Mullistavat HR-teknologiat

Josh Bersinin raportissa on hyvää asiaa tulevista mullistavista HR-teknologioista. Näkemykseni on yhtenevä ja perustelen muutamia keskeisiä blogissani.

Yritysten henkilöstöjohtamisessa korostuu jatkossa tiimien suorituskyvyn kehittäminen. Tiimien suorituskyvyn ongelmat on tiedostettu jo usean vuoden ajan. Suurin syy on esimiestoiminnan huono laatu ja laadun suuri hajonta. Karkeasti ottaen 20 % esimiehistä taitaa esimiestyön, 60 % omaa merkittävää kehittämispotentiaalia ja lopulla 20 % on esimiestyössä vakavia ongelmia. Sama hajonta on tiimien suorituskyvyssä. Nyt haetaan siis uusia ratkaisuja tiimien suorituskyvyn parantamiseen.

“Companies want management tools that help enable and empower teams, drive team-centric engagement and performance, and support agile, networkfocused HR practices.” toteaa Bersin.

Olen tutkinut esimiestoiminnan laadun hajontaa ja selvittänyt sen juurisyytä. Yksi oleellinen syy on esimiesten huono osaaminen ihmisten johtamisessa. Vain harva esimies osaa hyviä ihmisten johtamisen käytäntöjä. Ne esimiehet, jotka eivät osaa esimieskäytäntöjä, eivät niitä myöskään toteuta käytännössä. Esimiesten johtamistaidoissa on samankaltainen hajonta kuin tiimien suorituskyvyssä. Tiimien suorituskykyä olen mitannut työyhteisön kokemalla Työelämän Laadun indeksillä (QWL, Quality of Working Life), jossa suorituskyky määräytyy motivaatioteorian mukaan.

Voidaanko esimiesten osaamisongelma ratkaista kouluttamalla esimiehille hyviä ihmisten johtamisen käytäntöjä? Ei voida, koska ongelma on pirullinen (wicked). Pirullisen siitä tekee se, että ne esimiehet, jotka tarvitsisivat ihmisten johtamistaitoja, eivät koe niitä tarvitsevansa. Heiltä puuttuu oppimiseen vaadittava motivaatio. Vaikka he käyvät koulutuksissa, johtamiskäyttäytyminen ei muutu. Heidän mielestä ihmisten johtamiskäytännöt syövät arvokasta työaikaa, joka kannattaa mieluummin käyttää tuloksen tekemiseen. Heillä on vahva käsitys (bias), että heidän toteuttama tulosjohtamisen malli on hyvä, ja syyt tiimin työhyvinvoinnin ja suorituskyvyn ongelmiin ovat heidän mielestä muualla – tekijöissä, joihin he eivät voi vaikuttaa.

Ongelma voidaan ratkaista uusilla HR-teknologioilla, jotka mahdollistavat seuraavat asiat:

  • tiimin työelämän laatu tehdään näkyväksi jatkuvatoimisella mittauksella (continuous QWL measurement)
  • tekoälyavusteinen simulaatio opettaa kokemuksellisesti paremman johtamismallin (redefining leadership mind-set)

Suorituskyvyn jatkuva parantaminen on monessa organisaatiossa tavoitteena. Jatkuva parantaminen on tehotonta, mikäli ongelmiin reagoidaan liian myöhään. Tehokas jatkuva parantaminen vaatii jatkuvaa henkilöstön näkemysten huomioimista, jolloin ongelmia voidaan ratkaista nopeasti ja ennakoivasti. Tuloshyödyt ovat niin merkittäviä, että jatkuva QWL-mittaus tulee yleistymään nopeasti. Aluksi se voisi tarkoittaa kuukausittain toteutettavaa henkilöstökyselyä. Kysymyksiä on vain muutamia ja niillä mitataan henkilöstön kokemuksia työelämän laadun tekijöistä.

When companies start implementing continuous performance management, they often realize that feedback and engagement survey systems should be connected to the process. … To do this effectively, organizations need a set of tools that facilitate continuous listening, which goes well beyond annual surveys.” toteaa Bersin

Työelämän laatu on aineeton tuotantotekijä. Se on tuotantotekijänä vähintään yhtä tärkeä kuin henkilöstömäärä. Työelämän laatu linkittyy asiakastyytyväisyyteen, innovatiivisuuteen sekä yrityksen talouteen henkilöstövoimavarojen tuotantofunktion avulla. Jatkuvatoiminen tiimin työelämän laadun mittaus nostaa esimiestoiminnan laadun ja tuottavuuden ongelmat esille. Samalla se automaattisesti pelillistää esimiestoimintaa, sillä rationaalinen esimies haluaa kokeilla, miten oma vuorovaikutusjohtaminen vaikuttaa tiimin kokemaan työelämän laatuun. Esimiehen huomio siirtyy tuloksesta ihmisten johtamiseen ja tuloksen parantuminen tulee pienellä viiveellä, kuten simulaatio opettaa.

“Let me add another hot trend that most people don’t understand yet. I am now convinced that virtual and augmented reality (VR and AR) are going to be big in the learning and performance support market.” toteaa Bersin

Olemme kehittäneet tekoälyavusteisen simulaatiopelin, joka opettaa esimiehille ihmisten johtamista ja sen vaikutuksia talouteen ja työelämän laatuun. Simulaatiomaailma (augmented reality) on luotu johtamisen peliteorian ja henkilöstötuottavuuden analytiikan avulla. Simulaatioon on kytketty tekoäly (artificial intelligence, AI). Se analysoi erilaisia vaihtoehtoja esimiehen puolesta ja ehdottaa sitten parhaita, joilla saadaan kestävää kilpailuetua. Ihminen tarvitsee apua nimenomaan pitkän aikavälin vaikutusten ymmärtämiseen. Ilman tekoälyn apua ihminen on taipuvainen tekemään hätiköityjä päätöksiä omien oletusten mukaan. Organisaation suorituskyvyn johtamisessa nämä oletuksiin perustuvat käyttäytymismallit (biases) ovat usein huonoja pitemmällä aikajänteellä. Suorituskyvyn parantaminen onnistuu parhaiten, kun ihmisellä on apuna tekoälyn kyky nähdä pitemmälle tulevaisuuteen.

Lähteet

Bersin J. (2018). HR Technology Disruptions for 2018: Productivity, Design, and Intelligence Reign. Deloitte. http://marketing.bersin.com/rs/976-LMP-699/images/HRTechDisruptions2018-Report-100517.pdf

Kesti, M. (2018).  Architecture of Management Game for Reinforced Deep Learning, Intelligent Systems Conference 2018 6-7 September 2018 | London, UK. (conference paper, not yet published)

Kesti M. (2018). Henkilöstötuottavuuden tutkimusohjelma. Tiedolla johtamisen hanke.

HR-AI helps solving wicked management problems

Companies are reinventing the performance management in their organizations (Bersin 2018). The HR-AI helps achieving this aim.

 

Traditional business management makes decisions with simplified iteration and using mental shortcuts called cognitive biases. Cognitive biases are assumptions of how the world works. Humans substitute complex issues with biases. Human performance management is too difficult to make sense of as there are just too many ifs involved: if a key person leaves, if strategy implementation fails, if customer satisfaction drops, if employee performance declines, if absence increases, etc. Therefore, cognitive biases drive leadership behaviors. However, what happens if these cognitive biases are wrong and/or harmful?

New management game theory and artificial intelligence (AI) algorithms make it possible to predict leadership behavior’s effect on business. The architecture consists of a human capital production function, motivation theories, and several evidence-based rules. For AI, management decision-making is a prediction problem, and solving it is possible through the use of an augmented reality simulation game. The simulation game predicts the future outcome according to management behaviors. Managers will learn to make better decisions from the simulation. Artificial intelligence (AI) will help to optimize human resource management decisions.

Artificial intelligence plays several rounds of simulations in milliseconds, and remembers the most valuable management practices for long-term success. AI also suggests actions to manage the decision-making process. A manager uses human judgment, because some of the the AI-suggested actions may not be reasonable in a real-life situation. Humans are good at estimating which actions are best for a specific situation, but humans are poor at predictions. Humans have several cognitive biases, which are based on wrong assumptions, and that harm long-term success. While AI can see into the future and can predict the long-term result, it does not take into consideration all situational realities. Thus, the best results are achieved when AI and human beings work in collaboration.

Human resources management AI is an intelligent prediction machine. Its prediction accuracy can be increased for each specific organization. AI has the ability to learn, and this learning is not limited by harmful biases. Prediction accuracy improves with more up-to-date data, listening to employee feedback continuously, and comparing the simulation prediction to the real-life realization.

Management_AI_architecture_dark

Figure 1. HR-AI architecture

One problem is the cognitive illusion that management competence is in order, and performance problems are due to other reasons (plenty of ifs). Supervisors’ leadership practice skills may be very poor and, therefore, there may be a tendency to neglect necessary leadership activities. The team-leader may justify omitting performing HR-practices, because it seems to be more important to use precious work time to maximize profits than to invest time into soft, human leadership practices. However, this is a wrong assumption. Management problems are serious, because behavioral cognitive biases are difficult to overcome and require practice-based learning to substitute these biases with better behavior. AI-based simulation learning may solve this problem.

 

REFERENCES

Bersin, J. (2018). HR technology disruptions for 2018: Productivity, design, and intelligence reign. New York, NY: Deloitte. Retrieved from http://marketing.bersin.com /rs/976-LMP-699/images/ HRTechDisruptions2018-Report-100517.pdf

Agrawal, A. (2018). The economics of artificial intelligence. Commentary McKinsey, April 2018.

Kahneman, D. (2012). Thinking, fast and slow. Location: Penguin Books.

Kesti, M. (2018).  Architecture of Management Game for Reinforced Deep Learning, Intelligent Systems Conference 2018 6-7 September 2018 | London, UK. (conference paper, not yet published)

Tekoälyavusteinen simulaatio mallintamaan kansantalouden tuottavuutta

Teimme tekoälyavusteisen simulaation kansantalouden tuottavuuden analysointiin. Simulaatiossa työelämän laatu on tuotantotekijä, johon vaikutetaan johtamisella. Henkilöstöjohtamisella voidaan parantaa yritysten tulosta 3 Mrd euroa – tosin se on haastavaa, voit itse kokeilla.

Simulaatioon on otettu kaikki Suomen yli 10 hengen yritysten HR-tiedot ja taloustiedot. Yritykset tekevät liikevaihtoa noin 280 Mrd euroa ja käyttökatetta 14,5 Mrd euroa. Ne työllistävät noin 834 000 työntekijää. Tavoite on työelämän laadun avulla parantaa yritysten tulosta 3 Mrd eurolla ja samalla lisätään työvoimaa noin 80 000 työntekijällä. Tavoitteet ovat erittäin haastavat, sillä henkilöstökulut kasvavat samanaikaisesti 2.7 Mrd eurolla. Jokainen voi kokeilla, että ilman tekoälyn neuvoja se on vaikeaa. Tulevaisuudessa tekoäly ratkaisee monia ongelmia ihmistä paremmin – myös ihmisten johtamisessa tekoälyn neuvot ovat tarpeen.

Voit kokeilla, saatko johtamisellasi kansantalouden kukoistamaan (blogin lopussa on linkki simulaatioon). Ihmisten johtamisen haastavuus selittää osaltaan, miksi yritysten tuloskyvyssä on niin suuri hajonta. Suuri osa (45 %) Suomen yrityksistä tekee heikkoa tulosta. Säästömoodissa olevat yritykset eivät juuri tee aineellisia investointeja. Kassassa ei ole rahaa ja huono tulos vaikeuttaa investointien poistoja. Noin 10 % yrityksistä on erittäin kannattavia ja ne tekevät yli 50 000 € käyttökatetta per työntekijä. Aineelliset investoinnit selittävät osan tästä menestyksestä, kuten kuviosta nähdään. Aineelliset investoinnit parantavat tehollisen työtunnin tuottamaa liikevaihtoa ja tulosta.

Yritysten_tuloskykyjakauma_R1

Kuva. Yritysten tuloskykyjakauma ja aineettomien investointien määrä per työntekijä.

Toinen menestystä selittävä tekijä on parempi ihmisten johtaminen. Työelämän laatu on aineeton tuotantotekijä, joka määrittää tehollisen työajan osuuden työhön käytetystä ajasta. Menestyvä yritys huolehtii näistä molemmista tuotantotekijöistä. Todennäköisesti menestyvissä yrityksissä on motivoitunut ja hyvinvoiva henkilöstö. Simulaatio osoittaa miten tärkeää ihmisten johtaminen on ja miten vaikeaa se on hoitaa hyvin. Simulaatioon on kytketty tekoäly, joka opastaa toteuttamaan johtamista, jolla parannetaan kilpailukykyä pitemmällä aikajänteellä. Tekoälyn toteuttama ihmisten johtaminen vähensi sairauspoissaoloja ja paransi henkilöstön työelämän laatua.

Simulaatiossa on johtamiskäytäntöjen osaamistehot asetettu 80 % tasolle. Todellisuudessa johtajien ja esimiesten osaamisissa on suuri hajonta. Myös työyhteisön kohtaamat haasteet on vakioitu siten, että jokaisessa simulaatiovuodessa toistuvat samat ongelmat. Työntekijöiden antamat signaalit ongelmista on niin ikään vakioitu. Jokainen työyhteisön kokema haaste tai ongelma heikentää työelämän laatua aiheuttaen lisääntyvää hukkaa. Todellisuudessa ongelmat tahtovat kertyä niille, joilla muutenkin on haasteita johtamisessa.

Tekoälyä hyödyntävä simulaatio mallintaa yritysten henkilöstötuottavuuden kehitystä. Simulaatiossa johdetaan keskimääräistä työyhteisöä, jonka tulokset skaalataan koko yrityskantaan. Olet siis työyhteisön esimies ja johtamisesi vaikuttaa kaikkiin yli 10 hengen yrityksiin. Simulaatiossa tekoäly auttaa ihmisten johtamisessa niin, että haastavat kasvu- ja tulostavoitteet voidaan saavuttaa. Työllisyys paranee ja yritykset tekevät enemmän liikevaihtoa ja tulosta. Tekoäly ei sorru lyhyen ajan tuloksen maksimointiin, vaan se panostaa viisaasti henkilöstökehittämiseen ja työelämän laatuun.

AIMO_kansantalous_R1

Kuva. Simulaatiossa tekoäly panostaa henkilöstön kehittämiseen monipuolisesti ja tilanteen vaatimalla tavalla. Haastava tulostavoite (sininen viiva) voidaan saavuttaa.

Tekoälyn todelliset hyödyt saadaan, kun simulaatioon otetaan yrityksen omat tiedot ja mitattu työelämän laatu. Tekoälyn neuvot optimoituvat jokaiselle esimiehelle persoonallisesti työyhteisön tilanteen ja esimiehen osaamistasojen mukaan. Kumulatiivinen tulosparannus saadaan, kun jokainen esimies parantaa omaa johtamista ja asennetta esimiestyötä kohtaan. Ihmisten johtaminen on kaikkea muuta kuin matematiikkaa. Onkin paradoksaalista, että ihmisten johtamisen kehittämiseen tarvitaan matemaattisiin algoritmeihin perustuva tekoäly, joka neuvoo, miten tullaan paremmaksi esimieheksi. Tekoälyavustajalle on annettu nimeksi AIMO (Artificial Intelligence Mentor’Omatic).

Tekoälyavusteiseen simulaatioon pääsee seuraavasta linkistä:

http://service.mekiwi.org/playgain/kansantalous-yritykset/

Huom. IE selain ei ole tuettu. Kirjaudu vasemmalta yläkulmasta BestBoss napista ja valitse Kasvu-skenaario. Mikäli ongelmia niin kannattaa tarkistaa palomuuriasetukset.

Lähteet

Tilastokeskus (2017). Yritysten toimialatilastot, yli 10 hengen yritykset 2015 tilastotiedot.

Tekoälyavusteista opetusta esimiehille

Pelkkä ongelmaratkaisu ei nosta organisaation tuottavuutta, mutta estää kyllä sen huonontumista. Tuottavuuden nosto vaatii strategisia ratkaisuja, joissa tekoälyavusteinen oppiminen on yksi keino.

Organisaatioiden vaikein ongelma tuottavuuden parantamisessa on esimiestoiminnan laadun suuri hajonta (vrt. Bersin tutkimus). Tyypillinen jakauma on karkeasti seuraava: 20 % onnistuu hyvin esimiestyössä, 60 % onnistuu kohtalaisesti ja 20 % on vaikeuksissa tiiminsä johtamisessa. Ongelmatiimit työllistävät HR-asiantuntijoita, sillä kohonneet sairauspoissaolot ja vaihtuvuus sekä heikko suorituskyky vaativat toimenpiteitä. Valtaosa (60%) esimiehistä ei koe tarvitsevansa välitöntä apua. Paras 20 % tekee hyvää tulosta ja saa tukea sekä huomiota ylimmältä johdolta.

Kun HR:n tuella saadaan konflikteissa olevan tiimin ongelmat ratkaistua, ajautuu uusi tiimi ongelmiin ja näin hajonta pysyy samanlaisena. Reaktiivinen ongelmaratkaisu ei siis nosta organisaation tuottavuutta, mutta estää kyllä tuottavuuden huonontumista. Tuottavuuden nosto vaatii strategisia ratkaisuja, joissa tekoälyavusteinen oppiminen on yksi keino.

Jokainen esimies on yksilö, joka johtaa tiimiä erilaisessa tilanteessa, erilaisella osaamisella, oppimiskyvyllä ja asenteella. Tiimi, jossa työntekijöiden turvallisuuden tunne on pettänyt, vaatii toisenlaisia toimenpiteitä kuin tiimi jossa me-henki tai osaaminen kaipaa parannusta. Tekoäly opettaa jokaista esimiestä henkilökohtaisesti optimaalisella tavalla. Jos esimiehellä on vaikeuksia esimiesroolissa, niin tekoäly neuvoo enemmän ja harjoituttaa enemmän sekä mittaa automaattisesti oppimistulosta, kunnes esimieskompetenssi on parantunut. Oppiminen skaalautuu, personoituu ja tehostuu. Tekoäly on HR:n oikea käsi, joka automaattisesti parantaa jokaisen esimiehen kyvykkyyttä ja kertoo oppimistulokset.

Kaikkia esimiehiä tuetaan samanaikaisesti, jolloin uusia ongelmatiimejä ei enää synny siinä määrin. Haitallinen hajonta saadaan vähitellen hallintaan ja HR-johtamisessa voidaan reaktiivisen ongelmanratkaisun sijaan panostaa enemmän ennakoivaan kehittämiseen. HR-johtaminen muuttuu ongelmakeskeisestä cost-center moodista kohti strategista profit-center toimintaa. Oheisessa kuvassa on muutos havainnollistettu. Kuvassa on kaksi työelämän laadun mittausta. Tulokset on laitettu suuruusjärjestykseen QWL indeksin mukaan. Koko organisaation QWL indeksi on parantunut tasolta 63% tasolle 66%. Taloudellinen tulosparannus on esimerkkiyrityksessä noin 1.5 M€, mikä tarkoittaa 3 300 euroa parempaa tulosta jokaista työntekijää kohti.

Tiimine_QWL_jakauma

Kuva. Työelämän laadun (QWL) mittaukset suuruusjärjestyksessä. QWL indeksi analysoidaan henkilöstökyselyn tuloksista hyödyntäen motivaatioteoriaa. Menetelmä on kansainvälisessä tiedeyhteisössä hyväksytty.

Supertuottavuutta tekoälyllä

Tekoälyllä voidaan nostaa yrityksen tuottavuus aivan uudelle tasolle. Miten se on mahdollista ja mitä tekoäly henkilöstöjohtamisessa tarkoittaa?

AI_vs_Data

Kuva. Perinteinen henkilöstöjohtaminen ei tuota enää lisää hyötyä, vaikka datan määrä lisääntyy. Vahva tekoäly oppii uusia asioita, jotka parantavat kilpailukykyä.

Tekoäly voidaan luokitella heikkoon ja vahvaan tekoälyyn. Heikko tekoäly on opetettu tunnistamaan erilaisia asioita. Se osaa vastata kysymykseen mikä tämä on? Lisäksi heikko tekoäly kerää monenlaista dataa ja kykenee automaattisesti löytämään datasta asioiden välisiä korrelaatioita. Ihminen tarvitaan vahvistamaan korrelaatioiden kausaalisuuden eli opettamaan tekoälylle, että näillä asioilla on syy-seuraussuhde. Heikolle tekoälylle voidaan opettaa myös vaikuttavuuden ketju: tapahtuma – seuraus – toimenpide – vaikuttavuus.

Esimerkiksi kun henkilöstökyselyn tuloksissa henkilöstön kokema turvallisuuden tunne heikkenee ja sairauspoissaolot lisääntyvät, niin heikko tekoäly löytää korrelaation. Ihminen opettaa sille, että sairauspoissaoloja voidaan vähentää varhaisen välittämisen mallilla. Seuraavalla kerralla kun henkilöstön turvallisuuden tunne heikkenee, niin heikko tekoäly neuvoo käynnistämään varhaisen välittämisen mallin jo ennen kuin sairauspoissaolot lisääntyvät. Näin vältetään turhia sairauspoissaoloja, jolloin tuottavuus nousee. HR-analytiikalla voidaan arvioida, että sairauspoissaolopäivä aiheuttaa kuluja esimerkiksi 350 €/poissaolopäivä.

Vahva tekoäly on huomattavasti vaativampi luoda, sillä se osaa ennustaa ja selittää. Lisäksi se osaa neuvoa miten negatiivinen tapahtumaketju voidaan välttää tai tehokkaasti toipua ongelmasta. Ongelma voi tulla yllätyksenä tai sitten vahva tehoäly ennustaa ongelman esiintymisen todennäköisyyden. Vahva tehoäly on vaativa luoda, koska pitää luotettavasti kuvata miten maailma toimii kyseisessä kontekstissa. Henkilöstöjohtamisen tekoälyssä pitää kuvata arkkitehtuuri, joka selittää henkilöstötuottavuuden mekanismin. Haastavaa on myös oikeiden palkitsemisfunktioiden luominen. Vahvassa tekoälyssä palkitsemisfunktiot pitää tehdä sekä lyhyelle että pitkälle aikajänteelle. Vahvassa tekoälyssä voidaan jatkojalostaa heikon tekoälyn tuottamaa tietoa.

Tarkastellaan edellistä esimerkkiä, joka liittyi sairauspoissaolojen hallintaan. Voiko vahva tekoäly tuottaa lisäarvoa, johon heikko tekoäly ei kykene? Kyllä voi, sillä nyt mennään astetta syvemmälle toiminnan älykkyydessä. Vahva tekoäly tietää, että tuleva muutos todennäköisesti heikentää työntekijöiden turvallisuuden tunnetta. Näin se aktivoi ennakoivia johtamistoimenpiteitä jo ennen muutosta. Johtamistoimenpiteet eivät liity varhaisen välittämisen malliin, koska nyt turvallisuuden tunne ei ole vielä heikentynyt. Sen sijaan panostetaan ennakoivasti muutosviestintään, henkilöstön kuuntelemiseen ja me-hengen kohottamiseen. Vahva tekoäly tarjoaa simulaatioympäristön, jossa esimiehet voivat harjoitella tulevaa muutosta ja näin he vahvistavat optimaalista johtamiskäyttäytymistä muutoksen alkaessa. Näin tuleva muutos ei pääse heikentämään henkilöstön kokemaa työelämän laatua, jolloin varhaisen välittämisen mallia ei edes tarvita.

Muutoksen alkaessa esimiehet toteuttavat simulaatiossa opeteltua optimaalista johtamista, jolla ennaltaehkäistään turvallisuuden tunteen heikentyminen ja vahvistetaan työelämän laadun muita osa-alueita. Simulaatiossa olevalla analytiikalla voidaan osoittaa, että tuottavuuden nousu on esimerkiksi 663€/työntekijä/vuosi. Työntekijöitä palkitsee heidän osallistaminen muutoksessa ja näkemysten arvostaminen. Työelämän laadun parantuminen palkitsee sekä työntekijöitä että esimiestä. Esimiestä palkitsee myös taloudellinen menestys sekä muutoksen sujuvuus eli hyvät suhteet ylempään johtoon. Vahva tekoäly siis esti sekä sairauspoissaolot että niitä edeltävän tuottavuuden alentumisen ja auttoi kääntämään tuottavuuden nousuun muutosongelmista huolimatta. Sama ilmiö on mahdollista toteuttaa myös monessa muussa tapahtumaketjussa.

Supertuottavuus syntyy ilmiöstä, jossa kilpailukykyä parantavat investoinnit ja henkilöstötuottavuuden parantaminen kulkevat käsi kädessä. Investoinnit voivat liittyä strategisiin innovaatioihin tai tuotteiden ja palvelujen kehittämiseen. Vahva tehoäly varmistaa investointien nopean takaisinmaksun, jolloin kilpailukyky paranee ja epäonnistumisen riski pienenee. Liiketoiminnan kilpailukykyä parantavat investoinnit vaativat organisaation uudistumista, jolla on taipumus aiheuttaa sähläystä ja työelämän laadun laskua. Vahva tekoäly varmistaa, että jokainen tiimi toimii hyvällä tai erinomaisella suorituskyvyllä, vaikka uutta teknologiaa ja strategisia innovaatioita otetaan käyttöön.

Olemme luoneet johtamisen simulaatiopelin, jonka analytiikka mallintaa todellisuutta. Esimies harjoittelee erilaisten ongelmien ratkaisemista ja näkee vaikutukset suorituskykyyn lyhyellä ja pitkällä aikavälillä (simulaatiovuosi). Seuraavaksi aiomme tehdä simulaatiosta tekoälyavusteisen, jolloin esimies voi kysyä millä johtamiskäytännöillä saadaan parhaita tuloksia erilaisissa haasteissa. Simulaatioon voidaan kerätä dataa omasta työyhteisöstä, jolloin voi harjoitella ja optimoida johtamiskäyttäytymistä sekä todentaa oikea suunta reaalimaailmassa. Olemme vasta HR-tekoälyn kehityksen alkutaipaleella, innostavaa nähdä mitä kaikkea on tulossa.

Are employee surveys fundamentally wrong?

Traditional well-being analyzes using average values and correlations are over-simplified and can be harmful for organization performance development.

Cambridge professors Fleetwood and Hesketh argue that employee surveys with statistical analyzes are measurements without proper theoretical foundation. I have come to the same conclusion. The fundamental mistake comes from the fact that human performance is not so simple phenomenon that it could be analyzed by statistical methods. Employee survey analyzes using mean and average values or correlations are over-simplified and can be harmful for organization performance development. In this article I will explain why.

I will compare staff survey results by two different analyzing methods – one is traditional statistical average value and the other is new QWL method that uses motivation theory. In this study the employee survey questions are suitable for both analyzing methods. This means that inquiry is the same but results are analyzed differently. Inquiry has questions related to
– Physical and Emotional safety (PE)
– Collaboration and Identity (CI)
– Objectives and Creativity (OC)
These self-esteem factors affect to performance in different phenomenon. The performance outcome is the combination of all of these factors – but not average value. We have developed so called Quality of Working Life index (QWL) which is scientifically approved method for analyzing human performance at organization context. The performance index follows approved motivation theories (e.g. Herzberg) that have explanatory power. Quality of working life effect on business performance is not linear; it looks more like exponential curve. The principle of QWL is shown at the figure 1.

In simplified case study, let us assume that all self-esteem factors increase hand in hand. At the point where all self-esteem factors are 75% the QWL index is 61.8%, describing the performance level according to the motivation theory. Average value 75% indicates that the situation is relatively good and there is not so much development potential. However, QWL index (61.8%) indicates that there is still great possibilities to improve.

QWL_Example

Figure 1. QWL index where all self-esteem factors are 75%.

The difference between statistical average well-being and QWL index can be visualized when drawing both methods at the same diagram. Average well-being form straight line from 0 to 100%. QWL-index increases curving gradually and speeding up when survey measurements exceed 57 (x-axel value). The biggest variation in the values are at 57 when the QWL-index is only 41% (and average 57%), thus average calculation gives almost 30% higher value. Monetary mistake is at for example business service provider branch approximately 40 000 €/FTE, thus at 100 persons company 4 M€.

Average_vs_QWL.jpg

Figure 2. Average inquiry results and QWL method analyze at the same diagram.

Considering that the employee performance is production parameter, the mistake is huge at business competitiveness. Therefore it seems that average value hides the business improvement potential. When QWL analyze is done the company would find out the productivity improvement potential. QWL improvement will increase effective working time for making revenue. More revenue with the same fixed costs raise the profit with good efficiency. Thus, it seems that measuring human performance by statistical average is not only fundamentally wrong but also harmful for business.

To illustrate the problem we will study the case company with real data. The company is business services provider with 980 employees with 158 M€ revenue and 18 M€ EBITDA. Company’s wellbeing inquiry shows average value 78.7%.

Case 1. Strategy: improving well-being concentrating on problems indicated by traditional survey analytics (fig. 3)

According to the figure 3 the Company’s average well-being is improved to the level 80.7%. Self-esteem factor PE is improved and other remains the same. The company concentrate on improving the well-being at the self-esteem areas of physical and emotional safety which represent the lowest values at the survey. QWL-index improves from 67.0% to 69.1% thus 3.1% improvement at the performance. Company will gain 2.1 M€, meaning 2 159 € EBITDA increase per Full-Time-Equivalent.

Case_1

Figure 3. Case 1 strategy for improving wellbeing.

Case 2. Strategy: Improving QWL index with the most effective management practices (fig.4).

Company’s average well-being is improved to the level 80.7%, thus the average is the same as at case 1.  Self-esteem values at the beginning and end are shown at the figure 4. HR-Management strategy is to improve the self-esteem factors that gives the best value at QWL index. Management decides to concentrate on improving staff motivation and empowerment, thus the Objectives and Creativity. QWL-index improves from 67.0% to 71.6%, meaning 6.9% improvement. Company will gain 4.3 M€ EBITDA, corresponding 4 422€ increase per Full-Time-Equivalent.

Case_2

Figure 4. Case 2 strategy for improving QWL index with the most effective management practices.
At case 1 the HR-management strategy is good in reducing absence because Physical and Emotional safety are connected to the absence. Therefore the strategy is good if absence is high and causing problems at customer must-be quality and increased overtime work. However at the business value was not as good as at case 2. Improving Objectives and Creativity will boost the performance, but only if other self-esteem factors are not reducing simultaneously. At case 2 the absence is not likely to reduce. The benefits of this strategy is at improving business value. Fostering staff motivation and innovativeness creates possibilities to develop new services and products that generate more revenue and gain satisfied customers.
Conclusion
For creating competitive advantage there should be understanding on how human capital is developed. Human performance consists qualitative factors and therefore well-being connection to performance with statistical analyze seems to be oversimplified and fundamentally wrong. Instead of statistical science, there should be used motivation theory in analyzing well-being meaning to human performance.
Best management practices have tendencies to improve staff well-being. Depending on the situation and team manager skills, some management practices are more effective than others are. Each management practice require scarce working time, thus it is important to do effective development activities. Using traditional statistical method there is risk to prioritize wrong actions. Example illustrates how organization improvement profit is doubled by utilizing motivation theory.
The statistical inquiry analyze seems to hide the business development potential. For strategic decision-making, it is important that essential business related information is right. At knowledge-based business, the staff quality of working life is the most important production parameter. Staff human performance should be measured and analyzed using motivation theory, not statistical science.
In addition, QWL index should be measured much shorter intervals than yearly. Nowadays pulse type inquiries with real-time QWL analytics are possible, which allows situation sensitive performance management and continuous improvement. New research with practical case studies indicate that there are significant possibilities to make more profit through effective organization development.

Management Game Theory opens the HRM-Performance Black-Box

Game theory is the field of mathematical science to study human behavior and its effects at different environments. I have created management game theory to describe and study the complexities of organization performance management.

Management Game Theory includes theories of Human Capital Production Function and QWL-connection to performance (QWL = Quality of Working Life). These theories describe the management environment, therefore they form the theoretical skeleton for the game theory. The management game is Bayesian Stochastic Strategic Non-symmetric Signaling game. Game theory is needed to mathematically open the HR-management behavioral and stochastic nature. For example, researchers have identified the bundle of best HRM-practices that (usually) have good effect on business performance. However, these best practices may not help if they are implemented at wrong situation, or with poor quality. Stochastic means that your leadership behavior today has both short term and long term effects. All this and much more can be described mathematically using management game theory.

Leadership learning game

Figure. Management game theory Q-learning algorithm and practical game interface. Explained more at Healthcare Summit conference presentation.

QWL-index is based on motivation theories (e.g. Maslow, Alderfer, Kano). It explains the staff intangible assets utilization for team performance. You can read more about the scientific explanation from my earlier blog. QWL is a performance index defining the effective working time share from the time spend at work. Therefore QWL is production parameter at the following theory of Human Capital Production Function:

Revenue = K * HR * TWA * (1 – Ax) * QWL                 (equation 1)
EBITDA = Revenue – variable costs – Staff costs – Other fixed costs

where
K = business ratio, describing how much revenue one effective working hour makes
HR = staff size at full-time-equivalent
TWA = theoretical yearly working hours
Ax = Auxiliary working time (vacation, family leave, absence, training, HRM-practices)
QWL = Quality of Working Life index
EBITDA = operating profit

When these theories are connected to behavioral game theories you will open the HRM-Performance Pandora’s box. This means that you will see and experience all the hidden problems behind HRM-Performance, and when you see them you can learn to solve them. Game theory also teach how to improve HRM-Performance. We can also utilize artificial intelligence in solving those wicked problems and so help the organizations create competitive advantage.

Workers have internal need to improve and take care of their self-esteem. QWL describes the self-esteem factors combined meaning to performance. Workers are concerned about the problems that threaten their self-esteem. However, they have limited possibilities to affect to their QWL at workplace context. Therefore workers give opinions or other signals from the needs to improve their self-esteem and problems that threaten it. Workers get intangible reward from the improvement of their self-esteem and thus QWL-index.

Line managers are responsible for their team performance, which is usually measured by quantitative metrics like profit, revenue and time. Line managers and superiors have possibilities to improve workers QWL, but they seldom know exactly how. Some superiors know that workers’ self-esteem is linked to team performance. All superiors know that spending working time to HRM-practices reduce the scarce working time for making profit. Thus, line managers are in a dilemma over whether to do HRM-practices or concentrate on making profit. One has to note that money and related quantitative measurements are very powerful drivers for decision-making. Unfortunately many superiors prioritize short term profit, and so lose the long term competitiveness, as described at my previous blog. Line managers are rewarded from the team performance measured by profit.

HR-management department provides team leaders the bundle of good HRM-Practices. They try to teach these practices to superiors and hope that they also utilize the skills in practice. HRM department follows different HR-scorecards like absence, retention, turnover, skills, and wellbeing. Unfortunately, as long as these HR-metrics are not linked to fiscal monetary metrics they are not so interesting strategically.

Executives are responsible for organization overall performance which is measured by fiscal scorecards like revenue and profit. Human performance improvement they leave to HR-management’s concern. Besides the growth possibilities the executives concentrate on business logic and investments that improve the K-factor at Human Capital Production Function (Equation 1). Generally, executives’ strategic innovations cause problems and fuss at the organization, thus reducing the QWL at teams. In long term, only those organizations survives that can increase the K-factor and improve QWL at the same time or close intervals.

What is the benefits of Management Game theory? It makes possible to create new generation digital solutions for:

– phenomenal predictive people analytics

– leadership training using digital game based learning

– digitalized university level management education

– digitally powered Lean leadership implementation

– efficient human capital performance improvement

It seems that management game theory gives bona-fide theory for HRM-Performance, I could say if forms “Leadership DNA”. There are huge possibilities in this research, we have just scratched the surface. You can test the first version of Management Game Theory in practice by playing the Leadership learning game that is available from the link http://service.mekiwi.org/playgain/bestleanboss/

Leadership Game is also available from Google store for android tablets.

Note, at that this so called Best Boss game you play ideal organization since all HRM-Practices are provided at full leadership skill powers.

Leadership social dilemma – reason for performance failure

By demanding monthly profit the superiors may think that they have to maximize team working time for making the profit rather than solving the workplace problems. This will unleash profit maximizing paradox – the more you require the profit the more likely it will not be achieved in the long run.

Leadership is one of the main sources of competitive advantage. Companies invest vast amounts of money and time for leadership development at all levels. However, the effectiveness of these training programs has remained ambiguous. Leadership continues to be the biggest challenge for business and HR management. Technology development and global business require better workforce skills improvement and utilization. The need for capable and effective people management has become more and more important success factor.

The leadership competence problem hides a multitude of reasons. Leadership training programs are not the only reason for poor outcome. New management game-theory reveals one essential problem that needs more sophisticated problem solving. In game-theoretical approach the leadership challenge is Bayesian Stochastic Strategic Non-symmetric Signaling game where the leader tries to find Nash-equilibrium between business profit and employee Quality of Working Life (QWL).

There seems to be one essential management cultural reason for leadership failure. If team leader management mind-set is profit maximizing there is great risk that equilibrium is never learned. Executives may cause harmful social dilemma for superiors. By requiring maximum profit the superiors start to think that they have to maximize the weekly profit rather than listening to the workers and solving the problems. Superior knows that problem solving will require scarce working time which is precious for making the profit, and money is too powerful driver.

Leadership social dilemma

Figure 1. Leadership social dilemma at management game theoretical approach.

Figure 1 illustrates the game-theoretical simulation of profit maximizing paradox – the more you require the profit the more likely it will not be achieved in the long term. This simulation is from Cash-Cow scenario where organization problems are relatively easy. Profit maximization may seem good strategy at the first, but when problems are not solved the fuss will increase, and eventually eat the team performance. The Quality of Working Life is the production parameter. The superior that solves the problems will gain value afterwards, thus creating competitive advantage through better human intangible assets utilization.

Management game theory reveals that line-managers should foster their management skills in three main areas:

  • Strategic leadership mind-set for prioritizing problem solving and improving QWL
  • Best leadership practice skills for performing management actions efficiency
  • Situational leadership sensitivity with empathy and emotional intelligence

Three competence areas

Figure 2. Leadership competence areas from management game-theoretical approach.

Management Game-Theory includes following methods:

We have made simulation learning game that utilizes new emerging management game theory with Q-learning method. At the simulation game the player will find optimal Nash equilibrium between team Quality of Working Life and fiscal long term profit. In the future the managers may ask our AI-game to advice in finding the winning HR-management strategy.

Now that we have solved the most critical problem – how to simulate human performance management – it is possible to implement Neural Network in finding the most optimal management strategies. So far we rely on human rational thinking in discovering the optimal management behavior. You can test your HR-management strategy and situational problem solving by playing the Best-Boss simulation game. Note, at this simplified learning game your HR-practice skills are set to maximal value, making it easier to have higher scores.

Link to simulation learning game:  http://service.mekiwi.org/playgain/

Note. IE not supported. First chose the language from right corner.

References

Bersin J. (2014). Global Human Capital Trends 2014: Engaging the 21st-century workforce, Deloitte University Press.

Gerald C. K., Doug P., Anh N. P., Kiron D. and Buckley N. (2015). Strategy, not technology, drives digital transformation. MIT Sloan Management Review, http://sloanreview.mit.edu/projects/strategy-drives-digital-transformation/

Kesti M. (2017). Leadership DNA by game theoretic approach: Finding optimal equilibrium for wellbeing and productivity. Conference Paper, Healthcare summit, Lisbon, Portugal, http://healthcare.global-summit.com/europe/abstract/2017/leadership-dna-by-game-theoretic-approach-finding-optimal-equilibrium-for-wellbeing-and-productivity

Kesti M., Leinonen J. and Kesti T. (2017). “The Productive Leadership Game: From Theory to Game-Based Learning.” Public Sector Entrepreneurship and the Integration of Innovative Business Models. IGI Global, 2017. 238-260.

Kesti M. and Syväjärvi A. (2015) Human Capital Production Function in Strategic Management. Technology and Investment6, 12-21.

Suomen Paras Lean Esimies -kilpailu

Suomen Paras Lean-Esimies -kilpailu on maailman ensimmäinen hyötypelillä toteutettava kilpailu, jolla parannetaan kansantalouden tuottavuutta. Hyvä esimiestyö edistää työelämän laatua, joka on tärkeä tuotantotekijä. Kilpailu on ilmainen ja kaikille avoin esimiesasemasta riippumatta.

Kilpailun kotisivu:  http://playgain.eu/fi/paras-lean-esimies/

LEAN esimies

LEAN johtamisella pyritään tehostamaan toimintaa ja parantamaan asiakaskokemusta. Hyvä esimiestoiminta mahdollistaa merkittävän kilpailukyvyn parantamisen, koska työntekijöiden kokema työelämän laatu vaikuttaa asiakastyytyväisyyteen ja yrityksen tulokseen.

Jatkuva muutos ja ongelmat vaativat esimiehiltä ammattitaitoa ja positiivista johtamisotetta. Kiire ja talouspaineet vievät huomiota työelämän laadun parantamiselta. Esimiesten ammattitaito punnitaan erilaisissa haasteissa, joissa ongelmat pitää osata ratkaista työelämän laatua parantaen. Jos ongelmia ei opi ratkaisemaan, niin sähläys ja hukka lisääntyvät. Korkea työelämän laatu luo henkilöstölähtöisen kilpailuedun, jossa henkilöstövaikutteiset riskit ovat pienemmät ja talous kukoistaa.

Kilpailu

Kilpailussa hyödynnetään tieteelliseen tutkimukseen perustuvaa simulaatiopeliä. Tekoäly tarjoaa oppimisalustan, jossa voi harjoitella niin sanottua esimiestoiminnan DNA:ta. Siinä opetellaan johtamismallia ja -käytäntöjä, joilla työelämän laatu ja talous voidaan saada kukoistamaan. Kilpailu on leikkimielinen mutta sisällöltään täyttä asiaa. Osallistuminen siis kannattaa vaikka ei voittaisi – oppiminen on pääasia.

Kilpailu toteutetaan siis maailman ensimmäisellä työelämän laatua ja tuottavuutta simuloivalla opetuspelillä. Kilpailijat pelaavat nimettömästi PlayGain kehittämää Best Boss -peliä, johon ei tarvitse tunnuksia.

Kun kilpailija on saanut mielestään hyvän tuloksen, niin hän laittaa pelin Ranking-listalle oman nimimerkin sekä mailiosoitteen. Nimimerkki näkyy ranking listalla muille pelaajille. Saman nimimerkin voi laittaa useasti, jolloin vain paras tulos huomioidaan. PlayGain näkee suoritusten mailiosoitteet ja on yhteydessä voittajiin. Kukin osallistuja näkee muiden kilpailijoiden parhaat suoritukset ja voivat edelleen parantaa omaa tulosta 1.12 asti, jolloin kilpailu loppuu.

Kilpailun etenemistä pidetään ajan tasalla kilpailun kotisivujen kautta ja tiedotetaan mahdollisista muutoksista. Kilpailu on ensimmäinen maailmassa. PlayGain pidättää oikeuden tehdä muutoksia tarvittaessa ja esittää kilpailijoiden nimimerkkejä sekä tuloksia kilpailun aikana. Voittajille ilmoitetaan heidän antamaan sähköpostiosoitteeseen.

Linkkejä

LEAN Esimiesvalmennukset: http://www.kurssitnyt.fi/koulutus/lean-esimiesvalmennus-1-pv/

Tutkimusta: http://www.ulapland.fi/news/Lapimurto-tyoelaman-laadun-mittaamisessa-/38013/255d7f9a-4376-4498-ac1c-abec5bbbd576

 

Uusi ratkaisu sairauspoissaolojen vähentämiseen

Yleisesti tiedetään, että sairauspoissaoloista aiheutuu kustannuksia. Muistisääntönä käytetään usein keskimääräistä arvoa 350 €/päivä. Arvio toimii muistisääntönä, mutta ei kerro koko totuutta.

Poissaolojen kustannukset syntyvät siitä, että poissaolevan työpanos korvataan ylitöinä ja sijaisilla. Poissaolot korvataan, jotta niistä ei aiheutuisi liikevaihdon menetystä. Tilastot osoittavat, että poissaolot kasvavat noususuhdanteessa. Koska henkilöstöresurssit ovat taantumassa viritetty minimiin, on kasvuvaiheessa kapasiteetti äkkiä täynnä. Näin sairauspoissaolot aiheuttavat välittömästi ylitöiden kasvua. Ylityöt kuormittavat henkilöstöä ja aiheuttavat lisää poissaoloja, jolloin kierre on valmis. Sairauspoissaoloilla onkin suurempi merkitys talouden kasvaessa.

Työpanos on arvokas, koska sillä tehdään liikevaihtoa ja liikevaihdosta syntyy tulos. Monessa yrityksessä on poissaolojen määrä suoraan yhteydessä ylitöihin tai työaikajouston positiivisiin tuntikertymiin. Mikäli poissaolot aiheuttavat toimitusaikojen venymistä tai projektien viivästymistä, niin poissaolojen aiheuttamat kustannukset ovat suuremmat kuin 350 €/päivä. Esimerkiksi teollisuudessa on liikevaihdon menetyksestä laskettavissa poissaolopäivän hinnaksi 570 €/päivä. Laskennallinen rahallinen menetys on kuitenkin vain jäävuoren huippu todellisista taloudellisista vaikutuksista.

Sairauspoissaolot ovat ilmentymä siitä, että työelämän laatu tuotantotekijänä on heikentynyt. Tarkastellaan esimerkiksi 800 hengen teollisuusyritystä, jossa sairauspoissaolot kasvavat 6.0%:sta 6.3%:iin. Tästä aiheutuva kustannus on noin 300 000 €. Sairauspoissaolot ovat siis seurausta työelämän laadun heikentymisestä. Voidaan olettaa, että työelämän laadun indeksi (QWL-indeksi) putoaa 60%:sta 57%:iin. Koska työelämän laatu on tuotantotekijä, niin muutos vähentää tehollista työaikaa, jolla tehdään liikevaihtoa. Näin voidaan laskea käyttökatemenetykseksi 5 M€, eli 6 250 € per työntekijä. Laskenta voidaan tehdä hyvinkin tarkasti jos data ja oletukset ovat kunnossa. Tässä blogissa en mene laskennan yksityiskohtiin, mutta totean sen olevan tieteellisesti validi. Oleellista on suuruusluokka; poissaolojen liiketoimintavaikutukset ovat yli kymmenkertaiset verrattuna poissaolojen kustannusvaikutuksiin – niin hyvässä kuin pahassa.

Ilmiö on haastava ymmärtää, koska sairauspoissaoloihin liittyy välittömiä ja välillisiä vaikutuksia. Avuksi voidaan ottaa tekoäly, joka simuloi monimutkaista todellisuutta. Aiomme testata täysin uutta ratkaisua sairauspoissaolojen vähentämiseen. Älykkäällä simulaatiolla harjoitellaan johtamiskäytäntöjä poissaolojen vähentämiseksi ja vaikutuksia talouteen. Simulaation käyttöliittymänä on opetuspeli, jolloin saadaan oppimisen kannalta hyvä ympäristö. Digitaaliseen HR-analytiikkapeliin syötetään tulosyksikön talous- ja HR-data. Esimies simuloi johtamiskäytäntöjen vaikutuksia erilaisissa työyhteisön ongelmatilanteissa. Hän näkee reaaliajassa vaikutukset taloudessa ja poissaoloissa.

poissaolojen simulointi

Kuva. Poissaolojen vähentyminen ja talousvaikutusten simulointia. Ylemmässä näkyy poissaolojen kuukausiarvot ja alemmassa käyttökatteen kumulatiivinen kehitys suhteessa budjettiin.

Hyvä johtaminen syntyy kokemuksesta ja kokemus vaatii sekä epäonnistumista että onnistumista. Opetuspelissä esimies ohjataan epäonnistumisten kautta onnistumiseen. Toistojen kautta tapahtuu oppimista, joka muuten veisi vuosia. Näin kantapään kautta oppiminen tapahtuu turvallisessa simulaatioympäristössä ja hyvät opit voi viedä käytäntöön. Oletuksena on, että hyvällä johtamisella voidaan vähentää sairauspoissaoloja ja parantaa tuottavuutta.

Rakensimme tekoälyopetuspeliin realistisen yhteyden sairauspoissaoloihin. Testaamme simulaatio-oppimiseen perustuvaa sairauspoissaolojen vähentämistä SOL-Palveluissa ja Antellissa. Myös muita organisaatioita otetaan mielellään mukaan testaamiseen.