Siemens zamestnáva stovky tisíc ľudí. Ktorý z problémov, ktoré ako personálna riaditeľka firmy aktuálne riešite, je najťažší?
Sústredíme sa na naše silné stránky a na rastúce globálne trhy. Kľúčové pre nás je nachádzať talenty na udržanie expanzie a konkurenčnej výhody. Máme tiež trhy, kde sa prítomnosť našej spoločnosti zmenšuje. Tam zase riešime reštrukturalizáciu biznisových aktivít.
Ako do toho vstupuje digitalizácia, ktorá zásadným spôsobom mení podnikateľský svet?
Tento faktor vnímame veľmi intenzívne. Musíme premýšľať o tom, ako vybaviť našich zamestnancov zručnosťami, ktoré si bude vyžadovať budúcnosť. Chceme riadiť túto štrukturálnu zmenu, a preto rozvíjame školenia, ktoré pomáhajú všetkým našim zamestnancom zvládnuť nové zručnosti.
Janina Kugel
Za uplynulých päť rokov sa počet zamestnancov Siemensu mierne znížil, no teraz opäť stúpa. Predpokladáte, že automatizácia a digitalizácia spôsobia vo vašej firme pokles počtu zamestnancov?
Kdekoľvek sa používajú štandardné procesy, či už vo výrobných závodoch alebo v kanceláriách, tam sa tlak na automatizáciu a digitalizáciu zvýši. To sa však nestane cez noc. Bude to prebiehajúci proces, ktorému musíme venovať pozornosť. Vzniknú nové pracovné miesta, množstvo pracovných miest, o ktorých zatiaľ nemáme jasnú predstavu, aké budú. Znamená to, že niektorí ľudia stratia prácu a už nebudú môcť robiť to, čo robili. Budú musieť získať dodatočnú kvalifikáciu. Je to úloha, ktorú musíme všetci – firmy, zamestnanci, tvorcovia politiky a spoločnosť – prijať. Musíme sa snažiť poskytnúť profesionálne školenie čo najväčšiemu počtu mladých ľudí.
Mladá generácia si zároveň musí uvedomiť, že odborná príprava je v súčasnosti len prvým krokom ku kariére a že je nevyhnutné svoje zručnosti neustále zdokonaľovať. Učenie sa stáva celoživotnou úlohou. A platí to pre všetkých, ktorí sú súčasťou pracovnej sily.
Očakávate teda rovnaký vývoj vo vašej firme?
Samozrejme. Preto sme vyvinuli veľké úsilie na zabezpečenie vhodného školenia pre našich zamestnancov. Ak si ich chceme udržať, musíme im umožniť, aby získavali nové zručnosti. Vidíme, že roboty sa čoraz viac využívajú v priemyselných zariadeniach, kde linku, na ktorej pracovalo povedzme päť ľudí, dnes zvládne jediný zamestnanec. Platí to aj v iných oblastiach, napríklad v administratíve. Aj tu niektoré úlohy postupne preberajú stroje, ľudí v call centrách pomaly nahrádzajú boty, ktoré dokážu odpovedať na väčšinu vašich otázok. Takže musíme premýšľať o tom, ktoré zručnosti potrebujú ľudia na zvládnutie sofistikovanejších a náročnejších pracovných pozícií. Som si istá, že niektoré pracovné miesta zmiznú a objavia sa nové.
Janina Kugel
HR softvér by nemal odrážať nevedomé predsudky jeho tvorcov
Dokážu ľudia, ktorí pracovali pri linke, prevziať obsluhu celej linky a ovládať ju so svojou úrovňou vzdelania a vedomostí? Je možné týchto ľudí školiť a vytrénovať tak, aby to dokázali?
Nehovoríme o zmene, ktorá sa stane zo dňa na deň. Skôr by som to nazvala evolúcia pracovných miest. Napríklad 3D tlačiarne majú čoraz väčší vplyv na prácu inžinierov, elektrotechnikov, elektrikárov alebo zváračov. Ich povolanie nezanikne, len sa zmení jeho charakter, pretože množstvo pracovných úkonov za ľudí urobia stroje ako 3D tlačiareň. Budete sa musieť naučiť navrhovať alebo tlačiť pomocou 3D tlačiarne. Digitalizácia a automatizácia teda nezmenia sto percent zručností súvisiacich s konkrétnou prácou, ale možno 20 alebo 30 percent. V Siemense investujeme do vzdelávania zamestnancov viac ako pol miliardy eur ročne. Neustále trénujeme a rekvalifikujeme našich zamestnancov v závislosti od úrovne ich zručností a vedomostí.
Aké nové pracovné pozície vznikajú v Siemense?
Napríklad dátoví analytici. S rozvojom digitalizácie sa vyvíjajú nové digitálne obchodné modely, za všetky spomeniem prediktívnu údržbu. Naši inžinieri sa snažia zistiť, ako predvídať zlyhania vlakov. Pre zákazníka je pri cestovaní vlakom dôležité, aby prišiel načas. Ak vlak mešká, môže to mať rôzne dôvody. Zhromažďovaním a analýzou dát možno predvídať akékoľvek potenciálne riziká a tieto vedomosti využiť pri navrhovaní vlakov. Na zvládnutie tejto pozície sú potrebné znalosti z oblasti IT, matematiky aj strojného inžinierstva.
Janina Kugel
Dátový analytik je relatívne sofistikované povolanie. Zrejme sa nedá počítať s tým, že zvárača z linky preškolíte na dátového analytika po tom, ako prácu zváračov preberú stroje.
To je pravda. Zvárač je však výborným príkladom toho, čo chcem povedať. Zváranie dnes skvele zvládajú roboty, ale nedokážu zvariť všetko a všade. Existujú materiály, miesta, hrany, kam sa robot nedostane a je potrebné ich zvariť manuálne. Takže kombinácia zvárač a robot môže priniesť oveľa lepšie výsledky ako každý z nich jednotlivo.
Keď sme pri dátových analytikoch, ako využívate dáta na HR oddelení? Čo z nich dokážete vyčítať a ako ich dokážete využiť na zlepšenie efektívnosti práce?
Meranie výkonnosti a spokojnosti zamestnancov je dobrým príkladom analýzy údajov v oblasti ľudských zdrojov. Používame dotazníky na meranie výkonnosti aj spokojnosti a na získavanie spätnej väzby našich pracovníkov. Ak sú napríklad zamestnanci nešťastní, zvyčajne sa to prejaví na ich výkonnosti, pretože bez motivácie nedajú do práce to najlepšie zo seba. Ak vidím nadpriemernú mieru fluktuácie zamestnancov na niektorom oddelení, viem si pozrieť údaje o výkonnosti manažéra oddelenia a mieru angažovanosti, ktoré zvyčajne vykazujú určitú koreláciu. V tomto roku sme tiež zaviedli mobilnú verziu pre pravidelný prieskum angažovanosti zamestnancov. Manažéri majú k dispozícii aplikáciu, ktorá im poskytuje štatistiky týkajúce sa ich tímu, dozvedia sa vďaka nej napríklad, či všetci členovia odpovedali na otázku rovnakým spôsobom alebo sú v tíme odlišné pohľady na spoločnú prácu. A prichádzame k zaujímavým záverom.
Napríklad?
V minulosti sme si mysleli, že firemná kultúra spoločnosti Siemens sa v jednotlivých krajinách líši v závislosti od odvetvia. Na naše prekvapenie sme našli veľmi homogénnu štruktúru odpovedí. Ako keby celý svet odpovedal na základe toho istého vzoru. Bez ohľadu na krajinu, vek, pohlavie, funkciu alebo rozdelenie. Takže naša firemná kultúra je silná všade a ak ju niekedy budeme chcieť meniť, bude si to vyžadovať enormné úsilie. Pracujeme tiež s AI technológiou, máme bota, ktorý odpovedá zamestnancom na základné otázky, ako napríklad kde nájdem online svoju výplatnú pásku alebo na akom školení sa môžem zajtra zúčastniť. Vďaka umelej inteligencii dokáže bot odpovedať na viac otázok a presnejšie s každou ďalšou otázkou. No pri všetkej tej digitalizácii a robotizácii nesmieme zabudnúť na jednu veľkú výzvu.
Tradičný hierarchický model v prepojenom svete zastaral, musíme byť rýchli, ak má firma prežiť globalizáciu
Akú?
Každý z nás má to, čo nazývame nevedomé predsudky. Napríklad kariéru si zväčša spájame s mužmi, zatiaľ čo rodinu so ženami. Táto zaujatosť často vedie k nesprávnym rozhodnutiam. V niektorých anglosaských krajinách je zakázané prikladať fotografiu alebo údaj o veku, keď sa hlásite na pracovnú pozíciu. Je dokázané, že výber je objektívnejší, ak ten, čo vyberá, nevie, ako uchádzač vyzerá alebo aký má vek. Algoritmy softvéru AI preto musia byť vyvinuté neutrálne, bez predpojatosti. Musíme starostlivo sledovať, či softvér poskytuje neutrálne odpovede, či odpovede nie sú založené na údajoch, ktoré odrážajú nevedomé predsudky. Softvér je totiž naprogramovaný ľuďmi. Musíme týchto ľudí upozorniť na túto problematiku, aby dokázali rozpoznať svoje nevedomé predsudky a pomocou cieleného vzdelávania ich prekonať.
Janina Kugel
