• 管理评估
    人力资源中的AI:潜力与风险并存 最近我们听到很多关于人工智能(AI)和机器学习的事情。那么,在人力资源领域,什么是真实的,什么是炒作的?就像任何新事物一样,潜力是令人兴奋的,而风险却令人恐惧。让我们来探讨这两个方面,以了解人工智能在人力资源领域的现状。   潜力 人工智能的潜力在于帮助员工和管理者做出更快、更好、更客观的决策。如果一台计算机能够筛选简历、管理评估、应用预测绩效和/或离职率的算法,那么想象一下减少离职率和将那些糟糕的员工减至最少的可能性。这听起来很神奇,现在让我们来探索现实。 风险 你可能听说过亚马逊的人工智能招聘工具,它显示出对女性的偏见。这一失败在2018年秋季为公众所知。基本上,该机器学习平台分析了男性主导行业10年的简历数据,并“学会”对男性简历的奖励超过了女性简历。但是,人工智能在做决定时不应该比人类更客观吗? 在Amazon失败发生之前,我预测HR中的机器学习和AI将会失败,然后才能成功。该预测基于以下内容: 从分析的角度来看,机器学习有很大的局限性。例如,关联并不意味着因果关系。 机器很难解释分析。 预测人类行为非常困难。 综上所述,这些原因解释了为什么机器会以一种有偏见的方式筛选申请人。我们知道某些领域是男性主导的。分析方法会发现这种虚假的关系,无法将调查结果(即应用上下文)解释为与招聘决定无关。因此,这一结果是可以预见的。 这个例子说明了人力资源中人工智能的固有风险。这是否意味着我们应该不要使用?当然不是。仍然有有价值的应用程序。我们只需要了解风险并以明智的方式减轻风险。   安全的地方 Taylor Vinters的合伙人Dominic Holmes说:“我认为,答案在于AI解决方案的最终用户与创造它们的人一起工作。机器比人类有可能做出更客观、一致的决策。它们可以更可靠、更准确,并且在需要时可以24/7全天候工作,而不会感到疲劳或分心。但是,它们并非万无一失,仍然可能需要人类干预和管理任何意想不到的结果。” 我同意多米尼克的建议。那是因为他建议人类克服分析对机器学习和AI的限制。 让我们将此基本原理应用于行动计划。组织员工调查技术中的行动​​计划功能可以使用专家系统(不是机器学习)形式的AI来根据员工调查数据确定优先级并提供行动计划建议。在这种情况下,决策算法的组成部分是由人类(理想情况下是博士顾问)进行和解释的预测模型确定的。这一关键步骤使人类可以应用上下文并克服机器学习的某些分析限制。专家系统不像机器学习那样浮华,但是它使组织可以减轻前面概述的风险。 有好处吗?基于AI的行动计划可通过告诉每个领导者确切的工作内容和处理方法来确保经理做出最佳决策。简而言之,该功能会使用经过验证的操作预先填充计划。这使决策变得尽可能容易,不会使分析瘫痪或期望所有管理人员都具有博士学位。该工具为他们完成了任务,因此他们可以花费时间和精力进行改进。这增加了常见的HR实践(例如员工敬业度调查)的影响,并安全地利用了AI的力量。 AI具有重大前景的其他人力资源活动如下: 培训和开发应用程序,例如个性化学习或AI驱动的培训建议 使管理应用程序受益,例如基于AI的自动化,可以简化计划管理、员工决策(例如,聊天机器人FAQ)和计划实施 招聘诸如“ AI招聘者”之类的应用程序以自动安排面试,提供候选人反馈并回答候选人问题(例如,招聘者聊天机器人)。 这些类型的应用程序可以通过自动化和改进的决策为HR功能带来价值。尽管这些示例本质上都不具有变革性,但它们确实提供了有意义的影响。 当您或您的部门开始在人力资源活动中利用人工智能时,请先问自己以下问题: 根据所做出的决定是否存在典型的人力资源法律风险(例如,不利影响、性别偏见)?如果是这样,如何在AI决策中减轻这些风险? 管理者将如何使用这些信息,并且该应用程序会产生任何法律风险?例如,如果AI工具为单个员工提供了离职风险评分,这是否会影响经理如何对待他/她?可以容易地想象到,由于员工离职风险评分高,经理都不考虑升职或加薪。 供应商对决策算法或过程的透明度如何?如果他们不提供详细信息或验证报告,则您将无法信任基本的决策流程,尤其是如果该决策涉及具有重大法律风险(例如,雇用、晋升)的决策。 使用AI与不使用AI有何取舍?更准确地说,与潜在风险(例如来自有偏见的算法的法律风险)相比,组织获得了哪些收益(例如,更快的招聘决策)? 作为一名人力资源从业者,这对你意味着什么?这是另一个值得怀疑的地方。事实是,从真正的机器学习和人工智能对我们的日常运作产生巨大影响开始,我们可能还需要几年的时间。我们应该对这项新技术及其潜力持开放态度,但在我们继续改进自己的领域时,我们也必须保持客观的怀疑态度,并提出棘手的问题。   以上由AI翻译,仅供参考! 作者:Shane Douthitt 来源:https://www.hrtechnologist.com/articles/ai-in-hr/ai-in-hr-if-youre-not-skeptical-you-should-be/
    管理评估
    2020年01月02日