A stratégiai munkaerő-tervezés egyik leggyakoribb kritikája ma éppen az, ami miatt nagyobb szükség lenne rá, mint valaha: túl nagy a bizonytalanság. Nem tudjuk, milyen gyorsan terjed az AI, mely munkakörök hogyan alakulnak át, és milyen készségekre lesz szükség három év múlva. De a tervezés nem jóslást jelent. Hanem azt, hogy felkészülünk több lehetséges jövőre – mielőtt valamelyik bekövetkezik.

A konferencián az egyik előadásomban és az azt követő demóban kifejezetten a stratégiai munkaerő-tervezésről beszéltem: hogyan lehet az AI várható hatását feladatszinten vizsgálni, ebből munkakörökre következtetni, majd számszerű döntéseket hozni arról, hol lesz szükség átképzésre, hol változik a létszámigény, és milyen új képességeket kell felépíteni a szervezetben.

A beszélgetésekből azonban újra előjött néhány mondat, amelyet az elmúlt években szinte minden stratégiai workforce planning projekt környékén hallottam.

Mindegyik ellenvetésben van igazság és szerintem mégis mindegyik rossz következtetéshez vezet.

„Miért tervezzünk, amikor ekkora a bizonytalanság?”

Kezdjük a legfontosabbal: tényleg nem tudjuk pontosan, milyen gyorsan terjed majd az AI egy adott szervezetben. Nem tudjuk biztosan, mely technológiai képességek válnak elérhetővé egy vagy két év múlva. És azt sem tudjuk pontosan, hogy egy ma még kísérleti megoldásból mikor lesz vállalati szinten skálázható technológia.
Csakhogy ebből nem az következik, hogy nincs értelme tervezni. Hanem az, hogy nem egyetlen jövőre kell tervet készíteni.

A stratégiai munkaerő-tervezés nem jóslás. A bizonytalanságot feltételezésekre bontjuk. Megvizsgáljuk például, mi történik lassú, közepes vagy gyors AI-adopció mellett. Mi történik, ha egy technológia a vártnál hamarabb skálázódik – és mi, ha később. Mely döntéseink maradnak helyesek több különböző forgatókönyv esetén is?

Ettől a „vajon mi fog történni?” kérdésből döntési probléma lesz. Egy CFO jogosan kérdezheti: miért költsünk ma reskillingre, ha lehet, hogy az automatizáció csak három év múlva érkezik meg? Erre nem az a jó válasz, hogy „mert mi hiszünk benne”, hanem az, hogy megmutatjuk: ennyibe kerül, ha felkészülünk és lassabban érkezik meg a változás; és ennyibe kerül, ha nem készülünk fel, de gyorsabban érkezik.

A bizonytalanság nem a tervezés ellen szól. A bizonytalanság az oka annak, hogy tervezni kell.

„Mit tud egy modell, amit a vezetőink nem?”

A vezetői tapasztalat rendkívül értékes, de jellemzően munkakörökben gondolkodik. Az AI viszont nem feltétlenül munkaköröket változtat meg egyszerre. Feladatokat változtat meg a munkakörökön belül. Ugyanabban a pozícióban lehet olyan tevékenység, amely szinte teljesen automatizálható; olyan, amelyet az AI jelentősen felgyorsít; és olyan is, amelynek az értéke éppen azért nő meg, mert emberi döntést, kapcsolatot vagy szakértelmet igényel. Ezért egy szervezeti ábra vagy egy hagyományos headcount-terv önmagában keveset mond arról, hogyan változik majd a munka. Le kell bontanunk a munkaköröket.

A modell itt nem azért kell, mert „okosabb”, mint a vezető, hanem azért, mert más felbontásban nézi ugyanazt a problémát. És a jó modell nem elveszi a szakértő döntését. Ellenkezőleg: láthatóvá teszi a feltételezéseket, hogy a szakértő vitathassa, felülírhassa és validálhassa őket.

„Mi már most is rengeteget költünk reskillingre”

Itt érdemes különbséget tenni két fogalom között. Training és reskilling nem ugyanaz. Egy általános AI-képzés, prompt engineering workshop vagy kötelező e-learning nagyon hasznos lehet az AI literacy növelésére. De ettől még nem feltétlenül válik vala ki alkalmassá egy új munkakör betöltésére. A valódi reskilling szerintem a másik irányból indul. Nem azt kérdezzük először, milyen képzést tudunk vásárolni, hanem azt, hogy mely munkakörök változnak meg.

Ez az utolsó kérdés különösen fontos. Könnyű azt mondani egy transzformációs tervben, hogy „majd átképezzük az embereket az új szerepekre”, de az új szerepek befogadóképessége nem végtelen. Ha száz pozíció megszűnik, miközben az új operating modelben húsz új szerep jön létre, akkor a reskilling önmagában nem oldja meg a problémát.

A stratégiai workforce planning feladata éppen az, hogy ezt még a transzformáció előtt láthatóvá tegye.

„De ez emberekről szól. Nem ROI-ról.”

Ezzel részben egyetértek és éppen ezért gondolom, hogy a strukturált tervezés emberibb megoldás, mint a bizonytalanság kommunikációval történő elfedése. Mitől fél ma sok munkavállaló? Nem feltétlenül magától az AI-tól, hanem attól, hogy nem tudja, lesz-e helye az új szervezetben. Erre kevés megnyugvást ad egy townhall, amelyen elhangzik, hogy „az AI nem fogja elvenni a munkátokat”. Sokkal többet ér egy hiteles, személyes válasz: így változik várhatóan a munkaköröd; ezekre a készségekre lesz szükséged; innen ide vezet számodra reális út; és ehhez ezt a képzést és támogatást biztosítjuk.

A strukturált workforce planning nem az emberközpontúság ellentéte, hanem annak egyik legkézzelfoghatóbb formája.

„Most nincs erre időnk”

Talán ez a legveszélyesebb érv, mert a nem-tervezés is döntés. Csak ennek a döntésnek a költsége sokáig nem látszik egyetlen sorban. Később jelenik meg sürgős külső toborzásként, hiányzó AI- vagy adatskillek formájában vagy drága tanácsadói kapacitásként vagy olyan képzési költségként, amelyről utólag derül ki, hogy nem arra a tudásra költöttük, amelyre valóban szükség lesz.

Vagy a legrosszabb esetben egyszerre jelenik meg leépítésként és toborzásként: embereket engedünk el az egyik oldalon, miközben a másikon ugyanazt a kapacitást próbáljuk újra felépíteni más skillprofillal. Ez nem feltétlenül elkerülhető, de jó lenne, ha döntés lenne, nem meglepetés.

Mit jelent akkor a stratégiai workforce planning az AI korában?

Nem azt, hogy 2026-ban pontosan megmondjuk, hány data engineerre lesz szükségünk 2030. március 17-én. És nem azt, hogy készítünk egy öt évre szóló headcount Excelt, amelyet aztán évente egyszer frissítünk. Hanem egy folyamatos döntési rendszert.

Összekötjük az üzleti stratégiát, a technológiai változást, a feladatokat, a munkaköröket, a készségeket, az embereket és végül a pénzügyi hatást.
Majd újraszámoljuk, amikor valamelyik feltételezés megváltozik. Ez az AI-korszak stratégiai munkaerő tervezése. Nem azért tervezünk, mert tudjuk, mi fog történni. Azért tervezünk, mert nem tudjuk. És minél gyorsabban változik körülöttünk a technológia, annál drágább lesz ezt a különbséget későn felismerni.