scil Innovationskreis «Augmentation & PE» Arbeitsheft zum Kick-off Workshop (inkl. Ergebnisse) St.Gallen, Dr.

Transkript

1 scil Innovationskreis «Augmentation & PE» Arbeitsheft zum Kick-off Workshop (inkl. Ergebnisse) St.Gallen, Dr. Christoph Meier

2 Ziele für das Kick-off Orientierung & Kennenlernen Wer ist dabei? Mit welchem Auftrag / welcher Zielgruppe im Blick? Augmentation Arbeitsprogramm für den IK Review & Abstimmung Inhaltliche Erarbeitung Awareness KI & ML: Was müssen wir wissen? Was müssen unsere Zielgruppen wissen? Möglichkeiten der Bearbeitung Verunsicherung / Berührungsängste Standortbestimmung: Themen & Umsetzung Arbeitsfähigkeit im Kreis Terminplanung Ablage Webmeetings scil 2

3 Übersicht Arbeitsprogramm KI-basierte «smart machines» in verschiedenen Arbeitsfeldern Produzierendes Gewerbe Awareness erzeugen Kundenbetreuung Nachrichten / Medienproduktion Verunsicherung bearbeiten Logistik Entwicklungsoptionen aufzeigen Steuerprüfung Entwicklung unterstützen Anlageberatung Personalentwicklung / L&D: Mandat sichern bzw. gewinnen & Herausforderungen bearbeiten Beschäftigtengruppen Einzelpersonen Veränderung beobachten & Erfolg ausweisen Sich-Einlassen Ausweichen Step forward (build) Step up Step in Step aside Step narrow scil 3

4 Ablauf (Vorschlag) Zeit (ca.) Thema Begrüssung & Kaffee Orientierung, Kennenlernen, Fragen zur Vorbereitung Augmentation; Orientierung zu KI / ML; Arbeitsprogramm; Lunch-Pause Inhaltliche Erarbeitung: Orientierung & Awareness fördern Inhaltliche Erarbeitung: Perspektive & Augmentationsstrategien Kaffeepause Terminplanung (Termine, Orte, etc.) Gemeinsame Arbeitsumgebung Rückblick - Ausblick Ende des Arbeitstreffens scil 4

5 Kennenlernen scil 5

6 Augmentation was steht wo an? Partner Fokussierte Ziel- / Beschäftigtengruppe Neue / KI-basiere Technologie Axa-Winterthur Schaden- / Sachbearbeitung Chatbots -Erkennung Computacenter Credit Suisse Mitarbeitende in den Bereichen Callcenter, Logistik, Services, Vertriebs-Innendienst MA im Bereich PE / Ausbildung; Personalkommission Bots Hololens / AR (Service MA) Viele digitalisierte / Automatisierte Prozesse Zentrale Herausforderung Vorbehalte / Befürchtungen der Beschäftigten Veränderungsbereitschaft (z.t. lange Betriebszugehörigkeit) Prozessautomatisierung, Existenzängste der MA, Chancen sichtbar machen (höherwertige Aufgaben) Post CH Service Operators & Call Center; Annahme / Sortierung / Zustellung KI zur Verarbeitung unstrukturierter Daten Hololens (AR) Integrierte Kundenprozesse; «Pöstler» mit digitalen Geräten vertraut machen SBB MA im Bereich IT / Dateninfrastruktur ZF Friedrichshafen MA in der Produktion; AssistentInnen / SekretärInnen MA im Finance / Controlling Verschiedene KI-basierte Lösungen in der Produktion und im Einkauf Kompetenzmanagement & Laufbahnentwicklung; Re-skilling / employability; MA-Wissen sichern; Produktion neu erfinden; Entwicklungen (KI) für MA noch nicht greifbar; Insellösungen im Bereich IT; scil 6

7 AUGMENTATION scil 7

8 Substitution vs. Augmentation happens-robots-can-jobs/ Bildquelle: Festo / Brugger & Kimmich Die komplementäre Kooperation von Menschen und intelligenten Maschinen / Robotern ermöglicht ein ungeahntes Wertschöpfungsniveau Brugger / Kimmich: Onboarding des Kollegen Roboter, changement 03/2017, S scil 8

9 Ziel: Effektives Zusammenspiel von Menschen & (intelligenten) Maschinen ear_intelligent_machines_work_with_them : Dark horse ZackS wins Freestyle Chess Tournament "A weak human player plus a machine plus a better process is superior to a very powerful machine alone but more remarkably is superior to a strong human player plus machine and an inferior process scil 9

10 Augmentation: Entwicklungsstrategien Sich-Einlassen Step forward (Build the steps) Ausweichen Step up Step in Step aside Step narrow An der (Weiter-) Entwicklung digitaler / KIbasierter Systeme (mit-)arbeiten. Arbeitsergebnisse digitaler / KI-basierter Systeme bewerten. (Mit-) Entscheiden, wo welche Systeme wie eingesetzt werden. Digitale / KIbasierte Systeme kennen (Stärken, Schwächen, Optimierungsmöglichkeiten). Digitale Systeme einsetzen / produktiv nutzen. Auf Aufgaben fokussieren, die Menschen besser bearbeiten als digitale Systeme. Nischen suchen, die (vorerst) nicht von digitalen Systemen besetzt werden scil 10

11 KÜNSTLICHE INTELLIGENZ UND MASCHINELLES LERNEN - Was müssen wir darüber wissen? - Was müssen unsere Zielgruppen darüber wissen? scil 11

12 Was ist KI? Was ist ML? Künstliche Intelligenz Realisierung von intelligentem Verhalten und den zugrundeliegenden kognitiven Fähigkeiten auf Computern (Wahlster 2017) Kerngebiete - Problemlösen durch Suche - Wissensrepräsentation - Planung - Lernende Systeme Maschinelles Lernen Teilgebiet der KI-Forschung / Entwicklung Anwendung von statistischen Verfahren damit Computersystemen lernen zu ermöglichen (d.h. kontinuierliche Verbesserung der Leistung bei spezifischen Aufgaben) ohne dass dies durch explizite Programmierung erfolgt (en.wikipedia.org) Ansätze - Überwachtes Lernen - Nicht-überwachtes Lernen - Neuronale Netze - Lernen durch Verstärkung - Lernen durch Austausch (mit anderen Systemen) scil 12

13 Über welche Fähigkeiten verfügen «intelligente» Maschinen? Fähigkeiten Anwendungsfelder Beispiele (Wieder-)Erkennen & verstehen Handschrift -> Maschinenschrift Stimme -> Maschinenschrift Erkennen von Gegenständen in Bildern / Video Repetitive Verrichtungen ausführen Bedeutung identifizieren Kontext berücksichtigen & interagieren Abwägen & empfehlen / entscheiden Lernen & verbessern Produzierendes Gewerbe & Landwirtschaft Automatische Übersetzungen Roboter Pepper: Interagieren mit Kunden Empfehlung / Entscheidung für Börsenpapier (Vermögensverwaltung) Alle Anwendungsfelder für Maschinelles Lernen Nach Deloitte / Efma (2017): AI and you. Whitepaper scil 13

14 Was können «intelligente» Maschinen heute leisten? Objekte produzieren Medien produzieren Personenbezogene Dienstleistungen verrichten Sparrings- / Trainings- / Wettkampfpartner sein Gesprochene Sprache verarbeiten Bilder kategorisieren & suchen / filtern Überwachen Dokumente analysieren (Rechts-, Steuerberatung, etc.) Menschen / Güter / Objekte von A nach B bewegen Quellen: Volker Hirsch: AI & the future of work. Festo.com; Microsoft / ttps:// scil 14

15 Wie werden «intelligente» Maschinen leistungsfähiger? Weiterentwicklung durch Ingenieure Verschiedenste Analyse, Planungs- & Programmier-Techniken Angeleitetes / überwachtes Lernen Regressionsanalysen; Klassifikationen; etc. Nicht-angeleitetes / nicht überwachtes Lernen Neuronale Netze (deep learning) Cluster-Bildung; Principal Component Analysis; etc. Convolutional / recurrent neural networks (CNN / RNN); etc. Lernen durch Verstärkung Markov Decision Processes (MDP); deep Q-networks (DQN); etc. Roboter «lehren» andere Demonstration Parameter Roboter (dokumentieren kombiniert mit & übertragen Parameter) Bewegungsplanungstechniken scil 15

16 Lernen durch Verstärkung: ein Beispiel Alpha Zero Stockfish 8 Regelsatz zu Schach + «Gewinnen ist gut» 4 Stunden «Training» gegen sich selbst (ca. 19 Mio. Spiele) Wettkampf Dezember 2017, 100 Spiele Viele Jahre Entwicklung & Programmierung Weltbester «Schachspieler» (Mensch oder Computer) 28 Siege 72 Unentschieden 0 Siege scil 16

17 Was können «intelligente» Maschinen (noch) nicht gut? Mit Ausnahmen / Sonderfällen umgehen Fehlerhafte Daten, fehlenden Kontext erkennen (Plausibilitätsprüfung) Unfälle / nicht vorgesehene Systemzustände bewältigen Verschiedene Prozesse miteinander verknüpfen Prozesse (neu) gestalten Quelle: World Economic Forum, Future of Jobs report; v=tzrycrtx9oq scil 17

18 Komplementäre Kompetenzen «Intelligente Maschinen werden bald jede repetitive, monothematische Aufgabe besser, rascher und schneller erledigen können als Menschen.» Zeno Staub, CEO Bank Vontobel, NZZ, Was «intelligente» Maschinen gut können Repetitive, monothematische Aufgaben ausführen (erkennen, sortieren, berechnen, übersetzen, von A nach B bringen, etc.) Was «intelligente» Maschinen NICHT gut können Mit Ausnahmen / Sonderfällen umgehen Fehlerhafte Daten, fehlenden Kontext erkennen (Plausibilitätsprüfung) Unfälle / nicht vorgesehene Systemzustände bewältigen Verschiedene Prozesse miteinander verknüpfen Prozesse (neu) gestalten Was Menschen gut können Komplexe Probleme lösen Analytisch & kritisch denken Kreativ sein Mit anderen Menschen umgehen (zusammenarbeiten, motivieren, kommunizieren, Empathie / Kundenorientierung zeigen, etc.) Wertentscheidungen treffen Schnell zwischen verschiedenen Situationen und Aufgaben wechseln scil 18

19 Wo stehen Unternehmen bei der Umsetzung von KI-basierten Lösungen? Banken & Versicherungen (Deloitte / Efma 2017) scil 19

20 Wo stehen wir Personalentwickler beim Thema? Empirische Studie in Kooperation mit DGFP 225 Personalentwickler aus D-A-CH Mehrheitlich aus Unternehmen mit 500+ Mitarbeitenden Preview auf zentrale Ergebnisse Digitaler Reifegrad in Unternehmen und insbesondere PE eher gering Wissen zu fortgeschrittener Digitalisierung (z.b. KI, ML, etc.) eher gering Wissen zu konkreten Verfahren / Methoden / Werkzeugen (z.b. KI-basierte Plattformen, Analytics, etc.) eher gering Change Management-Kompetenzen stark ausgeprägt Einstellung gegenüber Digitalisierung sehr positiv Augmentationsstrategien «Step aside» steht an erster Stelle «Step up / forward» bei PE lern mit Leitungsfunktionen ausgeprägt scil 20

21 Digitale Kompetenzen von Personalentwicklern Modell zur Erhebung Professionswissen Anforderungssituation Instrumentelle Fertigkeiten Einstellungen Digitale Transformation der PE gestalten PE relevantes Wissen - Wissen über fortgeschrittene Digitalisierung (Big Data und Analytics, KI, vchatbots, etc.), - Wissen über die Anwendung von Verfahren und Instrumenten «Soft» Skills Umgang mit digitalen Informationen Erstellen, Teilen digitaler Inhalte Zusammenarbeit mit digitalen Tools Netiquette Positive Einstellungen Spass und Freude an Digitalisierungsthemen Mehr Vorteile als Nachteile sehen Digitale Transformation der Organisation mitgestalten Interaktions-, Beratungs-/ Organisationswissen - Entwicklung digitaler Kompetenzenv - Agile Führungssysteme - Change Management «Hard» Skills Lösung von technischen Problemen Schutz von digitalen Geräten Programmieren Negative Einstellungen Angst, überflüssig zu werden Angst vor Überforderung scil 21

22 ARBEITSPROGRAMM FÜR DEN INNOVATIONSKREIS scil 22

23 Arbeitsprogramm KI-basierte «smart machines» in verschiedenen Arbeitsfeldern Produzierendes Gewerbe Awareness erzeugen Kundenbetreuung Nachrichten / Medienproduktion Verunsicherung bearbeiten Logistik Entwicklungsoptionen aufzeigen Steuerprüfung Entwicklung unterstützen Anlageberatung Personalentwicklung / L&D: Mandat sichern bzw. gewinnen & Herausforderungen bearbeiten Beschäftigtengruppen Einzelpersonen Veränderung beobachten & Erfolg ausweisen Sich-Einlassen Ausweichen Step forward (build) Step up Step in Step aside Step narrow scil 23

24 Vom Arbeitsprogramm zum Arbeits- & Zeitplan Personalentwicklung / L&D: Mandat sichern bzw. gewinnen & Herausforderungen bearbeiten Awareness erzeugen Verunsicherung bearbeiten Entwicklungsoptionen aufzeigen Entwicklung unterstützen Veränderung beobachten & Erfolg ausweisen September Oktober November Dezember Januar Februar März April Mai Juni / Juli Abstimmung Kick-off bilateral Wer (PE, MA, VG, etc.) muss was (KI, ML, etc.) wissen? Wo stehen PE ler / Unternehmen? Sind die Zielgruppen orientiert / im Bild? Gibt es Verunsicherung / Berührungsängste? Webmeeting 1 Ergebnisse zur Standortbestimmung Wie können wir Entwicklungsprofile erstellen / aufzeigen? Arbeitstreffen bilateral 1 Umsetzung Profilanalyse (je nach Stand: Planung, Umsetzung, Review) Workshop 2 Wie können Entwicklungsprofile effektiv unterstützt werden? Arbeitstreffen bilateral 2 Arbeit an Entwicklungsprofilen & formaten (je nach Stand: Planung, Umsetzung, Review) Webmeeting 2 Wie können wir Erfolg mit Augmentations- / Entwicklungsstrategien bestimmen? Workshop 3 Ggf. Ergebnisse Erfolgsbestimmung Argumentarium für L&D Integration aller Ergebnisse Instrumente für Arbeitshilfe Arbeitshilfe zu Arbeitshilfe Argumentarium Aufbau «Awareness» zur Profilanalyse: Entwicklungsprofilen zur Erfolgs- für L&D Survey zu > Konzept > Überarbeitung & bestimmung Arbeitsbericht Verunsicherung / > Review > Einsatz formaten > Konzept > Überarbeitung Berührungsängsten > Konzept > Überarbeitung > Review > Einsatz scil > Review > Einsatz 24

25 INHALTLICHE ERARBEITUNG - Awareness / Orientierung - Verunsicherung / Berührungsängste scil 25

26 Zielgruppen Themen / Aspekte Optionen Beschäftigte Vorgesetzte / Führungskräfte Personalentwickler Betriebsrat / Personalkommission Was ist KI / ML? Was können «intelligente» Maschinen gut? Wie werden sie besser? Was können sie NICHT gut? Welche Funktionen / Aufgaben / Prozesse sind betroffen? Was ist die Vision für diese Funktionen / Aufgaben / Prozesse? Wie kann eine gute Zusammenarbeit mit «intelligenten» Maschinen aussehen? Welche (komplementären) Kompetenzen kann / soll ich entwickeln? Von L&D kuratierter Info- Kanal im Intranet Poster / Infografik zum Thema Integration als Thema in Führungskräfte- Entwicklung Statement / Video vom (Top) Management scil 26

27 Parallele Arbeitsgruppen Station 1: Fokus Personalentwickler / HR Station 2: Fokus Führungskräfte scil 27

28 Ergebnisse Gruppe «Personalentwickler» Warum? Was? Wie? «Walk the talk» ((KI und digitale Transformation selbst leben, um auf der Grundlage andere Bereiche unterstützen zu können)) Grundkenntnisse Landschaft, wer wo steht (als Rahmen zum Verständnis) Impact auf die einzelnen Bereiche Maturitätsgrad der Angebote / Lösungen Experimentieren Fokusgruppen inkl. Business über Hierarchie hinaus Trendscouting (systematisch) Communities Wenig attraktive «Kittelbrenner»-Arbeiten abnehmen scil 28

29 Ergebnisse Gruppe «Führungskräfte»??? Was? Wie? Kultur Geschäft / Business Impact von KI auf Mitarbeitende / Chancen Aktives Auseinandersetzen mit KI Was bedeutet KI für meine Kunden? Was für meinen Bereich (intern)? Wie mache ich das Thema für meine Mitarbeiter erlebbar? Umgang mit Widerständen / Angst Handlungsoptionen Relevante Profilerweiterungen finden Szenarien entwickeln «Kreativ-Wolkiges», um Prozesse neu zu analysieren -> z.b. Berufsfeldanalyse Team «aufbauen», das das Thema treibt / Impulse setzt «Lighthouse-Projekte» sammeln / sichtbar machen scil 29

30 1) Standortbestimmung / «Pulsmessung» Zielsetzung Relevante Themen Varianten der Umsetzung Pulsmessung: wo stehen die fokussierten Zielgruppen? Informationen zu Welche Entwicklungsoptionen sind relevant? Wie könnten diese ausgestaltet werden? Wissen zu / Verständnis von KI / ML & Anwendungsszenarien Sicht auf Veränderungen durch KI / ML im eigenen Arbeitsfeld Wahrnehmung zur Geschäftsentwicklung (optional) Präferierte Augmentationsstrategien Einschätzung eigener komplementärer Kompetenzen Einstellungen zum Einsatz «intelligenter» Maschinen Online-Survey (verworfen) Fokus-Gruppen-Interviews und / oder Einzelgespräche auf Basis eines Leitfadens mit Fragen (Kernfragen & optionale Erweiterungen) (favorisiert) scil 30

31 TERMINPLANUNG - Workshops - Webmeetings scil 31

32 ARBEITSUMGEBUNG - Ressourcensammlung & Dokumentation - Webmeetings scil 32

33 Arbeitsplattformen: Vorschlag URL für Webmeetings: Test-Raum zoom.us: scil 33

34 OPTIONAL: FOKUS L&D scil 34

35 L&D: Wo kommt KI ins Spiel? Sprachlernbots Content Curation Services Automatisches Erstellen von Lernmaterialien Lernkarten-Systeme Training Bots & Apps Analytics Lösungen Adaptive Lernplattformen scil 35

36 Adaptive Lernplattformen scil 36

37 KI-basierte Analyse von Kommunikationskompetenz (& Coaching-Angebote) Beispiel ambit.ai persönlicher Kommunikationscoach 1. App installieren 2. App auf eigene Stimme trainieren 3. App in Besprechungen aktivieren zeichnet Kommunikation auf und analysiert z.b. Redeanteile 4. Coaching-Hinweise Turn-taking Mirroring Quellen: ; scil 37

38 KI-basiertes Erstellen von Lernressourcen Beispiel: Quizzes / Lernerfolgskontrollen zu «Cyber-Security» 1. Inhalte (Dokumente) identifizieren / auswählen 2. Dokumente in System einlesen 3. «Wissensraum» errechnen 4. Quizz erzeugen 5. Quizz publizieren scil 38

39 KI-basierter, personalisierter Curation Service Benutzerkonto anlegen Briefing anlegen via Thema / Schlagworte ODER via Quellen / URLs Fundstücke sichten / verarbeiten Bot «trainieren» (Fundstücke bewerten) Fundstücke sichten / verarbeiten /bots-for-learning Remove Hide articles like this Block this domain Show me more like this scil 39

40 Daten- / performanzgesteuerte Weiterbildung Traditional Approach 7% AT RISK Rate Train All 70,000 Associates 4 Topics 5-Minute Refresh Modules 23,333 HOURS Behavior-Based Approach 7% AT RISK Rate Train Only 7,839 Specific Associates 18 Topics 5-Minute Refresh Modules 658 HOURS 2.8% Time Required + 100% scil 40

41 ÜBER SCIL scil 41

42 Was ist scil? Was machen wir? Digitale Transformation von Weiterbildung & Personalentwicklung Strategie & Portfolio Lernkultur & Veränderung Lerndesign Entwicklung Learning Professionals Qualitätsentwicklung & Wertbeitrag scil 42

43 scil academy scil consulting scil research CAS / DAS «Bildungsmanagement» Strategie Change Marketing Wertbeitrag Entwicklungsorientierte Führung CAS «Digitale Bildung» Digitale Kompetenzen Design Thinking E-Assessment Video Learning Analytics Gamification Innovationskreise Wertbeitrag Lernkultur Führungskräfteentwicklung Digitale Transformation Benchmarking Digitale Transformation «Digitale» Kompetenzen KPI für informelles Lernen Strategie «Digitale Akademie» Entwicklungsprojekte «L&D goes digital» Konzeption Bildungscontrolling ROI für Performance Support Inhouse-Projekte Trendstudie Bildungsmanagement & Arbeitsberichte scil 43

44 Kontakt Dr. Christoph Meier Geschäftsführung Tel.: Mail: Linkedin: swiss competence centre for innovations in learning (scil) Institut für Wirtschaftspädagogik (IWP-HSG) Universität St.Gallen Guisanstrasse 1a CH-9010 St.Gallen scil 44