منابع انسانی الگوریتمی چیست؟ چه مزایا و چالش‌هایی دارد؟

منابع انسانی الگوریتمی چیست؟ چه مزایا و چالش‌هایی دارد؟

فناوری – به ویژه فرآیندهای دیجیتالی شدن، استفاده از هوش مصنوعی، یادگیری ماشینی، داده‌های کلان و شیوع کار از راه دور به دلیل بیماری همه‌گیر کرونا – نحوه مدیریت منابع انسانی سازمان‌ها را تغییر می‌دهد. یکی از روندهای رو به افزایش در این زمینه، استفاده از “منابع انسانی الگوریتمی” است.

الگوریتم‌ها، به عنوان فرمول‌های محاسباتی مستقل، مکانیزم‌های تصمیم‌گیری عینی و ریاضی در نظر گرفته می‌شوند. محدود کردن مشارکت انسانی و نظارت بر فرآیند کار ممکن است به چالش‌های اخلاقی و مدیریتی جدی منجر شود. بسیاری از حوزه‌ها – که قبلاً تنها مسئولیت مدیران (از جمله مدیران منابع انسانی) بود، مانند روابط کاری، استخدام، مدیریت عملکرد، حقوق و دستمزد – به طور فزاینده‌ای تحت تأثیر مدیریت الگوریتمی قرار می‌گیرند.

به لطف فناوری، دنیای تجارت به حرکت سریع خود ادامه می‌دهد. در این دنیای نوآوری رو به رشد، موفق‌ترین سازمان‌ها، آنهایی هستند که می‌توانند با روندهای فن‌آوری همگام شوند یا حتی از آنها پیشی بگیرند.

با این حال ایجاد یک شرکت نوآور بدون نیروی کار مناسب غیرممکن است. استخدام کارمندان مناسب برای نقش‌های مناسب در زمان مناسب بسیار مهم است و برای انجام آن به مدیریت منابع انسانی قوی نیاز دارد. به همین دلیل است که بسیاری از شرکت‌ها بیش از پیش به داده‌ها و الگوریتم‌های منابع انسانی تکیه می‌کنند تا به تصمیم‌گیریشان کمک کنند. در این مقاله، می‌خواهیم در مورد اینکه چگونه برخی از الگوریتم‌ها چهره HR را تغییر می‌دهند و همچنین نوع سیستم‌هایی که در آینده در محل کار از آنها بهره‌مند خواهید شد، صحبت کنیم.

منابع انسانی الگوریتمی

مدیریت الگوریتمی چیست؟

مدیریت الگوریتمی عبارت است از ردیابی، ارزیابی و مدیریت استراتژیک کارمندان از طریق الگوریتم‌ها. چنین الگوریتم‌هایی وظایفی را بر عهده می‌گیرند که قبلاً توسط مدیران منابع انسانی انجام می‌شد. این نوآوری در مدیریت به ویژه در اقتصاد گیگ رایج است. به عنوان مثال، پلتفرم‌هایی مانند  Uberنیروی کار جهانی خود را با الگوریتم‌ها مدیریت و نظارت می‌کنند. الگوریتم‌ها وظایف را تعیین و به ارزیابی عملکرد کمک می‌کنند. آنها همچنین بازخورد می‌دهند و توصیه‌هایی در مورد چگونگی بهبود عملکرد ارائه می‌دهند.

با این حال، مدیریت کارمندان با الگوریتم‌ها دیگر به اقتصاد گیگ محدود نمی‌شود. سازمان‌های سنتی همچنین در حال کشف مزایای افزایش کارایی و تصمیم‌گیری مبتنی بر داده‌ها هستند.

داده‌های بزرگ و اتوماسیون در دستور کار اکثر بخش‌ها قرار دارند و منابع انسانی نیز تمرکز خود را به سمت تصمیم‌گیری مبتنی بر داده معطوف می‌کند. الگوریتم‌های مورد استفاده در منابع انسانی می‌توانند کارایی را افزایش دهند و حتی در مقایسه با تصمیم‌گیری انسانی بهتر عمل کنند. در واقع، 40 درصد از بخش‌های منابع انسانی در شرکت‌های بین‌المللی از ابزارهای مبتنی بر هوش مصنوعی استفاده می‌کنند.

به عنوان مثال، استفاده از الگوریتم‌ها در انتخاب کارمندان بسیار رایج است. الگوریتم‌ها رزومه‌ها را بررسی می‌کنند و متقاضیان را با موقعیت‌ها مطابقت می‌دهند. آنها در حال تجزیه و تحلیل حالات چهره در مصاحبه‌های ویدیویی یا انگیزه نوشتاری متقاضیان از طریق پردازش زبان طبیعی هستند. علاوه بر این، سیستم‌های الگوریتمی بازخورد عملکرد را به کارکنان و مدیران ارائه می‌دهند.

منابع انسانی الگوریتمی چیست؟

منابع انسانی الگوریتمی اینجا نیست تا جایگزین بخش «انسانی» منابع انسانی شود. این نه یک مکانیسم بی‌احساس استبدادی است و نه یک سیستم تقلیل‌گرایانه که افراد را به یک‌ها و صفرها تقسیم می‌کند. الگوریتم‌ها به سادگی پیشرفت دیگری از منابع انسانی دیجیتال است و در نهایت برای آسان‌تر کردن زندگی شما طراحی شده است.

در اصل، سه ویژگی اصلی منابع انسانی الگوریتمی وجود دارد: تولید داده‌های منابع انسانی دیجیتال، استفاده از نرم‌افزار برای پردازش آن داده‌ها و گام‌هایی برای خودکارسازی بخش‌های تصمیم‌گیری مدیریت منابع انسانی.

الگوریتم‌ها با داده‌ها زندگی می‌کنند و می‌میرند. بنابراین بدون اطلاعات دیجیتالی مختصر و قابل اعتماد، نمی‌توانید چیزی مهم را تعمیم دهید. نمونه‌هایی از دیجیتال‌سازی منابع انسانی مواردی همچون انتقال از مدارک مبتنی بر کاغذ به سوابق دیجیتال، آموزش درخواستی و استخدام مبتنی بر هوش مصنوعی هستند که در حال حاضر اجرایی شده‌اند.

اما این بدان معنا نیست که پذیرش یادگیری مبتنی بر هوش مصنوعی و عمل به توصیه‌های الگوریتمی تولید شده با مجموعه‌ای از خطرات و چالش‌ها همراه نیست. این امکان وجود دارد که به شدت بر برنامه‌هایی تکیه کنیم که اساساً برای ساده‌سازی مجموعه طراحی شده‌اند.

درک این موضوع ضروری است که چگونه منابع انسانی الگوریتمی می‌تواند بر محل کار شما به صورت مثبت و منفی تأثیر بگذارد. با انجام این کار، می‌توانید از مزایای آن بهره‌مند شوید و در عین حال از عوارضی که ممکن است ایجاد شود آگاه باشید.

منابع انسانی الگوریتمی و تأثیر آن بر رویه‌های منابع انسانی

آینده شغلی چگونه با ترکیبی از یادگیری هوش مصنوعی و مدیریت الگوریتمی منابع انسانی شکل می‌گیرد. منابع انسانی الگوریتمی ابزار دیگری است که برای کمک به ساده‌سازی مدیریت منابع انسانی از عملیات تا تصمیم‌گیری طراحی شده است.

الگوریتم‌ها بر اساس داده‌های جامع رشد می‌کنند، بنابراین سازمان شما نیاز به پذیرش تحول دیجیتال دارد. استفاده از هوش مصنوعی برای تفسیر داده‌های منابع انسانی چندین مزایا و معایب دارد. در عصر قانون مور (مفهومی که به موجب آن توانایی فناوری هر پنج سال دو برابر می‌شود)، سازمان‌های واقعاً پیشگام آنهایی هستند که نه تنها می‌توانند با روندهای فن‌آوری همراه شوند، بلکه از آنها جلوتر می‌زنند. یکی از راه‌هایی که شرکت‌ها می‌توانند این کار را انجام دهند استفاده از منابع انسانی الگوریتمی است.

برای برخی، الگوریتم‌ها موجودیت ناشناخته‌ای دارند. زمانی که نوبت به سنجش سطوح کارکنان، استخدام فرد مناسب برای نقش مناسب و دانستن اینکه کسب و کار شما دقیقاً کجا باید رشد کند یا بهبود یابد، فرامی‌رسد؛ یادگیری ماشین الگوریتمی و تجزیه و تحلیل داده‌های منابع انسانی ارزش خود را ثابت کرده است.

این امر به این دلیل است که مدیریت الگوریتمی ریشه در هوش مصنوعی (AI) دارد و همان‌طور که نیروی کار با پیشرفت‌های تکنولوژیکی تغییر می‌کند، فرآیندها و شیوه‌های آن شرکت نیز باید تغییر کند.

منابع انسانی الگوریتمی

الگوریتم‌ها چگونه آینده منابع انسانی را تغییر می‌دهند؟

در قرن بیست و یکم، بسیاری از کارهایی که شرکت‌های امروزی انجام می‌دهند و اولویت‌بندی می‌کنند را می‌توان در گام‌های برداشته شده توسط گوگل جست‌وجو کرد و جای تعجب نیست که گوگل یکی از اولین کسانی بود که HR الگوریتمی را به عنوان یک مفهوم پیش برد. قبل از اینکه مبتکران این رویه شرکت‌های خود را تشکیل دهند، چنین موردی برای معاون ارشد سابق عملیات مردمی گوگل، لازلو بوک بود.

بوک در ادامه شرکت خود به نام Humu را تأسیس کرد که متخصص در ایجاد و اجرای الگوریتم‌هایی است و داده‌های منابع انسانی را از نظرسنجی‌ها، محیط‌های کاری زنده و رزومه جمع‌آوری می‌کند تا بینش‌هایی را ارائه دهد، که می‌تواند برای افزایش رضایت کارکنان، بهبود قیف استخدام و حفظ بالاترین کیفیت کارکنان برای مدت طولانی‌تری مطالعه و اعمال شود. به لطف تأثیرات ملموس آنی، این رویکرد الگوریتمی می‌تواند در سایر عملیات‌های پیش رو مانند بازاریابی، خدمات مشتری و عملکرد مورد استفاده قرار گیرد.

بنابراین چگونه این پیوند به منابع انسانی بازمی‌گردد؟ نکته جذاب و فریبنده در مورد منابع انسانی مبتنی بر داده و تجزیه و تحلیل افراد، وسعت انعطاف‌پذیری است. الگوریتم‌ها صرفاً یک زبان کدگذاری‌شده هستند که برای تفسیر داده‌ها طراحی شده‌اند، به این معنی که می‌توان آنها را تغییر داد تا تقریباً با هر نیازی مطابقت داشته باشند (به شرطی که داده‌های لازم را داشته باشید). HR سه حوزه قابل توجه را ارائه می‌دهد که در آنها می‌توان از منابع انسانی الگوریتمی بهترین استفاده را کرد.

  • فرآیند استخدام

هر متخصص منابع انسانی به شما خواهد گفت که مسئولیت آنها فقط استخدام و اخراج نیست. با این حال، این واقعیت وجود دارد که نظارت بر استخدام و کارگزینی همچنان امری کلیدی برای منابع انسانی است. همچنین حوزه‌ای است که الگوریتم‌ها تأثیر قابل توجهی در آن دارند.

تأثیر الگوریتم‌های استخدام بر منابع انسانی به طور گسترده مورد آزمایش و تحلیل قرار گرفته است. بسیاری از مطالعات مختلف، به این نتیجه رسیده‌اند که استخدام بر اساس داده‌ها و الگوریتم‌ها منجر به استخدام با کیفیت بالاتر برای شرکت‌ها می‌شود.

دلایل این امر، متنوع است و به چند عامل اصلی خلاصه می‌شود. یکی از مزایای اصلی تصمیم‌گیری مبتنی بر داده، گستردگی منابع داده در دسترس الگوریتم‌ها است. دوم حذف تعصبات انسانی است.

الگوریتم‌ها می‌توانند حجم عظیمی از داده‌ها را جمع‌آوری و پردازش کنند. آنها می‌توانند اطلاعات رزومه‌ها، اطلاعات در دسترس عموم و پاسخ‌ها به ارزیابی‌ها را تجزیه و تحلیل کنند، که به آنها اجازه می‌دهد تصویری جامع از هر متقاضی بسازند.

این داده‌ها امکان شناسایی ویژگی‌هایی را فراهم می‌کند که لازمه یک کارمند موفق است. سپس تیم‌های استخدام می‌توانند به دنبال آن ویژگی‌ها در مهارت‌ها و شخصیت متقاضیان باشند و افرادی را انتخاب کنند که برای این شغل مناسب‌تر هستند. این امر نه تنها باعث استخدام بهتر می‌شود، بلکه به تیم‌های استخدام‌کننده اجازه می‌دهد تا خیلی سریع‌تر از قبل تصمیم بگیرند.

الگوریتم استخدام

عادلانه بودن تصمیمات مبتنی بر داده‌ها همچنین مانع از ایجاد خطای انسانی در استخدام متقاضیان مناسب می‌شود. طرفداران الگوریتم‌های استخدام استدلال می‌کنند که این الگوریتم‌ها می‌توانند سوگیری‌های شناختی – سوگیری‌هایی که بر تصمیم‌گیری تأثیر می‌گذارند – را از معادله حذف کنند.

در بهترین حالت، سوگیری‌ها می‌تواند به معنای اتخاذ تصمیم نادرست هنگام استخدام باشد و در بدترین حالت، می‌تواند روند استخدام را به طور کامل از مسیر خارج کند. در تئوری، الگوریتم‌ها این ذهنیت را حذف می‌کنند.

با این اوصاف، یک فرد معمولی دوست ندارد CV خود را با یک الگوریتم غربالگری کند. مطالعه‌ای که توسط یک مرکز تحقیقاتی انجام شد، نشان داد که 76 درصد از افراد نمی‌خواهند برای شغلی درخواست دهند که رزومه‌شان توسط یک الگوریتم بررسی شود، و بیشتر افراد فکر می‌کنند الگوریتم‌ها بدتر از انسان‌ها عمل می‌کنند!

الگوریتم‌ها با تجزیه و تحلیل و ارزیابی مجدد خود بر فرآیند استخدام تأثیر می‌گذارند. بخشی از تحقیقات اولیه گوگل در مورد منابع انسانی مبتنی بر داده بر طول بهینه فرآیند استخدام متمرکز بود.

نتایج این تحقیق منجر به به اصطلاح “قانون چهار” گوگل برای مصاحبه شد. آنها دریافتند که چهار مصاحبه برای استخدام یک فرد بهینه و مناسب است. ارزیابی بیشتر متقاضیان ارزش اضافی کمی به همراه داشت. بنابراین، گوگل توصیه می‌کند فرآیندهای استخدامی کوتاه‌تر شود، تصمیمی که هم در زمان و هم در هزینه صرفه‌جویی می‌کند.

منابع انسانی الگوریتمی

  • برنامه‌ریزی نیروی کار

الگوریتم‌ها همچنین در مورد مدل‌سازی و تحلیل‌های پیش‌بینی‌کننده، به HR کمک می‌کند. نرم‌افزار مدل‌سازی پیش‌بینی‌کننده از الگوریتم‌هایی برای یافتن الگوها در حجم زیادی از داده‌ها استفاده می‌کند و به افراد امکان می‌دهد تا روندهای آینده را با دقت بیشتری پیش‌بینی کنند.

به طور خاص در زمینه منابع انسانی، داده‌های مربوطه اطلاعات مربوط به نیروی کار یک سازمان است. متخصصان و مدیران منابع انسانی می‌توانند از الگوریتم‌هایی برای شناسایی عواملی که باعث موفقیت کارکنان می‌شوند و بر حفظ کارمندان و موارد دیگر تأثیر می‌گذارند، استفاده کنند.

الگوریتم برنامه‌ریزی

کشف اینکه چه ویژگی‌هایی باعث موفقیت کارکنان می‌شود می‌تواند به تیم استخدام شما کمک کند تا متقاضیان بهتری را برای سازمان شما پیدا کرده و جذب کند. در همین حال، شناسایی دلایل ترک خدمت و فرسایش برای برنامه‌ریزی نیروی کار حیاتی است. مدل‌سازی پیش‌بینی در این زمینه می‌تواند به شرکت‌ها کمک کند تا به سؤالات زیر پاسخ دهند:

  • چه کسانی در خطر ترک شرکت هستند؟
  • چه چیزی کارمندان را ترغیب به رفتن می‌کند؟
  • چه کنیم تا بهترین کارمندان خود را حفظ کنیم؟

پاسخ به این سؤالات به بخش‌های مختلف منابع انسانی کمک می‌کند تا هر مشکلی را پیش‌بینی کنند و اقدامات پیشگیرانه برای حفظ کارکنانی که ممکن است از دست بدهند، انجام دهند. چنین مدل‌سازی می‌تواند به شناسایی کمبود مهارت‌ها و نیازهای رهبری و همچنین کاهش خطر شکاف نیروی انسانی کمک کند.

به طور خلاصه، الگوریتم‌های موجود در این زمینه امکان برنامه‌ریزی نیروی کار را پیش‌بینی می‌کنند. شرکت‌ها می‌توانند مسائل بالقوه یا الگوهای دیگر را در نیروی کار خود شناسایی کنند و می‌توانند این کار را قبل به وجود آمدن مشکلات انجام دهند. این امر به آنها فرصت بیشتری برای یافتن راه‌حل می‌دهد.

مدل‌سازی و تحلیل پیش‌بینی‌کننده به‌ویژه برای شرکت‌هایی که رشد سریعی را تجربه می‌کنند، مهم هستند. اینها مشاغلی محسوب می‌شوند که بیشتر در معرض خطر مشکلات نیروی کار هستند. هنگامی که یک شرکت با سرعت رشد می‌کند، اطمینان از ادامه کار نیروی کار دشوارتر است. الگوریتم‌ها به این شرکت‌ها کمک می‌کنند تا از منحنی جلوتر بمانند.

  • رضایت کارکنان

رضایت و حفظ کارکنان کلید موفقیت کسب و کار است. این عامل به شما می‌گوید که شرکت‌ها چگونه برتری خود را نسبت به رقبا حفظ می‌کنند.

همان‌طور که قبلاً ذکر شد، Humu Laszlo Bock به بهبود رضایت کارکنان اختصاص دارد. روش آنها به این شکل است که منابع انسانی مبتنی بر داده و روانشناسی رفتاری را ترکیب می‌کند. داده‌های الگوریتم‌ها از محیط کاری شرکت و نظرسنجی‌های داخلی استخراج می‌شوند. سپس برای شناسایی تغییرات رفتاری اساسی که بیشترین تأثیر مثبت را بر شادی نیروی انسانی خواهد داشت، پردازش می‌شوند.

از طریق یادگیری ماشینی، فرآیند به طور خودکار تنظیم و بهبود می‌یابد. الگوریتم‌ها نتایج ضربه‌ها را کنترل می‌کنند، سپس زمان‌بندی و محتوای پیام‌های آینده را بر اساس آن نتایج تنظیم می‌کنند.

نگرانی‌ها

مسیر نوآوری به ندرت هموار است. همه پیشرفت‌های تغییر پارادایم با برخی پیچیدگی‌ها همراه هستند و این در مورد منابع انسانی و الگوریتم‌های مبتنی بر داده نیز صادق است.

کارشناسان در زمینه منابع انسانی برخی نگرانی‌های اخلاقی و حقوقی، از جمله سوگیری ناخواسته و مسائل مربوط به حریم خصوصی را برجسته کرده‌اند.

همان‌طور که قبلاً ذکر شد منابع انسانی مبتنی بر داده به حذف سوگیری انسانی از استخدام کمک می‌کند. با این حال، الگوریتم‌هایی که ضعیف اجرا شده‌اند، در صورتی که برای تمرکز بر خصوصیات یا ویژگی‌های شخصیتی اشتباه در متقاضیان طراحی شده باشند، واقعاً می‌توانند تبعیض را تقویت کنند. در برخی شرایط، این امر می‌تواند منجر به نادیده گرفته شدن کامل گروه‌های خاص و در نتیجه فرآیند استخدام ناعادلانه شود.

جمع‌آوری و استفاده از داده‌های کارکنان همان چیزی است که نگرانی‌های مربوط به حریم خصوصی را افزایش می‌دهد. از آنجایی که امنیت اطلاعات شخصی برای بسیاری از افراد اهمیت زیادی دارد، برخی از کارمندان ممکن است با به اشتراک‌گذاری داده‌های خود با شرکت‌های شخص ثالث مشکل داشته باشند.

مزایای منابع انسانی الگوریتمی

مزایای منابع انسانی الگوریتمی

  • بهره‌وری بیشتر

به کمک منابع انسانی، زمان لازم برای بررسی رزومه، اسکن اسناد و انجام تحقیقات را می‌توان کاهش داد. الگوریتم‌ها به بخش‌های منابع انسانی اجازه می‌دهند تمرکز خود را به جای دیگری هدایت کنند. خودکارسازی وظایف و تعهدات مربوط به اجرا و پیاده‌سازی، زمان را برای کارکنان آزاد می‌کند، در حالی که به هر فردی که استخدام می‌شود، تجربه خوبی را ارائه می‌دهد.

  • تصمیم‌گیری بی‌طرفانه

بخشی از زیبایی یادگیری ماشین، اسکن هوش مصنوعی و تجزیه و تحلیل داده‌های منابع انسانی، کاهش بسیاری از تعصب‌ها و تبعیض‌ها است. طی سال‌ها، اقداماتی انجام شده است تا اطمینان حاصل شود که کارفرمایان متقاضیان را به دلیل عوامل نژادی یا جنسیتی فیلتر نمی‌کنند و منابع انسانی الگوریتمی با جفت کردن متقاضیان با بالاترین کیفیت و مدیران، این کار را یک قدم فراتر می‌برد.

  • بازخورد روشنگر

منابع انسانی الگوریتمی دوسویه است. نه تنها به مدیرانی که به دنبال بهبود نیروی کار هستند، سود می‌رساند، بلکه به کارکنان بستر و فرصتی برای شنیده شدن و دریافت بازخورد عملی می‌دهد. پیشرفت، اهداف، رفاه، همه این جنبه‌ها را می‌توان مورد توجه و تمرکز لازم قرار داد و راه‌هایی را برای بهبود (مانند توسعه، آموزش و پشتیبانی) سریع‌تر باز کرد.

معایب منابع انسانی الگوریتمی

دلایلی هم برای نگرانی در مورد منابع انسانی الگوریتمی وجود دارد. زیرا این تحلیل‌های نرم‌افزاری ابزار هستند و هر ابزاری هر چقدر هم که مفید باشد، می‌تواند مورد سوء استفاده قرار گیرد.

هر نتیجه عملی وابسته به داده‌هایی است که تولید شده است. متعاقباً، اگر کیفیت داده‌های مورد تجزیه و تحلیل ضعیف یا نادرست باشد، نتایج را منحرف می‌کند. مانند خواندن نادرست نقشه، دنبال کردن داده‌های اشتباه می‌تواند منجر به نتایج فاجعه‌آمیزی شود.

از آنجایی که هوش مصنوعی هم قابل برنامه‌ریزی است و هم بر اساس آنچه تغذیه می‌شود، یاد می‌گیرد، امکان دستکاری و تغییر با استفاده نادرست وجود دارد. همان‌طور که در مزایا بیان شد، منابع انسانی الگوریتمی سوگیری را کاهش می‌دهد، اما اگر سیستم‌های خود را عمداً برای جست‌وجوی کلمات کلیدی خاص برنامه‌ریزی کنید، با وظیفه‌شناسی از آن تبعیت می‌کند.

برای برخی از افرادی که تازه استخدام شده‌اند، گسست بین توانایی صحبت صریح با یک انسان، به جای پردازش توسط یک ماشین، دلهره‌آور است. اما حقیقت این است که این چالش‌ها تنها زمانی به وجود می‌آیند که منابع انسانی مبتنی بر داده به‌طور ضعیف ترکیب شده یا عمداً تحریف شده باشد و هنگامی که به درستی یکپارچه شود، می‌تواند در درازمدت در زمان، هزینه و تلاش صرفه‌جویی کند.

3 چالش مهم مدیریت الگوریتمی

  1. مدیریت الگوریتمی چقدر منصفانه است؟

علاوه بر مزایای مدیریت الگوریتمی، چندین موضوع اخلاقی مهم نیز وجود دارد. هدف اصلی الگوریتم‌ها بهبود تصمیم‌گیری و عینی‌تر و منصفانه‌تر کردن آن است. با این حال، ممکن است درست برعکس باشد. الگوریتم‌ها دخالت انسان در تصمیم‌گیری را حذف یا کاهش می‌دهند. در نتیجه، افراد ممکن است الگوریتم‌ها را ناعادلانه ببینند.

نگرانی اصلی داده‌هایی است که الگوریتم‌ها تصمیمات خود را بر اساس آنها قرار می‌دهند. الگوریتم‌ها بر روی داده‌های نمونه برای پیش‌بینی رویدادها و تصمیم‌گیری آموزش داده می‌شوند. بنابراین، کیفیت داده‌ها یک عامل مهم است. به عنوان مثال، یک سازمان می‌تواند الگوریتمی را بر روی داده‌های استعداد تاریخی آموزش دهد که در آن تعداد کمی از زنان پست‌های مدیریتی دارند. سپس، الگوریتم ممکن است احتمال کمتری برای موفقیت زنان در پست‌های مدیریتی را پیش‌بینی کند. در نتیجه، زنان ممکن است از طرح‌های مدیریت استعداد حذف شوند.

الگوریتم‌ها اغلب دارای یک کاراکتر «جعبه سیاه» هستند. آنها شفاف نیستند و نحوه دقیق عملکرد الگوریتم اغلب نامشخص است. این می‌تواند اعتماد به الگوریتم را به چالش بکشد و مسائل مربوط به پاسخگویی را برای تصمیمات الگوریتم ارائه دهد.

برخی از سازمان‌ها در حال حاضر به دنبال استفاده از الگوریتم‌ها و هوش مصنوعی در استخدام و چگونگی اطمینان از عدالت و شفافیت آنها هستند.

چالش های منابع انسانی الگوریتمی

  1. مدیریت الگوریتمی نقش مدیریت و منابع انسانی را به چالش می‌کشد

مدیریت الگوریتمی مشارکت و تعامل انسان را در فرآیندهای مختلف کاهش می‌دهد یا جایگزین می‌کند. این امر چالش‌هایی را برای مدیران و منابع انسانی ایجاد می‌کند. وقتی جنبه شخصی و همدلی حذف شود، مدیریت افراد چه تغییری می‌کند؟

هم مدیران و هم دست‌اندرکاران منابع انسانی باید با پویایی‌های جدیدی که مدیریت الگوریتمی ایجاد می‌کند، سازگار شوند. آنها به مهارت‌ها و شایستگی‌های جدیدی نیاز دارند که برای استفاده مسئولانه از الگوریتم‌ها آماده شوند.

مدیران و منابع انسانی نیز باید دیدگاه متقاضیان را در نظر بگیرند. به عنوان مثال، الگوریتم‌های مورد استفاده در استخدام زمانی می‌توانند مشکل‌ساز شوند که متقاضیان باور نداشته باشند که الگوریتم‌ها چقدر منحصربه‌فرد هستند.

بنابراین مدیران و منابع انسانی، چگونه افزایش اتوماسیون و کاهش ارتباط انسانی را جبران می‌کنند؟ و چگونه آنها با موفقیت به سمت فرهنگ داده‌محور تغییر ایجاد می‌کنند؟ همه اینها سؤالاتی هستند که منابع انسانی و مدیران باید پاسخی برای آنها پیدا کنند.

  1. خطر مدیریت الگوریتمی برای رفاه کارکنان

مدیریت الگوریتمی همچنین می‌تواند برای رفاه کارکنان خطراتی ایجاد کند. برخی حتی ردیابی، بازخورد و ارزیابی رفتار در زمان واقعی را با ابزارهای دیگر مقایسه می‌کنند. مدیریت الگوریتمی می‌تواند به عنوان یک شکل تهاجمی کنترل بر کارکنان دیده شود.

همچنین به نظر می‌رسد که با گرایش به دادن استقلال بیشتر به کارکنان، امکان کار و برنامه‌های انعطاف‌پذیر با آن در تضاد باشد. شرکت‌ها باید به دقت بر نحوه واکنش کارکنان به معرفی مدیریت الگوریتمی نظارت کنند. برخی از کارمندان ممکن است آن را تهدیدی برای امنیت روانی و استقلال خود بدانند. رفاه کارکنان می‌تواند در نتیجه مدیریت الگوریتمی کاهش یابد.

به عنوان مثال، یک هتل زنجیره‌ای بین‌المللی از ابزار نرم‌افزاری برای مدیریت نظافتچی‌ها استفاده می‌کرد. آنها به‌طور مداوم در مورد اینکه کدام اتاق‌ها را بعداً تمیز کنند، به‌روزرسانی می‌شدند و شرکت همچنین می‌توانست ردیابی کند که چقدر طول می‌کشد تا یک اتاق را تمیز کنند. با این حال، کارمندان خاطرنشان کردند که این الگوریتم نتوانسته تفاوت‌های ظریف کار آنها را در نظر بگیرد و آن را سخت‌تر کرده است. آنها قادر به سازماندهی روز خود نبودند و کار از نظر فیزیکی سخت‌تر شد، زیرا الگوریتم آنها را “زیگزاگی” در طبقات هتل می‌فرستاد.

توصیه‌هایی برای پیاده‌سازی مدیریت الگوریتمی

خبر خوب این است که می‌توان از مزایای مدیریت الگوریتمی بهره برد و در عین حال چالش‌های آن را کاهش داد. استراتژی‌های زیر می‌تواند به مدیران کمک کند تا الگوریتم‌ها را به طور مسئولانه در سازمان‌ها پیاده‌سازی کنند.

  1. استراتژی

اول، تعیین درجه مدیریت الگوریتمی بسیار مهم است. شرکت‌ها می‌توانند فرآیندهای پرهزینه و نسبتاً استاندارد شده را شناسایی کرده و از آنجا شروع کنند. در آنجا می‌توانید انتظار بزرگ‌ترین دستاوردهای مدیریت الگوریتمی را داشته باشید. به هر حال، ادغام الگوریتم‌ها در فرآیندهای تجاری و تصمیم‌گیری نیازمند یک استراتژی روشن است: تعیین اینکه آیا آنها تصمیم‌گیری انسانی را افزایش می‌دهند یا به صورت خودکار درمی‌آورند.

  1. مدیریت تغییر

در اجرای مدیریت الگوریتمی، توجه به رفاه کارکنان نیز مهم است. معرفی الگوریتم‌ها در سازمان‌ها تحولی اساسی است. دیدگاه مدیریت تغییر می‌تواند مفید باشد. مدیریت تغییر فعال یک عامل موفقیت تعیین‌کننده در معرفی الگوریتم‌ها است. باید مطمئن شوید که آمادگی برای تغییر وجود دارد. با کمک به کارکنان و مدیران خود در درک ارزش افزوده شده توسط الگوریتم، می‌توانید آنها را برای استقبال از تغییر آماده کنید.

همچنین ممکن است کارمندان با معرفی مدیریت الگوریتمی احساس خطر کنند. این می‌تواند ناشی از عدم ارتباط در مورد الگوریتم باشد. به طور مشابه، کارمندان ممکن است ترس داشته باشند که ماشین‌ها و هوش مصنوعی جایگزین آنها شوند. برای غلبه بر این موضوع، مهم است که کارمندان و مدیران را در مراحل اولیه تغییر مشارکت دهید. ایجاد خطوط ارتباطی باز به رفع نگرانی‌های کارکنان کمک می‌کند. این موضوع شامل ارتباط فعال در مورد اینکه داده‌ها برای چه چیزی استفاده می‌شوند و چه کسی برای تصمیمات الگوریتمی پاسخگو است، می‌شود. همچنین از احساس عقب ماندن کارمندان یا مدیران جلوگیری می‌کند.

ارتباطات و مدیریت تغییر باید همراه با آموزش باشد. آموزش به افراد این امکان را می‌دهد که در کار با الگوریتم‌ها احساس راحتی کنند و بتوانند به درستی تصمیم بگیرند. اگر افراد نحوه عملکرد الگوریتم را درک نکنند، ممکن است مایل به استفاده از آن نباشند. آموزش کارکنان و مدیران در مورد مهارت‌ها و شایستگی‌های لازم برای کار با الگوریتم‌ها حیاتی است.

  1. ارزیابی مداوم

در نهایت، شرکت‌ها باید فرهنگ ارزیابی مداوم را اتخاذ کنند. ردیابی نحوه عملکرد الگوریتم‌ها ضروری است. تنها زمانی که تصمیمات دقیق و باکیفیت باشند، افراد ارزش افزوده الگوریتم را خواهند پذیرفت.

هر الگوریتمی کارایی را افزایش نمی‌دهد، بنابراین نظارت بر کیفیت آن بسیار مهم است. تأثیر این تغییر بر کارکنان نیز باید ردیابی شود. سازمان‌ها می‌توانند فرصت‌هایی را برای کارمندان فراهم کنند تا نگرانی‌های خود را ابراز و بازخورد ارائه کنند. به ویژه، آن دسته از کارمندانی که تا حدی توسط الگوریتم‌ها مدیریت می‌شوند. این امر به سازمان‌ها اطلاعات ارزشمندی برای تنظیم و بهبود مدیریت الگوریتمی می‌دهد.

درخواست دموی نرم افزارهای دیدگاه در بستر وب و موبایل

سخن پایانی

نگرانی‌های مربوط به منابع انسانی مبتنی بر داده را نمی‌توان به حداقل رساند. با این حال، این بدان معنا نیست که الگوریتم‌ها در منابع انسانی زمانی که به درستی استفاده می‌شوند، مفید و ارزشمند نیستند.

موفقیت گوگل، به عنوان یکی از اولین شرکت‌هایی که از منابع انسانی مبتنی بر داده استفاده می‌کند، به خودی خود قانع‌کننده است. به این موارد، مطالعاتی را که شواهدی مبنی بر اثربخشی آن ارائه کرده‌اند، اضافه کنید، به نظر می‌رسد منابع انسانی مبتنی بر داده‌ها در آینده نیز ادامه خواهد یافت. با در نظر گرفتن اینکه چگونه الگوریتم‌های منابع انسانی (و سایر استراتژی‌های شامل الگوریتم‌ها) می‌توانند در سازمان شما جا بیفتند، می‌توانید سازمان خود را به سمت آینده منابع انسانی با الگوریتم‌ها سوق دهید و هم‌زمان از بهترین ابزارها و استراتژی‌ها برای کمک به افراد خود استفاده کنید.

نظرات کاربران 0 نظر

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

10 + هجده =