организациям превратить данные о рабочей силе в действенные идеи, которые формируют положительные бизнес-результаты. С более чем 20-летним опытом, Спенсер является уважаемым мыслителем о будущем AI, интеллекте рабочей силы и применении AI к работе на переднем крае.

UKG является глобальным поставщиком программного обеспечения для управления человеческими ресурсами, оплаты труда и управления рабочей силой, предназначенным для помощи организациям в более эффективном управлении и поддержке своих сотрудников. Его платформа объединяет человеческие ресурсы, оплату труда, расписание, время и посещаемость, соблюдение требований, анализ и AI-инсайты рабочей силы, обслуживая бизнес от небольших компаний до крупных глобальных предприятий. С 50-летним опытом в отрасли, UKG поддерживает более 80 000 организаций в 150 странах, с десятками миллионов людей, использующих его решения каждый день.

Вы потратили более двух десятилетий на помощь предприятиям в понимании данных о клиентах, аналитике и данных о рабочей силе в компаниях như Adobe, Alteryx и UKG. Что убедило вас, что сотрудники на переднем крае, а не сотрудники с знаниями, представляют одну из наиболее важных и упущенных возможностей для AI сегодня?

Меня убедило простое обстоятельство: передний край – это то место, где фактически работает экономика.

Мы видели огромный прогресс в применении AI к работе с знаниями. Но самая большая и динамичная часть рабочей силы часто остается недооцененной. Сотрудники на переднем крае представляют большинство работников во всем мире – до 80% по некоторым оценкам – и они обеспечивают отрасли, от которых мы все зависим каждый день: здравоохранение, розничная торговля, производство, логистика, гостиничный бизнес и государственные услуги.

Для многих компаний передний край также является одной из крупнейших частей P&L. Это то место, где общие затраты на труд, опыт клиентов, соблюдение требований, безопасность, качество обслуживания и вовлеченность сотрудников все объединяются. И все же, это остается одной из наименее оптимизированных частей предприятия.

Не потому, что работа проста. Потому что она невероятно сложна.

Работа на переднем крае может планироваться по неделям или месяцам, но она меняется каждую минуту каждого смены. Кто-то уходит. Спрос возрастает. Нагрузка пациентов меняется. Отгрузка задерживается. Правило соблюдения применяется по-разному в зависимости от роли, местоположения, сертификации или отработанных часов.

Традиционные системы предприятия были построены для записи того, что произошло. Передний край нуждается в технологиях, которые могут помочь организациям действовать, пока решение еще имеет значение.

Это почему AI так важен. AI с агентскими возможностями может понять контекст, намерения и ограничения, а затем помочь оркестрировать действие по расписанию, времени, оплате, HR и операциям – с людьми в контроле.

Для меня возможность заключается в том, чтобы закрыть разрыв между планированием рабочей силы и выполнением рабочей силы. Когда мы это делаем, сотрудники получают лучший опыт, менеджеры получают поддержку в масштабе, который никто не может справиться в одиночку, и бизнес может работать с большей скоростью, точностью и доверием.

Это не просто история о производительности. Это история об исполнении.

Сотрудники на переднем крае составляют большинство глобальной рабочей силы, но большая часть бума AI сосредоточена на офисных инструментах производительности. Почему, по вашему мнению, отрасль недооценила сложность и важность среды на переднем крае так долго?

Я думаю, что отрасль недооценила передний край, потому что было легче строить AI для работы, которая уже была цифровой.

Офисная работа происходит в документах, электронных письмах, встречах, календарях и инструментах сотрудничества. Это сделало его естественной первой волной для AI. Но передний край отличается. Он физический, распределенный, высокорегулируемый, чувствительный к времени и постоянно меняющийся. И все же, он представляет до 80% глобальной рабочей силы – людей, которые обычно не сидят за столами, но которые поддерживают бизнес, сообщества и экономику каждый день.

Сложность не только в работе самой по себе. Это данные вокруг работы. Мы счастливы, что UKG всегда был сосредоточен на переднем крае, поэтому у нас есть многолетний старт в этой области.

Данные о рабочей силе на переднем крае невероятно высокообъемные и шумные. Они поступают из расписаний, табелей, ударов, правил оплаты, сертификаций, прогнозов рабочей силы, отсутствий, сигналов спроса, требований соблюдения, решений менеджеров, предпочтений сотрудников и оперативных изменений, происходящих на тысячах мест и смен. Эти сигналы постоянно меняются и глубоко зависят от контекста – роли, местоположения, навыков, политики, регулирования, спроса и времени.

Это сделало среды на переднем крае намного сложнее для анализа осмысленным образом. К тому времени, когда многие организации могут понять, что произошло, момент для влияния на результат уже прошел. Пробел в штате, риск сверхурочной работы, проблема соблюдения, исключение из оплаты или сигнал пропущенной занятости не имеет значения через неделю. Это имеет значение, пока еще есть время действовать.

Это почему AI на переднем крае должен быть фундаментально другим, чем AI для офисной производительности. Он не может просто суммировать информацию или генерировать контент. Он должен понимать оперативный контекст, интерпретировать шумные сигналы рабочей силы и помогать людям действовать в реальном времени.

Для UKG это ядро нашей бизнес- и решений, таких как Центр интеллекта рабочей силы UKG. Передний край не нуждается в еще одной системе учета. Ему нужна система действий – одна, которая помогает организациям превратить данные о рабочей силе в лучшие решения, быстрое исполнение и более доверительные результаты для сотрудников, менеджеров и бизнеса.

За годы программное обеспечение для предприятий строилось вокруг работы, которая была легче оцифровывать: столы, документы, встречи, рабочие процессы и работу с знаниями. Но работа на переднем крае отличается. Она физическая, распределенная, регулируемая, чувствительная к времени и высокоиндустриальная.

Продавец в рознице, медсестра, техник по производству, работник на складе и менеджер отеля – все это сотрудники на переднем крае, но оперативная среда вокруг каждого из них совершенно разная. Команды розницы могут нуждаться в корректировке рабочей силы на основе трафика, промо-акций, погоды или местных событий. Команды здравоохранения нуждаются в правильном человеке с правильной квалификацией в правильном отделении, поскольку потребности пациентов меняются на протяжении дня. Производственные команды балансируют навыки, безопасность, сверхурочную работу, производственные графики и правила труда.

Это настоящая сложность. Работа может планироваться по неделям или месяцам, но она меняется каждую минуту каждого смены. Расписание, которое выглядело правильно в понедельник, может быть неправильным к среде. План штата, который работал в 8 утра, может быть сломан к полудню.

Исторически большинство систем могли только записать, что произошло после факта. Передний край нуждается в чем-то большем, чем отчетность. Ему нужны действия в момент.

Это почему AI так важен. AI с агентскими возможностями может понять контекст, намерения, ограничения и бизнес-правила, а затем помочь менеджерам и сотрудникам действовать по расписанию, времени, оплате, HR и операциям.

Мы потратили десятилетия на работу над этими проблемами на переднем крае. Что отличается сейчас, так это то, что AI дает нам способ преобразовать их на новом уровне скорости, точности и индустриальной актуальности.

Возможность не заключается в том, чтобы сделать работу на переднем крае похожей на офисную работу. Это построение технологий, которые уважают, как работа на переднем крае фактически происходит – и помогают людям и бизнесу принимать лучшие решения в реальном времени.

Строить AI для продавца в рознице, медсестры, работника на складе или сотрудника гостиничного бизнеса очень отличается от построения AI-копилотов для сотрудников за столами. Каковы самые большие технические и оперативные различия между этими средами?

Самое большое различие заключается в том, что AI на переднем крае не может просто существовать в документе, почте или окне чата. Он должен существовать в потоке работы.

Для сотрудников за столами AI часто помогает создавать, суммировать, искать или анализировать информацию. Для сотрудников на переднем крае AI должен понимать, что происходит в операции прямо сейчас – кто работает, кто квалифицирован, кто доступен, какой спрос, какие правила применяются и какое действие должно быть выполнено дальше. Это очень другая техническая проблема.

Таким образом, AI должен быть контекстно-зависимым, отраслевым и ориентированным на действие. Он должен понимать роли, политику, правила труда, последствия оплаты, расписания, сертификации и бизнес-приоритеты – и делать это с доверием, объяснимостью и человеческим надзором.

Оперативное различие столь же важно. Менеджеры на переднем крае не имеют времени на интерпретацию панелей управления, пока смена движется. Сотрудники не хотят еще одну систему для навигации. AI должен быть встроен, быстр, интуитивен и полезен в момент.

Это почему AI на переднем крае не просто копилот для работы. Это интеллект, который помогает организациям чувствовать, решать и действовать в реальном времени.

Вы говорили о важности данных о рабочей силе в реальном времени, включая смены, расписание, оплату и сигналы штата. Почему исполнение в реальном времени особенно критично для систем AI на переднем крае?

Проблема не заключается в том, имеет ли организация данные. Большинство предприятий создают больше данных о рабочей силе, чем когда-либо. Проблема заключается в переводе этих сигналов в своевременные рекомендации, руководство и действие – пока решение еще имеет значение.

Это почему исполнение в реальном времени так критично для AI на переднем крае. AI должен понимать, что происходит, какие ограничения применяются и какое следующее действие должно быть выполнено. Должны ли мы корректировать расписание? Заполнить открытую смену? Предупредить менеджера? Предотвратить проблему соблюдения? Исправить исключение из оплаты, прежде чем оно станет проблемой опыта сотрудника?

Эти могут показаться небольшими решениями, но на тысячах сотрудников, смен и мест они быстро складываются. Лучшее покрытие, меньше исключений, более умные решения по труду и быстрое действие менеджеров могут создать значительное влияние на сотрудников и бизнес.

Это цель Центра интеллекта рабочей силы UKG: помочь организациям превратить данные о рабочей силе в лучшие решения и быстрое действие, особенно для переднего края.

У нас есть уникальный взгляд на HR, оплату и управление рабочей силой – области, где стратегия рабочей силы становится оперативной реальностью. Когда эти данные объединяются с индустриальными и аналогичными бенчмарками, инсайтами по стоимости труда и AI, который может выявить наиболее актуальные выводы и рекомендованные действия, лидеры получают гораздо более четкое представление о том, что происходит, почему это важно и где действовать.

Для руководителей это реальная ценность. Это не просто еще одна панель управления для обзора. Это инструмент, который помогает управлять трудом более точно, выявлять риски раньше, бенчмаркить производительность более эффективно и принимать решения с большей уверенностью в моменты, которые имеют значение.

Многие организации исследуют агентский AI, но есть опасения по поводу автономности, управления и доверия. Какие ограничители необходимы, прежде чем предприятия смогут позволить агентам AI действовать в системах управления рабочей силой?

В операциях рабочей силы агенты AI нуждаются в четких границах, потому что решения глубоко человеческие. Они влияют на расписания, оплату, соблюдение, покрытие, усталость, справедливость и доверие сотрудников. Это означает, что агенты не могут просто оптимизировать для скорости или эффективности. Они должны действовать в рамках политики, разрешений и цели.

Самые важные ограничители – контекст, контроль и подотчетность.

Контекст означает, что AI понимает сотрудника, роль, местоположение, правила труда, бизнес-нужду и последствия вниз по цепочке. Контроль означает, что агент действует только в рамках определенных разрешений, с правильным уровнем человеческого одобрения на основе риска. Подотчетность означает, что каждая рекомендация или действие объяснима, аудиторна и обратима.

Некоторые действия могут быть подходящими для автоматического выполнения агентом, такие как выявление открытой смены для квалифицированных сотрудников или предупреждение менеджера об риске сверхурочной работы. Более значимые действия, особенно те, которые влияют на оплату, соблюдение, дисциплину или существенные изменения расписания, должны требовать человеческого обзора.

Цель не заключается в том, чтобы удалить менеджеров или команды HR из процесса. Это дать им интеллектуальную поддержку в масштабе, который никто не может справиться в одиночку.

Доверенный агентский AI должен превратить намерения в действия – но всегда с прозрачностью, управлением и людьми в цикле.

Каждая возможность должна пройти строгую валидацию модели, обзор безопасности, оценку конфиденциальности и постоянный мониторинг, прежде чем она достигнет производства.

UKG обсуждал приложения AI, которые могут ребалансировать расписания, обнаружить аномалии в оплате и ускорить прием на работу. Какие из этих случаев использования уже доставляют измеримую оперативную ценность сегодня, и какие еще находятся на ранней стадии?

Случаи использования, которые доставляют ценность быстрее всего, – это те, которые удаляют трение из решений, которые менеджеры и команды уже должны принимать каждый день.

Обнаружение аномалий в оплате – это пример, с которым все могут связаться. Оплата – это один из самых доверенных процессов в любом бизнесе, и это особенно сложно для сотрудников на переднем крае и почасовой оплаты. Пропущенный удар, проблема с оплатой, исключение или проблема соблюдения может создать часы ручной работы и напрямую повлиять на доверие сотрудников. AI может помочь выявить проблемы раньше, объяснить, что кажется неправильным, и направить команды к решению, прежде чем оплата закроется.

Есть гораздо более продвинутые примеры, которые нас очень волнуют. Один из них – оптимизация рабочей силы и расписания в реальном времени. Это то, где Динамические операции рабочей силы UKG так важны. Ценность не только в том, чтобы увидеть, что магазин, отделение, склад или отель недоукомплектованы. Ценность в понимании того, что изменилось, какие ограничения применяются и какое действие менеджер может предпринять в момент – будь то заполнение открытой смены, избежание риска сверхурочной работы или защита покрытия. Эти решения принимаются сегодня на основе интуиции, часто слишком поздно. Теперь менеджеры могут получить рекомендацию, подтвержденную данными, прежде чем человек даже узнает, что есть проблема.

Третий – поддержка на переднем крае в потоке работы. Через Сеть сотрудников на переднем крае UKG данные о рабочей силе могут помочь соединить сотрудников с поддержкой вокруг богатства, здоровья и повседневных необходимостей, когда эти потребности наиболее актуальны. Это все еще возникающая категория, но это важная, потому что опыт сотрудников не может существовать в отдельном портале, который никто не имеет времени использовать.

Ускорение приема на работу также становится очень практичным, особенно в высокообъемных средах на переднем крае, где скорость имеет значение. Наш родной AI Быстрый прием на работу UKG сократил время от интереса кандидата до запланированного интервью с недель и дней до часов и даже минут в некоторых случаях. Мы сократили повторяющуюся работу по поиску, скринингу, планированию, адаптации и готовности к первому дню для приема на работу на переднем крае в масштабе.

Настоящая возможность не заключается в изолированной автоматизации. Это платформа управления рабочей силой, которая может чувствовать, что меняется, рекомендовать следующее лучшее действие и помочь организациям перейти от намерения к действию с правильным управлением и человеческим надзором.

В секторах, таких как здравоохранение, производство и логистика, небольшие нарушения рабочей силы могут иметь немедленные последствия вниз по цепочке. Как вы проектируете системы AI, которые могут реагировать быстро, не создавая дополнительных оперативных рисков?

Скорость имеет значение, но в средах на переднем крае скорость без контроля – это риск.

В здравоохранении, производстве, логистике и других сложных секторах небольшое нарушение рабочей силы может быстро распространиться. Одно отсутствие может повлиять на покрытие пациентов. Одно пробел в навыках может замедлить производственную линию. Одно пропущенное сигнальное покрытие может задержать доставки или создать риск сверхурочной работы.

Таким образом, цель не заключается в построении AI, который просто движется быстрее. Цель – построить AI, который движется быстрее в рамках правильных ограничений.

Это начинается с контекста. AI должен понимать, кто квалифицирован, какие правила применяются, какое покрытие требуется, какие риски соблюдения существуют и какой может быть последующий удар каждого действия.

Это также требует автономности, основанной на риске. Некоторые действия могут быть рекомендованы или выполнены с очень низким риском, такие как предупреждение менеджера, выявление квалифицированных замен или выявление открытой смены. Другие действия должны требовать человеческого обзора, особенно когда они влияют на оплату, соблюдение, безопасность или существенные изменения расписания.

Лучшие системы AI на переднем крае спроектированы так, чтобы быть объяснимыми, аудиторными и обратимыми. Менеджеры должны знать, почему была сделана рекомендация. Сотрудники должны доверять процессу. А бизнес должен иметь уверенность в том, что AI улучшает исполнение без введения нового риска.

Для нас принцип проектирования прост: AI должен помочь организациям чувствовать, решать и действовать в реальном времени – с людьми, политикой и управлением, построенными в него с самого начала.

Есть растущая обеспокоенность среди работников, что AI может заменить работу, особенно в отраслях на переднем крае. Как вы балансируете автоматизацию с эмансипацией сотрудников, а не созданием страха или неопределенности вокруг принятия AI?

Я думаю, что нам нужно отделить автоматизацию от оперативной реальности.

За последнее десятилетие мы видели много примеров, где замена работы на переднем крае оказалась намного сложнее, чем ожидалось. Самообслуживание имело смешанные результаты. Полностью автоматизированная быстрая еда была больше пилотным проектом, чем парадигмой. Доставка с помощью дронов все еще кажется многим людям чем-то из будущего.

Это не потому, что технология не мощная. Это потому, что большая часть работы на переднем крае остается глубоко человеческой.

Сотрудники на переднем крае обрабатывают исключения, суждения, уход, безопасность, обслуживание, эмпатию и доверие. Медсестра не просто выполняет задачу. Продавец в рознице не просто перемещает инвентарь. Работник в ресторане не просто выполняет заказ. Эти роли находятся на пересечении людей, операций, соблюдения и опыта клиентов.

AI может удалить трение вокруг работы на переднем крае: запутанные расписания, пропущенные удары, вопросы об оплате, открытые смены, сложность соблюдения, пробелы в штате и административные задачи, которые отвлекают менеджеров от их команд. Он может помочь сотрудникам получить ответы быстрее, помочь менеджерам принимать лучшие решения и помочь организациям работать с большей точностью.

Будущее AI на переднем крае не заключается в том, чтобы удалять людей из работы. Это дать людям лучшие инструменты, лучшее руководство и больше поддержки в моменты, которые имеют значение.

Вы описали AI как движущую программное обеспечение для предприятий от систем учета к системам интеллектуального действия. Как вы видите эволюцию платформ управления рабочей силой в течение следующих пяти лет, поскольку агентский AI становится более встроенным в повседневные операции?

Я бы переформулировал это немного. Вопрос не в том, как будут выглядеть платформы управления рабочей силой через пять лет. Вопрос в том, какие организации строят основу сегодня, чтобы быть лидерами через пять лет.

Темп изменений в AI слишком быстр, чтобы относиться к этому как к далекой трансформации. Преимущество будет у организаций, которые сейчас переходят от несвязанных систем, неуклюжих套 и точечных решений к真正щей платформе управления рабочей силой – одной, которая соединяет HR, оплату, время, расписание, интеллект рабочей силы и исполнение.

Это еще один пример того, где Центр интеллекта рабочей силы UKG становится важным. По мере того, как AI становится более встроенным в повседневные операции рабочей силы, интеллект не может сидеть в стороне как статический отчет. Он должен стать частью того, как работа понимается, приоритезируется и действует. Организации нуждаются в слое интеллекта для операций рабочей силы на переднем крае, чтобы принести правильный контент в правильный момент.

Это имеет значение, потому что операции рабочей силы полны маргинальных выгод и маргинальных потерь. Одно пропущенное сигнальное покрытие, одно исключение из оплаты, одна проблема соблюдения, одна открытая смена или одна задержанная решение менеджера может показаться небольшим в изоляции. Но на тысячах сотрудников, мест и смен эти моменты быстро складываются.

Агентский AI дает организациям способ закрыть этот разрыв. Он может понять, что меняется, интерпретировать бизнес-контекст, рекомендовать следующее лучшее действие и помочь людям действовать в реальном времени с правильным управлением и человеческим надзором.

В течение следующих пяти лет лидерами будут не организации, которые просто добавили функции AI к существующим рабочим процессам. Они будут теми, кто переосмыслил управление рабочей силой как систему интеллектуального действия.

Для руководителей это срочность: передний край уже движется в реальном времени. Ваша технология должна двигаться с ним. Организации, которые строят эту способность сейчас, будут иметь значительное преимущество.

Оглядываясь вперед, вы считаете, что компании, которые выиграют в корпоративном AI, будут теми, у кого лучшие модели, или те, у кого самые глубокие оперативные и данные о рабочей силе, связанные напрямую с реальными рабочими процессами?

Лучшие модели будут иметь значение, но я не считаю, что модели сами по себе определят победителей в корпоративном AI.

В корпоративном секторе интеллект ценен только тогда, когда он понимает контекст работы и может помочь людям принимать правильные действия. Это особенно верно в операциях рабочей силы, где рекомендация может зависеть от того, кто запланирован, кто квалифицирован, какие правила применяются, какой спрос, какие последствия оплаты существуют и какой риск или проблема соблюдения может быть создана вниз по цепочке.

Модель без этого оперативного контекста может сгенерировать ответ. Платформа с правильными данными о рабочей силе, бизнес-правилами, контекстом рабочего процесса и управлением может помочь привести к результату.

Это почему слой интеллекта, который мы создали с нашим Центром интеллекта рабочей силы, так важен. AI, сидящий на вершине системы, имеет ограниченную ценность. Интеллект должен быть встроен в поток работы, способен интерпретировать сигналы, понимать оперативные ограничения и выдавать решения, которые имеют наибольшее значение.

Это то, куда, по моему мнению, движется рынок. По мере того, как модели становятся более мощными и доступными, дифференциация будет происходить от того, насколько хорошо AI основан в реальных рабочих процессах и насколько безопасно он может перейти от инсайта к действию.

Для переднего края это различие критично. Работа меняется постоянно, и решения имеют немедленные последствия для сотрудников, менеджеров, клиентов, пациентов и бизнеса.

Компании, которые выиграют в корпоративном AI, не будут просто иметь AI, который звучит интеллектуально. У них будет AI, который понимает, как работа фактически происходит – и может помочь организациям работать с большей скоростью, точностью, доверием и человечностью.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить UKG.