Josh Bersin

Josh Bersin, 2023

Wszyscy mówią o sposobach, w jakie sztuczna inteligencja rewolucjonizuje i zakłóca zasoby ludzkie – z mieszanką strachu i podniecenia – i może być trudno nadążyć za szybkim tempem zmian. Josh Bersin, doradca i ekspert w dziedzinie HR, przedstawia ten złożony temat w formie przydatnych spostrzeżeń, informując o sposobach, w jakie sztuczna inteligencja przekształci branżę. Niezależnie od tego, czy jesteś zainteresowany wykorzystaniem sztucznej inteligencji do łagodzenia uprzedzeń, czy też do wykorzystania potencjału sztucznej inteligencji do przewidywania wyników pracy, ważne jest, abyś zidentyfikował narzędzia, które najlepiej sprawdzą się w Twoim przypadku i uzyskał podstawową wiedzę na temat nowej generacji rozwiązań AI na rynku, wyjaśnia Bersin.

Tłumaczenie maszynowe opracowane na wyjazdy integracyjne, może zawierać nieścisłości i błędy językowe.

Korzyści

• Rozwiązuj problemy związane z zasobami ludzkimi (HR) za pomocą trzech różnych typów rozwiązań AI.
• Systemy sztucznej inteligencji drugiej generacji wykrywają znaczące wzorce w celu przewidywania wydajności.
• Użyj narzędzi AI, aby złagodzić uprzedzenia, zapewniając zróżnicowaną rekrutację i równość wynagrodzeń.

Podsumowanie

• Rozwiąż problemy związane z zasobami ludzkimi (HR) dzięki trzem różnym typom rozwiązań AI.
• Sztuczna inteligencja (AI) przekształca świat HR, umożliwiając rekruterom i firmom automatyzację zadań, od przewidywania wydajności po pisanie opisów stanowisk. Warto zapoznać się z poniższymi trzema kategoriami rozwiązań AI:

• Pojawiająca się sztuczna inteligencja – dostawcy wykorzystujący zarządzanie danymi i analitykę do tworzenia pulpitów nawigacyjnych oferują systemy sztucznej inteligencji, które można „dodać” do istniejących platform HR, które generują raporty oparte na danych i modele predykcyjne. Pojawiające się systemy AI mogą obejmować systemy śledzenia kandydatów (ATS), które automatycznie generują opisy stanowisk i niestandardowe skrypty do rozmów kwalifikacyjnych. Rozwiązania te nie wykorzystują dużych modeli językowych (LLM), ale czasami używają generatywnej sztucznej inteligencji, a także statystyk i zasad zebranych z czystej sztucznej inteligencji.
• AI pierwszej generacji – dostawcy korzystający z uczenia maszynowego (ML) i modeli AI zazwyczaj współpracują z inżynierami AI, aby przeczesywać duże zbiory danych w celu zapewnienia inteligentnych rekomendacji za pośrednictwem „wbudowanych” rozwiązań. Przykładowo, rozwiązania AI pierwszej generacji mogą dopasowywać kandydatów do organizacji lub rekomendować użytkownikom ukierunkowane kursy podnoszące kwalifikacje w oparciu o ich umiejętności i rolę zawodową. Systemy te nie opierają się na sieciach neuronowych i brakuje im mocy głębokich sieci neuronowych i GPT-4. Przykłady sztucznej inteligencji pierwszej generacji obejmują dostawców planowania badań w przedsiębiorstwie (ERP), takich jak SAP, Oracle i Workday.
• AI drugiej generacji – te „wbudowane” rozwiązania odnoszą się do całych platform zaprojektowanych specjalnie dla AI. Firmy koncentrujące się na danych zwracają się do dostawców takich jak Gloat, Eightfold AI i SeekOut, aby uzyskać lepszy wgląd i lepiej zarządzać ogromnymi ilościami danych. Platformy te są potężne, ponieważ wykorzystują przetwarzanie języka naturalnego (NLP), głębokie uczenie, wektorowe bazy danych i LLM, czerpiąc zarówno z danych użytkownika, jak i setek milionów profili zewnętrznych w celu dostarczania spostrzeżeń. Warto rozważyć zbudowanie własnego systemu drugiej generacji z wykorzystaniem usług w chmurze oferowanych przez Microsoft, Google lub OpenAI.
• Systemy sztucznej inteligencji drugiej generacji wykrywają znaczące wzorce w celu przewidywania wydajności.
• Firmy HR, które chcą rozszerzyć swój zasięg, uzyskają największą wartość ze sztucznej inteligencji drugiej generacji, ponieważ platformy te mogą tworzyć własne modele predykcyjne, szybko identyfikując sposoby osiągnięcia celów, które im zaprogramujesz. Na przykład, aby zrozumieć, dlaczego pracownicy w danym regionie osiągają słabe wyniki, system sztucznej inteligencji drugiej generacji może przeszukiwać miliony profili pracowników w celu znalezienia czynników korelujących ze słabą wydajnością. Korzystając z sieci neuronowych, sztuczna inteligencja „uczy się” i poprawia, gdy uzyskuje dostęp do większej ilości danych, umożliwiając jej „stawanie się coraz mądrzejszą” w swoim podejściu do znajdowania rozwiązań. Na przykład, korzystając z ogromnej bazy danych pracowników i kandydatów do pracy, sztuczna inteligencja może zidentyfikować wiele wzorców – podobnie jak robi to ludzki mózg, ale na dużą skalę – analizując czynniki takie jak historia pracy, osobiste powiązania i historia edukacji, aby zidentyfikować te wspólne dla osób osiągających najlepsze wyniki.

• „Ekscytujące w sztucznej inteligencji jest to, że nie „zgaduje”, co będzie działać. Po prostu tworzy model”.
• Zaawansowane systemy sztucznej inteligencji mogą pomóc rekruterom i organizacjom znaleźć kandydatów o pożądanych umiejętnościach, oceniając źródła danych, od certyfikatów kandydatów po repozytoria kodu GitHub. Systemy drugiej generacji mają większą zdolność do unikania semantycznego zamieszania, jeśli chodzi o przewidywanie umiejętności, niż modele nowej i pierwszej generacji. Na przykład, system drugiej generacji nie pomyli baristy ze słowem „Java” w CV lub osoby mieszkającej w kraju Java z programistą znającym język programowania JavaScript, ponieważ pamięta relacje między słowami. Systemy te mogą również wykrywać przyległości umiejętności, identyfikując powiązane terminy w celu przewidywania pożądanych umiejętności. Przykładowo, jeden z systemów sztucznej inteligencji znalazł związek między umiejętnościami przywódczymi a „umiejętnościami miękkimi”, ostatecznie kierując klienta w stronę zatrudniania osób, które modelują określone zachowania i wartości interpersonalne.

• Używaj narzędzi AI do łagodzenia uprzedzeń, zapewniając zróżnicowaną rekrutację i równość wynagrodzeń.
• Kluczowe jest zapewnienie, że modele AI trenują na bezstronnych danych, zwłaszcza że niektóre stany USA nakazują obecnie stosowanie zróżnicowanych praktyk w zakresie zatrudniania, wynagradzania i awansowania. Dostawcy tacy jak Eightfold AI, iCIMS i SeekOut oferują klientom dowód, że ich modele są „bezstronne”, ale eliminacja uprzedzeń jest ciągłym procesem dla wszystkich zaangażowanych. Ostatecznie, im większego zestawu danych używasz, tym mniej stronniczości Twojej firmy będzie odzwierciedlone w spostrzeżeniach i zaleceniach systemu AI. Firmy, którym nie udało się skorygować uprzedzeń, zapłaciły pracownikom miliony dolarów w procesach sądowych. Na przykład Google zapłacił pracownikom ponad 118 milionów dolarów, gdy udowodnili, że firma stosowała dyskryminację ze względu na płeć w zakresie awansów i zatrudniania.

• „Jak można sobie wyobrazić, jeśli trenujesz system na nieobiektywnych danych, otrzymujesz nieobiektywne wyniki. Dlatego też mały model sztucznej inteligencji oparty na danych Twojej firmy może prowadzić do problemów – każde uprzedzenie osadzone w Twojej firmie zostanie wzmocnione”.
• Sztuczna inteligencja może być wykorzystywana jako narzędzie pomagające zapewnić równość wynagrodzeń, ponieważ można trenować modele, aby przeciwdziałać tendencyjności własnej organizacji w zakresie awansów, wynagrodzeń i awansów. Wystarczy dodać dane dotyczące płatności w firmie do systemu sztucznej inteligencji, aby skłonić go do „przewidywania wynagrodzeń”, aby zauważyć, które grupy osób są przepłacane i niedostatecznie opłacane, jednocześnie wykrywając wzorce odzwierciedlające uprzedzenia. Po złagodzeniu uprzedzeń i wybraniu najlepszego systemu AI dla konkretnych potrzeb, AI może pomóc w realizacji różnorodnych zadań, w tym zróżnicowanej rekrutacji, rozwoju zdolności i planowania kariery.

O autorze

• Josh Bersin jest założycielem Bersin & Associates, firmy świadczącej usługi badawcze i doradcze w obszarach takich jak przywództwo, HR i L&D.