Binnen Workday kunnen gebruikers nieuwe applicaties bouwen. Hierdoor lopen wij binnen het Workday ecosysteem voorop in de ontwikkeling van deze applicaties. De apps die we bouwen zorgen ervoor dat HR, managers en medewerkers een betere ervaring hebben in Workday, maar ook dat processen efficiënter gaan met behulp van AI.
Onlangs ontwikkelden wij een intelligent systeem voor het opstellen van doelen en het verkrijgen van feedback. Organisaties stellen elk jaar nieuwe passende individuele doelstellingen. Hierbij kan AI helpen als sparringpartner. Het biedt de mogelijkheid om doelstellingen te beschrijven en daarna advies te ontvangen van een GenAI-toepassing. Hoe deze SMART te formuleren en of het aansluit bij de ontvangen feedback. Inmiddels helpt het team een klant om dit systeem in hun organisatie goed te integreren.
GenAI begrijpt tekst heel goed, ongeacht of deze slecht geschreven is of slechts uit vijf zinnen bestaat. Het biedt altijd suggesties voor verbeteringen. Wanneer medewerkers slechts een paar steekwoorden intypen, ontvangen ze advies. De app kan ook de feedback die een medewerker heeft ontvangen analyseren om te bepalen wat iemand nog moet ontwikkelen. Op basis van alle data wordt er advies op maat gegeven voor een concrete doelstelling.
Wanneer mensen in verschillende teams werken, is deze toepassing voor het stellen van doelstellingen ook nuttig. In organisaties waar personeel vaak aan verschillende projecten werkt, is het prettig als leidinggevenden de ontwikkeling van medewerkers over een langere periode kunnen bekijken. Zo krijgt de ontwikkeling van personeel meer prioritiet.
Er wordt gewerkt aan een model dat e-learnings voor personeel verder verbetert. E-learnings bevatten vaak dezelfde soort vragen. Met GenAI is het mogelijk om meer dynamischere vragen te stellen. De toepassing zorgt ervoor dat snel nieuwe vragen kunnen worden ontwikkeld, en er kan worden afgewisseld met unieke open vragen. Bovendien laat het zien welke onderdelen van de training al goed worden begrepen en waar nog aan gewerkt moet worden.
Door deze e-learnings wordt veel meer relevante feedback verkregen. Het systeem blijft nog steeds schaalbaar omdat het volledig door AI wordt uitgevoerd. Er zijn geen docenten of trainers nodig om het huiswerk na te kijken, en er kunnen nieuwe of betere vragen worden gesteld. Dit garandeert dat mensen echt de stof tot zich moeten nemen.
Ook voor de ziekte- en verzuimregeling van organisaties is een efficiënter proces bedacht. Wanneer iemand lange tijd ziek is, hebben zowel werknemer als werkgever allerlei plichten waaraan ze moeten voldoen om te zorgen dat iemand zo snel mogelijk kan re-integreren, zoals een duidelijk plan van aanpak. Dit proces is nu volledig gefaciliteerd via het systeem, zodat organisaties daar niet over hoeven na te denken. AI helpt door ziekteverzuim sneller te kunnen voorspellen op basis van data. Daarmee krijgen organisaties een betere prognose wanneer het verzuim omhooggaat, waardoor risicofactoren sneller worden gesignaleerd. Dit is een goed voorbeeld van machine learning. Hierbij wordt op basis van data gekeken wat de impact is.
Er wordt gewerkt met een creatief team dat goed kan anticiperen op de probleemvraag van de klant. De community of solvers heeft een brede expertise. Binnen PwC is er veel kennis over zaken als arbeidsrecht, loonbelasting en personeelsbeleid, waardoor snel een efficiënte toepassing via Workday kan worden geïntegreerd.
Die expertise wordt ook ingebouwd in de applicaties. Daarnaast onderscheidt ons team zich door graag mee te denken. De oplossingen die zijn bedacht, bestaan voor een groot deel uit nieuwe technologieën.
Het doel van deze toepassingen is dat medewerkers sneller met hun leidinggevenden in gesprek gaan over hun ontwikkeling. Dit wordt zelfs aangemoedigd, zodat medewerkers meer bezig zijn met hoe ze kunnen bijdragen aan de strategie van de organisatie. Uiteindelijk zouden medewerkers minder tijd in de systemen moeten doorbrengen en meer met hun leidinggevende, doordat ze nu beter ondersteund worden door technologie.