مجلة عالم التكنولوجيا
مجلة تكنولوجية شاملة

كيف تستخدم الذكاء الاصطناعي مع موظفيك؟

0 130

أصبحت تقنية الذكاء الاصطناعي أداة رائعة لحل العديد من مشاكل قطاع الأعمال. وتتضمن فوائد الذكاء الاصطناعي خوارزميات من علم البيانات التي تجعل التنبؤات أفضل مما كنا قادرين على القيام به حتى الآن.

إذًا؛ كيف يجب على أصحاب العمل المضي قدمًا أثناء التفكير في تبني تقنية الذكاء الاصطناعي لاتخاذ القرارات التي تخص الموظفين؟ فيما يلي أربعة اعتبارات:

1- قد تكون الخوارزمية أقل تحيزًا من الممارسات الحالية التي تولد البيانات في المقام الأول.

فعندما نفوض التوظيف للمشرفين الفرديين، على سبيل المثال، فمن المحتمل جدًا أن يكون لدى كل منهم الكثير من التحيز لصالح المرشحين وضدهم بناءً على سمات لا علاقة لها بالأداء الجيد.

وقد يفضل المشرف “أ” المرشحين الذين تخرجوا في كلية معينة، في حين أن المشرف “ب” قد يفعل العكس؛ لأنه كانت لديه تجربة سيئة مع بعض خريجي هذه الكلية. تعامل الخوارزميات على الأقل الجميع بنفس الصفات على قدم المساواة، وإن لم يكن ذلك بالضرورة عادلًا.

2- قد لا يكون لدينا مقاييس جيدة لجميع النتائج التي نرغب في توقعها، وقد لا نعرف كيفية تقييم العوامل المختلفة في اتخاذ القرارات النهائية.

على سبيل المثال: ما الذي يجعل الموظف “جيدًا”؟ عليهم أن ينجزوا مهامهم بشكل جيد، وعليهم أيضًا أن يتعايشوا جيدًا مع زملائهم، وأن يتناسبوا مع “الثقافة”، وأن يبقوا معنا ولا يستقيلوا، وما إلى ذلك.

هنا مرة أخرى، ليس من الواضح ما إذا كان ما نقوم به الآن أفضل: قد يكون المشرف الفردي الذي يتخذ قرار الترقية قادرًا على النظر في جميع هذه المعايير، ولكن كل تقييم محمل بالتحيز. ونعلم من خلال البحث الدقيق أنه كلما استخدم مديرو التوظيف حكمهم الخاص في هذه الأمور كانت قراراتهم أسوأ.

3- قد تثير البيانات التي يستخدمها الذكاء الاصطناعي قضايا أخلاقية.

وتعتمد الخوارزميات التي تتنبأ بالدوران، على سبيل المثال، غالبًا الآن على البيانات من مواقع التواصل الاجتماعي، مثل منشورات فيسبوك. وقد نقرر أن جمع مثل هذه البيانات حول موظفينا يُعد انتهاكًا للخصوصية، لكن عدم استخدامها يأتي على حساب النماذج التي لا يمكن التنبؤ بها بشكل جيد.

قد تؤدي الخوارزمية عملًا جيدًا بشكل عام في التنبؤ بشيء للموظف العادي ولكنها تؤدي وظيفة سيئة لبعض المجموعات الفرعية من الموظفين. قد لا يكون مفاجئًا، على سبيل المثال، أن تجد أن نماذج التوظيف التي تختار مندوبي مبيعات جددًا لا تعمل جيدًا في اختيار المهندسين.

ويبدو أن مجرد وجود نماذج منفصلة لكل منها هو الحل. ولكن ماذا لو كانت المجموعات المختلفة من الرجال والنساء؟ في تلك الحالات، تمنعنا القيود القانونية من استخدام ممارسات مختلفة ونماذج توظيف مختلفة لمجموعات سكانية مختلفة.

4. غالبًا ما يكون من الصعب شرح وتبرير المعايير الكامنة وراء القرارات الحسابية.

في معظم أماكن العمل الآن لدينا على الأقل بعض المعايير المقبولة لاتخاذ قرارات التوظيف. ولكن عندما نستخدم الخوارزميات لتوجيه تلك القرارات، نفقد القدرة على شرح كيفية اتخاذ هذه القرارات للموظفين.

وتجمع الخوارزمية ببساطة كل المعلومات المتاحة معًا لبناء نماذج معقدة للغاية تتنبأ بالنتائج السابقة.

في النهاية، يمكن القول إن النماذج الخوارزمية ليست أسوأ مما نقوم به الآن. لكن من السهل عليها تحديد مشاكل العدالة الخاصة بالموظفين؛ لأنها تحدث على نطاق واسع. إن طريقة حل المشاكل هي الحصول على مقاييس أكثر وأفضل.

كيف تستخدم الذكاء الاصطناعي مع موظفيك؟
كيف تستخدم الذكاء الاصطناعي مع موظفيك؟

إقرأ أيضا:

باحثون يطورون صبغة شعر طبيعية غير سامة

 

 

شاهد| رينو تحول “Megane” الجديدة لسيارة أكثر تميزًا وأناقة

الرابط المختصر :

اترك رد

لن يتم نشر عنوان بريدك الإلكتروني.