Перевод статьи The Next Generation Of HR Software Has Arrived, Finally

Автор всем известный Josh Bersin 

Наконец-то в HR появилось следующее поколение программного обеспечения 

Программное обеспечение для управления персоналом составляет один из крупнейших технологических рынков в мире. По нашим оценкам, это рынок стоимостью 250 миллиардов долларов, состоящий из систем расчета заработной платы, основных HR-платформ, рекрутинга, обучения, льгот и сотен других приложений. И за последние пять лет, когда компании адаптировались к гибридной работе и пандемии, рынок взорвался. Буквально на прошлой неделе Workday, один из самых известных игроков на рынке, объявил о росте доходов от подписки на 20,1%, которые теперь достигают 1,3 миллиарда долларов в квартал.

За последние два десятилетия эти системы радикально изменились. В 1980-х и 1990-х годах это были в основном инструменты бэк-офиса, предназначенные для администраторов заработной платы, менеджеров по персоналу и ИТ-персонала. Начиная с середины 2000-х все эти системы переместились в облако, открыв свои интерфейсы для сотрудников. И сегодня, когда мы все взаимодействуем с десятками приложений на наших телефонах, HR-платформы перешли черту и превратились в «рабочие» инструменты.

Все, что мы делаем на работе, от планирования встречи до анализа электронной таблицы, теперь касается HR-систем. Ваши цели, обратная связь, взаимодействие в команде, финансовые результаты, найм, руководство командой и управление преимуществами — все это часть стека технологий управления персоналом. И по мере того, как мы распространяем эти инструменты (у средней крупной компании 80 таких приложений), они начинают сливаться воедино.

Крупные игроки HCM, такие как Workday, SuccessFactors, ADP и Oracle, теперь имеют партнерские экосистемы для интеграции и упрощения всех этих инструментов. Принятие облачных архитектур упростило эту задачу: как только эти компании открыли свои приложения с помощью API, каждая из них решила стать «платформой», а не просто приложением. Даже ServiceNow и Microsoft (Viva) включились в игру.

В течение многих лет я замечал старение и несколько устаревший характер этих систем. Хотя современные системы, такие как Workday и SuccessFactors, хорошо адаптированы, их архитектура устаревает. Компания Workday была основана в 2005 году, а SuccessFactors впервые поступила в продажу в 2001 году. Хотя эти поставщики модернизировали и обновили свои структуры данных и архитектуры во многих отношениях, их базовая система все еще остается довольно жесткой и хрупкой. После того, как вы «внедрите» эти системы, вы застрянете со многими решениями в отношении рабочих процессов и иерархии, что вынуждает компании периодически «повторно внедрять» их по мере роста и изменений компании.

И задумайтесь над этим: согласно исследованию JPM Chase, более 75% компаний прекращают свою деятельность или покупаются в течение 15 лет. Поэтому любые приобретаемые вами HCM-системы должны быть адаптируемыми, гибкими и легко модифицируемыми. Никто не был очень хорош в этом.

Гораздо сложнее проблема сбора и анализа данных. Поскольку в большинстве компаний существует множество систем (десятки систем найма, обучения, соответствия, благополучия, опросов, льгот и начисления заработной платы), практически невозможно получить единое представление обо всех ваших сотрудниках, всех их различных элементах данных о персонале (обучение, история работы и т. д.). , рейтинги производительности, отзывы, оплата, льготы), поэтому ИТ-отдел должен проделать большую работу, чтобы свести все воедино. Новые платформы, такие как Visier, произвели революцию в этом новом решении для «системной аналитики», но большинство компаний все еще борются с трудностями.

За последние несколько месяцев я встречался с McDonalds, GE и многими другими компаниями, которые боролись с этими проблемами данных. McDonald’s хочет получить единое представление обо всех своих сотрудниках (и подрядчиках) в десятках систем расчета заработной платы. GE делает обратное: разделяет компанию на три независимых подразделения. В обоих случаях они считают, что им нужна полная «реализация» их платформ HCM, которая стоит десятки миллионов долларов и занимает несколько лет.

И еще: как нам получить интегрированные данные (мы называем это «системной аналитикой»), чтобы комплексно взглянуть на текучесть кадров, факторы удержания, равенство в оплате труда, внутреннюю мобильность и навыки? Эти новые HR-инициативы требуют совершенно нового взгляда на рабочую силу, интеграции еще большего количества данных между системами. И помните, кстати, что почти треть мировой рабочей силы живет по контракту, поэтому их данные вообще почти не распознаются в этих системах.

Как новая архитектура может упростить эту задачу?

Что ж, хотя эволюция этого рынка требует времени, позвольте мне предложить кое-что важное. ИИ, любимец средств массовой информации и инвестиционного сообщества, может, наконец, создать «новую архитектуру», в которой мы нуждаемся. И хотя ни один поставщик еще не создал полноценную систему HCM, ориентированную на ИИ, я верю, что она появится.

Позвольте мне объяснить.

Как я обсуждаю в нашем новом техническом документе по архитектурам ИИ, существует три семейства решений ИИ: те, в которые «добавлен» ИИ, те, которые создали «функции ИИ внутри» своей платформы, и те, которые « построен на ИИ».

Как подробно описано в нашей статье, третья категория платформ построена на основе LLM и нейронных сетей. Вместо того, чтобы хранить данные о транзакциях в традиционной системе, а затем добавлять машинное обучение для улучшения работы, они в первую очередь основаны на искусственном интеллекте. И после многих дискуссий с лидерами технологий в этих компаниях я считаю, что это может быть будущее.

Рассмотрим, как на самом деле работает LLM (нейронная сеть). Эти системы являются «ненасытными анализаторами данных», просматривающими токены (слова) или числа и обнаруживающими взаимосвязь между ними глубокими и увлекательными способами. Хотя мы никогда точно не знаем, почему один человек превосходит другого на работе, ИИ сможет дать нам подсказки, которые мы просто когда-либо видели раньше. И теперь, когда многие коммерческие поставщики продают LLM как продукты и веб-сервисы (Google, Microsoft, OpenAI, Nvidia, Anthropic, Amazon, Meta), эти платформы становятся все проще и проще в использовании.

Вы можете сказать: «Это не так просто» — сегодня существующие транзакционные системы хранят сотни элементов данных со сложным управлением рабочими процессами, безопасностью, пользовательскими интерфейсами и проверками целостности. И я, безусловно, согласен: эти системы HCM и управления талантами важны и необходимы в каждой компании.

Но проблема этих приложений в том, что они не гибкие. По мере того, как ваша компания растет и меняется, система со временем становится все более и более «сложной» и «несовершенной». Вот почему крупные компании, такие как Microsoft, Allianz, Nestle и другие, имеют большие ИТ-команды, сосредоточенные на гармонизации процессов, целостности данных и архитектуре для обеспечения синхронизации.

В некотором смысле именно поэтому ServiceNow так быстро росла. Пытаясь разрушить этот огромный рынок, Билл Макдермотт и его команда позиционируют свой механизм рабочего процесса как «платформу платформ», способную волшебным образом создавать бизнес-правила и приложения, которые «пересекают» эти серверные системы, перенося устаревшие задачи проектирования на новый уровень. Новый слой. И, как может свидетельствовать их рост, компании отчаянно нуждаются в этом новом уровне абстракции.

Но разве это не именно то, что на самом деле делают крупномасштабные системы искусственного интеллекта? Абсолютно да. Таким образом, мы можем ожидать, что системы с ядром ИИ, построенные на нейронных сетях и больших языковых моделях, будут медленно, но верно заменять эти устаревшие системы. Основные поставщики HCM, вероятно, будут идти медленно, но по большей части они предвидят это, поэтому они продвигаются вперед так быстро, как только могут.

SuccessFactors, например, создает новую систему HXM Graph на основе графовой базы данных, предназначенную для моделирования высокодецентрализованной и гибкой компании, которой быстро становится большинство из нас. Хотя им приходится двигаться медленно из-за многочисленных интеграций с SAP, они ясно видят будущее и уже сейчас экспериментируют с ним. И они уже встроили Copilots прямо в приложение, добавив генеративный ИИ для рекрутеров, сотрудников отдела кадров и других.

У меня был долгий разговор с руководителем отдела машинного обучения в Workday, и они тоже это видят. Хотя Workday считает свою архитектуру надежной, они рассматривают модели ИИ как важные расширения архитектуры Workday. Поэтому их инженеры рассматривают множество возможных LLM и моделей ИИ по мере того, как они создают новые функции, пытаясь постепенно повысить ценность своего масштабного приложения.

Один из первых вариантов использования, который они упоминают, — это возможность «игнорировать» определенные правила безопасности или рабочего процесса для сотрудников, которым доверяют. Таким образом, пользовательский интерфейс Workday будет отличаться для каждого пользователя в зависимости от истории этого пользователя, шаблона использования и истории в компании.

Хотя это захватывающие усилия и инновации, я думаю, что они пойдут дальше. Когда я разговариваю с Eightfold, Gloat, Seekout или другими поставщиками «ИИ в их основе», они видят еще более обширное будущее. Почему бы системе управления персоналом не предсказать и не порекомендовать все наши действия по обучению, развитию, переездам и даже повседневным занятиям? Если вы думаете об интеллекте Microsoft Graph в сочетании с огромными наборами данных, которыми управляют Eightfold, Gloat, Seekout и другие, вы можете себе представить, что эти системы делают гораздо больше, чем сегодня Workday.

Затем мы смотрим на специализированных поставщиков, таких как Cornerstone и ServiceNow. Новая AI-fabric от Cornerstone предназначена для наблюдения за всеми действиями по обучению и развитию 7000 клиентов и предоставления вашей компании предписывающих рекомендаций по контенту, мобильности, навыкам и многому другому. Хотя их реализация все еще нова, демоверсии, которые я видел совсем недавно, начинают реализовывать это видение. Клиенты Cornerstone могут видеть, какие отраслевые навыки, контент, карьера и мобильность «рекомендуются» другими в их отрасли, подобно тому, как Eightfold делает это для подбора персонала и управления талантами.

ServiceNow также рассматривает это как разрушитель. Выслушав, как Билл Макдермотт и его команда описывают свое будущее, они хотят быть «платформой искусственного интеллекта для предприятия», и их недавнее объявление о развитии и росте сотрудников (через приобретение Hitch Works) ясно показывает, куда они идут. Они хотят стать вашей «аналитической платформой для всего предприятия», в конечном итоге заменив системы HCM совершенно новой архитектурой платформы.

Как и все эти крупные архитектурные сдвиги (переход к облаку, переход к мобильным устройствам), переход к ИИ поначалу может показаться запутанным. Крупные поставщики будут двигаться медленно и постепенно, в то время как новые стартапы будут двигаться молниеносно. Но некоторые, вероятно, будут мешать. Меня особенно заинтересовала бизнес-система на основе LLM, запущенная Palantir. По сути, это ERP (финансовая система), разработанная на основе специально построенной большой языковой модели.

Недавно я обсуждал эту тенденцию с Ашутошем Гаргом, соучредителем Eightfold. Он, как и я, также считает, что эта архитектура, ориентированная на ИИ, со временем победит. Их система может интегрировать и агрегировать практически любые данные, потому что ее архитектура настолько открыта. (Традиционные ERP-системы для этого не предназначены.) Он считает, что «целостность транзакций» станет дополнением к ядру ИИ, что, по сути, будет противоположным подходу к традиционным поставщикам.

Куда пойдет эта архитектура

Хотя я никогда не пытаюсь предсказать инновации умных первопроходцев, я вижу впереди огромное новое будущее. Когда пять лет назад мы впервые описали «интеллектуальный анализ талантов», мы, по сути, указывали на необходимость (и возможность) использовать ИИ для понимания должностей, ролей, навыков и соответствия сотрудников гораздо большему набору данных, чем существующие сотрудники в вашей компании. . Эта же идея со временем возьмет верх над всеми приложениями HCM просто потому, что теперь LLM и GPU делают это возможным.

На мой взгляд, большинство основных моментов управления бизнесом сводятся к человеческому суждению. Кого нанять, кого повысить и кого перевести на новую должность — все это трудные решения, которые мы принимаем на основе личного суждения. Когда вы добавляете другие решения, например, насколько большой должна быть команда, как повысить производительность и как быстрее развивать новые навыки, требуется еще больше «угадывания». Кроме того, есть такие вопросы, как «сколько кому-то платить» или «кто должен быть генеральным директором», которые одновременно сложны и имеют последствия.

Будет ли это LLM, предоставленный поставщиком, или ваш собственный? Оба варианта, скорее всего, будут доступны. Небольшие компании будут использовать готовые LLM от поставщиков; крупные компании будут работать самостоятельно, используя внутренние данные в защищенной, полностью безопасной среде.

Если мы будем использовать LLM, чтобы помочь с этими кадровыми решениями, наши компании просто будут работать лучше. Да, ИИ никогда полностью не заменит человеческое суждение. Но представьте, если бы вы могли увидеть статистическое подтверждение данного решения, а ЗАТЕМ применить суждение? Я знаю, что это значительно улучшит наш процесс принятия решений.

Эти архитектуры генеративного ИИ действительно являются следующей большой вещью. Дженсен Хуанг, соучредитель и президент Nvidia, называет LLM «крупнейшим переходом в компьютерной индустрии нашего поколения». И я должен согласиться.

В нашем новом техническом документе по искусственному интеллекту описано множество примеров таких решений, основанных на искусственном интеллекте, и вы удивитесь, насколько мощными они могут быть. Хотя я не могу предсказать, насколько быстро произойдет это преобразование, я считаю, что теперь у нас есть архитектура HCM «следующего поколения», которую мы так долго ждали.