شرکتها بهتدریج از هوش مصنوعی برای مدیریت نیروی کار استفاده میکنند، اما سپردن تصمیمهایی مثل استخدام، ارتقا یا اخراج کارکنان به الگوریتمها میتواند خطرهای جدی داشته باشد. یک پژوهش تازه هشدار میدهد حذف قضاوت انسانی از فرایندهای منابع انسانی شاید در کوتاهمدت بهرهوری را بالا ببرد، اما سازمان را در مواجهه با شرایط غیرمنتظره انعطافپذیرتر نمیکند.
به گزارش دیجیاتو و بر پایه گزارش PHYS، تغییرات گسترده در بازار کار استرالیا این پرسش را دوباره روی میز آورده است. بانک ملی استرالیا (NAB) امسال از برنامهاش برای حذف حداکثر ۲۵۰۰ شغل خبر داد؛ حدود ۶ درصد نیروی کار. این تصمیم بخشی از بازسازی ساختار سازمان با هدف سادهسازی عملیات و افزایش بهرهوری بود. شرکتهای دیگر هم شمار زیادی از کارکنان خود را تعدیل کردهاند و همزمان، شرکتهای فناوری ابزارهایی میسازند که وظایف پیچیده خدمات نیروی کار را خودکار میکنند. این تحولات لزوماً به معنای واگذاری تصمیم اخراج به ماشینهای خودکار نیست، اما درباره نقش هوش مصنوعی در مدیریت نیروی انسانی پرسشهای مهمی میسازد.
«مایلز یانگ»، پژوهشگر دانشکده کسبوکار دانشگاه مککواری، میگوید هوش مصنوعی فرایندهای منابع انسانی را سریعتر، ارزانتر و یکدستتر میکند، اما مدیریت کارکنان صرفاً اجرای مجموعهای از قوانین نیست. تصمیمهایی که بر شغل، معیشت و سلامت افراد اثر میگذارند، به درک شرایط و قضاوت انسانی نیاز دارند.
هوش مصنوعی در منابع انسانی چه زمانی به تهدید تبدیل میشود؟
هوش مصنوعی همین حالا هم در استخدام، برنامهریزی نیروی کار و مدیریت کارکنان به کار میرود: از فیلتر کردن رزومهها و رتبهبندی نامزدها تا پیشبینی ریزش نیرو و ساخت برنامه شیفت. اما نسل تازه این فناوری، یعنی هوش مصنوعی عاملمحور، قابلیتهای گستردهتری دارد. این سیستمها برخلاف ابزارهایی که فقط اطلاعات ارائه میکنند، میتوانند وظایف را بهصورت مستقل انجام دهند و حتی با نظارت محدود انسان، تصمیمهایی را اجرا کنند.
در واحد منابع انسانی، چنین قابلیتی میتواند به شناسایی نامزدهای استخدام، تنظیم شیفتها و نظارت بر عملکرد کارکنان منجر شود؛ حتی ممکن است سیستمی بر اساس معیارهای از پیش تعیینشده، فرایندهای مرتبط با وضعیت شغلی افراد را آغاز کند. جذابیت این فناوری برای شرکتها روشن است: هوش مصنوعی خسته نمیشود، حجم زیادی از اطلاعات را پردازش میکند و میتواند قوانین یکسانی را درباره هزاران کارمند به کار ببرد.
اما به گفته یانگ، یکدستی تصمیمها لزوماً به معنای عدالت یا مدیریت درست نیست. یک سیستم خودکار ممکن است سیاستهای شرکت را کاملاً مطابق دستورالعمل اجرا کند و همچنان تصمیم اشتباهی بگیرد. مثال روشن، افت عملکرد یک کارمند است: مدیر انسانی میتواند تشخیص دهد این افت ناشی از بیماری، مشکلات خانوادگی یا بحرانی پیشبینینشده است، اما ثبت و ارزیابی چنین شرایطی برای یک سیستم خودکار دشوارتر است. نادیده گرفتن این جزئیات و برخورد با کارکنان مانند دادههای آماری، بهتدریج اعتماد آنها را از بین میبرد.
مسئله اصلی، استفاده از هوش مصنوعی در فرایندهای منابع انسانی نیست؛ میزان اختیاری است که به آن واگذار میشود. این فناوری میتواند به تحلیل اطلاعات و سرعت بخشیدن به کارها کمک کند، اما تصمیمهایی که مستقیماً بر زندگی و آینده شغلی افراد اثر میگذارند، همچنان به نظارت و قضاوت انسانی نیاز دارند. پژوهشگران نتایج مطالعه خود را در ژورنال Human Resource Management منتشر کردهاند.
چرا این بحث الان مهم شده است
سه نیرو همزمان این موضوع را از یک بحث نظری به یک مسئله عملیاتی تبدیل کردهاند. اول، فشار هزینه: وقتی شرکتها در یک سال هزاران نفر را تعدیل میکنند، واحد منابع انسانی با حجمی از پرونده روبهرو میشود که با نیروی انسانی محدود قابل مدیریت نیست و خودکارسازی وسوسهانگیز میشود. دوم، بلوغ فنی: مدلهای عاملمحور حالا میتوانند چند مرحله از یک فرایند را بدون دخالت انسان به هم وصل کنند؛ چیزی که دو سال پیش در عمل ممکن نبود. سوم، فشار نظارتی: در اروپا و برخی ایالتهای آمریکا، کارفرما باید بتواند توضیح دهد چرا یک تصمیم استخدامی یا ارزیابی گرفته شده و «مدل اینطور گفت» پاسخ قابل قبولی نیست.
نتیجه عملی برای تیمهایی که چنین ابزارهایی میخرند، سه قاعده است. اول، تصمیمهای برگشتناپذیر — اخراج، تنزل، رد نامزد در مرحله نهایی — باید نقطه انسانی داشته باشند. دوم، هر معیاری که سیستم بر اساس آن قضاوت میکند باید قابل توضیح و قابل اعتراض باشد، وگرنه سوگیریهای گذشته با سرعت بیشتری تکثیر میشوند. سوم، دادههای زمینهای مثل مرخصی بیماری، شرایط خانوادگی یا بحرانهای شخصی باید جایی در سیستم ثبت شود، وگرنه الگوریتم همیشه آنها را بهعنوان افت عملکرد میخواند.
هوش مصنوعی در منابع انسانی بیشترین ارزش را در جایی میسازد که تصمیم نهایی را نمیگیرد: مرتب کردن انبوه رزومه، تشخیص ناهمخوانی در دادههای حضور، آماده کردن پیشنویس گزارش عملکرد و پاسخ دادن به پرسشهای تکراری کارکنان. هرچه این ابزار به تصمیم نهایی نزدیکتر شود، هزینه خطا هم بیشتر میشود و جبرانش سختتر، چون اعتماد کارکنان — همان چیزی که هیچ داشبوردی نمیسازد — خرج میشود.