A munkakörelemzés új lendületet kapott az AI-forradalom közepén. Olyan adatszolgáltatók, mint a Lightcast, a Draup, a SAP (TechWolf) vagy a Workday, mind arra törekednek, hogy munkákat feladatokra bontsanak, kategorizálják azokat, majd AI-ügynököket építsenek az automatizálható elemekre. Az ígéret nagy – de a valóság árnyaltabb.
Bersin szerint a módszer legnagyobb korlátja az, hogy a valódi munkavégzés nem lineáris feladatlistákból áll. A munkavállalók döntéseket hoznak, kontextust értelmeznek, kapcsolatokat kezelnek – olyan elemeket, amelyeket nehéz formalizálni és még nehezebb automatizálni. Az adatmodellek sok esetben a múlt munkaköreit írják le, nem a jövőét, és ez komoly torzítást visz a rendszerbe. A „feladat-intelligencia" megközelítés akkor működik, ha nem mint mindenre alkalmazható megoldást, hanem mint kiindulópontot kezeljük.
HR-szemszögből ez azt jelenti, hogy a tehetségmenedzsment és a munkakör-tervezés nem adható át teljesen algoritmusoknak. Az AI segít azonosítani az automatizálható elemeket, de a stratégiai döntések – hogy mit tartunk meg, mit alakítunk át, kit fejlesztünk – emberi ítélőképességet igényelnek. A szervezeteknek most kell kialakítaniuk azt a belső kompetenciát, amely képes kritikusan értékelni az AI-alapú munkaelemzési eszközöket.
