Perancangan Tenaga Kerja untuk Peranan AI: Cara Director Membina Pasukan yang Benar-Benar Melaksana

Seorang Director of Revenue Operations di sebuah syarikat perisian B2B bersaiz 200 orang telah menyiarkan iklan pekerjaan untuk "Pakar Automasi AI" tahun lepas. Beliau mendapat 140 permohonan. Beliau mengambil seseorang dalam masa lapan minggu. Enam bulan kemudian, pakar itu telah membina empat automasi, menulis 12 dokumen proses, dan memberikan dua bengkel dalaman. Penggunaan AI pasukan? Pada dasarnya tidak berubah. Pakar itulah satu-satunya yang menggunakan AI. Semua orang lain hanya memerhati.

Masalahnya bukan pengambilan pekerja itu. Masalahnya ialah beliau telah merancang untuk satu pakar AI tunggal dalam pasukan generalis, yang secara struktur sama dengan mengambil seorang jurulatih kecergasan untuk sebuah syarikat dan mengharapkan semua orang menjadi lebih sihat.

Jika anda seorang Director atau VP yang cuba mengetahui cara mengisi kapasiti AI, soalannya bukan "peranan AI apa yang saya perlukan?" Soalannya ialah: "Gabungan peranan dan kemahiran apa dalam pasukan sedia ada saya yang mencipta pengaruh yang saya benar-benar mahukan?"

Mengapa Kebanyakan Pelan Tenaga Kerja AI Terlepas Sasaran

Kebanyakan pelan tenaga kerja AI ditulis seperti pelaksanaan teknologi: kenal pasti alat, kenal pasti kemahiran yang diperlukan untuk mengendalikan alat tersebut, ambil pekerja untuk kemahiran tersebut.

Ini berfungsi untuk sistem yang spesifik dan terbatas. Ia gagal untuk AI kerana AI adalah keupayaan serba guna, bukan fungsi khusus. Apabila anda memasang CRM baharu, hanya pasukan RevOps anda yang perlu mengendalikannya. Apabila anda meluncurkan alat penulisan AI, seluruh pasukan kandungan anda perlu tahu cara menggunakannya. Apabila anda menggunakan AI untuk ramalan jualan, penganalisis, pengurus operasi, dan pemimpin jualan anda semua perlu mentafsir outputnya.

Anda tidak boleh memusatkan itu dalam satu orang. Anda memerlukan apa yang penyelidik MIT Sloan sebut "celik AI yang diedarkan": tidak semua orang memerlukan pengetahuan teknikal AI yang mendalam, tetapi semua orang memerlukan pengetahuan yang mencukupi untuk menggunakan alat AI secara berkesan dalam peranan khusus mereka.

Ini mengalihkan soalan perancangan tenaga kerja daripada "siapa yang kita ambil?" kepada "apakah nisbah yang betul antara pakar dan generalis yang dibolehkan, dan bagaimana kita membina infrastruktur pemboleh yang terus bertambah baik dari masa ke masa?"

Model Staffing AI Tiga Lapisan

Pasukan AI yang berkesan di syarikat pasaran pertengahan (50-500 pekerja) cenderung membangunkan tiga lapisan keupayaan yang berbeza, sama ada mereka merancang atau tidak. Merancang untuk mereka secara sengaja adalah lebih pantas dan lebih murah.

Lapisan 1: Pengguna AI generalis (majoriti pasukan anda)

Ini ialah pekerja sedia ada anda yang perlu menggunakan alat AI sebagai sebahagian daripada aliran kerja harian mereka. Mereka tidak perlu memahami cara model bahasa besar berfungsi. Mereka perlu tahu alat mana yang digunakan untuk tugas apa, cara menulis prompt yang menghasilkan output berguna, bila untuk mempercayai kandungan yang dijana AI dan bila untuk mengesahkannya, dan cara menyerahkan kerja antara alat AI dan sistem lain.

Bagi kebanyakan jabatan, ini adalah 80-90% daripada bilangan kakitangan. Matlamat anda adalah kecekapan asas bagi semua mereka, bukan kedalaman dalam mana-mana satu.

Lapisan 2: Pakar yang dibolehkan AI (10-15% pasukan)

Ini ialah orang dalam peranan pakar yang menggunakan AI secara intensif dalam domain mereka. Seorang pemasar kandungan yang menggunakan AI untuk penyelidikan, penggubahan, dan analisis SEO. Seorang penganalisis yang menggunakan AI untuk pembersihan data, pengesanan corak, dan visualisasi. Seorang wakil jualan yang menggunakan AI untuk penyelidikan prospek, persediaan panggilan, dan penggubahan tindak lanjut.

Orang-orang ini memerlukan kemahiran AI yang lebih mendalam daripada generalis tetapi bukan pengetahuan peringkat kejuruteraan. Mereka adalah tulang belakang operasi jabatan yang dibolehkan AI.

Lapisan 3: Pemilik infrastruktur AI (1-3 orang, sering dikongsi merentas jabatan)

Ini ialah orang yang menyediakan integrasi, membina alat dan automasi AI dalaman, mengurus prompt dan aliran kerja, menilai alat baharu, dan menyelenggara sistem yang digunakan oleh semua orang lain. Mereka memerlukan kedalaman teknikal yang lebih tinggi: selesa dengan API, platform no-code atau low-code, dan kejuruteraan prompt.

Salah satu kesilapan paling biasa ialah mengambil untuk Lapisan 3 dahulu dan menganggap ia mencipta Lapisan 1. Ia tidak. Seorang pakar AI tunggal boleh membina alat, tetapi mereka tidak boleh membina penerimaan. Penerimaan datang daripada Lapisan 1 dan Lapisan 2 yang dilatih dan dibolehkan, yang merupakan masalah latihan dan pengurusan perubahan, bukan masalah teknikal.

Mengambil vs. Meningkatkan Kemahiran: Bila Setiap Satu Masuk Akal

Framework keputusan mengambil vs. meningkatkan kemahiran merangkumi ini secara mendalam, tetapi berikut adalah versi ringkas untuk tujuan perancangan tenaga kerja.

Tingkatkan kemahiran dahulu, ambil pekerja hanya untuk jurang tulen.

Kebanyakan syarikat pasaran pertengahan tidak perlu mengambil peranan AI yang berdedikasi untuk Lapisan 1 atau Lapisan 2. Keupayaan ini boleh dibangunkan dalam kakitangan sedia ada melalui program latihan berstruktur. Pelan kefasihan AI 90 hari menggariskan cara membawa jabatan dari ingin tahu tentang AI kepada berfungsi dengan AI dalam tempoh satu suku tahun.

Keputusan untuk mengambil secara luaran untuk peranan harus bergantung pada salah satu daripada dua syarat:

Pertama, kemahiran itu benar-benar tidak wujud dalam organisasi anda dan tidak boleh dibina dalam jangka masa yang anda kerjakan. Jika anda memerlukan seseorang untuk membina integrasi API antara lima alat yang berbeza menjelang suku tahun depan, anda mungkin perlu mengambil atau mensubkontrak, bukan melatih.

Kedua, peranan itu memerlukan tumpuan penuh yang berterusan pada infrastruktur AI yang tidak boleh separuh masa atau dibahagi. Jika anda memerlukan seseorang membina dan menyelenggara sistem AI setiap hari, itu adalah peranan yang berdedikasi.

Ambil untuk peranan infrastruktur Lapisan 3. Latih untuk Lapisan 1 dan 2. Ini hampir selalu nisbah yang betul di syarikat di bawah 500 orang.

Bila mengambil champion AI berbanding pakar teknikal

Champion AI (kadang-kadang dipanggil ketua pemboleh AI atau pengurus program AI) adalah peranan yang berbeza daripada pakar teknikal. Tugas champion adalah penerimaan dalaman dan pengurusan perubahan. Mereka menjalankan bengkel, mengenal pasti kes penggunaan, mendokumentasikan proses, menghapuskan geseran penerimaan, dan menjejak metrik penggunaan. Mereka tidak membina sistem teknikal.

Pakar teknikal membina dan menyelenggara infrastruktur AI. Mereka selesa dengan kod, API, dan platform seperti Zapier, Make, atau integrasi tersuai.

Ini sering dicampurkan dalam penerangan kerja, itulah sebabnya begitu banyak pengambilan AI tidak mencapai jangkaan. Sebelum menyiarkan peranan, putuskan mana satu yang anda benar-benar perlukan. Bagi kebanyakan jabatan di bawah 100 orang, fungsi champion lebih penting daripada kedalaman teknikal, dan sering boleh dibina secara dalaman melalui program champion AI daripada diambil dari luar.

Menulis Penerangan Peranan yang Menarik Calon yang Tepat

Penerangan peranan AI yang umum menarik calon yang umum. Pengambilan AI terbaik datang daripada penerangan kerja yang spesifik dan jujur.

Elakkan frasa ini dalam penerangan peranan:

• "Pemahaman mendalam tentang AI dan machine learning" (kabur, menapis calon praktikal)
• "Sentiasa mengikuti perkembangan trend AI terkini" (bermaksud: kami tiada pandangan)
• "Bina penyelesaian AI dari awal hingga akhir" (terlalu luas untuk dinilai)
• "Minda AI-first" (pengisi)

Gunakan ini sebaliknya:

Huraikan alat dan platform sebenar. "Mahir dengan API OpenAI, Make.com atau Zapier, dan berpengalaman membina prompt untuk tugasan perniagaan." Ini spesifik dan boleh dinilai.

Huraikan hasil, bukan input. "Akan memiliki Pipeline kandungan dibantu AI kami (dari pemilihan alat hingga pustaka prompt hingga semakan kualiti) dan menjejak masa output kandungan berbanding nilai asas." Ini memberitahu calon apa yang akan mereka diukur.

Huraikan konteks pasukan. "Bekerja merentasi pasukan pemasaran, jualan, dan operasi untuk mengenal pasti peluang automasi aliran kerja dan membina sistem yang pasukan akan benar-benar gunakan." Ini memberi isyarat bahawa ia adalah peranan pemboleh, bukan silo teknikal.

Sertakan peringkat kematangan. "Kami berada di peringkat awal. Kami mempunyai tiga alat AI yang aktif digunakan merentasi dua jabatan dan ingin skala kepada enam jabatan dalam 12 bulan." Pendedahan kematangan yang jujur menarik orang yang suka membina dari peringkat awal.

Menstrukturkan Matriks Kemahiran AI Anda

Sebelum menulis mana-mana penerangan kerja atau merancang mana-mana latihan, audit apa yang anda ada. Proses matriks kemahiran AI merangkumi ini secara terperinci. Untuk perancangan tenaga kerja, apa yang anda perlu tahu ialah:

Keadaan semasa mengikut lapisan. Berapa ramai orang dalam jabatan anda beroperasi pada kecekapan Lapisan 1 (boleh menggunakan alat AI dalam kerja harian mereka)? Berapa ramai di Lapisan 2 (menggunakan alat AI secara mendalam dalam kepakaran mereka)? Di mana jurang antara keadaan semasa dan keadaan sasaran?

Jurang kemahiran mengikut jenis peranan. Tidak semua orang mempunyai jurang yang sama. Penganalisis data anda mungkin mempunyai jurang kemahiran AI yang berbeza daripada pengurus kejayaan pelanggan anda. Segmentasi mengikut jenis peranan memberitahu anda di mana pelaburan latihan menghasilkan pulangan terbesar.

Anggaran masa hingga kecekapan. Bagi orang yang berada dua peringkat kemahiran di bawah sasaran, peningkatan kemahiran mengambil masa lebih lama dan mungkin memerlukan kaedah yang berbeza (bimbingan vs. kursus vs. shadowing). Sertakan ini dalam ufuk perancangan anda.

Audit ini sepatutnya mengambil masa dua hingga tiga jam dengan ketua pasukan terdekat anda, dan outputnya secara langsung memberitahu peranan mana yang anda isi secara luaran berbanding mana yang anda bangunkan secara dalaman dalam tempoh 6-12 bulan akan datang.

Kes Perniagaan Headcount untuk Peranan AI

Apabila anda membuat kes kepada kepimpinan untuk headcount baharu atau belanjawan latihan, hujah yang berfungsi bukan "AI adalah masa depan." Ia ialah "inilah jurang output spesifik yang kita ada dan inilah kos yang dikenakan kepada kita."

Bingkaikan kes dengan cara ini:

Keadaan semasa: "Pasukan pemasaran kita menghasilkan lapan keping kandungan seminggu. Penanda aras industri untuk pasukan saiz kita adalah 14-18. Kita berada 40-55% di bawah kapasiti."

Punca utama: "Kesesakan adalah penyelidikan dan penjanaan draf pertama, yang mengambil purata enam jam setiap keping. Itu adalah 80-90% daripada jumlah masa penulisan."

Pilihan pelaburan: "Pilihan A: Ambil penulis kanan dengan kos keseluruhan $X. Pilihan B: Laksanakan alat penggubahan dibantu AI pada $Y/tahun dan laburkan dalam latihan pada $Z. Dengan andaian produktiviti semasa, Pilihan B menutup jurang dalam 90 hari dan kos 60% lebih rendah pada tahun pertama."

Pengukuran: "Kita akan menjejak artikel yang dihasilkan setiap ahli pasukan setiap minggu. Nilai asas adalah 1.6. Sasaran menjelang Q3 adalah 2.8. Jika kita berada di bawah 2.2 pada tanda 90 hari, kita akan menyemak semula."

Bingkaian ini mengubah perbincangan staffing AI menjadi kes perniagaan standard, yang merupakan bahasa yang kepimpinan respon.

Untuk framework pengukuran untuk dijejak selepas pelaburan, gunakan proses mengukur ROI penerimaan AI.

Kesilapan Umum Perancangan Tenaga Kerja

Mengambil sebelum mengaudit. Menulis penerangan kerja sebelum mengetahui jurang kemahiran anda bermakna anda akan mengambil untuk jurang orang lain, bukan jurang anda. Jalankan matriks kemahiran dahulu.

Terlalu banyak mengambil untuk kedalaman AI. Melainkan anda membina produk AI (anda mungkin tidak), anda jarang memerlukan jurutera machine learning atau penyelidik AI dalam pasukan perniagaan. Anda memerlukan orang yang boleh mengkonfigurasi dan menggunakan alat sedia ada, bukan membina model.

Mengabaikan masalah penerimaan. Struktur pasukan AI yang paling canggih di dunia tidak menghasilkan apa-apa jika orang tidak mengubah aliran kerja mereka. Sertakan perancangan penerimaan, bukan hanya keupayaan teknikal, dalam pelan tenaga kerja anda.

Menetapkan jangkaan masa hingga kecekapan yang tidak realistik. Kemahiran alat AI mengambil masa minggu hingga bulan, bukan hari. Perancangan yang menganggap semua orang akan mahir AI dalam dua minggu akan gagal. Pelan kefasihan 90 hari adalah lebih realistik bagi kebanyakan jabatan.

Melayan peranan AI sebagai infrastruktur kekal tanpa semakan. Pasaran alat AI berubah dengan pantas. Peranan yang anda ambil hari ini mungkin perlu dibentuk semula dalam 18 bulan. Bina titik semakan dalam pelan tenaga kerja anda.

Jadual Perancangan yang Praktikal

Jika anda memulakan perancangan tenaga kerja AI dari awal, berikut adalah urutan 90 hari yang berfungsi bagi kebanyakan jabatan pasaran pertengahan:

Minggu 1-2: Jalankan audit matriks kemahiran AI merentasi pasukan anda. Petakan keadaan semasa kepada keadaan sasaran mengikut jenis peranan. Kenal pasti jurang Lapisan 3 anda (adakah anda memerlukan orang infrastruktur AI yang berdedikasi?).

Minggu 3-4: Putuskan tentang pembahagian tingkatkan kemahiran vs. ambil untuk Lapisan 1 dan Lapisan 2. Skopkan program latihan. Jika mengambil untuk Lapisan 3, tulis penerangan kerja menggunakan prinsip di atas.

Minggu 5-8: Lancarkan latihan untuk Lapisan 1. Ini adalah program latihan alat AI jika anda tidak memilikinya. Mulakan proses pengambilan Lapisan 3 secara selari.

Minggu 9-12: Perdalam latihan Lapisan 2 untuk pakar. Semak hasil latihan awal. Laraskan berdasarkan apa yang berfungsi. Onboard pengambilan Lapisan 3 jika selesai.

Bulan 4 ke depan: Semakan suku tahunan matriks kemahiran, metrik penerimaan, dan definisi peranan apabila landskap alat berkembang.

Ini bukan satu-satunya cara untuk melakukannya, tetapi ia memberikan anda urutan yang padu daripada cuba melakukan segalanya secara serentak.

Syarikat yang membina keupayaan AI tulen di peringkat pasukan melakukannya dengan melayan perancangan tenaga kerja sebagai amalan yang berterusan, bukan projek sekali sahaja. Alat akan terus berubah. Keupayaan pasukan anda untuk menyerap dan menggunakan alat baharu adalah kelebihan daya saing yang tahan lama yang bernilai untuk dilaburkan.