סיכום מאמר לדוגמא מאתר אקדמג'יק, להורדה בחינם לחצו על הפורמט המועדף עליכם:
בינה מלאכותית במשאבי אנוש: אתגרים ודרך קדימה
Tambe et al., 2019
המאמר עוסק בפער הקיים בין ההבטחה לבין המציאות בשימוש באינטליגנציה מלאכותית (AI) בניהול משאבי אנוש, ומציע הצעות כיצד להתקדם בתחום זה. החוקרים במאמר מזהים ארבעה אתגרים בשימוש בטכניקות של מדעי הנתונים בפרקטיקות של ניהול משאבי אנוש: א. המורכבת של תופעת משאבי האנוש, ב. מגבלות שקיימות בעקבות שימוש במאגרי מידע קטנים, ג. שאלות אתיות המקושרות עם הוגנות ומגבלות חוקיות, ד. תגובת העובדים לניהול באמצעות אלגוריתמים מבוססי-נתונים. החוקרים במאמר מציעים דרכים פרקטיות להתמודד עם אתגרים אלה, הכוללות שלושה עקרונות: היגיון סיבתי, אקראיות (רנדומיזציה), ופורמליזציה של תהליכים.
מבוא
הרטוריקה הארגונית בניהול התקדמה בקצב מדהים מביג-דאטה (Big data) ללמידת מכונה (Machine learning) לאינטליגנציה מלאכותית (Artificial Intelligence – AI). עם זאת, קיים פער בין הרטוריקה לבין המציאות, ומרבית הארגונים מתקשים ליישם כלים מורכבים של AI במציאות הארגונית. AI באופן כללי מתייחסת לטווח רחב של טכנולוגיות המאפשרות למחשב לבצע משימות שבאופן נורמלי דורשות קוגניציה אנושית, כולל קבלת החלטות. ההתקדמות בתחום זה מציעה אפשרויות רבות גם לניהול משאבי האנוש בארגון, אך במציאות הארגונית השימוש בכלים אלה נתקל בקשיים רבים. מבין קשיים ואתגרים אלה ניתן למנות:
א. ניהול משאבי האנוש בארגון היא תופעה בעלת מורכבות רבה, למשל קיימים מספר רב מאוד של מרכיבים שהופכים עובד ל"עובד טוב".
ב. מאגרי הנתונים הקיימים בחלק גדול מהארגונים נחשבים למאגרי מידע קטנים מדי עבור הסטנדרטים של מדעי הנתונים הנדרשים ליישום כלי AI.
ג. התוצאות של קבלת החלטות לגבי משאבי אנוש בארגון, כמו למשל גיוס ופיטורי עובדים, כוללות היבטים אתיים כמו הוגנות וצדק אנושי.
ד. החלטות לגבי העבודה עצמה גם הן כוללות במקרים רבים שיקולים מורכבים שכוללים גם מרכיבים פסיכולוגיים וחברתיים.
ה. עובדים עשויים להגיב באופן שלילי לקבלת החלטות ארגוניות המבוצעות על ידי אלגוריתמים חישוביים בלבד.
בהמשך המאמר, ההתייחסות היא לאתגרים אלה, בהתייחס למושג שהחוקרים מתארים כ- "מעגל החיים של ה- AI": אופרציות – ייצור נתונים – למידת מכונה – קבלת החלטות – שוב אופרציות.
מעגל החיים של ה-AI
המושג "אופרציות" מתייחס לתופעה שעל הפרק, למשל האופן שבו הארגון מגייס עובדים. אופרציות אלה, שנאספות מתוך מגוון מאגרי מידע, מספקות קלט עבור שלב "ייצור הנתונים". בשלב הבא, מתרחשת "למידת מכונה", שיוצרת אלגוריתמים שמשתפרים באופן מתמשך בביצוע המשימה, למשל פרדיקציה. בשלב "קבלת ההחלטות", מתבצע השימוש בתובנות ממודל למידת המכונה באופרציות היומיומיות בארגון.
עיסוק באתגרים של AI: שלב אחד בכל פעם
בחלק זה, מוצגת התייחסות לאתגרים שהוצגו בתחילת המאמר ביחס לשימוש ב- AI במשאבי אנוש: א. מורכבות התופעה, ב. מאגרי מידע קטנים, ג. מגבלות אתיות וחוקיות, ד. תגובות העובדים לניהול בעזרת AI, בשלבים השונים של "מעגל החיים של ה- AI".
שלב ייצור הנתונים
המורכבות של ניהול משאבי אנוש מתבטא במידה רבה בשלב ייצור הנתונים. למשל, קשה מאוד ליצור מדד שמרכיב "עובד טוב" מפני שזהו מושג מורכב שכולל מספר רב של משתנים, דרישות ותוצאות. בהקשר לייצור נתונים למשל, לא ניתן למדוד את כל המרכיבים של "עובד טוב". בנושא זה, דרכים להתמודדות עם האתגרים הן למשל לא לצפות למדדים מושלמים, להתמקד במדדים אובייקטיביים, ולאסוף נתונים ממגוון מקורות. בשלב ייצור הנתונים, אתגר נוסף הוא תגובות העובדים למאמצים לאסוף נתונים, מפני שעובדים עשויים להטות את תשובותיהם בהתאם למה שהם חושבים ייעשה בנתונים. על כן, התמודדות עם אתגר זה צריכה לכלול איסוף נתונים אותנטי ככל הניתן.
שלב למידת המכונה
בשלב למידת המכונה, אחת הבעיות המרכזיות היא קיומם של מאגרי מידע קטנים, שאינם מאפשרים התחשבות במספר מספק של משתנים לצורך בניית אלגוריתמים יעילים. שלב "הלמידה" של המחשב עשוי להיות בעייתי, ולייצר פרדיקציות שאינן מבוססות על כמות מספקת של נתונים מתוך המציאות הארגונית. התמודדות עם אתגרים אלה עשויה להיות באמצעות צמצום טווח המשתנים הרלוונטיים לתופעה, ושילוב בין נתונים ארגוניים לבין נתונים אפידמיולוגיים מהאוכלוסייה הכללית.
שלב קבלת ההחלטות
בשלב קבלת ההחלטות, החוקרים מזהים שלושה אתגרים משמעותיים: הוגנות, יכולת להסביר את ההחלטות, ותגובות העובדים לקבלת החלטות בעזרת אלגוריתמים. אתגר ההוגנות הוא לקבל החלטות שיהיו בהן שיקולים אנושיים למרות שההחלטה מתבצעת במידה רבה בעזרת הטכנולוגיות הממוחשבות. היכולת להסביר את ההחלטות קשורה לקריטריונים שבאמצעותן התבצעה למידת המכונה, שהוגדרו על ידי המנהלים עצמם. תגובות העובדים קשורות לאופן שבו עובדים מקבלים את העקרונות שניהול משאבי האנוש בארגון מתבצע על סמך עקרונות של אלגוריתמים ולא על סמך שיקולי דעת אנושיים בלבד. על מנת להתמודד עם אתגרים אלה, יש צורך למצוא את השילוב הנכון שבין ההמלצות לקבלת ההחלטות על ידי ה- AI, לבין שיקול הדעת האנושי של המנהלים בארגון.
דיון ומסקנות
טכנולוגיית ה- AI מתפתחות בקצב מדהים בכל תחומי החיים כגון שירותי הבריאות, תעשיית הרכב, רשתות חברתיות, שיווק ופרסום. על מנת להתמודד עם האתגרים הקיימים ביישום טכנולוגיות AI בתחום ניהול משאבי האנוש, החוקרים מתארים שלושה עקרונות חשובים: א. היגון סיבתי – המנהלים צריכים להסביר ולהיות הוגנים כלפי הסיבות להחלטות המבוצעות בעזרת AI. ב. אקראיות (רנדומיזציה) – במצבים בהם אין מספיק נתונים לקבוע באופן מדויק, העובדים עשויים לקבל מצבים שבהם קבלת ההחלטה התקבלה באופן רנדומלי, כמו למשל בהטלת מטבע. לעקרון זה קיימת חשיבות עבור תחושת ההוגנות של העובדים. ג. פורמליזציה של תהליכים – על מנת לבנות אלגוריתמים יעילים וראויים, קיימת חשיבות רבה לכך שהתהליכים המתקיים בארגון יהיו ברמה גבוהה ככל הניתן של פורמליות. התובנות העקרוניות והמעשיות המוצגות במאמר זה עשויות לקדם את היישום של טכנולוגיות AI בתחומי ניהול משאבי האנוש בארגונים.
מקור
Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15-42.