Misura ancora il lavoro, o già il suo risultato

La domanda dietro la domanda

Una misurazione delle prestazioni è costruita su un presupposto: chi svolge il lavoro determina come lo si misura. Un venditore riceve un target di fatturato, un addetto al supporto un tempo di gestione, un analista un tempo di attraversamento per rapporto. Non appena una parte di quel lavoro viene svolta dall'AI — a volte completamente, a volte con una persona che approva o respinge — cambia ciò che c'è da misurare. Non perché il KPI fosse sbagliato, ma perché misura un'azione che non avviene più nello stesso modo.

Le tre categorie in cui l'AI rileva il lavoro attraversano ogni misurazione delle prestazioni. Il lavoro che l'AI rileva completamente richiede una metrica diversa dal tempo di attraversamento: quel tempo non esiste più come collo di bottiglia. Il lavoro su cui una persona esercita supervisione — approvare o respingere, con motivazione — richiede una metrica che registri la qualità di quella valutazione, non la velocità della vecchia azione. E il lavoro che rimane lavoro umano mantiene il suo vecchio KPI, ma acquista peso perché rimane dopo che l'altro è cambiato.

Da dove viene la differenza

Alcune organizzazioni hanno già elaborato questo, altre no. La differenza raramente sta nella tecnologia in sé, ma in chi ha stabilito i KPI e quando. Un KPI stabilito cinque anni fa per una funzione presuppone un modo di lavorare che ora è stato parzialmente rilevato. Se nessuno ha rivisto quel KPI, l'organizzazione continua a misurare qualcosa — solo non più ciò che realmente accade.

Lo nota per la prima volta nei rapporti che non corrispondono più alla sensazione sul campo. Un team raggiunge i suoi target, ma nessuno sa spiegare perché l'output è aumentato così rapidamente. Oppure un target viene sistematicamente mancato, mentre l'output è invece aumentato — perché la metrica misura ancora la vecchia azione, non quella nuova. Entrambi sono segnali che la misurazione è in ritardo rispetto al lavoro.

Cosa cambia nella pratica

Tre cambiamenti ricorrono in quasi ogni organizzazione dove è stato introdotto il lavoro con AI, in ordine e velocità variabili:

Dal tempo al risultato. Dove un KPI un tempo misurava il tempo per compito, quel tempo diventa incontrollabilmente piccolo o invisibile per il lavoro rilevato. La misurazione deve quindi spostarsi su ciò che è stato consegnato, non su quanto tempo ci è voluto.
Dal volume alla qualità della valutazione. Per il lavoro con supervisione umana non si misura più quanto è stato fatto, ma quanto bene è stato approvato o respinto, e su quali basi. Questo richiede un tipo di dashboard diverso da un contatore di produzione.
Dalla funzione alla capability. I KPI legati a un titolo di funzione perdono significato se il lavoro all'interno di quella funzione si sposta verso un'altra combinazione di persona e sistema. La misurazione deve essere legata al lavoro stesso, non al ruolo che storicamente lo svolgeva.

Nessuno di questi cambiamenti avviene ovunque alla stessa velocità. In un'organizzazione dove l'amministrazione è già cambiata, la misurazione del contatto con il cliente a volte è ancora indietro di anni. Questo non è una contraddizione — è esattamente il motivo per cui la misurazione delle prestazioni deve essere considerata per categoria di compito, non per reparto.

Cosa c'entra questo con i diritti decisionali

Un KPI che non corrisponde più al lavoro mina non solo la misurazione ma anche chi può decidere sulla base di essa. Se un capo team viene valutato su una cifra che non rappresenta più bene il lavoro, si sposta anche la domanda su chi sia effettivamente responsabile del risultato — la persona che approva, o il sistema che fornisce il lavoro. Questo tocca i diritti decisionali all'interno dell'organizzazione, ed è esattamente lì che un'ambizione si blocca se lo strato sotto i KPI non è stato rivisto.

Questo argomento a volte tocca l'organico — chi svolge ancora quale lavoro, e cosa significa questo per una funzione. Per questo valgono requisiti legali propri, separati da quanto qui descritto.

Come questo si collega al resto dell'ambizione

La misurazione delle prestazioni non è isolata. Un'ambizione che presuppone lavoro con AI deve anche rispondere a come si bilancia la crescita rispetto al margine quando la capacità cambia, a cosa significa questo per la resilienza finanziaria dell'organizzazione quando il lavoro cambia forma, e a come si rende misurabile una visione affinché i KPI sotto quella visione siano realmente allineati. Senza questa coerenza si misura una parte, mentre l'ambizione riguarda l'insieme.

La domanda sottostante — quale lavoro nella sua azienda può realmente essere rilevato dall'AI, e dove ciò richiede supervisione anziché sostituzione — viene risposta per compito con la scansione del lavoro di FTE TO AI.

Cosa può fare ora

La domanda se la sua misurazione delle prestazioni sia pronta per il lavoro che cambia non si può rispondere con una singola conversazione, ma si può iniziare a rispondere. Il controllo di prontezza gratuito le offre, con otto brevi domande — una per dimensione — un quadro di dove è più avanti e dove è meno avanti. Il test completo dell'ambizione, con i quattro strati dalla visione ai diritti decisionali, è in fase di realizzazione.