Корі Спенсер, GM і GVP штучного інтелекту в UKG – Серія інтерв’ю

Корі Спенсер є віце-президентом групи та генеральним менеджером управління продуктами для штучного інтелекту та платформи в UKG. Він очолює стратегію продукту та інновації по всім напрямкам штучного інтелекту, платформи та інтелекту працівників компанії, допомагаючи організаціям перетворювати дані про працівників у дієві знання, які формують позитивні результати бізнесу. З більш ніж 20-річним досвідом, Спенсер є поважним мислителем щодо майбутнього штучного інтелекту, інтелекту працівників та застосування штучного інтелекту до роботи на передовій лінії.

UKG є глобальним постачальником програмного забезпечення для управління людськими ресурсами, оплати праці та управління персоналом, призначеного для допомоги організаціям у керуванні та підтримці працівників більш ефективно. Її платформа поєднує в собі кадри, оплату праці, розклад, облік часу, дотримання вимог законодавства, аналіз та штучно інтелектні знання про персонал, обслуговуючи підприємства від малих компаній до великих глобальних підприємств. З 50-річним досвідом у галузі, UKG підтримує понад 80 000 організацій у 150 країнах, з десятками мільйонів людей, які використовують її рішення щодня.

Ви провели понад два десятиліття, допомагаючи підприємствам зрозуміти дані про клієнтів, аналіз та дані про працівників у компаніях, таких як Adobe, Alteryx та UKG. Що переконало вас у тому, що працівники на передовій лінії, а не працівники, які займаються знаннями, представляють одну з найбільш важливих та недооцінених можливостей для штучного інтелекту сьогодні?

Те, що переконало мене, просте: передова лінія – це місце, де насправді працює економіка.

Ми бачили величезний прогрес у застосуванні штучного інтелекту до роботи з знаннями. Але найбільша, найдинамічніша частина робочої сили часто залишається недооціненою. Працівники на передовій лінії представляють більшість працівників у світі – до 80% за деякими оцінками – і вони забезпечують роботу галузей, на які ми всі залежимо щодня: охорона здоров’я, роздрібна торгівля, виробництво, логістика, гостинність та громадські послуги.

Для багатьох компаній передова лінія також є однією з найбільших частин фінансового плану. Це місце, де об’єднуються витрати на працю, досвід клієнтів, дотримання вимог законодавства, безпека, якість обслуговування та залучення працівників. І все ж, це залишається однією з найменш оптимізованих частин підприємства.

Не тому, що робота проста. Тому що вона надзвичайно складна.

Робота на передовій лінії може бути спланована на тиждень або місяць, але вона змінюється кожну хвилину кожної зміни. Хтось викликає. Попит різко зростає. Завантаження пацієнтів змінюється. Постачання затримується. Правила дотримання вимог законодавства застосовуються по-різному залежно від ролі, місця, сертифікації або годин роботи.

Традиційні системи підприємства були створені для реєстрації того, що відбулося. Передова лінія потребує технологій, які можуть допомогти організаціям діяти, поки рішення ще має значення.

Тому штучний інтелект так важливий. Агентний штучний інтелект може зрозуміти контекст, намір та обмеження, а потім допомогти оркеструвати дії по розкладу, часу, оплаті, кадрах та операціях – з людьми на чолі.

Для мене можливість полягає в тому, щоб закрити розрив між плануванням робочої сили та виконанням робочої сили. Коли ми робимо це, працівники отримують кращий досвід, менеджери отримують підтримку у масштабі, який жодна людина не може обробити самостійно, а підприємства можуть працювати з більшою швидкістю, точністю та довірою.

Це не просто історія про продуктивність. Це історія про виконання.

Працівники на передовій лінії складають більшість глобальної робочої сили, проте більша частина буму штучного інтелекту зосередилася на інструментах продуктивності офісу. Чому, на вашу думку, галузь недооцінила складність та важливість середовищ передової лінії так довго?

Я думаю, що галузь недооцінила передову лінію, тому що було легше будувати штучний інтелект для роботи, яка вже була цифровою.

Офісна робота відбувається у документах, електронних листах, зустрічах, календарях та інструментах співпраці. Це зробило його природним першим хвилею для штучного інтелекту. Але передова лінія відрізняється. Це фізично, розподілено, високорегульовано, часозалежно та постійно змінюється. І все ж, це представляє до 80% глобальної робочої сили – людей, які一般но не сидять за столами, але які забезпечують роботу підприємств, громад та економік щодня.

Складність не тільки в самій роботі. Це дані навколо роботи. Ми маємо велике щастя, тому що UKG завжди зосереджувався на передовій лінії, тому у нас є багатодесятирічна перевага в цій галузі.

Дані про робочу силу на передовій лінії надзвичайно високого об’єму та шумові. Вони походять від розкладів, годинників, відбитків, правил оплати, сертифікацій, прогнозів робочої сили, відсутностей, сигналів попиту, вимог дотримання законодавства, рішень менеджерів, переваг працівників та операційних змін, які відбуваються на тисячах місць та змін. Ці сигнали постійно рухаються та глибоко залежать від контексту – ролі, місця, навичок, політики, законодавства, попиту, часу.

Це зробило середовища передової лінії значно складнішими для аналізу у значимий спосіб. До того часу, як багато організацій можуть зрозуміти, що відбулося, момент для впливу на результат вже минув. Пропуск у складі, ризик понаднормової роботи, питання дотримання законодавства, виключення з оплати або сигнал про відсутність покриття не мають значення через тиждень. Це має значення, поки ще є час діяти.

Тому штучний інтелект на передовій лінії повинен бути фундаментально іншим, ніж штучний інтелект для продуктивності офісу. Він не може просто підсумувати інформацію або генерувати контент. Він повинен зрозуміти операційний контекст, інтерпретувати шумові сигнали робочої сили та допомогти людям діяти в реальному часі.

Для UKG це ядро можливостей нашого бізнесу та рішень, таких як Хаб інтелекту робочої сили UKG. Передова лінія не потребує ще однієї системи реєстрації. Їй потрібна система дії – одна, яка допомагає організаціям перетворювати дані про робочу силу у кращі рішення, швидше виконання та більш довірчі результати для працівників, менеджерів та бізнесу.

За роки підприємницьке програмне забезпечення будувалося навколо роботи, яку було легше оцифрувати: столами, документами, зустрічами, робочими процесами та роботою з знаннями. Але робота на передовій лінії відрізняється. Це фізично, розподілено, регульовано, часозалежно та високоспецифічно для галузі.

Продавець у роздрібній торгівлі, медсестра, технічний спеціаліст у виробництві, працівник складу та менеджер готелю – всі ці працівники на передовій лінії, але операційне середовище навколо кожного з них повністю відрізняється. Команди роздрібної торгівлі можуть потребувати регулювання робочої сили на основі трафіку, промоцій, погоди або місцевих подій. Команди охорони здоров’я потребують правильної людини з правильною сертифікацією в правильному підрозділі, оскільки потреби пацієнтів змінюються протягом дня. Виробничі команди балансують навички, безпеку, понаднормову роботу, графіки виробництва, правила праці.

Це справжня складність. Робота може бути спланована на тиждень або місяць, але вона змінюється кожну хвилину кожної зміни. Розклад, який виглядав правильно у понеділок, може бути неправильним до середи. План штату, який працював о 8 ранку, може бути зламаним до полудня.

Історично більшість систем могли тільки реєструвати, що відбулося після факту. Передова лінія потребує більшого, ніж звітність. Їй потрібна дія в моменті.

Тому штучний інтелект так важливий. Агентний штучний інтелект може зрозуміти контекст, намір, обмеження та бізнес-правила, а потім допомогти менеджерам та працівникам діяти по розкладу, часу, оплаті, кадрах та операціях.

Ми провели десятиліття, працюючи над цими проблемами на передовій лінії. Що відрізняється зараз, так це те, що штучний інтелект дає нам можливість перетворити їх на новому рівні швидкості, точності та галузевої актуальності.

Можливість полягає не в тому, щоб зробити роботу на передовій лінії схожою на офісну роботу. Це будівництво технологій, які поважають, як робота на передовій лінії насправді відбувається – і допомагають людям та підприємствам приймати кращі рішення в реальному часі.

Створення штучного інтелекту для продавця у роздрібній торгівлі, медсестри, працівника складу або працівника готелю значно відрізняється від створення штучного інтелекту для працівників офісу. Які найбільш значущі технічні та операційні відмінності між цими середовищами?

Найбільша відмінність полягає в тому, що штучний інтелект на передовій лінії не може просто існувати у документі, поштовому скриньці або вікні чату. Він повинен існувати у потоці роботи.

Для працівників офісу штучний інтелект часто допомагає створювати, підсумовувати, шукати або аналізувати інформацію. Для працівників на передовій лінії штучний інтелект повинен зрозуміти, що відбувається в операції прямо зараз – хто працює, хто кваліфікований, хто доступний, який виглядає попит, які правила застосовуються, і яка дія повинна відбутися наступною. Це значно інша технічна проблема.

Отже, штучний інтелект повинен бути контекстним, галузевим та орієнтованим на дії. Він повинен зрозуміти ролі, політики, правила праці, наслідки оплати, розклади, сертифікації та бізнес-приоритети – і зробити це з довірою, пояснюваністю та людською увагою.

Операційна відмінність так само важлива. Менеджери на передовій лінії не мають часу на інтерпретацію панелей управління під час зміни. Працівники не хочуть ще одну систему для навігації. Штучний інтелект повинен бути вбудованим, швидким, інтуїтивним та корисним в моменті.

Тому штучний інтелект на передовій лінії не просто копілот для роботи. Це інтелект, який допомагає організаціям відчувати, вирішувати та діяти в реальному часі.

Ви говорили про важливість даних про робочу силу в реальному часі, включаючи зміни, розклад, оплату та сигнали штату. Чому виконання в реальному часі особливо критично для систем штучного інтелекту на передовій лінії?

Виклик полягає не в тому, чи має організація дані. Більшість підприємств створюють більше даних про робочу силу, ніж будь-коли раніше. Виклик полягає в тому, щоб перекласти ці сигнали у своєчасні рекомендації, керівництво та дії – поки рішення ще має значення.

Тому виконання в реальному часі так критично для систем штучного інтелекту на передовій лінії. Штучний інтелект повинен зрозуміти, що відбувається, які обмеження застосовуються, і яка наступна дія повинна бути. Чи потрібно регулювати розклад? Заповнити відкриту зміну? Повідомити менеджера? Запобігти проблемі дотримання законодавства? Виправити виключення з оплати, перш ніж воно стане проблемою досвіду працівника?

Ці рішення можуть здатися малими, але по тисячах працівників, змін та місць вони швидко накопичуються. Краще покриття, менше виключень, розумніші рішення про працю та швидша дія менеджерів можуть створити значний вплив на працівників та бізнес.

Це мета Хабу інтелекту робочої сили UKG: допомогти організаціям перетворити дані про робочу силу у кращі рішення та швидше виконання, особливо для передової лінії.

У нас є унікальний вигляд на HR, оплату та управління робочою силою – області, де стратегія робочої сили стає операційною реальністю. Коли ці дані поєднуються з галузевими та підрозділовими стандартами, інсайтами про витрати на працю, штучним інтелектом, який може виділити найбільш актуальні висновки та рекомендовані дії, лідери отримують значно ясніше розуміння того, що відбувається, чому це важливо, і де діяти.

Для виконавців це справжня вартість. Це не просто ще одна панель управління для огляду. Це інструмент, який допомагає керувати працею більш точно, виявляти ризики раніше, порівнювати результати більш ефективно та приймати рішення з більшою впевненістю в моменти, які мають значення.

Багато організацій досліджують агентний штучний інтелект, але існує занепокоєння щодо автономності, керування та довіри. Які огорожі необхідні перед тим, як підприємства зможуть дозволити агентам штучного інтелекту діяти в системах управління робочою силою?

У сфері управління робочою силою агентам штучного інтелекту потрібні чіткі межі, оскільки рішення глибоко людські. Вони впливають на розклад, оплату, дотримання законодавства, покриття, втому, справедливість та довіру працівників. Це означає, що агенти не можуть просто оптимізувати для швидкості або ефективності. Вони повинні діяти у межах політики, дозволів та мети.

Найважливішими огорожами є контекст, контроль та відповідальність.

Контекст означає, що штучний інтелект розуміє працівника, роль, місце, правила праці, бізнес-потребу та наслідки вниз по ланцюгу. Контроль означає, що агент діє тільки у визначених дозволах, з правильним рівнем людської згоди на основі ризику. Відповідальність означає, що кожна рекомендація або дія є пояснюваною, аудитованою та оборотною.

Деякі дії можуть бути підходящими для автоматичного виконання агентом, наприклад, виділення відкритої зміни кваліфікованим працівникам або повідомлення менеджера про ризик понаднормової роботи. Дії з вищим впливом, особливо ті, які стосуються оплати, дотримання законодавства, дисципліни або матеріальних змін розкладу, повинні вимагати людської перевірки.

Мета полягає не в тому, щоб прибрати менеджерів чи команди кадрів з процесу. Це надання їм інтелектуальної підтримки у масштабі, який жодна людина не може обробити самостійно.

Довірчий агентний штучний інтелект повинен перетворити намір у дію – але завжди з прозорістю, керуванням та людьми в циклі.

Кожна можливість повинна пройти сувору перевірку моделі, перегляд безпеки, оцінку конфіденційності та постійний моніторинг перед тим, як вона потрапить у виробництво.

UKG обговорював застосування штучного інтелекту, які можуть ребалансувати розклад, виявити аномалії в оплаті та прискорити прийом на роботу. Які з цих випадків використання вже доставляють вимірювану операційну вартість сьогодні, а які ще знаходяться на ранній стадії?

Випадки використання, які доставляють вартість найшвидше, – це ті, які усувають тертя з рішень, які менеджери та команди вже повинні приймати щодня.

Виявлення аномалій в оплаті – це приклад, з яким кожен може легко ототожнитися. Оплата – це одна з процесів з найбільшою довірою в будь-якому бізнесі, і це особливо складно для працівників на передовій лінії та годинних працівників. Пропущений відбиток, проблема з оплатою, виключення з правил оплати або питання дотримання законодавства можуть створити години ручної роботи та безпосередньо вплинути на довіру працівника. Штучний інтелект може допомогти виявити проблеми раніше, пояснити, що виглядає неправильно, та направити команди до вирішення до того, як оплата буде закрита.

Є більш просунуті приклади, які нас дуже цікавлять. Один з них – оптимізація робочої сили та розкладу в реальному часі. Це місце, де Динамічні операції робочої сили UKG мають велике значення. Вартість не тільки в тому, щоб побачити, що магазин, підрозділ, склад чи готель недообслужені. Вартість полягає в тому, щоб зрозуміти, що змінилося, які обмеження застосовуються, і яка дія менеджеру повинна бути в моменті – чи то заповнення відкритої зміни, уникнення ризику понаднормової роботи чи захист покриття. Ці рішення приймаються сьогодні інтуїтивно, часто через години після того, як людина навіть знає про проблему.

Третій – підтримка працівників на передовій лінії у потоці роботи. Через Мережу працівників на передовій лінії UKG дані про робочу силу можуть допомогти підключити працівників до підтримки щодо багатства, здоров’я та повсякденних речей, коли ці потреби найбільш актуальні. Це ще одна галузь, яка знаходиться на стадії розвитку, але вона важлива, оскільки досвід працівника не може існувати в окремому порталі, який ніхто не має часу використовувати.

Прискорення прийому на роботу також стає більш практичним, особливо у високоволоконних середовищах передової лінії, де швидкість має значення. Наш штучний інтелект UKG Rapid Hire скоротив час від інтересу кандидата до запланованого інтерв’ю з тижнів і днів до годин та навіть хвилин у деяких випадках. Ми скоротили повторювану роботу по джерелам, відбору, плануванню, прийому на роботу та підготовці до першого дня роботи для прийому на роботу працівників на передовій лінії у масштабі.

Справжня можливість полягає не в ізольованій автоматизації. Це платформа управління робочою силою, яка може відчувати, що змінюється, рекомендувати наступну найкращу дію та допомогти організаціям рухатися від наміру до дії з правильним керуванням та людською увагою.

У галузях, таких як охорона здоров’я, виробництво та логістика, малі порушення робочої сили можуть мати негайні наслідки вниз по ланцюгу. Як ви проектуєте системи штучного інтелекту, які можуть реагувати швидко без створення додаткового операційного ризику?

Швидкість має значення, але в середовищах передової лінії швидкість без контролю – це ризик.

У сфері охорони здоров’я, виробництва, логістики та інших складних галузей мала порушення робочої сили може швидко поширити свій вплив. Одна відсутність може вплинути на покриття пацієнтів. Одна прогалина у навичках може сповільнити виробничу лінію. Одна пропущена сигналізація штату може затримати доставки або створити ризик понаднормової роботи.

Отже, мета полягає не в тому, щоб побудувати штучний інтелект, який просто рухається швидше. Мета полягає в тому, щоб побудувати штучний інтелект, який рухається швидше у межах правильних обмежень.

Це починається з контексту. Штучний інтелект повинен зрозуміти, хто кваліфікований, які правила застосовуються, яке покриття потрібно, які ризики дотримання законодавства існують, і який вплив кожної дії може бути.

Це також вимагає автономності, заснованої на ризику. Деякі дії можуть бути рекомендовані або виконані з дуже низьким ризиком, наприклад, повідомлення менеджера, виділення кваліфікованих замін або виділення відкритої зміни. Інші дії повинні вимагати людської перевірки, особливо ті, які впливають на оплату, дотримання законодавства, безпеку або матеріальні зміни розкладу.

Найкращі системи штучного інтелекту на передовій лінії проектуються так, щоб бути пояснюваними, аудитованими та оборотними. Менеджери повинні знати, чому була зроблена рекомендація. Працівники повинні довіряти процесу. Бізнес повинен мати впевненість, що штучний інтелект покращує виконання без введення нового ризику.

Для нас принцип проектування простий: штучний інтелект повинен допомогти організаціям відчувати, вирішувати та діяти в реальному часі – з людьми, політикою та керуванням, закладеними з самого початку.

Є зростаюча занепокоєність серед працівників, що штучний інтелект може замінити роботи, особливо в галузях передової лінії. Як ви балансуєте автоматизацію з емпаверментом працівників, а не створенням страху чи невизначеності навколо прийняття штучного інтелекту?

Я думаю, що нам потрібно розрізняти гіперболу автоматизації від операційної реальності.

За останні десять років ми бачили багато прикладів, де заміна роботи на передовій лінії виявилася значно складнішою, ніж очікувалося. Самообслуговування мало змішані результати. Повністю автоматизована швидка їжа була більше пілотом, ніж парадигмою. Доставка дронами все ще здається багатьом людям чимось з майбутнього.

Це не тому, що технологія не потужна. Це тому, що велика частина роботи на передовій лінії залишається глибоко людською.

Працівники на передовій лінії обробляють винятки, судження, турботу, безпеку, сервіс, емпатію та довіру. Медсестра не просто виконує завдання. Продавець у роздрібній торгівлі не просто переміщує інвентар. Працівник ресторану не просто виконує замовлення. Ці ролі знаходяться на перетині людей, операцій, дотримання законодавства, досвіду клієнтів.

Штучний інтелект може усунути тертя навколо роботи на передовій лінії: складні розклади, пропущені відбитки, питання з оплатою, відкриті зміни, складність дотримання законодавства, прогалини у складі, адміністративні завдання, які відтягують менеджерів від їхніх команд. Він може допомогти працівникам отримувати відповіді швидше, менеджерам приймати кращі рішення та організаціям працювати з більшою точністю.

Майбутнє штучного інтелекту на передовій лінії не полягає в тому, щоб прибрати людей з роботи. Це надання людям кращих інструментів, кращої підтримки та більшої допомоги в моменти, які мають значення.

Ви описали штучний інтелект як рух підприємства від систем реєстрації до систем інтелектуальної дії. Як ви бачите розвиток платформ управління робочою силою протягом наступних п’яти років, коли агентний штучний інтелект стане більш вбудованим у щоденні операції?

Я би переформулював це трохи. Питання не в тому, яким буде вигляд платформ управління робочою силою за п’ять років. Питання в тому, які організації зараз будують основу для того, щоб бути лідерами за п’ять років.

Темп змін у штучному інтелекті занадто швидкий, щоб розглядати це як віддалену трансформацію. Перевага буде у тих організацій, які зараз рухаються від не пов’язаних між собою систем, незграбних комплексів та окремих рішень до справжньої платформи управління робочою силою – однієї, яка поєднує кадри, оплату, час, розклад, інтелект робочої сили та виконання.

Це ще один приклад того, де Хаб інтелекту робочої сили UKG стає важливим. Коли штучний інтелект стає більш вбудованим у щоденні операції управління робочою силою, інтелект не може сидіти осторонь як статична звітність. Він повинен стати частиною того, як робота розуміється, пріоритезується та діє. Організації потребують шару інтелекту для операцій робочої сили на передовій лінії, щоб привести правильний контент у правильний момент.

Це має значення, оскільки операції управління робочою силою повні маржинальних виграшів та маржинальних втрат. Одна пропущена сигналізація штату, одна аномалія в оплаті, одна проблема дотримання законодавства, одна відкрита зміна чи одна затримка рішення менеджера можуть здаватися малими в ізоляції. Але по тисячах працівників, місць та змін ці моменти швидко накопичуються.

Агентний штучний інтелект дає організаціям можливість закрити цей розрив. Він може зрозуміти, що змінюється, інтерпретувати бізнес-контекст, рекомендувати наступну найкращу дію та допомогти людям діяти в реальному часі з правильним керуванням та людською увагою.

За наступні п’ять років лідерами будуть не ті організації, які просто додали функції штучного інтелекту до існуючих робочих процесів. Це будуть ті, хто переосмислив управління робочою силою як систему інтелектуальної дії.

Для виконавців це терміновість: передова лінія вже рухається в реальному часі. Ваші технології повинні рухатися з ним. Організації, які зараз будують цю здатність, матимуть значальну перевагу.

Оглядаючи майбутнє, ви вважаєте, що компанії, які переможуть у сфері підприємства штучного інтелекту, будуть тими, у яких будуть найкращі моделі, чи тими, у яких будуть найглибші операційні та робочі дані, пов’язані безпосередньо з реальними робочими процесами?

Найкращі моделі матимуть значення, але я не вважаю, що моделі самі по собі визначать переможців у сфері підприємства штучного інтелекту.

У підприємстві інтелект корисний тільки тоді, коли він розуміє контекст роботи та може допомогти людям приймати правильні дії. Це особливо важливо в операціях управління робочою силою, де рекомендація може залежати від того, хто призначений, хто кваліфікований, які правила застосовуються, який виглядає попит, які наслідки оплати існують, і який ризик або проблема дотримання законодавства може бути створена вниз по ланцюгу.

Модель без цього операційного контексту може генерувати відповідь. Платформа з правильними даними робочої сили, бізнес-правилами, контекстом робочого процесу та керуванням може допомогти 驅кувати результат.

Це місце, де шар інтелекту стає важливим – те, що ми створили з нашим Хабом інтелекту робочої сили. Штучний інтелект, який сидить на вершині системи, має обмежену вартість. Інтелект повинен бути вбудований у потік роботи, здатний інтерпретувати сигнали, розуміти операційні обмеження та виділяти рішення, які мають найбільше значення.

Це місце, куди рухається ринок. Коли моделі стають більш потужними та доступними, диференціація буде походити від того, наскільки добре штучний інтелект закладений у реальні робочі процеси та наскільки безпечно він може рухатися від інсайту до дії.

Для передової лінії ця відмінність критична. Робота змінюється постійно, а рішення мають негайні наслідки для працівників, менеджерів, клієнтів, пацієнтів та бізнесу.

Компанії, які переможуть у сфері підприємства штучного інтелекту, не просто матимуть штучний інтелект, який звучить інтелектуально. Вони матимуть штучний інтелект, який розуміє, як робота насправді відбувається – і може допомогти організаціям працювати з більшою швидкістю, точністю, довірою та людяністю.

Дякуємо за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати UKG.