Category Archives: Human Resource Development

Johtamisen tekoälyllä kilpailuetua

Seuraavassa avaan lyhyesti tekoälyn toimintaperiaatteita ja selitän, miksi johtamisen tekoäly luo merkittävän kilpailuedun.

Tekoälyn soveltaminen johtamisessa mahdollistaa viisaampien päätöksien tekemisen ja ennakoivan johtamisen. Kyse ei ole pelkästään ongelmien välttämisestä, vaan ennen kaikkea ihmisten voimavarojen paremmasta hyödyntämisestä työntekijöiden ja organisaation parhaaksi.

Tekoäly (artificial intelligence) voidaan jakaa kahteen yläluokkaan ja kolmeen osa-alueeseen. Tekoälyn kaksi yläluokkaa ovat data- ja malliohjattu tekoäly. Dataohjatussa tekoälyssä käytetään algoritmeja datan syy-seurausvaikutusten tulkintaan sekä ennustamiseen. Malliohjatussa tekoälyssä tavoitteena on kontekstin syvällisen ymmärryksen (mallin) avulla muuttaa käyttäytymistä, jotta voidaan saavuttaa parempi tulevaisuus. Malliohjattu tekoäly perustuu vahvistetun oppimisen algoritmeihin (reinforcement learning). Dataohjatussa tekoälyssä käytetään ei-ohjattua (unsupervised) ja ohjattua oppimista (supervised learning).

Tekoalyn_periaate

Ei-ohjattu oppiminen (unsupervised learning) hyödyntää luokittelematonta dataa. Algoritmien avulla voidaan tunnistaa datassa olevia asioita ja indikaatioita, jotka liittyvät johonkin ilmiöön. Datasta voidaan selvittää, mitkä tapahtumat liittyvät todennäköisesti esimerkiksi sairauspoissaolojen kasvuun, työkyvyttömyyteen tai ei-toivottuun irtisanoutumiseen. Sen avulla saadaan suosituksia; esimerkiksi urakehityksessä tiettyyn koulutukseen hakeutuneille suositellaan jatkokursseja, jotka on koettu hyödyksi. On selvää, että organisaatiokontekstin ymmärrys on tärkeää, sillä ei-ohjattu oppiminen ei itsessään ymmärrä asiayhteyksiä ja syy-seuraussuhteiden kausaalisuutta.

Ohjattu oppiminen (supervised learning) on datan hyödyntämistä tapauksissa, joissa tieto on luokiteltua ja lopputulos tiedetään. Analysoinnissa käytetään regressiotarkasteluja, jotka ovat monelle tuttuja mm. Excelin kautta. Ohjattu oppiminen hakee datapisteitä noudattavan funktion, jonka avulla voidaan ennustaa tulevaa kehitystä. Esimerkiksi työelämän laadun (QWL) ja sairauspoissaolojen välillä on havaittu yhteys: työelämän laadun huonontuessa sairauspoissaolot lisääntyvät. Voidaan siis hakea funktio, joka mallintaa työelämän laadun yhteyttä sairauspoissaoloihin ja siten ennustaa sairauspoissaolojen kehitystä mittaamalla työelämän laatua.

Vahvistettu oppiminen (Reinforcement learning) opastaa käyttäytymään siten, että lopputulos on parempi. Se siis vahvistaa käyttäytymistä, jonka avulla saadaan optimaalinen lopputulos pitkällä aikavälillä. Vahvistettu oppiminen vaatii luotettavan mallin, joka simuloi organisaation toimintaa ja johtamisen vaikutusta siihen. Mallia voidaan ”pyörittää” eteenpäin, jolloin nähdään, miten johtamiskäyttäytyminen vaatii tiettyjä uhrauksia (aikaa ja kuluja), mutta järkevästi toteutettu johtaminen tuo tulosta myöhemmin ja tämä tulos maksaa moninkertaisesti takaisin (vrt. ROI eli return on investment). Vahvistetun oppisen tekoäly siis mallintaa kontekstin ROI vaihtoehtoja, vahvistaen sellaista käyttäytymistä (strategiaa), joka johtaa maksimaaliseen takaisinmaksuun eli tuottoon pitemmällä aikavälillä.

Kaikki tekoälyn osa-alueet voidaan valjastaa johtamisen avuksi esimerkiksi seuraavasti: ei-ohjattu tekoäly seuraa datavirtaa ja indikoi, että jossain ryhmässä on henkilöstön suorituskyky heikentynyt. Pulssityyppinen henkilöstökysely käynnistyy tällöin automaattisesti ja mittaa työntekijöiden kokeman työelämän laadun. Tiedot menevät tekoälyavusteiseen simulaatioon, jossa esimies voi tekoälyltä kysyä, mitä johtamisaktiviteetteja kannattaa toteuttaa, jotta saadaan paras takaisinmaksu ROI tuottona. Ennakoiva johtaminen parantaa työyhteisön työelämän laatua, jolloin tuottavuus paranee ja uhkaavat sairauspoissaolot vältetään.

Mitä tämä tarkoittaa yrityksen kilpailukyvyssä? Yksi tuottavuuden suurimpia haasteita on esimiestoiminnan huono laatu ja suuri hajonta. Vain erittäin harva organisaatio on kyennyt ratkaisemaan tämän ongelman. Yritys, joka käyttää tekoälyä johtamisen apuna, kykenee nostamaan esimiestoiminnan laatua merkittävästi. Työelämän laadun parantuminen tuotantotekijänä nostaa tehollista työaikaa kuormittamatta työntekijöitä. Yrityksen tehollisen työtunnin kustannus voi näin olla yli 20% alhaisempi kuin kilpailijalla, vaikka yritys maksaa henkilöstölleen parempaa palkkaa (vrt. Time-Driven-Activity-Based-Cost, BSC, Kaplan). Lisäksi tyytyväisemmät asiakkaat tuovat kilpailuetua, sillä henkilöstön kokema työelämän laatu parantaa asiakaskokemusta.

Rohkaisen johtajia käynnistämään tekoälyn “evoluution” omassa organisaatiossa. Dataa pitää kerätä ja ymmärtää aiempaa paremmin. Ihan ensimmäiseksi tekoälyn hyödyntäminen vaatii tiedolla-johtamisen tason nostoa ja seuraavaksi rohkeutta lähteä kokeilemaan ja oppimaan.  

Lisätietoa marko.kesti(at)ulapland.fi

Game theory approach to human capital management

Game theory provides mental models to integrate behavioral capital with finance and HR data. In this blog post, I will illustrate what management game theory is and why it is so powerful in connection with artificial intelligence (AI).

Behavioral capital is becoming increasingly important in creating business value. These “soft skills” are difficult to acquire because human social context is complex due to different personalities and biases. However, there is an emerging new science that will solve this problem and foster organizational performance. Game theory sheds light on management behavior and helps illuminate the relationship between the actions of management and the performance of subordinates. It helps illustrate why some organizations fail at change management or face high staff turnover. Game theory is science that applies mathematics to better understand human decision-making and social behavior. Game theory is key in creating new generation model-driven artificial intelligence to reinforce managers’ behavior and create sustainable competitive advantages.

Every leader, manager or supervisor is playing a game that includes the following game theory principles:

  1. Strategic game
  2. Bayesian game
  3. Stochastic game
  4. Non-symmetric game
  5. Signaling game
  6. Non-co-operative or co-operative game
  7. Zero-sum or general sum game

Strategic game: A leader’s behavior today affects an organization’s profits after twelve months. This phenomenon of long-term effects makes leadership strategic. Every leader has a certain management mindset or policy that he or she follows, either consciously or subconsciously. There are also human biases that dictate leadership behavior. In addition, there are personal assumptions about the rewards of leadership behavior. Some leaders are able to predict future rewards while others think only about fast rewards or avoiding possible punishment, which may be strategically unwise.

Bayesian game: The management game is Bayesian, meaning we have to make decisions with imperfect information. Managers’ have prior assumptions about their leadership behavior’s effects. With experience the prior assumptions may change as learning from doing gives better understanding about the context and behavior’s causalities. This is called reinforcement learning that rational persons naturally have, and it is also included at Bayesian game theory. Leaders operate at organization environment that is complex and may sometimes be hard to comprehend. However, leaders know certain probability distributions upon which they can base their decisions. Rational leaders utilize the brain’s natural phenomenon of reinforcement learning despite the imperfect information from complex environment.

Stochastic game: The management world is stochastic, which usually leads to negative surprises. One cannot expect that each day’s activities will be fulfilled as planned. Often there are stochastic interventions which require our attention. Also, humans are heavily affected by current moment bias in which short-term reward (or avoiding immediate punishment) is valued more than long-term reward (which would require different actions and more strategic thinking). The stochastic world is evolving and manager behavior will have a great effect on the outcome.

Non-symmetric game: Leaders, managers and supervisors are all in non-symmetric positions compared to their subordinates. The leadership power of managers is controlled by management systems. Thus, managers usually have different strategies than their subordinates. While worker focus on doing their tasks, managers have to think about whole team collaboration and performance. In addition, there are myriad personal and social features that form the way leaders use their non-symmetric power to influence subordinates.

Signaling game: The behavior of the leader can modify a team’s culture and culture dictates the signaling game. When there is common trust that problems are solved in a positive way, there will be more signals about possible problems and development needs. In addition to staff comments and feelings, there are also signals from management systems. For example, a digital leaderboard can signal increased sickness risk and recommend activating early intervention for preventing absences. In this case, the digital system analyzes data (i.e. staff inquiries and other data) and sends out alarms and offers advice for action.

Non-cooperative or cooperative game: In the famous prisoner’s dilemma there are two prisoners who can’t communicate but are forced to choose to either cooperate with each other or act in their own best interest. In the context of an organization, communication is not restricted, but the same type of social decision dilemma is present in every organization and team: Do the employees choose to cooperate, or do they act on their personal best interest? A non-cooperative mindset reduces productivity and may cause severe performance problems. Using game theory, it is possible to foster a more cooperative mindset in which employees innovate and solve problems in a positive atmosphere.

Zero-sum or general sum game: In zero-sum game, a gain for one player results in a loss for the other player. A zero-sum game mindset is harmful for organizations because it prevents cooperation. In the general sum game, the players help each other to achieve rewards and higher performance levels. General sum players are also willing to take risks together. They are focused on winning and are ready to make sacrifices to secure long-term rewards. Both, the zero-sum and general sum game leave marks at organization data, thus it is possible to analyze which type of game the organization plays. Data-driven AI helps identify exiting culture and model-driven AI helps with teaching which behaviors lead to the general sum game.

Why is game theory combined with machine learning an incredible breakthrough? Because we can model complex human behavior in an organizational context using mathematical modeling. First, we have to make digital presentations for organizations that model the effect of management decisions on fiscal and human performance, then we must implement Markov sequences at this digital twin and start running reinforcement Q-learning with the Bellman function. This may sound complicated (and it actually is), but when the digital twin world is built, it explains why human capital management within organizations is so difficult. AI can provide advice for managers in their decision-making, forming sort of a crystal ball that reveals future alternatives and reinforce behavior for winning.

There are significant benefits in utilizing game theory, data-analytics and machine learning in an organizational setting. I believe there is going to be an emerging new management science in this field. Game theory provides mental models to integrate behavioral capital with finance and HR data. This is not an easy task, but this revolutionary research has already begun. At this stage, it is essential to have close research collaboration with companies where data is created every day and performance problems are difficult to solve. It seems that Kurt Lewin’s saying, “Nothing is more practical than good theory,” applies here as well.

Marko Kesti
M.Sc., Dr., Adjunct Professor (human capital productivity)
Research Director, University of Lapland
markokesti.wordpress.com
https://www.linkedin.com/in/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

 

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.

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

 

HRM connection to Business Performance – Opening the black-box of HRM-P

HRM-Performance theory at learning video

In the following example I will illustrate the principle of human capital production function. Example analyze is from the case company of 400 employees (in Full-Time-Equivalent).  Each employee has the theoretical working time, which in this case is 2 000 hours per year. From this theoretical working time the auxiliary working time takes roughly 15%. Auxiliary working time (AX) includes vacation, absence, maternity leave, work orientation, staff training, HR-practices and HR-development.

When auxiliary working time is reduced from theoretical working time we get the time for work. During the time spend at work the intangible human assets have to be considered. Quality of Working Life (QWL) describes the utilizing degree of intangible human capital. If Quality of Working Life is at the level of 60%, then the effective working time share from the time for work is 60 % as well. Therefore the calculated effective working time is 85% times 0.6. Thus, 51% from theoretical working time is calculated to be effective.

Other working time can now be calculated and it is 85% – 51% = 34%. This other working time includes work planning, quality assurance, reporting, wasted working time due to errors, and fuss because poor motivation and engagement, and handling customer complaints.

With the effective working time the company makes the revenue. There is company specific coefficient (K), which determines how much revenue the company can make with one effective working hour. This example company makes 100 million dollars revenue. According the annual profit and loss calculation there are variable costs of 50 million dollars which is 50% from the revenue. Variable costs are materials and purchase services which are needed in making the revenue. Staff costs are 25 million dollars, and other fixed costs, like rents and licenses, are 15 million dollars. Finally, when all costs are reduced there will be operating profit, in this case 10 million dollars.

HRM_P_theory_Initial_Figure

Figure. Human capital production function with example company initial data.

Management wants to improve company’s human capital productivity, and therefore invest some time to staff training and HR-practices. For simplicity, in this case we assume that this training and HR-practices time is already included at earlier year auxiliary working time, so the time for work remains the same.

When training and HR-practices are done properly, there will be positive effect at the Quality of Working Life. In practice we have recorded at case studies that 5 % improvement at QWL is possible and realistic objective at one year. In this case it means that the Quality of Working Life improves from 60 to 63%. Because QWL-index determines the Effective Working Time share, there will be equal 5% improvement at the Effective Working Time.

In growing business environment the company can utilize the K-factor in making more revenue. When revenue increases the variable costs are increased as well. Therefore $5M more revenue means in this case $2.5M dollars more variable costs. HR-development creates so called virtual talent capacity increase, which means that Human Resource capacity will increase without fixed costs raise. Improving intangible human assets effectively will enable more production capacity without fixed cost increase. Therefore only variable costs increase are reduced from Revenue and the rest $2.5M will improve the operating profit. As a conclusion, this company makes 6 250 dollars more profit for each employee.

HRM_P_theory_productivity_improvement

Figure. Improving company productivity by HR-development.

Human capital production function mathematical equation goes like this:

Revenue = K x HR x TWh x (1-AX) x QWL
where
K = K-coefficient (Human Resource Business Ratio, $/h)
HR = human resource in full time equivalent (FTE)
TWh = theoretical yearly working time (h)
AX = auxiliary working time, this is the same as the time for work (%)
QWL = quality of working life index (%)

The operating profit, in financial terms Earnings before Interest, Taxes, Depreciation and Amortization, is revenue reduced by all costs.

The Human Resource Business Coefficient, shortly the K-factor, can be calculated from earlier year realization with following equation:

HRBR_equation

When case company data are inserted at the equation, there will be coefficient of 245.1 dollars per hour. This means that one effective working hour produce 245.1 dollars revenue. Company management can influence on K-factor by certain strategic innovations and my investing at product development and IC-technology. There is saying that management determines the profitability and leadership determines the productivity. At the Human Capital Production Function this means that management determines the K-factor and leadership the Quality of Working Life. Usually when K-factor is improved for example by strategic innovation there will be some reduce at the QWL, causing decline at organization productivity.

Determining the QWL-index is somewhat more complex than just measuring average results from the staff inquiry. This is due to the fact that those measured inquiry items have different scale and effect on performance. I will explain the validated scientific method for determining the QWL index later in coming blog post.

Marko Kesti
Dr. (admin.), M.Sc. (tech.)
Adjunct Professor, University of Lapland
+358 40 717 8006
marko.kesti@ulapland.fi

CEO Playgain (playgain.eu)
Advisor Vibecatch (vibecatch.com)
EVP Mcompetence (mcompetence.fi)
Non-fiction writer (https://markokesti.wordpress.com/)

References

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.

Kesti, M. and Syväjärvi, A. (2015) Human Capital Production Function in Strategic Management. Technology and Investment, 6, 12-21. doi: 10.4236/ti.2015.61002.

Kesti M. (2013). Human Capital Production Function, GSTF Journal on Business Review, Volume 3, Number 1, pages 22-32.

 

 

Digitaalinen älykkyys nostaa tuottavuutta

Älykäs digitalisaatio tulee parantamaan aineettoman henkilöstöpääoman johtamista, mikä tuo merkittävän tuottavuuden nousun. Yritysten kilpailukykyongelma voitaisiin ratkaista kahdessa vuodessa. 

Henkilöstöjohtamisen hallinnolliset toiminnot ovat Suomessa varsin hyvin digitalisoitu. Meillä seurataan työajan käyttöä ja suorituskykyä monipuolisilla mittareilla. Raportoinnit ovat edistyksellisiä ja parhaita käytäntöjä jaetaan sähköisesti. Henkilöstöriskejä minimoidaan ja syy-seuraussuhteita tulkitaan tulosraporttien avulla. Sähköisten työkalujen ja korkean osaamisen ansiosta henkilöstöhallintomme lienee yksi maailman tehokkaimmista. Organisaatioiden johtamisen digievoluutiossa tämä on kuitenkin vasta alkua, lähinnä perusasioiden hoitamista sähköisesti. Tiedolla johtaminen on parantanut strategista analytiikkaa ja proaktiivisuus on lisääntynyt, mutta aineettoman henkilöstöpääoman hyödyntämisessä on vasta raapaistu pintaa.

Tieteellisen tutkimuksen myötä syntyvät uudet ratkaisut lisäävät koko henkilöstön aineetonta pääomaa ja tuovat mittavan tuottavuuden nousun. Olemme osoittaneet henkilöstölähtöisen kehittämisen mahdollistaman kilpailuedun tieteellisessä artikkelissa Human Capital Production Function in Strategic Management (doi: 10.4236/ti.2015.61002). Myös Valtioneuvoston erityinen Tutkimus- ja innovaationeuvosto on todennut, että laadukas tutkimus ja sen tulosten hyödyntäminen ovat välttämättömiä edellytyksiä tuottavuuden kasvulle. Raportissa (http://bot.fi/188w) todetaan, että
Yhteiskunnan ja talouden digitalisoituminen on vasta alussa, ja se muuttaa merkittävästi tapojamme oppia, työskennellä ja toimia.
ja
Laadukas tutkimus ja sen tulosten hyödyntäminen sekä teknologian luominen ja soveltaminen yhteiskunnassa ovat välttämättömiä edellytyksiä uusille innovaatioille, tuottavuuden kasvulle ja työlle.

Digitaalisuuden myötä esimiehillä pitäisi olla enemmän aikaa oman työyhteisön työntekijöille, mutta nyt tilanne on vielä pikemminkin toisinpäin. Järjestelmät keräävät tietoa ja raportoivat tuloksia, joihin perehtyminen vaatii aikaa ja osaamista. Tulevaisuudessa järjestelmät eivät vain kerää dataa vaan palvelevat älykkäästi johtamista sekä strategisella että käytännön tasolla. Digitaalisuuden seuraava sukupolvi opettaa ja automatisoi juuri oikean tiedon keräämisen sekä havainnollistaa tulokset siten, että ihmisten älykkyys voidaan suunnata tuottavampaan tekemiseen eli jalostavaan vuorovaikutukseen muiden ihmisten kanssa. Kerron seuraavassa kaksi esimerkkiä tulevista älykkäistä sovelluksista.

Uuden sukupolven henkilöstökysely

Suomessa toteutetaan erilaisia henkilöstökyselyjä ahkerasti, mutta ne johtavat vain harvoin optimaaliseen kehittämiseen. Tulokset tulevat liian myöhään ja tulosdata on sekavaa. Aikaa kuluu ja vaikka oikeita asioita saadaankin esille, niihin tehdään usein vääriä toimenpiteitä. Sähläys lisääntyy ja valtava tuottavuuspotentiaali menetetään. Usein henkilöstökyselyihin ei haluta tehdä muutoksia, jotta tulosten vertailukelpoisuus säilyy, vaikka vertailusta ei ole käytännön hyötyä. Henkilöstökyselyjä käytetään lähinnä johdon tilanneraportointiin, kun henkilöstö haluaisi, että heitä kuunnellaan organisaation toiminnan kehittämiseksi.

Uuden sukupolven henkilöstökysely on ikään kuin digitaalisesti älykäs robotti, joka kerää jatkuvasti potentiaalisia kehittämisajatuksia ja neuvoo esimiehiä ja johtoa organisaation kehittämisessä. Kyselyä ei tarvitse tehdä määräajoin, sillä se päivittyy itsenäisesti, ollen aina ajan tasalla. Tieteellisen tutkimuksen ansiosta kysely on lyhyt (15 kysymystä), jolloin se ei kuormita henkilöstöä.

Wibecatch_kysely

Kuva. Toimintaa ohjaava henkilöstökysely kerää organisaatiosta kehittämistarpeita.

Tulokset ohjaavat reaaliajassa optimaalisiin kehittämistoimenpiteisiin sekä strategisella että käytännön tasolla. Kun aiemmin reagoitiin vasta sairauspoissaolojen lisääntyessä, niin nyt ongelmia vältetään proaktiivisesti. Älykäs henkilöstökysely on tuottavuutta parantavien työelämäinnovaatioiden generaattori, joka aktivoi jatkuvasti optimaalista kehittämistä.

Wibecatch_analyysi_1

Kuva. Älykäs strategisen tason analysointi organisaation systeemiälykkyyttä hyödyntäen. Työelämän laadun indeksi kertoo kohderyhmän suorituskyvyn (https://vibecatch.com/)

Tuottava esimies simulaatiopeli

Henkilöstöjohtamisen tutkimuksessa on kerätty erilaisia hyviä HR-käytäntöjä, joita aktivoimalla parannetaan henkilöstötuottavuutta. Nämä parhaat käytännöt pitää saada esimiesten työkaluiksi palvelemaan käytännön johtamista. Toteuttamatta jäänyt tai väärässä tilanteessa toteutettu HR-käytäntö heikentää tuottavuutta. Esimiehiä pitää jatkuvasti kouluttaa, mutta perinteinen luentokoulutus on liian aikaa vievää ja vaikuttavuudeltaan heikkoa. Opiskelija saa ehkä todistuksen koulutuksesta, mutta onko hän oikeasti sisäistänyt opitun. Epäselväksi jää myös se miten opitut esimiestaidot muuttuvat taloudellisiksi hyödyiksi, joten ymmärrys oman esimiestyön merkityksestä jää puutteelliseksi. Tutkimusten mukaan ihmisjohtamista on vaikea opettaa perinteisin menetelmin, koska tilanneherkistymistä ja vuorovaikutusta ei voi opettaa luennoimalla. (mm. Martin et. al. 2015)

Uuden sukupolven oppimisratkaisu on toteutettu digitaalisen esimiespelin avulla. Siinä parannetaan esimiehen osaamista ja simuloinnin avulla selvitetään, osaako esimies hyödyntää osaamistaan käytännön eri tilanteissa. Esimies saa ratkaistavaksi työntekijöiden esille tuomia erilaisia ongelmia ja näihin työyhteisön haasteisiin hänen tulee osata soveltaa hyviä HR-käytäntöjä.

Playgain_Esimiespeli_1

Kuva. Tuottava esimies simulaatiopeli perustuu henkilöstövoimavarojen tuotantofunktioon ja käytännössä oppimiseen (practice-based learning) (http://playgain.eu/).

Tuloksena esimies saa työntekijän emotionaalisen palautteen lisäksi myös esimiestoimintansa taloudelliset vaikutukset. Simulaatiopeli on siis kustannustehokas henkilökohtainen valmentaja, joka opastaa esimiestä toimimaan oikealla tavalla työyhteisön erilaisissa tilanteissa. Esimies saa todistuksen taidoistaan ja lisäksi suositukset henkilökohtaiseen kehittämiseen. Työyhteisön tuottavuus nousee kun esimiesten ammattitaito paranee ja esimiestoiminnan laatu saadaan testattua sekä varmistettua läpi organisaation.

Edellä kuvatut ratkaisut ovat jo olemassa ja niiden vaikuttavuutta tutkitaan parhaillaan. Käytännön tutkimuksiin perustuvan arvion mukaan uudet kehittämisratkaisut mahdollistavat tehokkaan työelämän laadun parantamisen, jonka myötä vuosittainen tuottavuuden nousu on keskimäärin noin 3000 euroa jokaista työntekijää kohti (EBITDA/HTV/vuosi). Tämä tuottavuuden nousu on varovainen arvio, joka voidaan aikaansaada vuosittain useana vuonna peräkkäin. Siinä tehollisten työtuntien tuottama liikevaihto kasvaa merkittävästi kulujen nousua enemmän, jolloin yrityksen tuloskyky paranee. Tulosparannuksen vaikutus työllisyyteen on merkittävä, etenkin kun monen yrityksen tuloskyky on liian heikko (http://bot.fi/16p8 ja http://bot.fi/15s8). Käytännössä tuottavuuden nousu tarkoittaisi, että Suomen yritysten kilpailukykyongelma voitaisi ratkaista kahdessa vuodessa.

Lähteitä

Kesti, M. and Syväjärvi, A. (2015) Human Capital Production Function in Strategic Management. Technology and Investment, 6, 12-21. doi: 10.4236/ti.2015.61002.

Tutkimus- ja innovaationeuvosto (2014). Uudistava Suomi: tutkimus- ja innovaatiopolitiikan suunta 2015–2020, Tutkimus- ja innovaationeuvoston 5.11.2014 hyväksymä asiakirja. Tutkimus- ja innovaationeuvosto. (http://bot.fi/188w)

Kesti M. & Syväjärvi A. (2013).  Human Resource Intangible Assets connected to the Organizational Performance and Productivity. In Ravindran, A. & Shirazi, F. (eds.). Business Review: Advanced Applications. Cambridge Scholars Publishing, UK. 136-173.

Martin, A., Woods, M. and Dawkins, S. (2015). Managing Employees With Mental Health Issues: Identification of Conceptual and Procedural Knowledge for Development Within Management Education Curricula, Journal of Learning and Education, Volume 14, Number 1. Academy of Management. (50-68).

https://vibecatch.com/

http://playgain.eu/