AI i HR-adopsjon: hvorfor de fleste bedrifter ikke ser verdi

74 % av HR-ledere tror at KI vil ha en positiv effekt på arbeidsmiljøene deres, men 88 % har ikke sett noen betydelig forretningsverdi fra det. De fleste organisasjoner bruker allerede KI-verktøy, så dette gapet skyldes ikke tilgang. Det er forskjellen mellom å bruke KI til isolerte oppgaver og å integrere den i beslutningene som former ansettelser, utvikling og ytelsesresultater. De fleste organisasjoner er på feil side av den grensen, og avstanden fra reell verdi er større enn de fleste er klar over. 

Dette er modenhetsgapet innen kunstig intelligens . Ikke mangel på verktøy eller ambisjoner, men en manglende evne til å gå fra eksperimentering til systematisk implementering – fra kunstig intelligens som sparer tid på individuelle oppgaver til kunstig intelligens som endrer hvordan organisasjoner tar beslutninger om mennesker. 

Forklaring av gapet i modenhetsgapet i kunstig intelligens 

Ikke all bruk av kunstig intelligens er lik. Forskning fra Josh Bersin Company identifiserer fire modenhetsstadier: 

• AI som assistent – ​​håndtering av isolerte oppgaver som å utarbeide innhold eller oppsummere møter. Effektivitetsgevinster på 15–30 %. 
• AI som agent – ​​automatisering av trinn i eksisterende HR-arbeidsflyter. 
• Systemisk AI – opererer på tvers av sammenkoblede talent- og arbeidsstyrkesystemer. Effektivitetsgevinster på 100–200 %. 
• Autonom AI – fundamentalt omdesign av hvordan arbeid og beslutningstaking skjer. 

83 % av organisasjonene sitter fast på trinn én eller lavere. De fleste bruker AI til å utarbeide e-poster, oppsummere møter og generere intervjuspørsmål. Dette er reelle produktivitetsgevinster, men de endrer ikke hvordan beslutninger tas, og de forklarer ikke gapet mellom investering og verdi som de fleste HR-ledere opplever. 

Vanlige utfordringer med implementering av AI i HR 

Tre mønstre forklarer hvorfor organisasjoner ikke ser reell verdi fra AI. 

Bruk på oppgavenivå. BCG-data viser at 70 % av selskapene som bruker kunstig intelligens innen HR, bruker det til innholdsproduksjon og administrative oppgaver. Færre enn halvparten har implementert det for kandidatmatching, og det fjernes oftest helt fra viktige beslutninger – et av de tydeligste tegnene på lav modenhet. 

Skygge-AI. 96 % av HR-lederne i undersøkelsen vår sier at ansatte allerede har personlig tilgang til generative AI-verktøy. Når bedriftsinfrastrukturen henger etter denne tilgangen, fyller løsninger gapet. Se for deg en rekrutterer som limer inn 50 CV-er i et offentlig AI-verktøy, ber om en rangering og velger ut en kandidat fra resultatet. Kriteriene er udokumenterte. Modellen har ingen forståelse av rollen. Ingen andre vet at det skjedde. Dette er ikke et isolert tilfelle på kanten av plattformen, det er en strukturell konsekvens av at adopsjonen har overgått styring. 

Livssykluskonsentrasjon. Investeringer i kunstig intelligens stopper i de fleste organisasjoner ved tilbudsbrevet: 

• 63 % av HR-ledere bruker AI i rekruttering og utvelgelse 
• 20 % bruker det i medarbeiderutvikling 
• 18 % bruker det i resultatstyring 

Her er en enorm mulighet bortkastet. AI har potensial til å forbedre medarbeiderutviklingen betraktelig, drive smartere kompetanseheving, mer nyanserte evalueringssykluser og en mer rettferdig kompensasjonsutvikling. Uten å ta disse aspektene av medarbeiderens livssyklus i betraktning, lar organisasjoner verdi ligge på bordet. 

Hvorfor HR-team ønsker AI, men ikke kan skalere det 

49 % av HR-ledere sier at organisasjonen deres går for sakte med implementeringen av AI, til tross for at 64 % rapporterer bred AI-tilgang på tvers av organisasjonen allerede. Infrastrukturen som trengs for å bruke AI ansvarlig i stor skala er i ferd med å bli en flaskehals. 

Styringsgapet er tydelig: 

• Bare 39 % av organisasjonene har klart definerte retningslinjer for AI for HR 
• 32 % har en navngitt styringsrolle – noen med myndighet, opplæring og tid til å gjennomgå og overstyre AI-drevne beslutninger 
• Mer enn halvparten har ingen styringsrolle i det hele tatt 

HR-forretningspartnere og ledere for utvikling og utvikling rapporterer den høyeste hastegraden rundt implementering av AI – henholdsvis 60 % og 61 %. CHRO-er og HR-direktører rapporterer den laveste, med 48 %. De som er nærmest problemet er sjelden de som har myndighet til å løse det. Retningslinjene forblir teoretiske, og det finnes fortsatt løsninger. 

Den virkelige barrieren for HR AI-transformasjon er ikke teknologi 

Organisasjonene som ser reell verdi fra AI innen HR, deler ett kjennetegn: de har bygget styringsstrukturer før de skalerte verktøyene sine, ikke etterpå. 

Organisasjoner med klart definerte retningslinjer for AI har mer enn dobbelt så stor sannsynlighet for å tilby formell AI-opplæring som de uten – 68 % mot 29 %. De rapporterer betydelig høyere tillit til nøyaktigheten av AI-resultatene sine – 50 % mot 14 %. 

De er også langt mer sannsynlig til å aktivt overvåke verktøyene sine for skjevhet. Korrelasjonen er konsistent på tvers av alle målinger i dataene våre, siden styringsstrukturer ikke bare reduserer risiko, de forbedrer resultatene. 

Dette funnet gir en fundamental ny forståelse av modenhetsgapet. Det er ikke først og fremst et spørsmål om hvilke verktøy en organisasjon har tilgang til. Det er et spørsmål om hvorvidt betingelsene for å bruke disse verktøyene godt er på plass – valideringsstandarder, ansvarlighetsstrukturer og en klar forståelse av hva AI-en måler og hvorfor. 

«God AI innen HR går utover samsvar med regelverk. Den er metodisk forsvarlig og kombinerer validerte vurderinger, strukturerte intervjuer og kontinuerlig biasovervåking innenfor et flermetoderammeverk, alt forankret i klart definerte, jobbrelevante krav.» – Maik Spengler, produktsjef, Assessio Tyskland 

Hvordan gå fra AI-eksperimenter til forretningsmessig effekt 

De fleste HR-team har tatt i bruk AI-verktøy, men få har bygget AI-systemer. Skillet er viktig fordi verktøy kan brukes isolert, men systemer krever nøye integrering, ansvarlighet og design. Å bevege seg oppover modenhetskurven betyr å bevisst lukke dette gapet i stedet for å vente på at verktøyadopsjonen skal føre til systemiske endringer av seg selv. 

Tre endringer kjennetegner organisasjonene som gjør fremskritt: 

• Fra individuell bruk til arbeidsflytintegrasjon – AI er innebygd i ansettelses-, utviklings- og ytelsesprosesser i stedet for å brukes sammen med dem. 
• Fra kun rekruttering til livssyklusomfattende – implementeringen strekker seg utover tilbudsbrevet, slik at ansattopplevelsen er sammenhengende snarere enn forhåndsbelastet 
• Fra output til oversikt – AI avdekker data, men mennesker beholder ansvaret for hva som gjøres med dem 

Tre steg for å lukke gapet i modenhet innen kunstig intelligens 

Utnevne en styringsrolle. Dataene våre er konsistente: definerte styringsroller korrelerer med bedre opplæring, bedre overvåking og høyere tillit til AI-resultater på tvers av alle målinger. Uten en navngitt eier finnes retningslinjer bare på papiret og følges sjelden. For de 51 % av organisasjonene uten en styringsrolle er utgangspunktet enkelt: hvis en AI-drevet ansettelsesbeslutning ble utfordret av en kandidat eller en regulator i morgen, hvem i din organisasjon eier den samtalen? 

For å lykkes må organisasjoner: 

• Utnevne en styringseier med klar myndighet over AI-drevne HR-beslutninger 
• Definer hvilke avgjørelser som krever menneskelig gjennomgang før man handler på grunnlag av AI-utdata 
• Etabler en prosess for å utfordre eller overstyre AI-anbefalinger 

Valider før du skalerer. Før et AI-verktøy integreres i en viktig beslutning – ansettelse, utvikling, ytelse – må tre spørsmål besvares:  

• Forutsier resultatet faktisk jobbprestasjon? 
• Ville den samme personen oppnådd et konsistent resultat til forskjellige tider? 
• Er kriteriene begrenset til faktorer som er jobbrelevante og testet for negativ innvirkning på tvers av de demografiske gruppene i arbeidsstyrken din? 

Hvis leverandøren din ikke kan svare på alle tre med bevis, er ikke verktøyet klart for regelmessig bruk. 

Utvid AI utover tilbudsbrevet. Nedgangen i livssyklusen fra 63 % i rekruttering til 18 % i resultatstyring er ikke bare en tapt effektivitetsmulighet. En organisasjon som bruker AI i vurderingsfasen, men ikke i karrieresamtaler, sier noe om hvor investeringen i mennesker stopper. Å lukke livssyklusgapet er et argument for retensjon like mye som et argument for modenhet: 

• Revisjon av hvor AI brukes og ikke brukes i hele den ansattes livssyklus 
• Identifiser bruksscenariet for utvikling eller ytelse med høyest verdi for neste pilotprosjekt 
• Sett et mål om å utvide AI til minst én arbeidsflyt etter ansettelse i løpet av neste syklus 

Organisasjoner som tetter dette modenhetsgapet, vil bygge noe mer varig enn bare konkurransefortrinn. En arbeidsstyrke som er valgt, utviklet og støttet av AI, og som har blitt validert, styrt og utformet med folks interesser i tankene, er en som presterer bedre, blir lenger i stillingen og stoler mer på organisasjonen. Det er reell verdi, og det er det det å bevege seg oppover modenhetskurven gir. 

👉 Denne artikkelen bygger på forskning fra The Maturity Gap, Assessios datadrevne guide til AI-adopsjon, styring og tillit. Last ned hele rapporten for å utforske funnene i dybden. Last ned The Maturity Gap her.