AI u HR-u počinje od podataka, a ne od AI-ja
Svi govore o AI-ju u HR-u.
AI u regrutaciji. AI u upravljanju učinkom. AI za veštine. AI u učenju. AI asistenti. Prediktivna analitika.
Zato kompanije prirodno postavljaju pitanje: Koji AI treba da uvedemo?
Ali postoji važnije pitanje: Sa kojim podacima će AI zapravo raditi?
Jer AI ne stvara kvalitetne HR podatke čarobnim putem.
Ako su evidencije zaposlenih nepotpune, AI radi sa nepotpunim informacijama. Ako su radna mesta loše definisana, AI-ju nedostaje kontekst. Ako veštine i kompetencije nisu strukturirane, AI nema pouzdan okvir za prepoznavanje nedostataka. Ako su očekivanja u pogledu učinka nejasna, AI nema smislene kriterijume na osnovu kojih bi tumačio rezultate. A ako su HR podaci rasuti po sistemima, tabelama, dokumentima i imejlovima, AI nasleđuje tu fragmentaciju.
AI je koristan samo onoliko koliko su kvalitetni podaci, strukture i procesi na kojima se zasniva.
Za HR postoji još jedan važan zahtev. Podaci o zaposlenima i kandidatima su lični i često poverljivi. Zahtevaju odgovarajuću zaštitu i upravljanje, posebno kada je uključen AI.
Spremnost HR-a za AI zato počinje mnogo pre samog AI alata. Počinje od HR osnove.
Zašto AI u HR-u počinje od HR podataka
Većina organizacija već ima mnogo HR informacija.
Evidencije zaposlenih. Ugovore. Organizacione strukture. Radna mesta. Radne biografije. Ciljeve. Rezultate učinka. Procene kompetencija. Evidencije obuka. Informacije o zaradama. Politike. Evidencije odsustava.
Ali imati informacije nije isto što i imati upotrebljive HR podatke.
Deo podataka nalazi se u HRM sistemu. Deo u sistemu za obračun zarada. Deo u tabelama. Deo u Word dokumentima ili PDF datotekama. Deo u imejlovima.
Informacije postoje, ali veze među njima često ne postoje.
A to nije mali problem.
Prema kompaniji Gartner, 63% organizacija nema odgovarajuće prakse upravljanja podacima za AI ili nije sigurno da li ih ima. Gartner takođe predviđa da će 60% AI projekata biti napušteno zato što podaci nisu spremni.
Poruka je jednostavna: Pre nego što pitate koliko je vaš AI inteligentan, pitajte koliko su vaši podaci kvalitetni.
Upravo tu integrisana HRM platforma postaje važna.
Cilj nije samo čuvanje veće količine HR podataka na jednom mestu. Cilj je povezivanje zaposlenih, organizacionih struktura, radnih mesta, veština, kompetencija i HR procesa kako bi podaci imali značenje.
U platformi FledgeWorks, ova osnova se gradi kroz Core HR, Upravljanje talentima i Efikasnost rada. Evidencije zaposlenih povezane su sa organizacionim strukturama i strukturama radnih mesta, a zajedno se povezuju sa regrutacijom, uvođenjem u posao, učinkom, kompetencijama i veštinama, učenjem, razvojem karijere, naknadama, radnim vremenom i prisustvom i HR analitikom.
Rezultat nije samo više podataka.
Rezultat su povezani HR podaci sa kontekstom.
A upravo to je potrebno i analitici i AI-ju.
Pet osnova za HR spreman za AI
1. Evidencije zaposlenih: Jedan pouzdan izvor istine
Počnite od osnova.
Ko radi u organizaciji? Gde? Na kom radnom mestu? Na osnovu kog ugovora? Sa kojim kvalifikacijama? Kakva je njihova istorija zaposlenja?
HR-u su potrebne tačne, ažurne i odgovarajuće zaštićene evidencije zaposlenih.
Jednostavan test može mnogo da otkrije:
Koliko bi vremena HR-u bilo potrebno da napravi tačnu listu zaposlenih sa određenom kvalifikacijom, njihovih radnih mesta i mesta koje zauzimaju u organizaciji?
Ako odgovor zahteva više tabela, imejlova i ručno usklađivanje, postoji posao koji treba obaviti pre nego što napredni AI može doneti značajnu vrednost.
Uz FledgeWorks Core HR, profilima zaposlenih, ugovorima, dokumentima i organizacionom pripadnošću upravlja se unutar istog HRM okruženja, čime se stvara pouzdan izvor informacija o zaposlenima za druge HR procese.
Evidencije zaposlenih govore vam koga imate.
Ali to je tek početak.
2. HR strukture i kriterijumi: Dajte značenje HR podacima
Nije dovoljno znati ko radi za vas.
Potrebno je i da razumete posao.
Za to su potrebne jasne HR strukture i kriterijumi:
- Organizaciona struktura
- Arhitektura i klasifikacija radnih mesta
- Veštine i kompetencije potrebne za radno mesto
- Struktura zarada i principi naknada
- Karijerni putevi
- Politike i procedure
To nisu administrativni dodaci. To su osnovni elementi HR procesa.
Ne možete prepoznati stvarni nedostatak u veštinama ako ne znate koje veštine radno mesto zahteva. Ne možete dosledno procenjivati kompetencije ako očekivane kompetencije i standardi ponašanja nisu definisani. Ne možete izgraditi smislene karijerne puteve bez razumevanja radnih mesta i nivoa.
FledgeWorks povezuje organizacionu strukturu i klasifikaciju radnih mesta sa profilima zaposlenih, veštinama, kompetencijama, učinkom i razvojem karijere.
Time HR podaci dobijaju nešto suštinski važno: kontekst.
Evidencije zaposlenih govore vam koga imate. HR strukture i kriterijumi govore vam šta njihova radna mesta zahtevaju.
3. Digitalni HR procesi: Stvarajte strukturirane podatke kroz svakodnevni rad
Kada se osnova definiše, HR procesi je sprovode u praksi.
Regrutacija. Uvođenje u posao i odlazak zaposlenih. Upravljanje učinkom. Učenje. Upravljanje kompetencijama i veštinama. Razvoj karijere. Naknade. Upravljanje odsustvima. Radno vreme i prisustvo.
Svaki HR proces stvara vredne podatke.
Uzmimo učinak.
Za definisani period menadžeri postavljaju ciljeve i očekivane rezultate, prate napredak i beleže šta je zaista ostvareno.
Učinak više nije samo godišnja ocena ili pasus koji je napisao menadžer. Postaje strukturiran skup podataka o očekivanjima, napretku i rezultatima.
Isto se dešava u svim oblastima HR-a.
Procene kompetencija i veština pokazuju koje kompetencije i veštine zaposleni ispoljavaju i gde postoje nedostaci. Evidencije učenja prikazuju planirane i završene obuke i razvojne aktivnosti, stečene kompetencije i veštine, kvalifikacije i sertifikate. Regrutacija pruža podatke o kandidatima, njihovom iskustvu, kvalifikacijama i usklađenosti sa zahtevima radnog mesta.
Razvoj karijere beleži karijerne težnje, spremnost i potencijalne sledeće uloge. Evidencije radnog vremena i prisustva pružaju podatke o radnom vremenu, odsustvima i obrascima prisustva. Naknade povezuju radna mesta, strukture zarada i stvarne naknade zaposlenih.
Ali prava vrednost nastaje kada se ovi podaci povežu.
U platformi FledgeWorks, ovi HR procesi odvijaju se unutar iste HRM platforme i povezani su sa evidencijama zaposlenih i organizacionim strukturama i strukturama radnih mesta. Podaci iz jednog procesa zato pružaju kontekst drugom, umesto da ostanu zarobljeni u odvojenim sistemima.
Veštine i kompetencije potrebne za radno mesto mogu se uporediti sa veštinama i kompetencijama zaposlenog. Prepoznati nedostaci mogu usmeravati učenje i razvoj. Rezultati učinka, kompetencije i veštine mogu podržati razvoj karijere i odluke o potencijalnim sledećim ulogama.
Arhitektura i klasifikacija radnih mesta obezbeđuju strukturu za naknade. Regrutacija može procenjivati kandidate prema stvarnim zahtevima radnog mesta za koje se razmatraju. A HR analitika može objediniti ove različite signale kako bi otkrila obrasce, nedostatke i trendove među zaposlenima.
To je razlika između jednostavne digitalizacije pojedinačnih HR procesa i izgradnje povezane osnove HR podataka.
4. HR analitika i uvidi: Povežite signale
Kada su evidencije zaposlenih, HR strukture i digitalni procesi povezani, HR može postavljati mnogo bolja pitanja.
Gde imamo nedostatke u sposobnostima? Koje veštine nedostaju? Gde su koncentrisani nedostaci u učinku? Da li ulaganja u učenje odgovaraju stvarnim razvojnim potrebama? Gde imamo interne kandidate za buduće uloge? Kako su naknade raspoređene među uporedivim radnim mestima? Gde se menjaju obrasci u radnoj snazi?
Upravo tu HR analitika prevazilazi izveštavanje o pojedinačnim brojevima.
FledgeWorks HR analitika objedinjuje podatke koji nastaju u povezanim HR procesima, omogućavajući HR-u i menadžmentu da prepoznaju obrasce, nedostatke i trendove među zaposlenima.
A ta razlika je važna za AI.
Napredan AI model koji radi sa nepouzdanim ili nepovezanim HR podacima i dalje će davati nepouzdane rezultate.
Bolji AI počinje od boljih podataka.
5. Odluke uz podršku AI-ja: Sada AI ima podatke i kontekst
Sada AI ima nešto smisleno sa čim može da radi.
Ne samo podatke. Podatke sa kontekstom.
Evidencije zaposlenih pružaju osnovne činjenice. Organizacione strukture i strukture radnih mesta objašnjavaju gde se ljudi i radna mesta uklapaju. Veštine, kompetencije i kriterijumi učinka definišu očekivanja. HR procesi kontinuirano stvaraju podatke. Analitika povezuje signale.
AI sada može pomoći u prepoznavanju obrazaca, sažimanju informacija, isticanju odstupanja, pružanju podrške preporukama i lakšem korišćenju složenih HR informacija.
FledgeWorks već primenjuje AI u konkretnim HR procesima u kojima postoji relevantan kontekst.
U Regrutaciji i ATS-u, AI može podržati pregled radnih biografija u odnosu na definisane zahteve radnog mesta. U Upravljanju učinkom, AI može pomoći menadžerima da formulišu jasnije ciljeve i očekivane rezultate.
Upravo tu AI ugrađen u HRM sistem ima važnu prednost.
Umesto da se oslanja na informacije ručno kopirane u samostalan AI alat, AI unutar sistema može raditi sa strukturiranim, povezanim HR podacima kojima se upravlja i koji su već dostupni u relevantnom procesu. Poznaje radno mesto, njegove zahteve, organizacioni kontekst i kriterijume definisane u sistemu.
To čini rezultate AI-ja relevantnijim i pouzdanijim jer se zasnivaju na odgovarajućim HR podacima i kontekstu. Takođe smanjuje potrebu za prenošenjem osetljivih podataka o zaposlenima ili kandidatima izvan odobrenog HR okruženja.
Važno je da AI ne deluje u vakuumu. Radi unutar definisanog HR procesa i sa relevantnim poslovnim kontekstom.
A princip ostaje jasan:
AI podržava. Ljudi odlučuju. Ljudi ostaju odgovorni.
AI može pomoći i u izgradnji HR osnove
Ovde postoji važna stvar.
AI ne pripada samo kraju ovog puta.
AI može pomoći i u izgradnji osnova.
Može pomoći u izradi nacrta opisa radnih mesta. Predložiti zahteve radnog mesta i veštine. Pomoći u formulisanju opisa kompetencija i pokazatelja ponašanja. Podržati razvoj kriterijuma učinka. Mapirati HR procese i prepoznati nepotrebne korake. Pripremiti nacrte politika, šablona i tokova rada. Pomoći HR timovima da brže strukturiraju informacije.
Ali AI treba da podržava rad, a ne da zameni HR i poslovno rasuđivanje.
Ako AI predloži model kompetencija, organizacija i dalje treba da utvrdi da li te kompetencije odražavaju ponašanje koje je ljudima potrebno za uspeh. Ako AI pripremi nacrt opisa radnog mesta, HR i menadžer i dalje treba da provere stvarne odgovornosti i zahteve. Ako AI predloži proces, HR i dalje treba da utvrdi da li taj proces ima smisla za organizaciju.
Zato nema potrebe čekati da sve bude savršeno pre nego što počnete da koristite AI.
Koristite AI da vam pomogne u izgradnji osnove. Samo nemojte očekivati da je AI zameni.
Budite pažljivi sa podacima o zaposlenima i kandidatima
Postoji velika razlika između toga da od AI-ja tražite pomoć u oblikovanju arhitekture poslova i toga da AI alatu omogućite pristup ličnim HR podacima.
Nemojte jednostavno kopirati radne biografije, evidencije zaposlenih, ugovore, informacije o zaradama, procene učinka ili druge lične podatke u neodobren javni AI alat.
Mnoge korisne primene AI-ja u HR-u uopšte ne zahtevaju lične podatke.
Možete razvijati arhitekturu poslova bez dosijea zaposlenih. Možete pripremati nacrte modela kompetencija na osnovu zahteva radnih mesta. Možete oblikovati procese upravljanja učinkom bez otpremanja procena učinka. Možete raditi sa anonimizovanim ili sintetičkim primerima kada informacije o pojedincima nisu potrebne.
Kada AI obrađuje podatke o zaposlenima ili kandidatima, treba ga koristiti unutar okruženja koje je organizacija odobrila, uz odgovarajuće kontrole privatnosti, bezbednosti, pristupa, čuvanja podataka i upravljanja.
Upravo tu upravljanje AI-jem postaje ključno.
Organizacije treba da razumeju koji se AI alati koriste, u koju svrhu, sa kojim podacima, ko ima pristup i gde je potreban ljudski nadzor.
Pitanje zato nije samo: Može li AI ovo da uradi?
Već i: Koji su podaci AI-ju zapravo potrebni da bi to uradio?
Više HR podataka nije cilj
Spremnost za AI ne znači prikupljanje što veće količine podataka o zaposlenima.
Cilj su bolji HR podaci, a ne više HR podataka.
Pouzdani podaci. Relevantni podaci. Strukturirani podaci. Povezani podaci. Podaci kojima se pravilno upravlja.
To je jedna od najvećih prednosti integrisane HRM platforme.
Kada su evidencije zaposlenih, organizaciona struktura, radna mesta, veštine, kompetencije, učinak, učenje, razvoj karijere, naknade i drugi HR procesi povezani, pojedinačni podaci postaju odnosi.
Zaposleni ima radno mesto. Radno mesto ima zahteve. Ti zahtevi uključuju veštine i kompetencije. Učinak ima ciljeve i očekivane rezultate. Procene prepoznaju nedostatke u kompetencijama i veštinama. Učenje podržava razvoj. Razvoj karijere povezuje sposobnosti sa budućim prilikama.
Upravo taj kontekst čini HR podatke korisnim.
Za HR. Za menadžere. Za analitiku. I za AI.
Da li je vaš HR spreman za AI?
Pre nego što uložite u još jedan AI alat, pogledajte ovih pet osnova:
- Evidencije zaposlenih
Da li imamo jedan pouzdan izvor istine o našim zaposlenima?
- HR strukture i kriterijumi
Da li smo jasno definisali našu organizaciju, radna mesta, veštine, kompetencije i kriterijume učinka?
- Digitalni HR procesi
Da li naši HR procesi dosledno stvaraju strukturirane i povezane podatke?
- Analitika i uvidi
Možemo li povezati te podatke kako bismo razumeli značajne obrasce, nedostatke i trendove?
- Odluke uz podršku AI-ja
Da li imamo dovoljno pouzdanih podataka i konteksta da AI pruži smislenu podršku, uz odgovarajuće upravljanje i ljudski nadzor?
Logika je jednostavna:
Evidencije zaposlenih → HR strukture i kriterijumi → Digitalni HR procesi → Analitika i uvidi → Odluke uz podršku AI-ja
AI može podržati svaki deo ovog puta.
Ali kupovina AI alata ne čini HR spremnim za AI.
Povezana HR osnova to omogućava.

Napisala Jasmina Ridzi
Jasmina Ridzi je HRM konsultantkinja u kompaniji FledgeWorks, stručnjakinja za upravljanje talentima i suosnivačica kompanije Amitas d.o.o., sa više od 20 godina iskustva u HR-u, organizacionom razvoju i strategiji upravljanja ljudima.
Njena stručnost obuhvata upravljanje talentima i učinkom, modele kompetencija, organizacioni dizajn i profilisanje kandidata. Kroz konsultantski rad, radionice, pisanje i javne nastupe pomaže organizacijama da izgrade strukturirane HR sisteme i pozicioniraju HR kao strateškog poslovnog partnera.


