Την επαναπρόσληψη έως το 2029 του 30% των εργαζομένων που απολύθηκαν και αντικαταστάθηκαν από τεχνητή νοημοσύνη προβλέπει η Gartner, εφόσον οι οργανισμοί δεν αναμορφώσουν τον σχεδιασμό του ανθρώπινου δυναμικού τους. Οι επαναπροσλήψεις θα γίνονται συχνά με υψηλότερο κόστος, καθώς οι επιχειρήσεις δυσκολεύονται να ευθυγραμμίσουν τις αποφάσεις για το προσωπικό με τις μεταβαλλόμενες ανάγκες τους.
Η εκτίμηση συνοδεύει ένα νέο πλαίσιο στρατηγικού σχεδιασμού ανθρώπινου δυναμικού, το οποίο παρουσιάστηκε στο Gartner HR Symposium/Xpo στο Ορλάντο. Αφετηρία του αποτελεί η επιχειρηματική στρατηγική και η εργασία που απαιτείται για την υλοποίησή της, με στόχο να προσδιορίζεται ο κατάλληλος συνδυασμός ανθρώπων και τεχνολογίας πριν ληφθούν αποφάσεις για το προσωπικό.
Αποφάσεις με αφετηρία τις απολύσεις
Η Caitlyn McDonough, αντιπρόεδρος και αναλύτρια στον τομέα ανθρώπινου δυναμικού της Gartner, εντοπίζει το πρόβλημα στη σειρά με την οποία λαμβάνονται οι αποφάσεις. «Πολλοί οργανισμοί λαμβάνουν αποφάσεις για την AI και το ανθρώπινο δυναμικό με λάθος σειρά. Αποφασίζουν πόσους ανθρώπους θα απολύσουν προτού κατανοήσουν τι θα χρειαστεί για να γίνει η δουλειά», δήλωσε.
Η ίδια τοποθετεί ως προτεραιότητα την κατανόηση της εργασίας που έχει τη μεγαλύτερη σημασία για τη στρατηγική, του τρόπου με τον οποίο αυτή αλλάζει και των ανθρώπων και τεχνολογιών που απαιτούνται για την επίτευξη επιχειρηματικών αποτελεσμάτων. Αυτή η προσέγγιση μεταφέρει το βάρος στον προσδιορισμό των αναγκών που θα πρέπει να καλυφθούν.
Ο παραδοσιακός σχεδιασμός ακολουθεί συνήθως την αντίστροφη διαδρομή. Τα στελέχη ξεκινούν από τις σημερινές θέσεις εργασίας, τις δεξιότητες και τον αριθμό εργαζομένων και κατόπιν αξιολογούν πώς θα μπορούσε να τα αλλάξει η AI. Η Gartner διακρίνει την τεχνική δυνατότητα εκτέλεσης μιας εργασίας από την πραγματική ανάθεσή της στην AI. Καθώς το κόστος της AI συνεχίζει να αυξάνεται, οι οργανισμοί συγκεντρώνουν όλο και περισσότερο τις σχετικές επενδύσεις σε τομείς που υπηρετούν τη στρατηγική τους.
Αποτελεσματικός σχεδιασμός στο 19% των οργανισμών
Σε έρευνα της Gartner τον Ιούλιο του 2026 με τη συμμετοχή 297 επικεφαλής ανθρώπινου δυναμικού, μόλις το 19% των οργανισμών διέθετε πρακτικές σχεδιασμού που βοηθούσαν αποτελεσματικά τα στελέχη να κατανοούν πώς αλλάζει η εργασία, να συνυπολογίζουν την επίδραση της AI και να προσαρμόζουν τη στρατηγική για το προσωπικό στους επιχειρηματικούς στόχους.
Οι οργανισμοί με αποτελεσματικό σχεδιασμό είχαν 1,4 φορές μεγαλύτερη πιθανότητα να υπερβούν τους στόχους εσόδων και 1,5 φορές μεγαλύτερη πιθανότητα να πετύχουν καλύτερες επιδόσεις από τους στόχους τους για το κόστος. Τα ευρήματα συνδέουν την αποτελεσματικότητα του σχεδιασμού με την επίτευξη επιχειρηματικών στόχων.
Πέντε στάδια για τις μελλοντικές ανάγκες
Το νέο πλαίσιο οργανώνεται σε πέντε στάδια. Πρώτα προσδιορίζονται οι δυνατότητες του ανθρώπινου δυναμικού που έχουν τη μεγαλύτερη σημασία για την εκτέλεση της επιχειρηματικής στρατηγικής. Ακολουθεί η πρόβλεψη της μελλοντικής ζήτησης για εργασία και της δυναμικότητας που θα απαιτηθεί για την κάλυψή της.
Στη συνέχεια αξιολογείται η μελλοντική διαθέσιμη δυναμικότητα, τόσο από ανθρώπους όσο και από την αξιοποίηση της AI. Το τέταρτο στάδιο αφορά την ποσοτικοποίηση των κενών και την αξιολόγηση πιθανών λύσεων με κριτήρια το κόστος, τον κίνδυνο και την ταχύτητα. Το πέμπτο προβλέπει τη θέσπιση μηχανισμών διακυβέρνησης για την ιεράρχηση και τη χρηματοδότηση των επενδύσεων στο ανθρώπινο δυναμικό.
Κεντρικό στοιχείο της προσέγγισης αποτελεί η ανάλυση της εργασίας σε μετρήσιμα επιμέρους τμήματα. Έτσι, οι οργανισμοί μπορούν να προσδιορίζουν ποιες εργασίες θα εκτελούνται στο μέλλον, σε ποια έκταση και με ποια κατανομή μεταξύ ανθρώπων και AI. Οι επικεφαλής ανθρώπινου δυναμικού θα μπορούν, κατ’ αυτόν τον τρόπο, να εξηγούν στον διευθύνοντα σύμβουλο και στο διοικητικό συμβούλιο ποιες δυνατότητες χρειάζεται η στρατηγική, ποιο προσωπικό θα απαιτηθεί και τι χρειάζεται για την εξασφάλισή του.
Για την εφαρμογή, η Gartner προτείνει στους επικεφαλής ανθρώπινου δυναμικού να συνεργαστούν με άλλα στελέχη και να ξεκινήσουν πιλοτικά από μία ή δύο επιχειρησιακές δυνατότητες. Η σταδιακή επέκταση της προσέγγισης θα πρέπει να βασιστεί στα διδάγματα αυτών των πρώτων εφαρμογών.
