Als Nike Michael Jordan zou inhuren om op het hoofdkantoor te werken, zou je dat verwachten marketing team om driepunters te laten zinken?
Natuurlijk niet. Hij is buitengewoon, maar vaardigheid verspreidt zich niet door nabijheid.
Hier is een betere vraag: wat moeten Nike-werknemers weten over basketbal? De regels. De duur van het spel. Specificaties van apparatuur. Genoeg om betere schoenen te ontwerpen, scherpere campagnes te schrijven en de vraag nauwkeurig te voorspellen.
Ze hoeven niet in de NBA te spelen. En Nike hoeft dat niet te doen huur NBA-spelers om zijn bedrijf te verbeteren.
Hetzelfde geldt voor AI. De meeste bedrijven hebben geen extreem AI-talent nodig om echte efficiëntiewinst te behalen. Ze hebben mensen in de hele organisatie nodig om te begrijpen hoe AI op hun werk kan worden toegepast.
Totdat leiders specifiek worden over welke AI-vaardigheden ertoe doen, waar ze wonen en hoe ze in het dagelijkse werk voorkomen, zal geen enkele hoeveelheid AI-experts een organisatie echt AI-enabled maken.
DRIE SOORTEN AI-VAARDIGHEDEN
‘AI-vaardigheden’ zijn niet één enkele vaardigheid. In de praktijk zijn er drie categorieën, elk met zijn eigen leercurves en bedrijfsresultaten.
1. AI-vaardigheden: De basislijn van iedereen
2. AI-integratie: Het dagelijkse ambacht van technische professionals
3. AI-creatie: Het diepgaande werk van specialisten
1. AI-vaardigheden zijn de taak van iedereen
Ik zie dit graag als het hele bedrijf leren rijden met GPS. Niet iedereen hoeft de kaart te bouwen. Maar iedereen moet weten wanneer de aanwijzingen betrouwbaar zijn, wanneer de route riskant is en wanneer het systeem zeker fout zit.
Ten eerste zijn er AI-vaardigheden. Werknemers moeten begrijpen wat AI kan doen, wat het niet kan, en wat het zal doen als het het antwoord niet weet. Geletterdheid voorkomt veelgemaakte fouten: te veel vertrouwen op output, te weinig gebruik van tools en het voeden van een slechte context.
Ten tweede zijn AI-tools vloeibaardat is rolspecifiek. Een marketeer die content genereert, een recruiter die kandidaten screent en een supportmanager die antwoorden voorbereidt, hebben allemaal verschillende AI-tools nodig.
Een reden die ik leuk vind De aanpak van IKEA is dat ze kunstmatige intelligentie beschouwen als de verantwoordelijkheid van elke werknemer, en de verantwoordelijkheid van het bedrijf om dit mogelijk te maken. Ze voorzagen duizenden collega’s van de generatieve AI-tools van Microsoft en gaven ze tijd om te leren.
Hoe zag dit er in de praktijk uit? Ontwerpers genereren productvisualisaties, winkelmanagers creëren trainingspresentaties en supply chain-analisten bereiden prognoserapporten voor.
Iedereen, niet slechts één afdeling.
2. AI-integratie is een kernvaardigheid voor technische teams
Als kunstmatige intelligentie ‘rijden met GPS’ is, AI-integratie is “de GPS in de auto installeren.”
Dit is waar de technische teams hun geld verdienen. Integratievaardigheden omvatten snel ontwerp, systeemevaluatie en weten wanneer AI in de stroom thuishoort.
Zo ziet het eruit als het als systeem wordt uitgevoerd. Salesforce heeft een interne demoserie gemaakt met de naam Fijne donderdagenwaar ingenieurs korte, praktische demo’s laten zien van hoe ze AI in hun processen hebben geïntegreerd en vervolgens patronen delen zodat andere teams deze kunnen hergebruiken.
De aanpak van Salesforce werkt omdat het herhaalbare sjablonen en vangrails creëert die andere technici kunnen verzenden.
3. Het creëren van AI is een specialiteit en geen bedrijfsbrede vereiste
AI-creatie is het vermogen om modellen te ontwikkelen, trainen en verfijnen. Het vereist diepgaande expertise op het gebied van het verzamelen en voorbereiden van gegevens, modeltraining, evaluatie en gespecialiseerde technieken.
Het is ook het kleinste cohort van de meeste organisaties.
Als u modellen niet bouwt als kernonderdeel van uw productstrategie, heeft u geen groot AI-creatieteam nodig. Je hebt een klein aantal specialisten nodig, en de rest van de organisatie moet competent worden in gebruik en integratie.
EXTERN LEREN HEEFT ZIJN PLAATS
Laat ik duidelijk zijn: outsourcing is niet verkeerd. Het is nodig als je vaardigheden nodig hebt die je echt niet hebt, vooral bij het maken van AI.
Maar het inhuren van mensen met ‘AI-vaardigheden’ op hun cv kan niet uw voornaamste weg zijn naar AI-competentie en -integratie.
Ten eerste bestaat er geen gevestigde markt voor AI-vaardigheden. De kansen zijn te nieuw, de vraag is overal en de talentenpool is onmogelijk dun. Elk bedrijf jaagt op dezelfde kleine groep mensen, en de meeste van die mensen hebben al een baan of zijn al een eigen bedrijf aan het starten.
Ten tweede is het moeilijker om iemand de ins en outs van uw bedrijf te leren dan hem te leren hoe hij AI in zijn dagelijkse werk kan integreren. Het grootste voordeel komt voort uit het omscholen van de mensen die uw bedrijf, uw cultuur en uw systemen al begrijpen.
Dit is het punt waarop werkgelegenheid en opleiding niet langer afzonderlijke bewegingen zijn, maar één systeem beginnen te worden.
HR IS DIT EIGENAAR
Begrijp me niet verkeerd: IT-teams zijn essentieel. Ze beoordelen leveranciers, beheren de beveiliging en integreren systemen. Maar het kiezen van de juiste tools bepaalt niet of AI de manier verandert waarop het werk wordt gedaan door de mensen die het werk doen.
Het opbouwen van de juiste vaardigheden wel.
Daarom heeft HR vanaf dag één een plek aan tafel nodig om de juiste vragen te stellen: wie wordt het eerst opgeleid? Hoe trainen we ze? Welke rollen evolueren? Hoe zullen de prestaties worden gemeten? Is er een grotere behoefte aan talentmobiliteit?
Hier is waar u moet beginnen:
1. Kies een team. Kies een groep die al wil experimenteren, al helder gedefinieerde processen heeft en impact kan meten.
2. Geef ze drie maanden en een klein budget. Laat ze AI-tools verkennen die relevant zijn voor hun werk. Geef training. Verwijder barrières. Meet wat kapot gaat en wat werkt.
3. Deel de resultaten binnen het hele bedrijf. De overwinningen, de mislukkingen, de onverwachte wrijvingspunten. Maak het reëel en specifiek.
Dat is uw AI-strategie. Niet een huur van negen cijfers of een mandaat van bovenaf of de hoop dat de capaciteit zich zal verspreiden. Ontwikkel de vaardigheden waar het werk gebeurt, schaal wat werkt en herhaal.
Tigran Sloyan is de CEO en mede-oprichter van CodeSignal.
