如今,人工智能、數字化等智能化、自動化技術正越來越多的在組織中獲得應用。在疫情期間,數字化能力更強的企業,具備更強的組織韌性,能夠更好的應對沖擊,在疫情之后,能夠第一時間抓住新的增長機遇。自動化技術在組織中應用勢必與傳統崗位相沖突,如何利用先進技術提升組織能力,強化公司在數字化時代的競爭力?
本刊邀請中歐國際工商學院韓踐教授探討在科技浪潮下,企業如何進行工作轉型。
管理者的任務,是由其所處的時代決定的。技術發展、社會分工、政治環境等要素,造就了我們所處的時代。從技術的角度看,自動化、大數據分析、機器學習等技術不斷進步,已經在智能制造、醫療、金融、城市安防等領域快速滲透。因此,當代管理者們必須面對的一個問題是:技術將會如何影響工作轉型與人才管理?
01
技術進步帶來勞動力需求激增
企業管理者首先需要定期關注技術對于人工的替代速度、相關技能轉型的壓力和未來勞動力的供需。技術對工人的替代程度,取決于技術發展與應用的速度、經濟增長速度和勞動力需求的變化。麥肯錫全球研究院(McKinsey Global Institute)2017年對全球46個國家的研究表明,截至2030年,平均將有15%的工作時間會被自動化,對中國而言,這個比例大約為16%。
從宏觀看,即使有自動化技術的應用,工作和勞動力的需求仍將增加。到2030年,發展中國家的收入增加、消費升級,以及全球老齡化和環境變化會帶來基礎建設、醫療服務和能源等各方面的投資增加,創造更多的工作需求,因此,員工能力轉型和提升的需求會一直存在。全球有大量員工需要轉型和升級,中國這個數字可高達1億人。此外,還有一部分工作不容易被自動化替代,比如需要社交與情感、創造力、高級認知能力等技能的活動,這部分的人員培養與能力提升也需要持續投入。
以上洞察提醒管理者們重點關注兩個方面:其一,持續洞悉關鍵技術發展對于本行業的商業模式和相關勞動力市場的影響;其二,主動與教育培訓機構合作,動態規劃員工能力提升與工作需求的匹配度。
02
技術應用如何影響工作?
我們以物流為例,洞察技術對于勞動用工的影響。
電子商務的發展,促使全球各大公司不斷加強倉儲和物流基礎設施的技術創新,以降低成本、提高盈利能力。目前,倉庫和配送中心主要的技術創新有分揀搬運機器人、自動導航設備、智能穿戴設備等。
智能物流與倉儲方面,亞馬遜(Amazon)的實踐在業界是領先的。亞馬遜2012年收購Kiva Systems公司,開發出自動搬運的“貨到人”揀選機器人Kiva。由于業務的增長,亞馬遜自動化倉庫的部署并沒有減少其對一線員工的需求,倉儲人員的數量一直在增長。行業報告顯示,亞馬遜在2014年開始部署Kiva機器人,到2017年底,倉儲人員相比2014年增加了約8萬人,達到12.5萬人。2018年,公司繼續新增員工約10萬人,增加的崗位大部分在新建的配送中心。
自動化技術可以替代一部分初級技能的勞動力,并將員工從無聊、骯臟和危險的“3Ds”——(dull, dirty and dangerous)工作中解脫出來。同時,還可以提高生產力和效率,降低失誤。高級技能人才的需求將快速提升,大量員工需要更新技能,包括使用新技術設備、掌握倉庫管理專業知識以及提升人員管理技能等。研究表明,倉庫人員的主動性和問題解決能力將變得更加重要。比如,倉庫經理需要更有效地分配和監控機器人的工作。
面對新技術的轉型,亞馬遜不僅為一線員工提供培訓以幫助其適應新工作,還為在公司工作一年以上員工提供“職業選擇”(Career Choice)培訓項目,該項目所培訓的技能不一定和亞馬遜的崗位需求直接相關,而是針對全社會需求量大的技術性崗位進行技能提升。自項目推出以來,超過10000名員工通過該項目取得學位,超過500人在學習機器人相關的課程。雖然公司前期投入較大,但為公司未來的發展提前儲備大量各領域人才。同時,這種舉措也提升了企業的雇主品牌和對外部人才的吸引力。
在管理層面,亞馬遜通過Pathways項目儲備高級運營經理,即招募MBA或博士畢業生,參與為期18~30個月的項目,逐步從管理80~100人的區域經理,提升到管理300~500人的運營經理,隨后在不同交付中心輪崗或專職某一項專業技能,最后晉升到高級運營經理,管理某個部門。
03
智能供應鏈促發員工前置規劃能力
將人工智能運用在供應鏈領域,有三方面的益處:一是將不同的資源管理流程整合為一個業務流程;二是可以準確預測需求和供給;三是可以進行自動化的決策。
研究表明,技術應用會讓策略類工作效率得以提升,對于人的能力要求將會轉向供應鏈的戰略與規劃層面。采購計劃工作從原來的按明確的采購計劃執行,轉變為通過管理算法和相關的業務規則執行采購計劃,更多的決策將變成自動預測和指示。采購計劃的制定將會從以按批次的、合計的、靜態的和手動的狀態,轉變為連續的、自適應的、實時的和自動的狀態。
鑒于技術對勞動用工的影響不可避免,為了更好地進行用工規劃,有些企業建立了勞動用工的規劃模型,對于不同用工類型進行預測和差異化管理。
構建此類模型,首先需要識別與建立模型的關鍵維度。以圖 2為例,某企業把“技術推廣應用速度”與“技術推廣對人工的替代程度”作為其分析的兩個關鍵維度。不同技術在企業中推廣速度差別很大,有的實現需要幾年,有的只需要幾個月。技術推廣的速度將影響公司對相應崗位被替代人員轉移和安置的急迫性以及新崗位補充的節奏。如果技術推廣特別快,公司就需要快速準備人員的安置和輸送;如果技術推廣速度慢,公司就針對單點模型試點人員轉型和培養,以便為將來大規模推廣儲備足夠人才。
同時,不同技術的推廣對于工作和崗位設計的影響程度差別很大。當有的崗位的工作完全能夠被技術應用替代,那么這個崗位就不存在了,這時,需要重新梳理人的工作方式;而有些崗位的工作要素中僅有很小一部分能夠被技術替代,不會對崗位的工作方式產生根本影響。
用這兩個維度所構建的模型,可以分成四個象限,幫助管理者規劃用工管理:
在第I象限
技術推廣速度快,技術對人工替代程度高,企業就需要迅速作出人員數量變化預估,及時準備人員安置和轉型計劃。如果對于新崗位的補充不足,還需要規劃外聘已經具備新技能的人才。
第II象限
技術對工作替代度高,但推廣速度較慢,短期內不會對大量人員產生影響。相應的人才策略是針對某些單點崗位進行人員預測與轉型計劃,同時密切關注技術應用與推廣的成熟度,一旦技術推廣速度加快,則迅速將單點經驗進行復制。
第III象限
崗位特點是技術推廣速度快,但對現有工作沖擊不大,技術的應用主要是幫助員工提升工作的效率和質量,相應的人才策略是要關注人員能力的轉型和人員結構的整體優化。
第IV象限
崗位特點是推廣速度慢,而且受技術、政策管制等影響,短期內對勞動力影響有限。相應的人才策略是暫不做具體規劃,但是要密切觀察,持續關注技術成熟度。
04
挑戰與前瞻
企業智能化轉型與組織中崗位與人才的管理匹配,是一個相輔相成、不斷迭代的動態過程。在這個過程中,首先需要一個從戰略和業務需求出發的總體框架作為方向性牽引,在這個框架下,企業的人力資源部門需要與技術部門和外部資源合作,完成洞察、分析、規劃、落地和調整多個步驟,不斷迭代優化解決方案。在這個持續探索和實踐的過程中,企業通常會遇到如下挑戰:
首先,技術發展前景的不確定性使得對于技術應用的落地規劃只能走一步、看一步。因此,相應的人才儲備和能力培養的節奏很難完全匹配業務的節奏,會出現超前培養或準備不足的情況。
其次,當技術取代一些崗位后,很多新崗位的能力要求對于現有員工的轉型挑戰很大。例如,很多企業當前對于員工的核心要求是效率、準確度和執行力。但是,在引入智能服務后,人工崗位主要分布于用戶研究、產品設計、產品優化、產品運營和數據挖掘方面,需要員工具有高度的主觀能動性和創造力,主動思考,善于主動發現問題、分析問題和解決問題。對于目前人員能力而言,這些方面轉型的難度很大。
第三,當技術發展取代一些崗位后,會產生一些新崗位。新崗位上員工的培養沒有成熟的模式或經驗作為參考,相關知識和課程體系需要從頭積累與打磨,如何平衡培養的質量和時間投入,面授、實操和在線學習的時長如何分配更合理等問題,對于企業的培訓體系是一個很大的挑戰。
第四,配套的人才發展與保留機制缺失。例如,針對新崗位的職類和職級與原有的體系不配套,如果用原有的體系,員工轉崗后職業發展路徑不清晰。此外,由于一線員工的流失率很高,培養后的人才如何進行保留,也是實際工作中面臨的一大挑戰。
05
應對策略
面對以上的幾大挑戰,一些先進企業采取了一系列前瞻性的應對措施。首先是加強對于外部新的案例、資源和方法論的洞察與對標,從管理理念和方法層面不斷更新思維方式。其次,集團內部持續分析與更新基于戰略和業務發展的組織和人才需求,投入更多資源做前瞻性的人才規劃、培養和儲備。前瞻性的人才培養的投入產出比在短期內不會立即顯現,但是在中長期會推動公司成為超越同行的領先者。
具體的落地動作包括:
(1)不斷刷新對于智慧組織和人才轉型的調研,洞察業務相關領域的技術發展及其對人工替代的可行性。
(2)在不同管理層明確推動技術提效的責任人(如技術委員會,HR和主要業務管理者),對技術應用提效的具體目標、路徑、實施里程碑作研討和決策。
(3)將技術提效、規劃和實踐的具體指標落實到技術和業務管理者的績效考核中。
(4)人力資源和相關支撐部門需要從政策和解決方案兩個方面支持業務,落實短期人才轉型計劃。同時,持續完善定位于中長期人才轉型的計劃,擴大面向未來的人才儲備范圍。
-
人工智能
+關注
關注
1796文章
47642瀏覽量
239794 -
企業
+關注
關注
0文章
217瀏覽量
22871
原文標題:人工智能來了,是入侵,還是雙贏?
文章出處:【微信號:ceibs-cbr,微信公眾號:中歐商業評論】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論