By Transformacija tradicionalne ekonomije u novu ekonomiju upravo je u tijeku, ponajprije, u razvijenim zemljama. Istodobno se redizajnira društveni sustav vrijednosti, te u sve većoj mjeri jača dominacija postmoderne, koja potiskuje modernu kao donedavni vladajući obrazac vrijednosti. Taj se proces preobrazbe odvija u svim segmentima društva afirmirajući nove obrasce svakodnevnog života i rada.
Digitalizacija
Artikulacija novih proizvodnih procesa i odnosa odvija se na temelju novih načela. Zakonitosti tradicionalne ekonomije nisu u stanju osigurati profitabilnost odnosno održivu konkurentnost u današnjim gospodarskim uvjetima. Stoga je nužno artikulirati nove principe djelovanja odnosno poslovanja koji uvažavaju novu gospodarsku zbilju. Općenito govoreći, svjedoci smo transformacije analognog svijeta u digitalni.
Formuliranje novih načela i metoda poslovanja je iznimno zahtjevna odnosno izazovna zadaća. Taj postupak mora uvažavati brojne čimbenike, koji generiraju radikalne promjene, što iziskuje sustavan i kreativan pristup. Prilagođavanje novim okolnostima otežava urođena ljudska sklonost izbjegavanja promjena i nepoznatog. Ljudi, to jest, zaposlenici skloni su sigurnosti i poznatom okruženju unutar kojega djeluju.
Računovodstvene, knjigovodstvene, financijske i ostale ekonomske metode sve do 1990-ih godina bile su prilagođene za vrednovanje materijalnih resursa. Taj koncept nije bio u stanju analizirati doprinos ljudskog kapitala, ali i ostalih nematerijalnih resursa poput, primjerice, brenda i znanja. Misleći strojevi, bolje reći, računala potaknuli su uvažavanje znanja i ljudskog kapitala, prilikom analiziranja procesa stvaranja dodane vrijednosti. Digitalizacija ekonomskih procesa ukazala je ne samo na značaj ljudskog kapitala i znanja, već i na potrebu kreiranja novih poslovnih modela.
Novi poslovni modeli prilagođeni digitalnom okruženju iziskuju uspostavu novih organizacijskih struktura. Organske, otvorene, fleksibilne, horizontalne i virtualne strukture samo su neke organizacijske značajke primjerene za djelovanje u digitalnom svijetu. Poslovni modeli, u velikoj mjeri, zasnivaju se na umrežavanju i stvaranju poslovnih eko sustava unutar kojih se generiraju specifična znanja i tehnološka rješenja. Valja istaknuti kako se primijenjena znanost sustavno integrirala u poslovni model digitalne ekonomije. Tako, primjerice, sve veći broj matematičara, kemičara, biologa, i eksperimentalnih fizičara pokreće uspješne poduzetničke projekte.
Visoko tehnološki startupovi poslovnu ekspanziju zasnivaju na kreativnoj primjeni specijalističkih znanja iz brojnih znanstvenih disciplina kao što su genetika, računarstvo, nanotehnologija, napredni materijali, raketna i svemirska tehnologija, robotika, umjetna inteligencija i duboka analitika. Razvojni inženjeri, to jest, specijalisti iz različitih područja angažirani unutar projektnih timova stvaraju nova praktična znanja i tehnološka rješenja, koja često imaju golemi profitabilni potencijal. Oni djeluju u digitalnom okruženju premreženom mnoštvom poslovnih i informatičkih kanala.
U takvim okolnostima upravljanje znanjem i intelektualnim kapitalom postaju 1990-ih godina strateški alati za kreiranje nove dodane vrijednosti. Za uspješno funkcioniranje tih stožernih poslovnih procesa nužno je angažirati talente iz različitih znanstvenih područja. Riječ je o zahtjevnom postupku koji je dizajniran prije afirmacije digitalne ekonomije, te je stoga maksimalno funkcionalan i projektiran za tradicionalnu ekonomiju i analogni svijet. Napominjem kako su se humani resursi u zapadnim tržišnim ekonomijama počeli afirmirati tek od 1960-ih godina. Tada se počinje voditi sustavna briga o kvaliteti koja nije moguća bez aktivne uloge ljudskih resursa i timskog rada.
Humani resursi
Ipak, treba upozoriti kako je prvi korporativni odjel odnosno služba za ljudske resurse osnovana u Sjedinjenim Američkim Državama daleko ranije. To se dogodilo 1901. godine u kompaniji National Cash Register (NCR), kada su menadžeri tvrtke ustrojili odjel za ljudske resurse. Znatnim djelom to je bio odgovor poslovodstva na radničke štrajkove. Menadžeri NCR-a nastojali su sustavno poboljšati kvalitetu radnih odnosa. Novoosnovani odjel trebao je planski djelovati na područjima zapošljavanja, novčanog nagrađivanja, kažnjavanja i u krajnjoj liniji otpuštanja, te izgradnje korporativne poslovne karijere.
To su bili prvi praktični i sustavni poslovni potezi fokusirani na vrednovanje i unaprjeđenje položaja ljudskih resursa u poslovnoj organizaciji. Rukovoditelji u kompaniji NCR, među prvima su shvatili važnost ljudskih resursa. Podsjećam kako je u prvoj polovici 20. stoljeća vladala tehnološka doktrina, koja je zagovarala prvenstvenu fokusiranost na proizvodnju, odnosno strojeve i tekuću traku. U tadašnje vrijeme radnici su se tretirali kao nesavršeni dodaci strojevima. Pri tome se motivacija svodila isključivo na novčano nagrađivanje. To je jednim djelom bila posljedica nerazvijenosti industrijske psihologije, kao znanstvene discipline, koja još nije razradila sofisticiranije mehanizme motivacije.
Na porast važnosti ljudskih resursa u velikoj mjeri su utjecali svjetski ratovi. Naime, mnoštvo radnika bilo je mobilizirano, te poslani na front. To je prouzročilo ozbiljne probleme u proizvodnji, a rješavao se zapošljavanjem žena na jednostavnim poslovima. Manjak kvalificirane radnje snage, koji se nenadano pojavio uslijed ratnih zbivanja doprinio je afirmaciji ljudskih resursa, te afirmirao žene u svijetu rada.
Od 1950-ih godina u brojnim tvrtkama počinju se primjenjivati sve sofisticiranije metode rukovođenja radnom snagom. Tome je doprinio razvoj industrijske sociologije, industrijske psihologije i organizacijske teorije. Bolje poznavanje ljudske psihologije omogućio je primjerenije upravljanje radnicima odnosno zaposlenicima. Brojni rukovoditelji spoznali su kako plaće nisu jedini način poboljšavanja radnog doprinosa. Zadovoljstvo radnom sredinom uveliko ovisi o uvjetima rada. Stoga započinje uvođenje timskog rada i obogaćivanje poslova, kao načina povećanja motiviranosti djelatnika. Novi pristup rezultirao je poboljšavanje produktivnosti i kvalitete, a počeo se u znatnijoj mjeri najprije prakticirati u Japanu i Švedskoj.
Specijalizirani odjeli za ljudske resurse analizirali su radne učinke i uspostavljali različite načine nagrađivanja. Započinje se s praksom dodatnog obučavanja za specifična radna mjesta, koja se nisu mogla popuniti regrutiranjem pojedinaca s tržišta radne snage. Osnivaju se korporativna učilišta i trening centri, koji raspolažu respektabilnim proračunima. Ujedno se planski afirmiraju brojne organizacijske vrijednosti i artikulira originalna organizacijska kultura. Tehnološka modernizacija dodatno je poticala angažiranost, te ukazivala na značaj ljudskih resursa. Informatičke odnosno komunikacijske tehnologije olakšavale su umrežavanje zaposlenika, te dijeljenje znanja kao i suradnju među njima.
Direktori za upravljanje ljudskim resursima počinju, u pravilu, zauzimati najviše rukovodne pozicije u korporacijama. S vremenom se razvija upravljanje ljudskim resursima, kao znanstvena disciplina, koja je znatno doprinijela poboljšavanju međuljudskih odnosa u poslovnim organizacijama i učinkovitijem korištenju kreativnih potencijala djelatnika. Racionalnijem korištenju i upravljanju ljudskim potencijalima u velikoj mjeri je pridonio razvoj informatičke odnosno računalne tehnologije. U tom pogledu se ističu internetske tehnologije, umjetna inteligencija i ostale srodne visoke tehnologije.
Umjetna inteligencija
Iznimno brzi razvoj računarstva omogućio je, pored ostaloga, procesuiranje, skladištenje i distribuciju golemih količina podataka (big data). Napredna računala i srodne tehnologije nude brojne mogućnosti. S vremenom je tehnološki napredak doveo do spajanja umjetne inteligencije (UI) s golemim količinama podataka, što je drastično unaprijedilo spoznajne mogućnosti. Veliki obujam podataka prestao je biti nespoznatljivi misterij, koji se nije mogao točno i pouzdano razriješiti, niti privesti nekoj praktičnoj svrsi.
Rukovoditelji, znanstvenici i stručnjaci različitih profila desetljećima su bili svjesni važnosti brojnih podataka koji nas okružuju. Sve donedavno analiza velikog broja podataka svodila se na statističke analize na temelju reprezentativnih uzoraka, koji su omogućavali nepouzdane procjene. Statistička vrednovanja bila su važan segment odlučivanja ne samo u ekonomiji, već i u drugim područjima. U ekonomiji je odlučivanje uz pomoć statističkih metoda bilo znatno pouzdanije u vrijeme relativno nerazvijenog i stabilnog tržišta, koje je bilo karakteristično za veći dio 20. stoljeća. Međutim, od 1980-ih godina statističke procjene su sve manje pouzdane zbog brzo rastuće kompleksnosti tržišta.
U današnje vrijeme generiranje podataka i informacija drastično se povećava, što dodatno umanjuje preciznost statističkih analiza, jer je sve teže utvrditi odgovarajući reprezentativni uzorak. Prema nekim procjenama, u 2020. godini stvoreno je 45 zettabyte podataka ( jedan zettabyte iznosi milijardu trilijuna bajta odnosno 1 000 000 000 000 000 000 000 bajta). Već 2025. godine kreirat će se godišnje 180 zettabyte podataka.
Eksplozivni rast generiranja podataka posljedica je digitalizacije svih segmenata života i rada. Sustavnu digitalizaciju omogućuju napredne internetske tehnologije, prije svega, internet stvari (Internet of Things), senzorska tehnologija, sve moćnija računala i ostale relevantne tehnologije. Transformacija podataka u dragocjeni poslovni resurs nije moguća, pored ostaloga, bez mogućnosti njihova primjerenog memoriranja. Još 1970-ih godina pohranjivanje podataka bio je izazovan i skup proces za koji se, primjerice, koristio IBM 305 RAMAC koji je težio više od jedne tone s kapacitetom memorije od skromnih 5 MB. Zbog usporedbe navodim kako iPhone 12 raspolaže s memorijom od 512 GB.
Integriranje podataka u poslovne modele odnosno korporacijske procese, kao važnog resursa, potiče stalni pad cijene tehnologije njihova procesuiranja i skladištenja. Ujedno je stvorena odgovarajuća tehnološka infrastruktura koja se stalno usavršava omogućavajući djelotvorno manipuliranje podacima za različite organizacijske ciljeve. Jedan od najpoznatijih poslovnih ciljeva, obrade golemih količina podataka, je predviđanje potrošačkog ponašanja, koja se pokazala superiornom u odnosu na tradicionalna marketinška istraživanja.
Riječ je o dubokoj analitici, koju provodi umjetna inteligencija generirajući precizne tržišne odnosno poslovne procjene. Umjetna inteligencija koristi se u sve većem broju područja koja uključuju, na primjer, medicinu, politologiju odnosno politiku i preciznu poljoprivredu. Jedan od prvih takvih primjera korištenja umjetne inteligencije je IBM-ov Watson za onkologiju koji se na tržištu pojavio 2013 godine. Watson je je trebao obradom podataka pacijenta utvrđivati određeni liječnički tretman. Međutim, taj pokušaj je završio neuspjehom, jer je u više navrata pogriješio. Nešto kasnije je utvrđeno kako se Watson obučavao na premalom broju slučajeva.
Treba naglasiti kako se pouzdanost procjena umjetne inteligencije povećava s porastom količine podataka. Stoga su ogromne količine podataka (big data) temelj spoznajnih mogućnosti umjetne inteligencije. Međutim, u medicini umjetna inteligencija praktično nije u stanju ostvariti perfekciju, ali može biti iznimno koristan savjetodavni alat, pri odlučivanju i u složenim medicinskim slučajevima. Konačna odluka je još uvijek u nadležnosti liječnika. On je praktično nezamjenjiv kada se pojave okolnosti koje nisu definirane protokolima, te iziskuju kreativno djelovanje.
U digitalnom društvu produkcija podataka je enormna kao i kapaciteti njihova skladištenja. Ti procesi bili bi besmisleni bez umrežavanja naprednih računala i umjetne inteligencije koja ih može procesuirati otkrivajući njihovu (skrivenu) smislenu strukturu. Na taj način stvaraju se različite korisne spoznaje. Taj obrazac počinje se u sve većoj mjeri koristiti i u području upravljanja ljudskim resursima.
Za digitalnu ekonomiju specifična je, pored ostaloga, rastuća potreba za zapošljavanjem talenata odnosno iznimno nadarenih pojedinaca u različitim područjima. Najuočljivija je potražnja za razvojnim inženjerima i znanstvenicima s područja primijenjenih (praktičnih) znanosti. Taj se postupak donedavno svodio na testiranje inteligencije, dubinske intervjue, preporuke eksperata i analizu životopisa. U provedbi te procedure u visoko tehnološkim tvrtkama često sudjeluju i sami osnivači, svjesni važnosti odabira kreativnih i kompetentnih pojedinaca. Oni se u tom postupku ponajviše oslanjaju na vlastitu intuiciju.
Razumljivo je kako realizacija kompleksnih projekata podrazumijeva nadprosječnu inteligenciju, ali su potrebne i druge individualne karakteristike poput, na primjer, sklonosti timskom radu i stalnom učenju, objavljenih stručnih radova, poduzetnosti, te predanosti odnosno visoke motiviranosti. Podaci o pojedinom kandidatu skupljaju se iz mnoštva izvora, te služe za izradu osobnog profila. U tome sudjeluju napredne tehnologije koje omogućuju djelotvorno prikupljanje i obradu mnoštva korisnih digitalnih podataka u kratkom vremenu. Stoga u zadnje vrijeme u tom procesu, pored psihologa, sudjeluju i podatkovni stručnjaci koji omogućuju djelotvornu uključenost umjetne inteligencije u te procese.
Treba napomenuti kako se umjetna inteligencija ne koristi samo za odabir talenata, već i za druge djelatnike na različitim pozicijama. Tako, primjerice, menadžeri u američkom prodajnom lancu Walmart koriste umjetnu inteligenciju pri zapošljavanju prodavača, ali i ostaloga osoblja. Prednost je umjetne inteligencije što u kratkom roku, uz mnoštvo podataka, može odabrati najbolje kandidate, koji se nude na tržištu rada.
Tradicionalna procedura zapošljavanja u Walmartu trajala je dva do tri tjedna. Valja naglasiti kako je Walmart jedna od najvećih američkih tvrtki po prihodima i najveći privatni poslodavac s oko 2,3 milijuna zaposlenih, koji rade u preko 11.000 prodajnih mjesta diljem svijeta. Rukovoditelji kompanije pokrenuli su Projekt 24, koji uz pomoć umjetne inteligencije postupak zapošljavanja obavlja u roku od 24 sata. Proces regrutiranja radne snage u Walmartu je konstantan, a jedna od ključnih točaka te procedure je baza podataka koja se svakodnevno ažurira, te služi kao pouzdan temelj analize potencijalnih kandidata. Umjetna inteligencija neprekidno korigira i dopunjava bazu podataka stvarajući liste potencijalnih kandidata za različite radne pozicije unutar kompanije.
Taj model sličan je modelu pravovremene proizvodnje (just-in-time production) u kojem potrebni materijal za proizvodnju stiže točno u trenutku kada će biti iskorišten. Stoga nema potrebe za skladištima koja u, krajnjoj liniji, predstavljaju mrtvi kapital. Jedan od ključnih izazova tog poslovnog obrasca je kontinuirano osiguravanje visoke kvalitete. Umjetna inteligencija je bitna za pravovremeno zapošljavanje (just-in-time hirng) koje omogućava ne samo trenutno popunjavanje radnih mjesta, već i odabir najkvalitetnijih djelatnika. Za taj postupak odabira zaposlenika, kao i korištenje umjetne inteligencije u upravljanju ljudskim resursima menadžeri Walmarta dobili su brojna priznanja.
Bez obzira što je proces odabira zaposlenika automatiziran i vođen umjetnom inteligencijom, još uvijek je potreban čovjek. Ljudska uloga sastoji se, pored ostaloga, u usmjeravanju tog procesa. Primjerice, menadžment se može odlučiti na osvajanje novih tržišta, koja se sastoje od brojnih novih specifičnosti. U tom slučaju čovjek treba definirati ciljeve i specifičnosti vezane za realizaciju tih ciljeva, što uključuje i profiliranje poželjnih performansi budućih djelatnika. Unutar tih okvira valja usmjeriti umjetnu inteligenciju, kako bi provela odgovarajuću analizu i predložila moguća rješenja.
Nužno je naglasiti kako se korištenje umjetne inteligencije i golemih količina podataka pri zapošljavanju, odnosno traženju talenata nalazi u početnoj fazi razvoja. Taj će se proces sve više razvijati i koristiti kao važan segment upravljanja ljudskim potencijalima, jer u kratkom periodu, u kompleksnim tržišnim uvjetima, može ponuditi optimalna rješenja.
Mr.sc. Marinko Kovačić
Comments