Corey Spencer, GM och GVP för AI på UKG – Intervjuer

Corey Spencer är Group Vice President och General Manager för Product Management för AI & Platform på UKG. Han leder produktstrategi och innovation över UKG:s AI, plattform och arbetsstyrka-initiativ, vilket hjälper organisationer att omvandla arbetsstyrkedata till handlingsbara insikter som formar positiva affärsresultat. Med mer än 20 års erfarenhet är Spencer en respekterad tankeledare om framtiden för AI, arbetsstyrkeintelligens och tillämpningen av AI för frontlinjearbete.

UKG är en global leverantör av human capital management, löne- och arbetsstyrkehanteringsprogramvara som är utformad för att hjälpa organisationer att hantera och stödja sina anställda mer effektivt. Deras plattform kombinerar humanresurser, löner, schemaläggning, närvaro, efterlevnad, analyser och AI-drivna arbetsstyrkeinsikter, som tjänar företag från små företag till stora globala företag. Med 50 års branscherfarenhet stöder UKG mer än 80 000 organisationer i 150 länder, med tiotals miljoner människor som använder deras lösningar varje dag.

Du har tillbringat mer än två decennier med att hjälpa företag att förstå kund-, analytisk- och arbetsstyrkedata över företag som Adobe, Alteryx och UKG. Vad övertygade dig om att frontlinjearbetare, snarare än kunskapsarbetare, representerar en av de viktigaste och förbisedda möjligheterna för AI idag?

Det som övertygade mig är enkelt: frontlinjen är där ekonomin faktiskt fungerar.

Vi har sett en enorm framgång med att tillämpa AI på kunskapsarbete. Men den största, mest dynamiska delen av arbetsstyrkan har ofta varit underskattad. Frontlinjearbetare representerar majoriteten av arbetare globalt – så mycket som 80% enligt vissa uppskattningar – och de driver de industrier vi alla är beroende av varje dag: hälsovård, detaljhandel, tillverkning, logistik, gästfrihet och offentliga tjänster.

För många företag är frontlinjen också en av de största delarna av resultaträkningen. Det är där arbetskostnad, kundupplevelse, efterlevnad, säkerhet, servicekvalitet och anställdas engagemang alla kommer samman. Och ändå förblir det en av de minst optimerade delarna av företaget.

Inte för att arbetet är enkelt. För att det är otroligt komplext.

Frontlinjearbete kan planeras veckovis eller månadsvis, men det ändras varje minut av varje skift. Någon ringer av. Efterfrågan ökar. En patientbelastning ändras. En leverans försenas. En efterlevnadsregel tillämpas annorlunda beroende på roll, plats, certifiering eller arbetade timmar.

Traditionella företagssystem byggdes för att spela in vad som hände. Frontlinjen behöver teknologi som kan hjälpa organisationer att agera medan beslutet fortfarande är viktigt.

Det är därför AI är så viktigt. Agentic AI kan förstå sammanhang, avsikt och begränsningar, och sedan hjälpa till att orkestrera åtgärder över schemaläggning, tid, lön, HR och verksamhet – med människor i kontroll.

För mig är möjligheten att stänga gapet mellan arbetsstyrkeplanering och arbetsstyrkeutförande. När vi gör det, får anställda bättre upplevelser, chefer får stöd i en skala som ingen individ kan hantera ensam, och företag kan operera med mer hastighet, precision och tillit.

Detta är inte bara en produktivitetshistoria. Det är en utförandehistoria.

Frontlinjearbetare utgör majoriteten av den globala arbetsstyrkan, men mycket av AI-boomen har fokuserat på kontorsproduktivitetsverktyg. Varför tror du att branschen underskattade komplexiteten och vikten av frontlinjemiljöer under så lång tid?

Jag tror att branschen underskattade frontlinjen eftersom det var lättare att bygga AI för det arbete som redan var digitalt.

Kontorsarbete sker i dokument, e-post, möten, kalendrar och samarbetsverktyg. Det gjorde det till en naturlig första våg för AI. Men frontlinjen är annorlunda. Det är fysiskt, distribuerat, starkt reglerat, tidskänsligt och ständigt föränderligt. Och ändå representerar det så mycket som 80% av den globala arbetsstyrkan – människor som vanligtvis inte sitter vid skrivbord, men som håller företag, samhällen och ekonomin igång varje dag.

Komplexiteten är inte bara arbetet i sig. Det är data runt arbetet. Vi är lyckliga eftersom UKG alltid har fokuserat på frontlinjen, så vi har en multi-decennier lång försprång inom detta område.

Frontlinjearbetsstyrkedata är otroligt högvolym och bullrig. Det kommer från scheman, tidklockor, slag, löneregler, certifieringar, arbetskraftsprognoser, frånvaro, efterfrågesignaler, efterlevnadskrav, chefbeslut, anställdas preferenser och operativa förändringar som sker över tusentals platser och skift. Dessa signaler är ständigt i rörelse och är djupt beroende av sammanhang – roll, plats, färdighet, policy, reglering, efterfrågan och timing.

Det har gjort frontlinjemiljöer mycket svårare att analysera på ett meningsfullt sätt. Innan många organisationer kan förstå vad som hände, har ögonblicket att påverka resultatet redan passerat. En personalbrist, övertidsrisk, efterlevnadsproblem, löneproblem eller missad täckningssignal är inte viktigt en vecka senare. Det är viktigt medan det fortfarande finns tid att agera.

Det är därför frontlinje-AI måste vara fundamentalt annorlunda än kontorsproduktivitets-AI. Det kan inte bara sammanfatta information eller generera innehåll. Det måste förstå operativt sammanhang, tolka bullriga arbetsstyrkesignaler och hjälpa människor att vidta åtgärder i realtid.

För UKG är detta kärnmöjligheten i vår verksamhet och lösningar som UKG Workforce Intelligence Hub. Frontlinjen behöver inte ett annat system för registrering. Det behöver ett system för åtgärder – ett som hjälper organisationer att omvandla arbetsstyrkedata till bättre beslut, snabbare utförande och mer tillförlitliga resultat för anställda, chefer och företaget.

För år sedan byggdes företagsprogramvara runt arbete som var lättare att digitalisera: skrivbord, dokument, möten, arbetsflöden och kunskapsarbete. Men frontlinjearbete är annorlunda. Det är fysiskt, distribuerat, reglerat, tidskänsligt och högt branschspecifikt.

En detaljhandelsmedarbetare, en sjuksköterska, en tillverkningsingenjör, en lagerarbetare och en hotellchef är alla frontlinjearbetare, men den operativa miljön runt var och en av dem är helt annorlunda. Detaljhandelsteam kan behöva justera arbetskraft baserat på trafik, kampanjer, väder eller lokala evenemang. Hälsovårdsteam behöver rätt person med rätt behörighet på rätt enhet när patientbehov förändras under dagen. Tillverkningslag balanserar färdigheter, säkerhet, övertid, produktionscheman och arbetsregler.

Det är den riktiga komplexiteten. Arbetet kan planeras veckovis eller månadsvis, men det ändras varje minut av varje skift. En schema som såg rätt ut på måndagen kan vara fel på onsdagen. En personalplan som fungerade klockan 08.00 kan vara trasig klockan 12.00.

Historiskt sett kunde de flesta system bara registrera vad som hände efteråt. Frontlinjen behöver mer än rapportering. Det behöver åtgärder i ögonblicket.

Det är därför AI är så viktigt. Agentic AI kan förstå sammanhang, avsikt, begränsningar och affärsregler, och sedan hjälpa chefer och anställda att vidta åtgärder över schemaläggning, tid, lön, HR och verksamhet.

Vi har arbetat med dessa frontlinjeutmaningar i decennier. Vad som är annorlunda nu är att AI ger oss ett sätt att omvandla dem på ett nytt sätt, med ökad hastighet, precision och branschrelevans.

Möjligheten är inte att göra frontlinjearbete lika kontorsarbete. Det är att bygga teknologi som respekterar hur frontlinjearbete faktiskt sker – och hjälper människor och företag att fatta bättre beslut i realtid.

Att bygga AI för en detaljhandelsmedarbetare, en sjuksköterska, en lagerarbetare eller en hotellchef är mycket annorlunda än att bygga AI-kopiloter för skrivbordsarbetare. Vilka är de största tekniska och operativa skillnaderna mellan dessa miljöer?

Den största skillnaden är att frontlinje-AI inte kan bara leva i ett dokument, inkorg eller chattfönster. Det måste leva i arbetsflödet.

För skrivbordsarbetare hjälper AI ofta till att skapa, sammanfatta, söka eller analysera information. För frontlinjearbetare måste AI förstå vad som händer i verksamheten just nu – vem som arbetar, vem som är kvalificerad, vem som är tillgänglig, vad efterfrågan ser ut som, vilka regler gäller och vilken åtgärd som ska vidtas härnäst. Det är ett mycket annorlunda tekniskt problem.

Så AI måste vara kontextuell, branschmedveten och åtgärdsorienterad. Det måste förstå roller, policyer, arbetsregler, lönkonsekvenser, scheman, certifieringar och affärsprioriteringar – och det måste göra det med tillit, förklarbarhet och mänsklig tillsyn.

Den operativa skillnaden är lika viktig. Frontlinechefer har inte tid att tolka instrumentpaneler medan skiftet är i gång. Anställda vill inte ha ett annat system att navigera. AI måste vara inbäddat, snabbt, intuitivt och användbart i ögonblicket.

Det är därför frontlinje-AI inte bara är en kopilot för arbete. Det är intelligens som hjälper organisationer att känna av, besluta och agera i realtid.

Du har talat om vikten av realtidsarbetsstyrkedata, inklusive skift, schemaläggning, lön och personal signaler. Varför är realtidsutförande särskilt viktigt för frontlinje-AI-system?

Utmaningen är inte om en organisation har data. De flesta företag skapar mer arbetsstyrkedata än någonsin. Utmaningen är att översätta dessa signaler till tidsmässiga rekommendationer, vägledning och åtgärder – medan beslutet fortfarande är viktigt.

Det är därför realtidsutförande är så viktigt för frontlinje-AI. AI måste förstå vad som händer, vilka begränsningar som gäller och vilken åtgärd som ska vidtas härnäst. Ska vi justera ett schema? Fylla ett öppet skift? Varna en chef? Förhindra ett efterlevnadsproblem? Åtgärda ett löneproblem innan det blir ett anställdas upplevelseproblem?

Detta kan låta som små beslut, men över tusentals anställda, skift och platser kan små förbättringar ackumuleras snabbt. Bättre täckning, färre undantag, smartare arbetskraftsbeslut och snabbare chefshandlingar kan skapa meningsfull påverkan för anställda och företag.

Detta är syftet med UKG Workforce Intelligence Hub: att hjälpa organisationer att omvandla arbetsstyrkedata till bättre beslut och snabbare åtgärder, särskilt för frontlinjen.

Vi har en unikt rik vy över HR, lön och arbetsstyrkehantering – områden där arbetsstyrkestrategi blir operativ verklighet. När dessa data kombineras med bransch- och peer-benchmark, arbetskraftskostnadsinsikter och AI som kan identifiera de mest relevanta slutsatserna och rekommenderade åtgärderna, får chefer en mycket tydligare vy över vad som händer, varför det är viktigt och var man ska agera.

För chefer är detta den riktiga värdet. Det är inte en annan instrumentpanel att granska. Det är ett verktyg som hjälper till att hantera arbetskraft mer exakt, identifiera risker tidigare, benchmarka prestanda mer effektivt och fatta beslut med större tillförlitlighet i de ögonblick som är viktiga.

Många organisationer undersöker agentic AI, men det finns en oro kring autonomi, styrning och tillit. Vilka skyddsåtgärder är nödvändiga innan företag kan tillåta AI-agenter att vidta åtgärder i arbetsstyrkehanteringssystem?

I arbetsstyrkeoperationer behöver AI-agenter tydliga gränser eftersom besluten är djupt mänskliga. De påverkar scheman, lön, efterlevnad, täckning, trötthet, rättvisa och anställdas tillit. Det betyder att agenter inte kan optimera för hastighet eller effektivitet. De måste operera inom policy, behörighet och syfte.

De viktigaste skyddsåtgärderna är sammanhang, kontroll och ansvar.

Sammanhang betyder att AI förstår anställda, rollen, platsen, arbetsreglerna, affärsbehovet och den nedströms påverkan. Kontroll betyder att agenten agerar bara inom definierade behörigheter, med rätt nivå av mänsklig godkännande baserat på risk. Ansvar betyder att varje rekommendation eller åtgärd är förklarbar, granskbar och återställbar.

Vissa åtgärder kan vara lämpliga för en agent att utföra automatiskt, som att presentera ett öppet skift för kvalificerade anställda eller varna en chef om en övertidsrisk. Åtgärder med högre påverkan, särskilt de som involverar lön, efterlevnad, disciplin eller materiella schemaförändringar, bör kräva mänsklig granskning.

Målet är inte att ta bort chefer eller HR-team från processen. Det är att ge dem intelligentt stöd i en skala som ingen individ kan hantera ensam.

Tillförlitlig agentic AI ska omvandla avsikt till åtgärd – men alltid med transparens, styrning och människor i loopet.

Varje funktion ska genomgå rigorös modellvalidering, säkerhetsgranskning, integritetsbedömning och kontinuerlig övervakning innan den når produktion.

UKG har diskuterat AI-tillämpningar som kan omfördela scheman, upptäcka löneproblem och påskynda rekrytering. Vilka av dessa användningsfall levererar redan mätbar operativ värde idag, och vilka är fortfarande i tidig fas?

Användningsfallen som levererar värde snabbast är de som tar bort friktion från beslut som chefer och team redan måste fatta varje dag.

Löneproblemdetektering är ett exempel som alla kan relatera till. Lön är en av de högst tillförlitliga processerna i vilket företag som helst, och det är särskilt komplext för frontlinje- och timanställda. En missad slagning, ett löneproblem, ett efterlevnadsproblem eller en compliance-fråga kan skapa timmar av manuellt arbete och direkt påverka anställdas tillit. AI kan hjälpa till att identifiera problem tidigare, förklara vad som ser fel ut och vägleda team mot lösning innan lönen stängs.

Det finns många mer avancerade exempel som vi är mycket entusiastiska över. Ett är realtidsarbetskrafts- och schemaoptimering. Detta är där UKG Dynamic Workforce Operations är så viktigt. Värdet är inte bara att se att en butik, enhet, lager eller hotell är underbemannat. Värdet är att förstå vad som har ändrats, vilka begränsningar som gäller och vilken åtgärd en chef kan vidta i ögonblicket – antingen det är att fylla ett öppet skift, undvika övertidsrisk eller skydda täckning. Dessa beslut fattas idag av instinkt, ofta timmar för sent. Nu kan chefer få en rekommendation backad av data innan en människa ens vet att det finns ett problem.

Det tredje är frontlinjestöd i arbetsflödet. Genom UKG Frontline Worker Network kan arbetsstyrkedata hjälpa till att ansluta anställda till stöd runt rikedom, hälsa och vardagliga behov när dessa behov är mest relevanta. Det är fortfarande en ny kategori, men det är en viktig eftersom anställdas upplevelse inte kan leva i en separat portal som ingen har tid att använda.

Rekrytering påskyndas också och blir alltmer praktisk, särskilt i högvolymfrontlinjemiljöer där hastighet är viktig. Vår AI-nativa UKG Rapid Hire har minskat tiden från kandidatintresse till schemalagd intervju från veckor och dagar till timmar och till och med minuter i vissa fall. Vi har minskat repetitivt arbete över källning, screening, schemaläggning, ombordstigning och första dagens beredskap för frontlinjerekrtering i stor skala.

Den riktiga möjligheten är inte isolerad automation. Det är en arbetsstyrkeoperativ plattform som kan känna av vad som förändras, rekommendera nästa bästa åtgärd och hjälpa organisationer att flytta från avsikt till åtgärd med rätt styrning och mänsklig tillsyn.

I sektorer som hälsovård, tillverkning och logistik kan små arbetsstyrkeavbrott ha omedelbara nedströmskonsekvenser. Hur utformar du AI-system som kan svara snabbt utan att skapa ytterligare operativ risk?

Hastighet är viktigt, men i frontlinjemiljöer är hastighet utan kontroll risk.

I hälsovård, tillverkning, logistik och andra komplexa sektorer kan ett litet arbetsstyrkeavbrott snabbt få en effekt. En frånvaro kan påverka patienttäckning. En färdighetslucka kan sakta ner en produktionslinje. En missad personal signal kan försena leveranser eller skapa övertidsrisk.

Så målet är inte att bygga AI som bara rör sig snabbare. Målet är att bygga AI som rör sig snabbare inom rätt begränsningar.

Det börjar med sammanhang. AI måste förstå vem som är kvalificerad, vilka regler som gäller, vad täckning krävs, vilka efterlevnadsrisker finns och vad den nedströms påverkan av varje åtgärd kan vara.

Det kräver också riskbaserad autonomi. Vissa åtgärder kan rekommenderas eller utföras med mycket låg risk, som att varna en chef, identifiera kvalificerade ersättare eller presentera ett öppet skift. Andra åtgärder bör kräva mänsklig granskning, särskilt när de påverkar lön, efterlevnad, säkerhet eller materiella schemaförändringar.

De bästa frontlinje-AI-systemen är utformade för att vara förklarbara, granskbara och återställbara. Chefer behöver veta varför en rekommendation gjordes. Anställda behöver lita på processen. Och företaget behöver tillförlitlighet att AI förbättrar utförandet utan att införa ny risk.

För oss är designprincipen enkel: AI ska hjälpa organisationer att känna av, besluta och agera i realtid – med människor, policy och styrning inbyggd från början.

Det finns en växande oro bland arbetare att AI kan ersätta jobb, särskilt i frontlinjeindustrier. Hur balanserar du automation med att ge anställda makt snarare än att skapa rädsla eller osäkerhet kring AI-antagande?

Jag tror att vi måste skilja automationshype från operativ verklighet.

Under det senaste decenniet har vi sett många exempel där att ersätta frontlinjearbete visade sig vara mycket svårare än förväntat. Självbetjäning har haft blandade resultat. Fullt automatiserad snabbmat har varit mer pilot än paradigm. Drönarleverans känns fortfarande, för de flesta, som något från framtiden.

Det är inte för att tekniken inte är kraftfull. Det är för att en stor del av frontlinjearbetet förblir djupt mänskligt.

Frontlinjearbetare hanterar undantag, omdöme, omsorg, säkerhet, service, empati och tillit. En sjuksköterska är inte bara en som slutför en uppgift. En detaljhandelsmedarbetare är inte bara en som flyttar lager. En restaurangarbetare är inte bara en som uppfyller en beställning. Dessa roller sitter i skärningspunkten mellan människor, verksamhet, efterlevnad och kundupplevelse.

AI kan ta bort friktionen runt frontlinjearbete: förvirrande scheman, missade slagningar, lönfrågor, öppna skift, efterlevnadskomplexitet, personalbrister och administrativa uppgifter som drar chefer bort från deras team. Det kan hjälpa anställda att få svar snabbare, hjälpa chefer att fatta bättre beslut och hjälpa organisationer att operera med mer precision.

Framtiden för frontlinje-AI är inte att ta bort människor från arbete. Det är att ge människor bättre verktyg, bättre vägledning och mer stöd i de ögonblick som är viktiga.

Du har beskrivit AI som att flytta företagsprogramvara från system för registrering till system för intelligent åtgärd. Hur ser du att arbetsstyrkeplattformar utvecklas under de närmaste fem åren när agentic AI blir mer inbäddad i dagliga operationer?

Jag skulle faktiskt omformulera det något. Frågan är inte vad arbetsstyrkeplattformar kommer att se ut om fem år. Frågan är vilka organisationer som bygger grunden idag för att vara ledare om fem år.

Förändringstakten i AI är för snabb för att behandla detta som en avlägsen transformation. Fördelen kommer att gå till organisationer som flyttar nu från frånkopplade system, klumpiga sviter och punktlösningar till en sann arbetsstyrkeoperativ plattform – en som kopplar samman HR, lön, tid, schemaläggning, arbetsstyrkeintelligens och utförande.

Detta är ett annat exempel på var UKG Workforce Intelligence Hub blir viktigt. När AI blir mer inbäddad i dagliga arbetsstyrkeoperationer, kan intelligens inte sitta avsides som statisk rapportering. Det måste bli en del av hur arbete förstås, prioriteras och ageras på. Organisationer behöver ett intelligenslager för frontlinjearbetsstyrkeoperationer för att bringa rätt innehåll in i rätt ögonblick.

Detta är viktigt eftersom arbetsstyrkeoperationer är fulla av marginalvinster och marginalförluster. En missad personal signal, ett löneproblem, ett efterlevnadsproblem, ett öppet skift eller en försenad chefbeslut kan se litet ut i isolering. Men över tusentals anställda, platser och skift kan dessa ögonblick ackumuleras snabbt.

Agentic AI ger organisationer ett sätt att stänga detta gap. Det kan förstå vad som förändras, tolka affärssammanhang, rekommendera nästa bästa åtgärd och hjälpa människor att agera i realtid med rätt styrning och mänsklig tillsyn.

Under de närmaste fem åren kommer ledarna inte att vara de organisationer som bara lade till AI-funktioner till befintliga arbetsflöden. De kommer att vara de som omformade arbetsstyrkehantering som ett system för intelligent åtgärd.

För chefer är detta brådskan: frontlinjen rör sig redan i realtid. Din teknik måste röra sig med den. Organisationer som bygger denna förmåga nu kommer att ha en betydande försprång.

Att se framåt, tror du att de företag som vinner i företags-AI kommer att vara de med de bästa modellerna, eller de med de djupaste operativa och arbetsstyrkedata som är direkt kopplade till verkliga arbetsflöden?

De bästa modellerna kommer att vara viktiga, men jag tror inte att modeller ensam kommer att definiera vinnarna i företags-AI.

I företaget är intelligens bara värdefull om den förstår arbetets sammanhang och kan hjälpa människor att vidta rätt åtgärd. Det är särskilt sant i arbetsstyrkeoperationer, där en rekommendation kan bero på vem som är schemalagd, vem som är kvalificerad, vilka regler som gäller, vad efterfrågan ser ut som, vad lönkonsekvenserna är och vad risk eller efterlevnadsproblem kan skapas nedströms.

En modell utan detta operativa sammanhang kan generera ett svar. En plattform med rätt arbetsstyrkedata, affärsregler, arbetsflödeskontext och styrning kan hjälpa till att driva ett resultat.

Detta är varför ett intelligenslager, som vi har skapat med vår Workforce Intelligence Hub, är så viktigt. AI som sitter ovanpå ett system har begränsat värde. Intelligens bör vara inbäddad i arbetsflödet, kunna tolka signaler, förstå operativa begränsningar och presentera beslut som är viktigast.

Det är dit marknaden är på väg. När modeller blir mer kraftfulla och mer tillgängliga, kommer differentiering att komma från hur väl AI är förankrat i verkliga arbetsflöden och hur säkert det kan flytta från insikt till åtgärd.

För frontlinjen är denna distinktion kritisk. Arbetet förändras konstant, och beslut har omedelbara konsekvenser för anställda, chefer, kunder, patienter och företaget.

Företag som vinner i företags-AI kommer inte att ha AI som bara låter intelligent. De kommer att ha AI som förstår hur arbete faktiskt sker – och kan hjälpa organisationer att operera med mer hastighet, precision, tillit och mänsklighet.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka UKG.