Author Archives: markokesti

Digital Twin for Performance Management – Bayesian People Analytics Simulation with AI

Digital twins are emerging new technology that enables companies to solve problems faster and improve operational efficiency. Think about performance effect when every supervisor has world’s best leader as a personal advisor.

Digital twin is a near-real-time digital model of reality that helps optimize business performance. We have created AI powered digital twin that simulates business unit’s performance. It will provide help with human asset management and improving business performance. There are sophisticated algorithmic analyzing techniques that simulate human capital productivity. Digital twin can be in connection with organization ERP-system, collecting various data. We have scientifically approved the algorithms and rules, so it is not an AI-black-box.

Over time, digital representations of virtually every aspect of our world will be connected dynamically with their real-world counterparts and with one another and infused with AI-based capabilities to enable advanced simulation, operation and analysis” David Cearley, Gartner Research.

Digital twin is continuously evolving digital model of organization system that helps optimizing business performance. It simulates human performance and includes real-life data that improves prediction accuracy. Digital twin models complicated human assets that interact in many ways with organization environment, thus making the outcomes that are difficult to predict by human mind. With the digital twin, the manager can learn by simulating the problems and actions outcomes.

Twin provides near-real-time comprehensive link between physical and digital worlds. Digital twin is a virtual replica of what is actually happening in the organization performance. It knows how the organization performance-system works. There is artificial intelligence assistant that you can ask advice. This AI-assistant will simulate the future using Bellman function and suggest the leadership activities that produce sustainable business value. Digital twin simulates specific complex human assets utilization in order to monitor and evaluate human capital productivity. Simulation may uncover insight into operational inefficiencies, that otherwise would remain unseen.

How does the performance digital twin create measurable business value? With better human assets management there are multitude positive effects on organization performance:

  • Improve employee quality of working life as a production parameter
  • Enhance change management process undependable of the change in hand
  • Reduce sickness leave
  • Reduce employee turnover
  • Increase effective working time to make more revenue and profit
  • Improves customer satisfaction
  • Predict work and staff related problems

Besides the business values mentioned above, there are strategic benefits, which create competitive advantages in longer period. We are looking for companies for testing and further developing the emerging new technology of digital twin.

References

Kesti M. (2019) Architecture of Management Game for Reinforced Deep Learning. In: Arai K., Kapoor S., Bhatia R. (eds) Intelligent Systems and Applications. IntelliSys 2018. Advances in Intelligent Systems and Computing, vol 868. Springer, Cham

Marr, Bernard (2017). What is digital twin technology – and why is it so important. Forbes Mar 6 2017, https://www.forbes.com/sites/bernardmarr/2017/03/06/what-is-digital-twin-technology-and-why-is-it-so-important/#6ea8eea92e2a

Panetta, Kasey (2017). Gartner Top 10 Strategic Technology Trends for 2018. Gartner October 3, 2017, https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2018/

Parrott, Aaron and Warshaw, Lane (2017). Industry 4.0 and the digital twin. Deloitte University Press. https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/cip/deloitte-cn-cip-industry-4-0-digital-twin-technology-en-171215.pdf

 

9 leadership cognitive biases that prevent success

Human mind has certain brain structure for pattern recognition (neocortex). Pattern recognition forms cognitive biases that helps fast decision making in different contexts. It seems that cognitive biases are important because they reduce the brain energy consumption. When mind forms a pattern, it is easy to use it in similar cases intuitively and save thinking energy to more challenging situations. This pattern recognition is hidden and very effective. If we (humans) are in a hurry, we intuitively utilize these hidden patterns in decision-making. However, if the problems are complex the intuition may lead to wrong decision (1)(2)(3).

Here are nine leadership related cognitive biases that prevent organization performance

  1. Observation selection bias
    Leader’s focus is on operative scorecards rather than listening to opinions on how to achieve the targets.
  2. False causality bias
    Leader thinks that maximum result (profit) comes by maximizing working-time. In reality, the maximum result is more likely to come from improved work motivation.
  3. Confirmation bias
    Executives give reward to supervisors from short-term results, however the long-term profit is sacrificed.
  4. Current moment bias
    Leader thinks that his own work tasks are currently more important than spending time with the team.
  5. Self-enhancement bias
    Leader assumes to be better leader than average, thus not seeing the development needs.
  6. Plunging-in bias
    Leader makes conclusions too fast and gives solutions to wrong problems.
  7. Fundamental attribution bias
    Leader thinks that the reason for poor performance is in team members or unrealistic targets, not leader’s own management.
  8. Ambiguity bias
    Leader does not want to change management style because the result is uncertain.
  9. Status-Quo bias
    Leader wants to stick to the past, because he/she sees change as a threat.

These cognitive leadership biases are human, thus leader is not to blame. However, wise leader can learn to avoid these harmful biases in workplace decision-making. In addition, there are new emerging science for solving this wicked performance problem. Shortly, new solutions include three methods:

  1. Problem: Supervisors have too much trivial operative workload. Solution: Arrange more time for collaborative leadership practices utilizing Robotics Process Automation.
  2. Problem: Operative scorecards takes leaders’ focus from people management. Solution: Measure QWL-index and make it important as a human performance scorecard. Start measuring QWL-index continuously (Robotic-QWL measurement), and this way gamify leadership development.
  3. Problem: Traditional leadership trainings do not eliminate harmful biases. Solution: Utilize Artificial Intelligence powered simulation for experience-based learning for eliminating harmful biases. (4)(5)

Improving organization leadership quality is not easy, thus it forms competitive advantage for those who master it. Economic benefits are substantial. We are looking for organizations to participate in our research and to test these emerging new solutions.

Marko Kesti

marko.kesti(at)ulapland.fi

 

References

  • Kurzweil, R. (2013). How to Create a Mind: The Secret of Human Thought Revealed. New York, NY, USA: Penguin Books.
  • Kahneman, D.; Tversky, A. (1972). “Subjective probability: A judgment of representativeness”(PDF). Cognitive Psychology. 3 (3): 430–454.
  • Kahneman, D (2011). Thinking, Fast and Slow. Penguin Books, UK.
  • Kesti M. (2019) Architecture of Management Game for Reinforced Deep Learning. In: Arai K., Kapoor S., Bhatia R. (eds) Intelligent Systems and Applications. IntelliSys 2018. Advances in Intelligent Systems and Computing, vol 868. Springer, Cham.
  • 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.

Työelämän laadusta kestävä kilpailuetu

Työelämän laadun avulla voidaan saavuttaa kestävä kilpailuetu. Yritys kykenee uudistumaan ja tekemään jatkuvasti kilpailijoita parempaa tulosta. 

Kun tarkastellaan kahta saman toimialan yritystä, joilla on sama henkilöstömäärä ja osaaminen, niin se voittaa, jolla on parempi työelämän laatu. Silloin työntekijät ovat motivoituneet antamaan parhaan työpanoksensa organisaatiolle. He ovat myös halukkaita jatkuvasti kehittämään sekä omaa osaamista että organisaation tuotteita ja palveluja. Kansainvälisessä johtamisen tutkimuksessa on nostettu kilpailuedun lähteeksi käsite ”behavioral capital”. Suomeksi se tarkoittaa organisaation käyttäytymispääomaa ja sitä mitataan uudella työelämän laadun indeksillä (QWL, Quality of Working Life). QWL on aineeton tuotantotekijä, jota kannattaa mitata jatkuvatoimisesti ja kehittää systemaattisesti.

Perinteiseltä mutupohjalta toteutettava ja suoritteisiin perustuva kehittäminen ei tuota kilpailuetua.”

Ensimmäinen asia kestävän kilpailuedun luomiseen on johdon sitoutuminen organisaation kehittämiseen. Tämä kuulostaa itsestään selvältä, sillä jokaisen johtajan pitäisi olla tähän automaattisesti sitoutunut. Johto on kyllä sitoutunut kehittämiseen, mutta keinot ovat usein vääriä, jolloin hyötyjä ei saada. Perinteiseltä mutupohjalta toteutettava ja suoritteisiin perustuva kehittäminen ei tuota kilpailuetua. Johto pitää sitouttaa uuteen tiedolla-johtamisen menetelmään, joilla saadaan vaikuttavuutta organisaation kehittämiseen. Työelämän laatu (QWL) tarjoaa uuden mahdollisuuden tiedolla johtamiseen, sillä siinä toteutuu kolme tärkeää asiaa: 1. QWL ennustaa tulevaa liiketoiminnan kehitystä, 2. QWL perustuu henkilöstön hiljaiseen tietoon ja 3. QWL-indeksiin voidaan vaikuttaa johtamisella.

Käyn seuraavaksi läpi kohta kohdalta toimenpiteitä, joilla luodaan henkilöstölähtöinen kestävä kilpailuetu. Ensimmäisenä on johdon sitouttaminen. Koska yrityksiä johdetaan talouden avulla, niin kehittämisen hyödyt pitää osoittaa euroissa. Alla olevaan listaan olen laskenut keskimääräisen yrityksen saamat taloudelliset hyödyt, kun työelämän laatua parannetaan 5 %:

  • sairauspoissaolojen vähentyminen tuo 156 €/hlö lisää käyttökatetta
  • vaihtuvuuden vähentyminen tuo 60 €/hlö lisää käyttökatetta
  • muuttuvien kulujen vähentyminen tuo 264 €/hlö lisää käyttökatetta
  • henkilöstökulujen (mm. ylityöt) vähentyminen tuo säästöjä 228 €/hlö
  • liikevaihdon kasvusta saadaan tehollista työaikaa, joka tuo tulosparannusta 1 883 €/hlö

Näitä lukuja voidaan käyttää alussa, kun yrityskohtaista analyysiä ei vielä ole tehty. Kun johto on sitoutunut työelämän laadun kehittämiseen, niin seuraavaksi tulee valtuuttaa henkilöstöyksikkö toteuttamaan tarvittavat toimenpiteet. Henkilöstöosasto muutetaan cost-centeristä profit-centeriksi. Henkilöstöasiantuntijat ovat motivoituneet tähän muutokseen, sillä he ovat todennäköisesti tunnistaneet henkilöstökehittämisen ROI-potentiaalin. Autan mielelläni kehittämispotentiaalin osoittamisessa, siihen on luotettavat analysointivälineet.

monet henkilöstökyselyt ovat hyödyttömiä tai jopa haitallisia organisaation kehittämisen kannalta

Seuraava askel on mitata organisaation työelämän laatu luotettavasti. QWL mittaus poikkeaa perinteisestä henkilöstökyselystä merkittävästi. Valitettavasti on todettava, että monet henkilöstökyselyt ovat hyödyttömiä tai jopa haitallisia organisaation kehittämisen kannalta. Haitallisia siksi, että ne piilottavat henkilöstökehittämisen potentiaalin eli antavat väärää tietoa työhyvinvoinnista tuotantotekijänä. Tarkoituksena on myöhemmin kirjoittaa blogi, jossa avaan perinteisten työhyvinvointikyselyn ongelmat seikkaperäisesti. Uusi QWL-indeksi on Suomessa kehitetty menetelmä, josta tulee vähitellen maailmanlaajuinen standardi. Se on jo kansainvälisessä tiedeyhteisössä hyväksytty uudeksi menetelmäksi mitata henkilöstön aineetonta suorituskykyä.

Käyttäytymispääomaa kuvaava QWL-indeksi on tuotantotekijä, jota pitää mitata vähintään kerran kvartaalissa. Menetelmässä kysytään vain asioita, joilla on merkitystä suorituskyvyn kannalta, jolloin 15 kohdennettua kysymystä riittää. QWL kyselyllä tehdään näkyväksi sekä kehittämispotentiaali että esimiestoiminnan laadussa oleva hajonta. Kun jokainen ryhmä on vastannut, saadaan hajonta. Se kertoo toisaalta esimiestoiminnan laadusta, mutta myös mahdollisista yllättävistä ongelmista. Esimiestoiminta on tärkein työelämän laatuun vaikuttava tekijä. Lähiesimiestoiminnassa on todettu suuria haasteita, joista mainittakoon kaksi tärkeintä ongelmaa:

  1. esimiesten vuorovaikutusosaaminen on heikkoa
  2. ihmisten johtamisen mind-set on hukassa

Esimiehille voidaan opettaa hyviä esimieskäytäntöjä, mutta vasta asennemuutoksen jälkeen he toteuttavat niitä käytäntöön. Esimiesten pitää poisoppia inhimilliset ajatusvääristymät (cognitive bias), jotka estävät työyhteisön kehittämistä (kts. https://markokesti.wordpress.com/2018/11/29/johtamisen-inhimilliset-ajatusvaaristymat/). Uskomme, että ongelma voidaan ratkaista tekoälyavusteisella simulaatio-oppimisella. Siinä esimiehet suorittavat digitaalisen simulaation avulla Työelämän laadun johtamisen sertifikaatin. Näin saadaan varmistettua esimiestoiminnan kompetenssi. Osa esimiehistä kykenee parantamaan QWL-indeksiä uudella johtamisotteella. Ne, jotka eivät onnistu, tarvitsevat asiantuntevaa HRD-tukipalvelua. Työyhteisöjä pitää auttaa kehittämisessä, mikäli eteneminen ei muuten onnistu. Mainittakoon vielä, että huono esimiestoiminnan laatu ei yleensä ole esimiesten vika, vaan syyt ovat kompleksisemmat.

Esimiesten pitää poisoppia ajatusvääristymät, jotka estävät työyhteisön kehittämistä.

QWL-indeksin kehittämisestä tehdään osa organisaation arkea. QWL kehittäminen pelillistetään motivaatioteoreettisesti seuraavilla toimenpiteillä: a) QWL:stä tehdään tärkeä mittari b) QWL-indeksi tehdään näkyväksi jokaisessa ryhmässä mittaamalla sitä säännöllisesti ja c) esimiehiä autetaan ja heille koulutetaan tapoja, joilla he voivat parantaa QWL-indeksiä. Kehittymisen vaikuttavuutta mitataan ja taloudelliset hyödyt voidaan todentaa henkilöstötuottavuuden analytiikalla.

Kertaus toimenpiteistä:

  1. Johdon sitoutuminen: Työelämän laadusta tehdään tuotantotekijä, jota halutaan kehittää, koska se parantaa kilpailukykyä.
  2. HR-yksiköstä Profit-center: Valtuutetaan HR-yksikkö toteuttamaan kehittämistoimenpiteet (ROI).
  3. Pelillistetään QWL kehitys: Mitataan QWL-indeksi ja seurataan sitä vähintään 3 kk välein.
  4. Varmistetaan esimiesosaaminen: Koulutetaan esimiehiä ja vaaditaan sertifikaatti esimiesosaamisesta.
  5. HRD-tukipalvelu: Annetaan tukipalvelua niille, joiden QWL on huono tai se ei parane toivotusti.
  6. Jatkuvuus: Mitataan vaikuttavuutta ja vakiinnutetaan kehittäminen arkeen.

Näillä toimenpiteillä saadaan työelämän laadusta kestävä kilpailuetu. Organisaation kehittämisestä pitää tehdä jatkuva toimintatapa, joka on osa normaalia toimintaa. Johtamis- ja toimintakulttuurin muutokseen kannattaa varata vähintään kolme vuotta. Ensimmäiset hyvät tulokset saadaan jo ensimmäisenä vuonna, sillä tehokkaan henkilöstökehittämisen ROI on hyvä. On todennäköistä, että jo muutaman kuukauden kuluttua päästään kehittämisessä breakeven-tasolle ja siitä eteenpäin on tiedossa positiivista tulosparannusta.

 

Johtamisen inhimilliset ajatusvääristymät

Inhimilliset ajatusharhat voivat aiheuttaa johtamiskäyttäytymistä, joka heikentää kilpailukykyä. Ongelma on haastava, mutta ei mahdoton ratkaista.

Ihmisellä on kyky luoda ajatusmalleja erilaisista syy-seuraussuhteista. Ajatusmallit helpottavat päätöksentekoa ja vähentävät aivojen energiankulutusta. Mikäli asia onkin odotettua monimutkaisempi, niin ajatusmallit saattavat johtaa harhaan ja huonoon päätökseen. Tällöin ajatusmalleista tuleekin ajatusvääristymiä ja -harhoja. Tässä blogissa tarkastelen yleisiä johtamista ja esimiestyötä haittaavia ajatusvääristymiä. Ne ovat inhimillisiä virheitä, joiden tietoinen välttäminen on vaikeaa mutta ei mahdotonta.

Organisaatioiden johtamisessa korostuvat suoriteperusteiset mittarit. Ne voivat mitata työvaiheeseen käytettyä aikaa tai taloudellista tulosta. Tunnettu sanonta on; ”sitä kehität mitä mittaat”. Suoriteperusteiset mittarit ovat tärkeitä, mutta ne ylikorostuvat helposti. Tästä aiheutuu valikoidun huomion vääristymä (Observation Selection Bias). Vääristymässä esimies keskittyy suorituksen johtamiseen, jolloin ihmisten johtaminen unohtuu. Syntyy ajatusharha, että suoritemittarit kertovat johtamisen onnistumisesta.

Suorituskeskeinen johtamismalli tuo alussa hyviä tuloksia, jolloin syntyy väärän syy-seuraussuhteen vääristymä (False Causality Bias). Ajatusharhaa syventää se, että esimies saa omalta esimieheltään kannustusta hyvästä kuukauden tuloksesta (Confirmation Bias). Nopeasti aikaansaatu hyvä tulos tehtiin kuitenkin tulevaisuuden tuloksen kustannuksella. Prosessien jatkuva maksimointi aiheuttaa työntekijöiden motivaation alentumista ja hukan asteittaista lisääntymistä. Sairauspoissaolot ja vaihtuvuus lisääntyvät ja lisäksi työmotivaation lasku heikentää suorituskykyä. Esimies ajautuu ongelmiin, joiden syytä hän ei osaa selittää. Henkilöstön osallistaminen prosessien ja työhyvinvoinnin kehittämiseen vaatii aikaa. Mikäli jatkuvasti maksimoidaan prosesseja, niin ei jää aikaa jatkuvaan parantamiseen ja ennakoivaan työhyvinvoinnin kehittämiseen.

Yleisesti ottaen johtamisessa arvostetaan lyhyen aikajänteen tuloksia enemmän kuin pitkän. Tämä on inhimillinen piirre. Kaiken kiireen keskellä elämme tässä hetkessä ja emme kanna kovin paljoa huolta tulevaisuudesta (Current Moment Bias). Hetkessä elämisen vääristymä näkyy esimerkiksi pikavippien ottamisena. Ihmiset arvostavat heti saatua hyötyä, eivätkä ajattele hyödystä aiheutuvia tulevia haittoja. Miten tämä harha vaikuttaa esimiestyössä? Tutkimusten mukaan esimiehiä kuormittaa jatkuva kiire ja juoksevia työtehtäviä on paljon. Työaika on niukkuusvoimavara, joka pitää maksimoida työn tekemiseen – vai pitääkö? Esimies elää hetkessä ja hänellä on taipumus tehdä ensin omat työtehtävät ja sitten jos aikaa jää, niin kuunnella työntekijöitä. Työntekijöiden kuuntelemista ei mielletä työtehtäväksi, vaikka sen pitäisi olla esimiehen ensisijainen tehtävä. Me-hengen parantaminen ja työpaikan ongelmien ratkaiseminen ovat investointi tulevaisuuteen, johon kannattaisi kohdistaa enemmän huomiota.

Keskimääräinen autonkuljettaja luulee olevansa keskimääräistä parempi kuski (Self-Enhancement Bias). Myös johtajilla ja esimiehillä on sama inhimillinen taipumus, joten he luulevat olevansa parempia johtajia kuin todellisuudessa ovat. Kun työyhteisössä ilmenee ongelmia niin kiireiset johtajat ovat nopeita tekemään ratkaisuja. He ovat tehokkaita ongelmanratkaisijoita. Tehokkuus on kuitenkin harhaa, sillä he ratkaisevat usein vääriä ongelmia. Nykyajan työelämä on monimutkaista. Ongelmien ratkaiseminen kiireessä ja intuitiolla johtaa väärien ongelmien ratkaisemiseen (Plunging-in Bias). Esimerkiksi, kun työntekijät kokevat arvostuksen puutetta ja heidän työmotivaatio laskee, niin se näkyy erilaisina virheinä työprosesseissa. Koska prosesseja mittaroidaan, niin esimies ratkaisee prosessiongelmia, vaikka hänen pitäisi ratkaista ongelma työntekijöiden motivaatiossa.

Prosessiongelmien ratkaiseminen ei välttämättä poista ydinongelmaa, joka on työntekijöiden jaksamisen ja motivaation puute. On inhimillistä, että esimies hakee ongelmien syytä muualta kuin omasta toiminnasta (Fundamental Attribution Bias). Esimiehen pitäisi muuttaa omaa johtamiskäyttäytymistä, mutta miten? Ihmiset välttävät uusia toimintatapoja, joista heillä ei ole kokemuksia (Ambiguity Bias). Tutkimuksemme mukaan esimiesten vuorovaikutusjohtamisen taidot ovat puutteelliset (1).  Työntekijöiden motivaatio-ongelman ratkaiseminen vaatisi hyvien esimieskäytäntöjen opettelua ja käyttöä. On inhimillistä, että esimies pelkää oman johtamismallin muuttamista, sillä haluamme alitajuisesti pitää kiinni totutussa (Status-Quo Bias).

Edellä kuvatut inhimilliset ajatusvääristymät ovat yleisiä, eikä niistä kannata syyllistää esimiehiä. Perusongelma on johtamiskulttuurissa, jossa korostuu suoriteperusteinen mittaaminen. Toki työhyvinvointiakin mitataan, ehkä kerran vuodessa, mutta se ei riitä. Työhyvinvointimittauksiin liittyy myös omat vääristymät, joista pahin on se, että tilastolliset analyysit pimittävät henkilöstössä piilevän kehittämispotentiaalin (2). Onneksi tutkimuksemme tuloksena on kehitetty uusi menetelmä, jossa työelämän laatua mitataan motivaatioteorian mukaan (3). Työelämän laatu (QWL, Quality of Working Life) saadaan analysoitua henkilöstökyselystä. QWL on tärkeä henkilöstömittari ja se pitäisi mitata pulssityyppisesti vähintään kerran kvartaalissa, jolloin se tuo vastapainoa määrällisiin mittareihin.

Johtajiin ja esimiehiin kohdistuvien inhimillisten ajatusvääristymien voittamiseen on kehitetty simulaatioperusteinen opetuspeli (4). Simulaatio muodostaa rinnakkaistodellisuuden, jossa voi harjoitella kokemuksellisesti ja turvallisesti uutta johtamisen mallia. Siinä opitaan optimoimaan työelämän laatua pitkällä aikajänteellä, jolloin myös taloudellinen tulos paranee. Se tarkoittaa kestävän kilpailuedun luomista käyttäytymispääoman avulla. Simulaatiossa vuoden mittaisen esimieskokemuksen saa noin 20 minuutissa, jolloin vahvistetun oppimisen keinoin (reinforcement learning) voi poisoppia ajatuksellisia johtamisen vääristymiä (5).

 

Lähteet

  1. Tiedolla työhyvinvointia ja tuottavuutta – hanke: https://www.xamk.fi/tutkimus-ja-kehitys/tiedosta-tyohyvinvointia-ja-tuottavuutta/).
  2. https://markokesti.wordpress.com/2018/01/08/are-employee-surveys-fundamentally-wrong/
  3. Kesti, M., Leinonen, J. and Syväjärvi, A. (2016). A Multidisciplinary Critical Approach to Measure and Analyze Human Capital Productivity. In Russ, M. (ed.). Quantitative Multidisciplinary Approaches in Human Capital and Asset Management (pp 1-317). Hershey, PA: IGI Global. (1-22). doi:10.4018/978-1-4666-9652-5. (http://bot.fi/188u)
  4. Simulaatio-opetuksen kevyt versio: http://service.mekiwi.org/playgain/bestleanboss/ IE-selain ei ole tuettu ja voi vaatia palomuuriasetusten päivittämistä.
  5. Kesti, M. (2018).  Architecture of Management Game for Reinforced Deep Learning, Intelligent Systems Conference 2018 6-7 September 2018 | London, UK. https://link.springer.com/chapter/10.1007/978-3-030-01054-6_4

 

Robotics and Artificial Intelligence will boost the performance

Emerging new technologies will change the way of work: Software-Robotics, Neural Network and Simulation-AI. For early adaptors they provide competitive advantages.

SW-Robotics means work processes automation in a way that imitates the specialist doing the work. The benefits are multitude. Robotic solution is able to do the process in average five times faster and without labor costs. In addition, it will make human work more meaningful, since a robot now does the unmotivated routine work. Thus, in long-term there will be improvement at the staff quality of working life. For knowledge work, the benefits are similar as what technology has done for labor-intensive work. No worker wants to hammer, if there is possible to use nail-gun, or shovel when proper excavator is available.

Workers may fear the robotization at first, because it will change the way of work. Therefore, the change management is essential to consider in advance. Workers needs knowledge and skills to deal with SW-robotics. Essential question: are the staff motivated to train the SW-robot. Do employees feel that the change is a threat or is it an opportunity? Robot liberates time to learn other skills and do work that is more meaningful. Working time is scarce resource and lack-of time is general obstacle for business development. When time problem eases, the human intelligence can flourish.

Artificial intelligence (AI) is an assistant with predictive and explaining power. For organizations, there are two types of AI: Neural Networks (NN) and Simulation-AI. They both help management and specialists’ decision-making. NN finds correlations from organization data and learns the cause-relations (causalities). In simple cases, it can predict the outcome and alarm for doing preventive actions. For example, it knows that exceeding overwork will cause increase in absenteeism. The data consists business data, human resource data, working time data and staff QWL data.

The simulation-AI is for more complex problem solving. Simulation-AI knows how the organization works. We have created Bayesian People Analytics simulation with AI. Bayesian means that management behavior affects to the business outcome. We all know it, but how to make it visible. Actually, the phenomenon is too complex for human mind. Human mind is driven by intuitive decision making with several human biases. The simulation-AI helps to improve organization behavioral capital by showing the decisions consequences in the future. New science opens the “black-box” of HRM-Performance. It has both predictive and explaining power, and artificial intelligence helps finding the best leadership practices.

The word of warning. The AI-solution is as wise as the data and the architecture of AI algorithms. If data or algorithms are poor, the advice may be harmful either short or long term. Be critical, ask what is the scientific foundation at the algorithms and does the AI has explanatory power over the predictions.

 

Management Artificial Intelligence (IntelliSys conference)

I presented Management AI architecture at IntelliSys London. It was one of the best conferences I have attended, short interview: https://youtu.be/oqK4vtdA-tw

Management AI (Mgmt-AI) aim is to improve organization performance by advising optimal management decisions. Mgmt-AI connects business economics to the behavioral science by game theoretical approach. It simulates the reality, thus it is important that the architecture is based on bona-fide science (not just AI black box!). The architecture includes theories of human capital production function and the theory of quality of working life index (QWL). QWL is intangible production parameter and enables the connection to Bayesian Game theory.

The Mgmt-AI includes real data from the company (business, HR, and staff survey). In addition, there are several evidence-based deductive rules and efficiency factors, which form the base for Neural-Network (NN). In the future, the NN verifies organization and leader specific factors and causalities to the simulation, making it even more accurate. Simulation includes 32 best management practices that form the action space matrix. The state space has 27 workplace problems. Each problem has certain tendency to reduce QWL and management actions have tendency to improve QWL. Each management action requires working time, thus decreasing the time for making revenue and profit.

The mgmt-AI simulates one year (12 months) scenario where problems illustrate the market situations (cash-cow, recession, growth). One simulation round takes about 20 minutes, so forms optimal micro-learning session. Mgmt-AI includes the management “DNA” where the core causalities are simulated without normal noise factors of real-life management. The idea is that agent gets one-year management experience in 20 minutes. The manager can also learn from mistakes without the fear of remorse and will experience the positive results of improved management policy.

The executive management may cause harmful social dilemma at supervisors. Short-term monthly profit requirement may force the leader to choose a strategy that minimize the collaborative management activities to maximize workers’ time for work. The leadership’s social dilemma is harmful when leader neglects the workers’ signals. The leader may know this profit maximizing strategy will reduce the workers motivation. Neglecting workers opinions may eventually change the game from cooperative to non-cooperative mode, where workers do not give verbal signals from work-related problems. The sustainable competitive advantage is very difficult to achieve at non-cooperative mode. Without workers signals the leader cannot choose optimal HR-actions to prevent a decrease in the QWL. When a negative spiral occurs, the leader will have to make decisions solely by the fiscal data from the past.

Management AI simulation is the most precise people analytics, because it
– is based on Human Capital Production Function that include QWL as a production factor
– consists deductive rules and causalities that are evidence-based and can be verified organization specific by Neural-Network
– includes market situation, strategy and organization problems meaning to business performance
– includes management behavior policy meaning to business performance

In the simulation when a player’s learning is jammed, AI will help choosing the most optimal management actions. AI advice is based on Markov algorithm with Bellman advantage function. It encourage the investment-based thinking where some monthly profit is wise to sacrifice to gain more profit later. AI can give timely suggestions and so create a guided learning experience. Solving the workplace problems in time, the leader maintain basic performance level in the team. Higher performance requires also systematic HR-practices that nurture employee motivation and innovativeness. In this way, the company can achieve competitive advantage where both well-being and business performance flourish.

Kesti, M. (2018).  Architecture of Management Game for Reinforced Deep Learning, Intelligent Systems Conference 2018 6-7 September 2018 | London, UK.

Kuvaus hyvästä esimiestyöstä käytännössä

Johtamisen tekoäly mullistaa kokemuksellisen esimiestyön oppimisen. Seuraavassa on opiskelijan reflektio tekoälyavusteisesta simulaatio-opetuksesta (julkaistu opiskelijan luvalla).

Tuottava esimies -simulaatiopeli / reflektio

Simulaation pelaaminen tuntui alussa hieman haastavalta sisäistää, mutta kun rauhassa tutustui ohjeisiin, ja yhdessä Aimon (simulaation tekoäly) kanssa harjoitellessa tuli pelin idea kuitenkin pian tutuksi. Oli hyvä, että opetuspeli sisälsi selkeitä ohjeita sekä runsaasti informatiivista tietoa HR-käytänteistä tiiviissä muodossa kirjoitettuna. Positiivista oli myös oman suorituksen ranking-listautuminen. Lisäksi osaamistestit olivat hyvä lisä oman oppimisen tukemiseen. Kaiken kaikkiaan simulaatiopelin pelaaminen oli mukavan erilainen oppimiskokemus, sekä varsin mielekäs perinteisiin tapoihin (tentit, esseet ym.) verrattuna. Digitalisaatio on kuitenkin tätä päivää ja sen merkitys kasvaa koko ajan – myös opiskelussa. Oli todella mielenkiintoista nähdä kuinka viisas tekoäly voikaan olla. Tulevaisuuden juttu ehdottomasti.

Hyväksi havaitut esimieskäytännöt (HR-käytännöt)

Pelin pelaaminen alkoi sujua alun opettelun jälkeen nopeasti. Hyvä pelisuoritus edellytti, että alustan käyttö oli hallussa ja sen sisältö tuttu. HR-käytänteitä tuli osata soveltaa sen hetkiseen tilanteeseen sopivalla tavalla, ja samat toimenpiteet eivät toimineet kaikissa skenaarioissa. Löydettäessä toimivat HR-käytänteet, kannatti niitä käyttää silti melko kaavamaisesti tietyn skenaarion kohdalla, jotta hyvä tulos säilyi läpi simulaatiovuoden.

Simulaation jokaisessa skenaariovaiheessa korostuivat mielestäni esimiehen hyvät ongelmanratkaisutaidot. Valitsemalla oikeanlaiset toimenpiteet oikeaan aikaan oli mahdollista ylläpitää samalla sekä hyvää ilmapiiriä työyhteisössä että saada aikaan positiivsta tulosta, vaikka tilanne muutoin olisi ollut haastava esimerkiksi taantuman vuoksi. Ongelmiin kannatti puuttua nopeasti ja konkreettisin ratkaisuin. Toimivien HR-käytänteiden toimeenpano näkyi kuukausiraporteissa myönteisenä kehityksenä. Kehityskeskustelut, palkitseminen sekä työyhteisön epäkohtien puheeksiotto rakentavasti olivat jokaisessa skenaariossa tärkeitä toimenpiteitä, jotka lisäsivät työelämän laatua. Yksi hyödyllisimmistä HR-käytänteistä oli myös kuunteleminen ja avun tarjoaminen mikä on ymmärrettävää, sillä huolen huomioiminen ja siihen puuttuminen on osoitus aidosta välittämisestä.

Taantumavaiheen hyviksi HR-käytänteiksi osoittautuivat muun muassa esimiespajatoiminta, työsuojelutoiminta, työntekijöiden tarpeiden kuunteleminen sekä yhteishengen kohottaminen. Myös työroolien ja prosessien kehittäminen sekä kehityskeskustelut työntekijöiden tai ryhmän kanssa olivat hyödyllisiä. Taantumavaiheessa erityistä huomiota kannatti kiinnittää erilaisiin tukitoimenpiteisiin kuten työyhteisöryhmälle kohdistettuun HRD-tukeen ja palkitsemiseen niin yksilö- kuin ryhmätasolla. Epäkohdat ja huolen aiheet kannatti ottaa puheeksi rakentavasti. Lisäksi työrooleja ja prosesseja tuli kehittää jatkuvasti.

Kasvuvaiheessa korostuivat puolestaan etenkin työelämäinnovaatiot (työtavat, prosessit, työvälineet ym.) sekä toiminnan kehittäminen saadun asiakaspalautteen mukaan. Työntekijöiden tarpeiden kuuntelua ja tuen antamista sekä kehityskeskusteluiden pitämistä kannatti edelleen jatkaa.  Hyödyllisiä käytänteitä olivat myös yhteisölliset ja yksilölliset palkitsemiset sekä tunnustuksen antaminen. Tarpeen mukaan työyhteisöryhmälle kohdennettua HRD-tukea ja esimiespajatoimintaa kannatti hyödyntää. Työrooleja ja prosesseja kehittämällä sekä yhteishengen kohottamisella oli myönteisiä vaikutuksia työelämän laadun tuloksiin.

Kaikissa skenaarioissa korostui vuorovaikutuksen tärkeys. Tämä on ymmärrettävää, sillä onhan vuorovaikutus on yksi keskeisimmistä tavoista kommunikoida ja tuoda ilmi mielen päällä olevia asioita: kuulluksi ja ymmärretyksi tuleminen on arvostamista niin työhön kuin tunteisiin liittyvissä asioissa. Mikäli työyhteisössä tulee eteen ongelmatilanteita on tärkeää, että epäkohdat otetaan puheeksi rakentavasti ja korjaaviin toimiin ryhdytään nopeasti. Työyhteisön ilmapiirin heiketessä on hyvä pyrkiä kohottamaan yhteishenkeä järjestämällä esimerkiksi pikapalavereita tai yksilö-/ryhmäkohtaisia kehitysneuvotteluita. Myös erimuotoisia koulutuksia järjestämällä, sekä kehittämällä työrooleja ja prosesseja on mahdollista vaikuttaa työelämän laatuun myönteisesti. Myös kehityskeskustelut koettiin useissa tapauksissa mielekkäinä HR-käytänteinä niin yksilö- kuin ryhmätasolla tarkasteltuna. Taantumavaiheessa työyhteisöryhmälle kohdistetun HRD-tuen merkitys kasvoi, kun taas kasvuvaiheessa työelämäinnovaatioiden merkitys korostui. Toiminnan kehittäminen saadun asiakaspalautteen mukaan oli myös tärkeää.

Lopuksi

Esimies on työnanatajan edustaja, jonka osaaminen koostuu monesta kompleksisesta elementistä. Toimivassa työympäristössä on tärkeää, että toimijoiden vastuut ja roolit ovat linjassa strategiasta johdettujen tavoitteiden kanssa. Tärkeää on myös, että tavoitteet on ilmaistu riittävän selkeästi, jotta työntekijöillä on yhteinen näkemys toiminnasta ja sen päämääristä. Tavoitteiden toteutumista ja niiden kehittymistä tulee seurata ja arvioida jatkuvasti. Hyvinvoiva työyhteisö on tuloksellinen, ja hyvä tekemisen meininki välittyy usein myös ulospäin. Kilpailukykyiset ja tuottavat yritykset luovat niin ikään uusia työpaikkoja. Hyvinvoiva työyhteisö näyttäytyi pelin kuukausiraporteissakin positiivisina talouden tuloksina.

Työelämän laatu rakentuukin muun muassa siitä, että työt sujuvat ja töissä voidaan hyvin. Hyvä henkilöstöjohtaminen ammentaa vahvuuttaan toimivista henkilöstökäytänteistä sekä henkilöstön osaamisesta. Hyvässä työyhteisön toiminnassa näkyy organisaation kyvykkyyden lisäksi myös yksilöiden kyvykkyydet. Asenteiden ja motivaation ollessa kunnossa on työn tekeminen jo itsessään mielekkäämpää. Kaikkia toimijoita tulisi osallistaa mukaan kehittämään niin omaa kuin työyhteisön toimintaa, ja jokaisen ääni tulisi saada kuulluksi – onhan ääni kuitenkin yksi tärkeimmistä työvälineistämme. Työelämän laatu on aineetonta investointia, johon todella kannattaa satsata.

Lähde: Suvanto Annika (2018). Oppimisreflektio, Organisaation johtaminen, Vuorovaikutussuhteet kurssi 5 op. Pohjois-Pohjanmaan kesäyliopisto.

Johtamisen tehokkuusharha heikentää kilpailukykyä

Johtamisen tehokkuusharha (plunging-in bias) tarkoittaa tilannetta, jossa ongelmaa lähdetään ratkaisemaan nopeasti ja tehokkaasti, mutta todellisuudessa ongelmaa ei ymmärretä ja toimenpiteet ovat siksi huonoja.

“Things are not always as they appear and what is intuitively obvious can be misleading.”

Tehokkuusharhan juuret ovat ihmisen psykologiassa. Halu ratkaista ongelma nopeasti ja tehokkaasti on inhimillistä. Suurin osa päivittäisistä ongelmista on nopeasti ratkaistavissa, pienellä aivoenergian kulutuksella. Johtamisessa esiintyy kuitenkin tilanteita, joissa päätöksen tekemistä kannattaisi harkita huolellisemmin ja analysoida tilanne tarkemmin. Ongelman tarkempi selvittäminen on usein vaivalloista ja vaatii sekä tietoa että osaamista. Kiireisessä työelämässä on houkutus ohittaa lisäinformaation hakeminen ja valita toimenpiteet puutteellisella tiedolla, uskoen kokemukseen ja nopeaan tulkintaan. Ongelmaa lähdetään ratkaisemaan tehokkaasti, mutta vaikuttavuus jää huonoksi, koska ratkaistaan väärää ongelmaa.

“Organisation strategic management includes multiple complex issues that have to be considered together. One single, strategic area optimisation may destroy strategic possibilities in other areas and thus not be optimal for overall strategy.”

Jos ongelma on kompleksinen, siitä näkyy vain ”jäävuoren” huippu. Esimerkiksi ongelma tuottavuudessa näkyy erilaisissa tulosmittareissa, jotka kertovat myyntikatteen heikentymisestä ja kulujen noususta. Nopeana ratkaisuna lähdetään tekemään toimenpiteitä, joilla yritetään vaikuttaa suoraan näihin mittareihin, mutta ei ratkaista itse ongelmaa. Tuottavuusongelma on usein monimutkainen, jolloin toimenpiteitä tulisi pohtia syvällisemmin. Yleinen virhe on myös se, että päätösten vaikutuksia ei pohdita pitemmällä aikajänteellä, sillä toimenpiteet voivat vaikuttaa tulevaisuuden kilpailukykyä heikentävästi. Vanhan sanonta ”ajautua ojasta allikkoon” kuvastaa hyvin tehokkuusharhaa käytännössä.

“Although human resources are identified as the most important asset, they are considered so difficult that they are many times almost neglected in business strategy considerations.”

Yksi yleinen ongelma, jota ratkaistaan tehokkaasti väärin, on organisaation suorituskyvyn heikentyminen. Ongelma näkyy esimerkiksi sairauspoissaolojen ja vaihtuvuuden kasvuna, jolloin sisäiset virhekulut nousevat. Ongelman edetessä asiakaslaatu huononee ja yrityksen tuloskyky heikkenee. Ongelman ydin ei kuitenkaan ole asiakaslaadussa tai prosesseissa, vaan huonossa ihmisten johtamisessa, josta aiheutuu työmotivaation heikentyminen. Tutkimusten (mm. TEM) mukaan monet esimiehet kokevat, että heidän prosessijohtamisen taidot ovat hyvät ja työprosesseja johdetaan tehokkaasti. Jatkuvassa muutoksessa esimiehiltä odotetaan yhä enemmän läsnäoloa ja vuorovaikutusta. Esimiehet eivät kuitenkaan koe tarpeelliseksi oppia pehmeitä ihmisten johtamisen taitoja, koska heillä on prosessijohtamisen tehokkuusharha – he johtavat prosesseja, kun pitäisi johtaa ihmisiä. Hyvä ihmisten johtaminen on vaikeaa ja juuri siksi mahdollistaa ylivoimaisen kilpailuedun luomisen.

 “The fact that something is difficult does not make it less important.”

Muutama vuosi sitten kirjoitimme professori Syväjärven kanssa artikkelin, jossa havainnollistamme, miten strategisen johtamisongelman ratkaisua voidaan merkittävästi parantaa ottamalla huomioon aineeton henkilöstöpääoma. Artikkelissa havainnollistamme miten työelämän laatu vaikuttaa tuottavuuteen ja miten tehokkuusharha voidaan välttää paremmalla analytiikalla ja strategisella harkinnalla. Artikkelin analytiikassa hyödynnämme henkilöstövoimavarojen tuotantofunktiota, jossa työelämän laatu on tuotantotekijänä mukana. Työelämän laatu on aineettoman henkilöstöpääoman hyödyntämisaste. Suosittelen kaikille johtajille ja etenkin HR-johtajille tutustumista Henkilöstövoimavarojen tuotantofunktioon. Artikkeli on luettavissa linkistä ja mikäli analytiikka kiinnostaa, voin antaa hyvät laskentatyökalut.

Suorat lainaukset ovat lähteestä Kesti ja Syväjärvi (2015)

Lähteet:

Työelämä 2020, Suomalaisen johtamisen tila ja tulevaisuus. TEM oppaat 5/2018, Työ- ja elinkeinoministeriö ja Filosofian Akatemia Oy.

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

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)