Ühes hiljutises intervjuus pillas Asha Sharma, Microsofti AI tootestrateegia juht, mõttetera, et AI agentide laialdasem kasutamine viib selleni, et “org chart” asendatakse “work chart’ga”. Kui täna mõtleme kategooriates ‘kes kellele organisatsiooniskeemis allub ja kes mille eest vastutab’, siis tulevikus suundub pilk pigem sellele, et mida me täpselt paremaks tegema peame, et luua rohkem väärtust.
Asha Sharma ütles täpsemalt järgmist: “Me liigume maailma poole, kus kvaliteetse väljundi hind läheneb nullile. Me näeme plahvatuslikku nõudlust suurema tootlikkuse ja paremate tulemuse järele. Ainus viis seda skaleerida, on agentidega. Kui see kõik juhtub, muutub organisatsiooniskeem (ingl k org chart) töö skeemiks (ingl k org chart).”
Ma ei tea, kui palju ja kui põhjalikult Microsoftis seda muutuste trendi analüüsitud on, kuid igal juhul asetub see ühe pusletükina hetkel käimas olevasse diskussiooni AI agentide ja inimeste rolli üle organisatsioonis. Ka näiteks IBM ja McKinsey tõdevad, et AI agendid pole enam pelgalt tööriistad, vaid integreeritud organisatsiooni pigem nagu “töötajad”.
Samal teemal kirjutab Johannes Müller Workpath’is, et AI agentide tulek toob kaasa uued koordineerimise ja tööülesannete täitmise mustrid, mis lõhuvad traditsioonilisi hierarhiaidja esitavad põhimõttelisi küsimusi organisatsioonide ülesehituse kohta. Asha Sharma mõttekäiku kommenteeri ka Nathaniel Whittemore oma podcastis The AI Daily Brief. Tema visioonis on org chart liiga staatiline tänaste väljakutsete jaoks ja üha rohkem keskendutakse tulevikus sellele, kuidas inimesed agentidega koostööd peaks tegema. Whittemore näeb seejuures, et inimese roll võiks olla mingi konkreetse töölõigu teenindaja (ingl k. Work steward), kui töö tegija ehk siis hoolt kanda, et töölõik saaks tehtud.
Kuid AI agentide laiem kasutusele võtmine ei ole ainus põhjus, miks senised org chartid enam hästi ei tööta. Teine suur põhjus seisneb selles, et teadmiste hankimise senised protsessid on kiiresti muutumas.
Teadmiste kättesaadavuse muutumine
Üks suurimaid erinevusi tänase ja mõne aasta taguse olukorra vahel on teadmiste kättesaadavus. Kui varem tähendas uute oskuste omandamine sageli pikka õpingute perioodi, koolitusi või töö käigus saadud kogemust, siis nüüd on paljud spetsiifilised teadmised kättesaadavad peaaegu hetkega…
Meil on võimalik suhteliselt lihtsalt teada saada või õppida, kuidas üles ehitada müügistrateegiat; kuidas hinnata turundustegevuse tulemusi või kuidas kavandada klienditeeninduse protsesse. Teadmised, mille kättesaamine oli varem seotud spetsiifilise hariduse, täiendkoolituste või kogemuste omandamisega tööpostil, on nüüd palju lähemal ja kättesaadavamad. Teadmiste omamise monopol on mõnes mõttes murdunud.
Taoline muudatus hakkab ilmselt mõjutama ka seda, kuidas organisatsioone üles ehitatakse. Kui oskuste ja teadmiste omandamine ei nõua enam nii suurt ajakulu ega pikaajalist varasemat kogemust, tekib organisatsioonidel võimalus vaadata värbamist ja rollijaotust teise pilguga.
Full-stack arendaja tagasitulek
Üks sektor, mis rollide muutust eest veab, on kindlasti tarkvaraarendus, kus täna ka kõige enam AI agente kasutusele võetakse. Olles ka ise tarkvarasektoris pikemalt olnud, siis näen neid muudatusi lähemalt ja seega oskan just selle sektori näitel ka kõige paremini kommenteerida.
Kui ma tarkvaraarenduses 90ndate lõpus alustasin, siis “progeja” oli see, kes tegeles peaaegu kõigega, et mingi tarkvara saaks kliendile üle antud. Enamasti töötas väiksemates tarkvarabutiikides vaid paari-kolme rolli jagu inimesi (projektijuht + disainer + progeja) ja igaüks tegeles korraga üsna mitme asjaga.
2010-ndatel ehk siis SAAS ajastul toimus aga “progejate” kiire spetsialiseerumine nišširollidesse. Osadest said frontend arendajad, osadest backend arendajad, osades devops arendajad jne. Asi läks lõpuks väga detailseks: scrum master, product manager, product owner, frontend designer, frontend engineer, Java-backend engineer, .Net backend engineer, Androidi developer, iOS developer, QA specialist, DevOps engineer jne.
Hetkel aga tundub, et AI tulekuga rullib ajalugu end veidike tagasi. Tänu AI arendusagentidele on järjest enam arendajaid võimelised katma üha laiemat ampluaad arendusprotsessis. Kui AI abil saab arendaja teha nii front- kui backendi ja tegelikult hallata ka piisaval määral devopsi ülesandeid, siis ole ei organisatsioonides enam mõtet taga ajada väga kitsaid arendajaprofiile.
Tarkvaraarendus ei ole muidugi ainuke valdkond, kus paistab silma generalistide nö “uus tulek”, sest AI agentide rakendamine ei piirdu ju vaid IT-sektoriga. Minu hinnangul olemegi praegu üldisemalt ajajärgus, kus võimekus näha laiemat pilti ja olla paindlik, on hädavajalik. Mitte sellepärast, et spetsialiseeritud teadmist poleks enam vaja, vaid seetõttu, et teadmiste kättesaadavus ja rakendamise kiirus on muutunud.
Värbamise paradigma ümberhindamine
Kui mõelda, kuidas organisatsioonid on seni inimesi värvanud, siis kindlasti on olnud oluliseks küsimuseks kandidaadi varasem kogemus. Valdavalt oodatakse kandidaadilt tõestust, et ta on juba sarnases rollis hakkama saanud, ja seetõttu on eelnev töökogemus sageli peamine sõel, mille abil inimeste võimekust hinnatakse. See tundub ka väga loogiline: kui inimene on varem midagi edukalt teinud, miks ei peaks ta sellega hakkama saama ka edaspidi?
Kas see sama printsiip on endiselt kehtiv olukorras, kus uute oskuste omandamine on varasemast palju lihtsam ja kiirem?
Võime ette kujutada olukorda, kus turundusspetsialisti ametikoha täitmiseks kandideerib kaks inimest: ühel on pikk taust turunduses, teisel aga hoopis kogemus raamatupidamises, kuid ta oskab AI abil arendada turundusplaani, analüüsida andmeid ja hinnata loovlahendusi. Kasutada AI’d isegi selleks, et hinnata selle plaani kvaliteeti ja vastavust maailma parimatele praktikatele.
Traditsiooniline värbamismudel jätaks viimase ilmselt kohe kõrvale, kuid tegelikult võib ta olla organisatsioonile vähemalt sama väärtuslik, kui esimene. Aga võibolla isegi enam! Näiteks olukorras, kus lisaks turundusplaani tegemisele vajab konkreetne töölõik kohest finantsanalüüsi võimekust.
See (hetkel pigem veel hüpoteetiline olukord?) näitab, et värbamise, aga miks mitte ka praeguste töötajate hoidmise ja arendamise raskuskese peab nihkuma. Küsimus ei ole ainult selles, mida inimene on varem teinud, vaid selles, kuidas ta suudab kohaneda ja õppida.
Kui organisatsioon jääb kinni ainult varasema kogemuse hindamisse, võib ta mööda vaadata kandidaatidest, kes on valmis uut moodi töötama ja kellel on oskus kiiresti omandada vajalikud teadmised.
Minu hinnangul on just see nihe värbamises üks suuremaid praktilisi muutusi, mis AI tööriistade mõjul organisatsioonides aina sagedamini esile kerkib.
See sunnib nii värbajaid kui juhte kandidaate veidi teisit vaatama ja küsima, millist potentsiaali nad endaga toovad, mitte ainult seda, millise mineviku nad endaga kaasa toovad.
Kas org chart asendatakse work chartiga?
Väärtusloome ja selle hindamise protsess on alati olnud olemas, kuid sageli on see jäänud org charti varju. Räägime teenusedisainist ja innovatsioonist, aga mõtleme, et millisesse osakonda peaks uue inimese värbama ja mis ametinimetusega, eks?
Kui keskendume liiga palju organisatsiooni positsioonidele, siis võib tahaplaanile jääda see, kuidas töö tegelikult tehtud saab, kuidas erinevad inimesed ja oskused eri protsessides kokku puutuvad ning millised kohad terviklikus väärtusloomes vajavad uuendamist.
Hetkel on üha teravamaks kujunenud küsimus, et kas me oskame oma protsesse sõnastada ja kujundada nii, et need looksid meie klientidele rohkem väärtust üha suureneva efektiivsusega.
See tähendab, et organisatsiooni juhtimise fookus peab nihkuma: rollidelt, osakondadelt, divisionidelt kliendi vajadustele, organisatsiooni tegevustele ja tulemustele. Mis omakorda aga tähendabki, et org charti kõrvale on vaja luua work chart.
Work chart mõtestab lahti, kuidas väärtus sünnib tegevuste ja töölõikude süsteemina. Work chart võib aidata meil ka tuvastada kohti, kus väärtusloome on täna takerdunud - vool on pidurdunud. Ja seal tulebki vaadata, et kas takerdumine on ehk äkki jäänud “ametijuhendi” või mõne muu org charti artefakti taha.
Minu jaoks on see mõtteviisi muutus ilmselt kõige olulisem. Kuigi sellest on juba varem palju räägitud, siis just AI tööriistade tulek lihtsalt tõukab tagant muutust, kus organisatsioon ei ole enam ainult kastide kogum skeemil, vaid elav süsteem, kus väärtus sünnib seal, kus inimesed ja tehnoloogia loovad koos midagi, mida varem ei olnud.
Kokkuvõte
Kui püüda need mõtted kokku võtta, siis mulle tundub, et elame ajajärgus, kus generalistlik võimekus on saanud uue hingamise. See ei tähenda, et ekspertide roll väärtusloomes oleks nüüd täitsa teisejärguline – ei pigem mitte, kuid tasakaal on nihkumas “universaalse töötaja” kasuks.
See mõjutab nii värbamist, organisatsioonide ülesehitust kui ka igapäevast töökorraldust. Kui varem hinnati eelkõige varasemat kogemust ja spetsialiseerumist, siis täna on sama oluline hinnata inimese valmisolekut omandada uusi oskusi ja tegutseda eri kontekstides. Väärtus ei sünni enam ainult ühe kitsa rolli täitmisest, vaid erinevate teadmiste ja oskuste kokkupuutest, mida inimene oskab uutes olukordades rakendada.
Organisatsioonide juhtidelt nõuab see mõtteviisi muutust. Kui keskenduda ainult ametikohtade ja hierarhia hoidmisele, võib jääda märkamata tegelik võimalus oma protsesse täiustada.
