AI สำหรับฝ่ายทรัพยากรบุคคล: คู่มือฉบับสมบูรณ์ในการยกระดับทรัพยากรบุคคล

คุณกำลังใช้ AI เพื่อเร่งความเร็วในการทำงาน HR หรือคุณกำลังมอบหมายให้อัลกอริทึมตัดสินใจในเรื่องที่ไม่ควรตัดสินใจเพียงลำพัง? นี่คือจุดที่การถกเถียงเรื่อง AI สำหรับ HR เริ่มจริงจัง ในกลุ่ม PMI ของอิตาลี ปัญหาไม่ได้อยู่ที่การเข้าใจว่าปัญญาประดิษฐ์มีประโยชน์หรือไม่ มันมีประโยชน์แน่นอน ปัญหาคือการเข้าใจว่ามันสร้างคุณค่าที่แท้จริงตรงไหน และตรงไหนที่มันกลับนำมาซึ่งความไม่โปร่งใส อคติ และความเสี่ยงด้านกฎระเบียบ

ในฐานะผู้ประกอบการ ฉันได้เห็นว่าการทำให้งานที่น่าเบื่อที่สุดเป็นระบบอัตโนมัตินั้นน่าดึงดูดใจเพียงใด ไม่ว่าคุณจะต้องอ่านประวัติการทำงานหลายร้อยฉบับ สรุปผลสำรวจภายใน หรือพนักงานที่ถามคำถามเดิมๆ เกี่ยวกับสิทธิวันหยุดและนโยบายของบริษัท AI สามารถช่วยประหยัดเวลาให้คุณได้ทันที แต่ฉันก็ได้เห็นอีกด้านหนึ่งของเหรียญเช่นกัน คะแนนความเข้ากันได้ที่สร้างโดยโมเดลอาจดูเป็นกลาง และด้วยเหตุผลนั้นเอง มันอาจอันตรายกว่าการประเมินโดยมนุษย์ที่มีความเห็นส่วนตัวอย่างชัดเจน

การตีความที่ถูกต้องไม่ใช่ “ใช้ AI” หรือ “ไม่ใช้ AI” แต่คือการหาจุดที่เหมาะสมระหว่างระบบอัตโนมัติกับความรับผิดชอบของมนุษย์ สำหรับใครที่ต้องการมุมมองที่เน้นปฏิบัติจริงเกี่ยวกับ PMI ผมขอแนะนำ AI in HR for SMEs ด้วยเช่นกัน

การแนะนำ

คำถามที่ถูกต้องไม่ใช่ว่า AI ช่วยงาน HR ได้หรือไม่ คำถามที่ถูกต้องคือมันสามารถเลือกบุคลากรคนต่อไปของคุณได้จริงหรือไม่โดยไม่บิดเบือนกระบวนการ

ในทางปฏิบัติแล้ว AI ได้ถูกนำมาใช้ในปัจจุบันแล้วในด้านการคัดกรองประวัติย่อ, แชทบอทภายในองค์กร, การวิเคราะห์แบบสำรวจ, การปฐมนิเทศพนักงานใหม่ และการสร้างเอกสารต่างๆ เป็นเทคโนโลยีที่มีประโยชน์อย่างยิ่งเมื่อปริมาณงานปฏิบัติการสูงและความรวดเร็วสามารถสร้างประโยชน์ได้ทันที แต่ในด้านการบริหารทรัพยากรบุคคล ทุกการตัดสินใจส่งผลกระทบต่อผู้คนจริง อาชีพจริง และสิทธิที่แท้จริง นั่นคือเหตุผลที่การนำมาใช้ต้องได้รับการพิจารณาด้วยมุมมองที่แตกต่างจากการนำเทคโนโลยีมาช่วยเขียนอีเมลหรือสรุปการประชุม

ประสิทธิภาพสำคัญก็จริง แต่ในการตัดสินใจเกี่ยวกับบุคคล แค่รวดเร็วยังไม่พอ

ในตลาดอิตาลี ประเด็นนี้ยิ่งละเอียดอ่อนมากขึ้น GDPR และ AI Act ของยุโรปจำกัดขอบเขตความผิดพลาดอย่างมาก เมื่อระบบอัตโนมัติส่งผลต่อการจ้างงาน การประเมิน และการบริหารบุคลากร หากคุณกำลังพิจารณาAI สำหรับ HR คุณต้องมีกฎง่ายๆ ข้อหนึ่ง: ทำงานที่เป็นกลไกให้เป็นระบบอัตโนมัติ แต่ให้งานที่ต้องตัดสินใจยังคงเป็นของมนุษย์

สิ่งที่ AI ทำได้จริงสำหรับทรัพยากรบุคคลในปัจจุบัน

การใช้ AI ในงานทรัพยากรบุคคลไม่ใช่เรื่องนิยายวิทยาศาสตร์อีกต่อไป แต่เป็นส่วนหนึ่งของงานประจำวันแล้ว ในปัจจุบัน บริษัทจำนวนมากใช้ AI เพื่อลดภาระงานซ้ำซาก เร่งกระบวนการต่าง ๆ และให้ทีมทรัพยากรบุคคลมีเวลามากขึ้นสำหรับงานที่ต้องใช้บริบทและการตัดสินใจ

ตามข้อมูลของ Yomly เกี่ยวกับการนำ AI มาใช้ในฟังก์ชัน HR 44% ของบริษัทใช้งานมันแล้วในการสรรหาบุคลากร เครื่องมือ AI สามารถลด time-to-hire ได้ประมาณ 50% และทำงานซ้ำๆ ให้เป็นระบบอัตโนมัติได้เกือบ 40%

การสรรหาและการคัดกรองเบื้องต้น

กรณีการใช้งานที่พบบ่อยที่สุดคือการคัดกรองใบสมัครเบื้องต้น LLM จะอ่านประวัติย่อและคำอธิบายงาน เปรียบเทียบทักษะ ประสบการณ์ และสัญญาณเชิงความหมาย จากนั้นจึงจัดทำรายชื่อผู้ผ่านการคัดเลือกที่จัดอันดับไว้

ในทางปฏิบัติ มันทำงานได้ดีเมื่อบทบาทค่อนข้างมาตรฐาน ฉันกำลังคิดถึงบทบาทด้านการบริหาร การสนับสนุนลูกค้า การขายภายใน และการพัฒนาซอฟต์แวร์ที่มีเทคโนโลยีที่กำหนดไว้ หากคุณอธิบายข้อกำหนดอย่างชัดเจน โมเดลนี้จะช่วยเร่งขั้นตอนแรกได้อย่างมาก

มันไม่ค่อยได้ผลดีนักเมื่อปัจจัยที่เกี่ยวข้องนั้นยากต่อการรับรู้จากประวัติการทำงาน

• ประสบการณ์ที่ไม่เป็นเส้นตรง อาจถูกลดคะแนน แม้จะมีความเกี่ยวข้องมากก็ตาม
• ทักษะทั่วไป (soft skills) เช่น ความเป็นอิสระ ภาวะผู้นำ หรือความสามารถในการปรับตัว ยังคงประเมินโดยอัตโนมัติได้ยาก
• ความเข้ากันได้กับบริบทขององค์กร แทบจะไม่ปรากฏชัดจากการวิเคราะห์ข้อความง่ายๆ

กฎปฏิบัติ: ใช้ AI เพื่อคัดกรองจากเรซูเม่ 500 ฉบับให้เหลือรายชื่อที่จัดการได้ง่ายขึ้น อย่าใช้มันตัดสินใจเพียงลำพังว่าใครสมควรได้รับการสัมภาษณ์รอบสุดท้าย

การสนับสนุนพนักงานและการดำเนินงานด้านทรัพยากรบุคคล

กรณีการใช้งานที่สองไม่ได้โดดเด่นเท่า แต่มักมีประโยชน์มากกว่า ทีม HR ใช้เวลาส่วนใหญ่ไปกับคำขอที่ซ้ำซาก ตามการวิเคราะห์ของ Tommaso Maria Ricci เกี่ยวกับ AI ในทรัพยากรบุคคล ทีม HR ใช้เวลาระหว่าง 40% ถึง 60% ไปกับคำขอต่างๆ เช่น วันลา สลิปเงินเดือน และนโยบายบริษัท แชทบอท HR สามารถปลดปล่อยเวลาได้มากถึง 2-3 ชั่วโมงต่อวัน เพื่อนำไปใช้กับกิจกรรมเชิงกลยุทธ์มากขึ้น

คุณค่าที่ได้รับที่นี่คือความรวดเร็ว ทันทีที่พนักงานมีคำถามเกี่ยวกับสิทธิการลาพักร้อนที่เหลืออยู่ เอกสาร ขั้นตอนการเบิกค่าใช้จ่าย กฎระเบียบ หรือกระบวนการเริ่มต้นงาน ระบบแชทบอทภายในองค์กรจะตอบกลับได้ทันที ประโยชน์ไม่ได้จำกัดแค่การประหยัดเวลาของทีมทรัพยากรบุคคลเท่านั้น แต่ยังรวมถึงคุณภาพของประสบการณ์ที่พนักงานได้รับ ซึ่งจะได้รับคำตอบอย่างรวดเร็ว แทนที่จะต้องรออีเมลกลับ

การสำรวจ, การเริ่มต้นใช้งาน และการทำแผนที่ทักษะ

ที่ AI แสดงศักยภาพได้อย่างแท้จริงคือการวิเคราะห์ข้อความยาวและวกวน แบบสำรวจภายในองค์กรเป็นตัวอย่างที่ชัดเจนของกรณีนี้ แทนที่จะต้องอ่านคำตอบปลายเปิดนับร้อยรายการด้วยตนเอง โมเดลสามารถระบุประเด็นที่เกิดซ้ำ อารมณ์ความรู้สึก ประเด็นปัญหาใหม่ ๆ และรูปแบบที่ควรได้รับการสำรวจเพิ่มเติมได้

แอปพลิเคชันที่มีประโยชน์มากที่สุดที่ฉันเห็นในธุรกิจขนาดกลางและขนาดเล็กคือดังนี้:

1. รายละเอียดงานและนโยบาย
   AI สร้างร่างแรกที่มีความสอดคล้องกัน จากนั้นทีม HR จะตรวจแก้ในแง่กฎหมายและวัฒนธรรมองค์กร
2. Onboarding แบบเฉพาะบุคคล
   สามารถปรับเนื้อหา สื่อการสอน และลำดับขั้นตอนตามบทบาทหรือแผนกงานได้
3. การทำ Skill Mapping
   ช่วยทำแผนที่ทักษะที่มีอยู่และช่องว่างด้านการฝึกอบรม โดยเฉพาะเมื่อข้อมูลกระจัดกระจายอยู่ในเรซูเม่ การประเมินผล และบันทึกของผู้จัดการ
4. การวิเคราะห์บรรยากาศองค์กร
   แปลงข้อความที่ไม่มีโครงสร้างให้กลายเป็นสัญญาณที่มีประโยชน์ในการเข้าใจว่าควรเข้าไปแก้ไขจุดไหน

นอกจากนี้ยังมีความแตกต่างที่เพิ่มขึ้นระหว่างโมเดลทั่วไปกับโมเดลเฉพาะทาง ในด้านโมเดลเฉพาะทาง Wisq ได้พัฒนา HRLM เป็นโมเดลที่ออกแบบมาโดยเฉพาะสำหรับงานทรัพยากรบุคคล ในขณะที่ด้านโมเดลทั่วไป GPT, Claude และ Gemini กำลังถูกใช้ในหลายบริษัทสำหรับงานทรัพยากรบุคคลเชิงปฏิบัติการด้วยคำสั่งที่ออกแบบมาอย่างดี อย่างไรก็ตาม ความแตกต่างไม่ได้อยู่ที่คุณภาพของผลลัพธ์เพียงอย่างเดียว แต่ยังอยู่ที่การกำกับดูแลอีกด้วย

เส้นโค้งลาฟเฟอร์ปัญญาประดิษฐ์สำหรับการค้นหาจุดที่เหมาะสมที่สุด

วิธีแย่ที่สุดในการนำ AI มาใช้ในฝ่ายทรัพยากรบุคคลคือการคิดแบบสุดโต่ง การไม่ใช้ระบบอัตโนมัติเลยจะทำให้กระบวนการทำงานช้า เกิดงานคั่งค้าง และต้องตัดสินใจจากข้อมูลที่ไม่ครบถ้วน ในทางตรงกันข้าม การนำระบบอัตโนมัติมาใช้ทั้งหมดก็จะนำไปสู่กับดักอีกด้านหนึ่ง คือการปฏิบัติต่อคนและแอปพลิเคชันเหมือนเป็นเพียงงานที่ต้องดำเนินการตามขั้นตอนเท่านั้น

ปัญหาของสิ่งที่สุดขั้ว

อุปมาเรื่องเส้นโค้งลาฟเฟอร์ก็ใช้ได้ดีในกรณีนี้เช่นกัน ในช่วงแรก การนำ AI มาใช้ทุกจุดจะสร้างประสิทธิภาพ คุณทำให้ FAQ ภายในเป็นอัตโนมัติ ร่างเอกสารแรก การวิเคราะห์ข้อความ การจัดอันดับเรซูเม่เบื้องต้น คุณค่าที่ได้ก็เพิ่มขึ้นเรื่อยๆ

จากนั้นคุณจะถึงจุดเปลี่ยน หากคุณยังคงมอบหมายงานที่มีความละเอียดอ่อนมากขึ้นให้กับอัลกอริทึม ค่าของมันจะเริ่มลดลง ไม่ใช่เพราะโมเดลนั้นไร้ประโยชน์ แต่เพราะความเสี่ยงเพิ่มขึ้นเร็วกว่าประโยชน์ที่ได้รับ

ตามข้อมูลจากภาพรวมของ Workday เกี่ยวกับ AI ใน HR เหตุผลหลักในการนำมาใช้คือ การปรับปรุงกระบวนการตัดสินใจ (41%) การทำให้กระบวนการที่ทำซ้ำๆ เป็นอัตโนมัติ (35%) และ การปรับปรุงการรักษาพนักงานและประสบการณ์ของพนักงาน (32%) ข้อมูลเหล่านี้อธิบายได้ดีว่าทำไม AI ถึงดึงดูดฝ่าย HR มากขนาดนี้ แต่ก็ไม่ได้บอกว่าควรหยุดตรงไหน นี่คือประเด็นที่มักขาดหายไปในการถกเถียงกัน

คุณค่าสูงสุดไม่ได้อยู่ที่การแทนที่ทีม HR แต่อยู่ที่การทำให้ทีมมีความชัดเจนและรวดเร็วขึ้นในงานที่ถูกต้อง

วิธีวางเคอร์เซอร์ใน SME ของคุณ

เพื่อหาจุดที่เหมาะสมที่สุด ผมใช้การแบ่งแยกง่ายๆ ระหว่างงานเชิงกลไกและงานเชิงการตัดสินใจ

ถ้าคุณมี PMI จุดที่เหมาะสมที่สุดมักไม่ใช่เรื่องเทคนิค แต่เป็นเรื่องขององค์กร คุณต้องตัดสินใจให้ชัดเจนว่า AI ควรเสนอที่ไหน สั่งการที่ไหน สรุปที่ไหน และตรงไหนที่ไม่ควรตัดสินใจ

มีคำถามสามข้อที่เป็นประโยชน์มาก:

• ข้อผิดพลาดนั้นย้อนกลับได้หรือไม่? ถ้าคุณทำ FAQ ผิด ก็แก้ไขได้ แต่ถ้าคุณตัดผู้สมัครที่ใช่ออกไป ความเสียหายก็ยังคงอยู่
• งานนี้ทำซ้ำๆ หรือไม่? ยิ่งงานทำซ้ำมากเท่าไหร่ AI ก็มีแนวโน้มทำได้ดีมากขึ้นเท่านั้น
• การตัดสินใจนี้ส่งผลต่อสิทธิหรืออาชีพของบุคคลหรือไม่? ถ้าใช่ การมีมนุษย์เข้ามาแทรกแซงไม่ใช่ทางเลือก

ความเสี่ยงที่ซ่อนอยู่ของอคติ, ความเป็นส่วนตัว และการปฏิบัติตามกฎระเบียบ

ส่วนที่อันตรายที่สุดของAI สำหรับ HR ไม่ใช่เทคโนโลยี แต่เป็นภาพลวงตาของความเป็นกลาง เมื่อ recruiter ประเมินผู้สมัคร ทุกคนรู้ว่าการประเมินนั้นมีความเป็นอัตวิสัยอยู่บ้าง แต่เมื่อระบบให้คะแนน หลายคนกลับเลิกตั้งคำถาม

ตำนานของอัลกอริทึมที่เป็นกลาง

นี่คือแก่นของปัญหาอคติเชิงอัลกอริทึม ถ้าคุณฝึกหรือกำหนดค่าระบบด้วยข้อมูลการจ้างงานในอดีต ระบบก็มีแนวโน้มที่จะทำซ้ำตรรกะที่มีอยู่แล้วในข้อมูลนั้น ถ้าประวัติศาสตร์ขององค์กรเคยเอื้อประโยชน์ให้กับโปรไฟล์บางประเภทและกีดกันประเภทอื่น อัลกอริทึมก็อาจทำสิ่งเดียวกันได้เร็วขึ้นและมองเห็นได้ยากขึ้น

กรณีของ Amazon กลายเป็นตัวอย่างที่ชัดเจนด้วยเหตุผลนี้เอง บริษัทถูกบังคับให้ถอนระบบการคัดกรองประวัติย่อที่ลงโทษผู้สมัครหญิง นี่ไม่ใช่เหตุการณ์ที่เกิดขึ้นเพียงครั้งเดียวหรือเป็นเรื่องแปลกประหลาด แต่เป็นผลลัพธ์ที่คาดการณ์ได้ของแนวทางที่ใช้อดีตเป็นแบบอย่างของความสามารถ

ในอิตาลี ภาพรวมยังห่างไกลจากความน่าวางใจ ตามข้อมูลที่ELECTE เผยแพร่เกี่ยวกับหัวข้อนี้ มีเพียง 12% ของบริษัทด้าน HR ที่ใช้ระบบ AI เท่านั้นที่ได้นำการตรวจสอบอคติอย่างเป็นระบบมาใช้

โมเดลที่ดีกว่าไม่ได้ช่วยขจัดปัญหา หากข้อมูล เกณฑ์ หรือบริบทขององค์กรยังคงบิดเบือนอยู่

GDPR และพระราชบัญญัติ AI ในบริบทของอิตาลี

สำหรับผู้ที่ดำเนินงานในยุโรป นี่ไม่ใช่เพียงแค่ประเด็นทางจริยธรรมเท่านั้น แต่ยังเป็นประเด็นทางกฎหมายด้วย มาตรา 22 ของ GDPR รับรองสิทธิของผู้สมัครที่จะไม่ถูกตัดสินใจโดยอาศัยการประมวลผลอัตโนมัติเพียงอย่างเดียว ซึ่งการตัดสินใจดังกล่าวมีผลกระทบอย่างมีนัยสำคัญต่อบุคคลนั้น การตัดสินใจด้านทรัพยากรบุคคลอยู่ในขอบเขตที่ละเอียดอ่อนนี้โดยตรง

นอกจากนี้ AI Act ของยุโรปยังจัดให้การรับสมัครงานและการบริหารบุคลากรอยู่ในกลุ่มการใช้งานที่มีความเสี่ยงสูง ซึ่งหมายถึงข้อกำหนดด้านเอกสาร ความโปร่งใส การควบคุม และการบริหารความเสี่ยงที่เข้มงวดกว่าการใช้ AI ทั่วไปเพื่อเพิ่มผลิตภาพส่วนบุคคลมาก

สำหรับบริษัทอิตาลี ผลกระทบในทางปฏิบัติมีความชัดเจน:

• อย่าใช้กล่องดำในการตัดสินใจเพียงลำพังเรื่องการจ้างงาน การเลื่อนตำแหน่ง หรือการคัดออก
• บันทึกบทบาทของมนุษย์ในกระบวนการ
• ประเมินการจัดการข้อมูลส่วนบุคคลและฐานทางกฎหมาย
• เก็บบันทึกการตรวจสอบที่ทำกับระบบและเกณฑ์ที่ใช้

ผู้ที่กำลังทำงานอย่างจริงจังในหัวข้อเหล่านี้ควรศึกษาเพิ่มเติมเกี่ยวกับการปฏิบัติตาม AI Act ของบริษัทต่างๆ

เครื่องมืออเนกประสงค์และโมเดลแนวตั้ง: ควรเลือกแบบไหน

ตลาดกำลังแบ่งออกเป็นสองกลุ่มที่แตกต่างกันมาก ด้านหนึ่งคือLLM แบบทั่วไปอย่าง GPT, Claude และ Gemini อีกด้านหนึ่งกำลังมีโมเดลเฉพาะทางที่ออกแบบมาสำหรับงานทรัพยากรบุคคลโดยเฉพาะ เช่น HRLM ของ Wisq

เมื่อ LLM ทั่วไปเพียงพอ

สำหรับธุรกิจขนาดกลางและขนาดย่อม (SME) แบบจำลองทั่วไปมักเพียงพอแล้ว หากคุณต้องการ:

• สร้างร่างคำอธิบายตำแหน่งงาน
• สรุปฟีดแบ็กแบบเปิด
• สร้าง FAQ ภายในองค์กร
• จัดทำการเรียงลำดับเรซูเม่เบื้องต้น
• สนับสนุนการ onboarding และการสื่อสารภายในองค์กร

LLM ที่ดี เมื่อได้รับคำสั่งที่เขียนอย่างดี สามารถทำงานได้ดีมาก

ข้อได้เปรียบคือความปฏิบัติได้จริง คุณสามารถเริ่มต้นได้ทันที ใช้เวลาน้อย และทำการทดสอบได้อย่างรวดเร็ว สำหรับทีม HR ขนาดเล็กหรือบริษัทที่มีกระบวนการทำงานค่อนข้างเรียบง่าย วิธีนี้มักเป็นทางเลือกที่สมเหตุสมผลที่สุดในการเริ่มต้น

อย่างไรก็ตาม มีข้อจำกัดอยู่บ้าง โมเดลที่มีวัตถุประสงค์ทั่วไปไม่ได้ถูกออกแบบมาโดยคำนึงถึงตรรกะของงานทรัพยากรบุคคล และไม่ได้มาพร้อมกับนโยบายที่เฉพาะเจาะจงกับบริบทของคุณ อีกทั้งยังไม่สามารถรับประกันการปฏิบัติตามกฎระเบียบโดยปริยายเพียงเพราะมีความสามารถสูง

เมื่อใดที่แบบจำลองแนวตั้งเป็นตัวเลือกที่ดีที่สุด?

หากคุณกำลังจัดการกับปริมาณงานที่สูงขึ้น กระบวนการที่ละเอียดอ่อนมากขึ้น หรือองค์กรที่มีหลายระดับการอนุมัติ โมเดลแนวตั้งจะเหมาะสมกว่า ไม่ใช่เพราะโมเดลเหล่านี้ 'เข้าใจทุกอย่างได้ดีกว่า' แต่เพราะถูกออกแบบมาเพื่อขอบเขตที่แคบกว่า

พวกเขามักจะเป็นตัวเลือกที่ดีที่สุดเมื่อ:

• อนุกรมวิธาน HR ที่แม่นยำกว่า
• เวิร์กโฟลว์ที่เชื่อมต่อกับระบบภายใน
• การควบคุมที่ดีกว่าด้านการตรวจสอบและธรรมาภิบาล
• มาตรฐานที่เข้มงวดกว่าด้านความสามารถในการตรวจสอบย้อนกลับและการอธิบายได้

สำหรับ SME ที่มีพนักงาน 50 คน เป้าหมายไม่ใช่การซื้อระบบที่ซับซ้อนที่สุด แต่คือการเลือกระบบที่ทีมงานรู้วิธีใช้ ควบคุม และโต้แย้งได้เมื่อมันผิดพลาด

คำถามที่ถูกต้องไม่ใช่ว่าโมเดลใดที่ก้าวหน้ามากกว่า แต่เป็นโมเดลใดที่เหมาะกับความเสี่ยงในการดำเนินงานของคุณ หากงานมีผลกระทบต่ำแต่ปริมาณมาก ให้เลือกแนวทางแบบทั่วไป หากกระบวนการเกี่ยวข้องกับการตัดสินใจที่ละเอียดอ่อนและต้องการการควบคุมที่เป็นระบบ โมเดลแนวตั้งก็ควรพิจารณา

แผนปฏิบัติการที่เป็นรูปธรรมสำหรับการผสาน AI เข้ากับแผนกทรัพยากรบุคคลของคุณ

การนำไปใช้ที่ดีที่สุดไม่ได้เริ่มต้นด้วยการสรรหาบุคลากรแบบคาดการณ์ล่วงหน้า แต่เริ่มต้นจากปัญหาที่เกิดขึ้นในแต่ละวัน นั่นคือจุดที่ AI สร้างความไว้วางใจภายในองค์กรและแสดงให้เห็นว่าทีมพร้อมที่จะบริหารจัดการมันอย่างแท้จริงหรือไม่

เริ่มต้นด้วยงานที่ถูกต้อง

ขั้นตอนแรกดูเหมือนง่ายเพียงผิวเผิน คุณต้องเริ่มจากกิจกรรมที่มีปริมาณสูงและความเสี่ยงต่ำ หากเริ่มจากตรงนั้น คุณจะเห็นประโยชน์ได้ทันทีและจำกัดความเสี่ยงที่ต้องเผชิญ

ตัวอย่างที่สมเหตุสมผลสามประการ:

1. แชทบอท HR ภายใน สำหรับคำถามที่พบบ่อยเรื่องวันลา นโยบาย และขั้นตอนต่างๆ
2. การสร้างเอกสารแบบช่วยเหลือ เช่น คำอธิบายตำแหน่งงาน อีเมลต้อนรับพนักงานใหม่ นโยบายภายใน
3. การวิเคราะห์แบบสำรวจอัตโนมัติ เพื่อดึงประเด็นสำคัญและปัญหาออกมา

แนวทางนี้มีผลเชิงบวก. ทีม HR หยุดมอง AI เป็นภัยคุกคามที่นามธรรม และเริ่มมองมันเป็นเครื่องมือทางการปฏิบัติการ.

กำหนดการกำกับดูแลและการควบคุม

ขั้นตอนที่สองสำคัญกว่าขั้นตอนแรก คุณต้องเขียนให้ชัดเจนเป็นลายลักษณ์อักษรว่าจุดไหนที่ AI ให้คำแนะนำ และจุดไหนที่มนุษย์ตัดสินใจ

การบริหารจัดการพื้นฐานในธุรกิจขนาดกลางและขนาดย่อมควรประกอบด้วย:

• ขอบเขตการตัดสินใจ
  AI สามารถจัดหมวดหมู่ สรุป และแจ้งเตือนได้ ผู้จัดการหรือผู้สรรหาบุคลากรจะเป็นผู้อนุมัติ ปฏิเสธ หรือพิจารณาเชิงลึกต่อไป
• กระบวนการตรวจสอบ
  ผลลัพธ์ที่มีผลกระทบสูงทุกรายการต้องได้รับการตรวจสอบโดยบุคคลที่รับผิดชอบ
• การทดสอบอคติก่อนเปิดใช้งาน
  หากระบบถูกนำไปใช้ในการสรรหาบุคลากรหรือการประเมินบุคคล ต้องทดสอบด้วยชุดข้อมูลที่เป็นตัวแทนและมีการควบคุมที่บันทึกเป็นเอกสาร
• ความโปร่งใสภายในองค์กร
  พนักงานและผู้สมัครต้องรู้ว่าเมื่อใดที่มีการใช้ AI เป็นเครื่องมือสนับสนุนกระบวนการ

SME ที่ข้ามการควบคุมไม่ได้กำลังเร่งความเร็ว แต่กำลังผลักความเสี่ยงไปข้างหน้าเท่านั้น

ขั้นตอนที่สามคือการขยายขนาดอย่างค่อยเป็นค่อยไป โครงการนำร่องที่มุ่งเน้นกระบวนการทรัพยากรบุคคลเพียงกระบวนการเดียวจะให้ข้อมูลเชิงลึกมากกว่าการนำไปใช้ทั่วทั้งองค์กร ควรเริ่มต้นด้วยการตรวจสอบความถูกต้องของงาน จากนั้นจึงตรวจสอบพฤติกรรมของทีม และสุดท้ายคือกรอบการกำกับดูแล

สำหรับผู้ที่ต้องการวางแผนงานอย่างเป็นระบบ ควรพิจารณาใช้แผนงานที่แท้จริงสำหรับการนำ AI มาใช้ แทนการทดลองแบบกระจัดกระจาย

การวัดความสำเร็จด้วยตัวอย่างจากชีวิตจริง

ในการวัดความสำเร็จของ AI ในงานทรัพยากรบุคคล การพิจารณาเพียงแค่ความเร็วเพียงอย่างเดียวนั้นไม่เพียงพอ เราจำเป็นต้องเข้าใจว่า AI ช่วยปรับปรุงคุณภาพของการตัดสินใจโดยไม่ก่อให้เกิดความเสี่ยง ข้อผิดพลาด หรือกระบวนการที่โปร่งใสหรือไม่

ในธุรกิจขนาดกลางและขนาดย่อม (SMEs) เกณฑ์ที่มีประโยชน์ที่สุดนั้นง่ายมาก: ปัญญาประดิษฐ์ (AI) กำลังนำทีมทรัพยากรบุคคลไปสู่จุดที่เหมาะสมบนเส้นโค้งลาฟเฟอร์ (Laffer curve) หรือกำลังทำให้งานที่ต้องใช้การตัดสินใจของมนุษย์ถูกทำให้เป็นระบบอัตโนมัติเร็วเกินไป? หากเวลาที่ประหยัดได้เพิ่มขึ้น แต่การโต้เถียง การทบทวน หรือความสงสัยเกี่ยวกับความยุติธรรมของกระบวนการเพิ่มขึ้นเช่นกัน ผลประโยชน์ที่ได้ก็อาจปรากฏเพียงผิวเผินเท่านั้น

การใช้ให้ถูกต้อง

ตัวอย่างที่เป็นรูปธรรมคือการวิเคราะห์แบบสำรวจความพึงพอใจภายในองค์กร ในหลายบริษัท เจ้าหน้าที่ฝ่ายทรัพยากรบุคคลต้องอ่านคำตอบแบบปลายเปิดจำนวนหลายร้อยรายการด้วยตนเองและระบุประเด็นหลัก ซึ่งเป็นกระบวนการที่ใช้เวลามากและมีความแตกต่างกันไปในแต่ละบุคคล ด้วยการใช้ LLM ที่ได้รับการตั้งค่าอย่างเหมาะสม ประเด็นหลัก กลุ่มหัวข้อ รูปแบบที่เกิดซ้ำ และความผิดปกติจะปรากฏขึ้นอย่างรวดเร็วและชัดเจนยิ่งขึ้น

ประโยชน์ที่แท้จริงที่นี่ไม่ใช่เพียงแค่ด้านการปฏิบัติงานเท่านั้น ทีมงานไม่ต้องเสียเวลาหลายชั่วโมงไปกับการสรุปข้อมูลอีกต่อไป และสามารถมุ่งเน้นไปที่สิ่งที่สำคัญ การติดตามงาน และการบริหารจัดการผู้จัดการได้

ตัวชี้วัดที่มีประโยชน์ในกรณีนี้มีน้อยและเฉพาะเจาะจง: เวลาเฉลี่ยในการวิเคราะห์, ความสม่ำเสมอของสรุปเมื่อเปรียบเทียบกับตัวอย่างการตรวจสอบโดยมนุษย์แบบสุ่ม, และจำนวนของข้อมูลเชิงลึกที่นำไปสู่การกระทำจริง หาก AI สร้างสรุปที่รวดเร็วแต่ทั่วไปเกินไป แสดงว่าคุณได้เกินจุดที่เหมาะสมแล้ว

การใช้ไม่ถูกต้อง

สถานการณ์ตรงกันข้ามนั้นละเอียดอ่อนกว่ามาก แชทบอทที่ดำเนินการสัมภาษณ์เบื้องต้นและกำหนดคะแนนคัดกรองโดยไม่มีมนุษย์ตรวจสอบอาจดูเหมือนมีประสิทธิภาพ แต่สำหรับธุรกิจขนาดกลางและขนาดย่อมของอิตาลีแล้ว สิ่งนี้สร้างปัญหาด้านระเบียบวิธีอย่างร้ายแรงก่อนที่เราจะพิจารณาเทคโนโลยีเสียอีก

มีความเสี่ยงอยู่สามประการ คุณอาจคัดผู้สมัครที่เหมาะสมออกไปโดยใช้เกณฑ์ที่ไม่ชัดเจน คุณอาจพบว่าการอธิบายการตัดสินใจอย่างโปร่งใสเป็นเรื่องยาก และคุณอาจเปิดช่องให้เกิดปัญหาที่เกี่ยวข้องกับ GDPR รวมถึงในกรณีที่ส่งผลกระทบสูง อาจต้องเผชิญกับข้อผูกพันที่เข้มงวดยิ่งขึ้นตามพระราชบัญญัติ AI สำหรับระบบที่ใช้ในที่ทำงานและการเข้าถึงการจ้างงาน

จากการสังเกตภายในบริษัท คำถามสำคัญคือ: AI กำลังช่วยให้เราตัดสินใจได้ดีขึ้นจริงหรือไม่ หรือเพียงแค่เร่งกระบวนการตัดสินใจที่มีข้อบกพร่องให้เร็วขึ้นเท่านั้น? การวิเคราะห์โดย ELECTE ได้เน้นย้ำประเด็นนี้อย่างชัดเจน กระบวนการสรรหาที่ดำเนินการโดยอัตโนมัติเพียงอย่างเดียว มักบั่นทอนความเหมาะสมที่แท้จริงระหว่างผู้สมัครกับตำแหน่งงาน ในขณะที่การตรวจสอบโดยมนุษย์ในขั้นตอนสุดท้ายช่วยลดข้อผิดพลาดที่มีค่าใช้จ่ายสูงที่สุด

การวัดผลอย่างมีประสิทธิภาพจึงหมายถึงการพิจารณาตัวชี้วัดทั้งสี่ร่วมกัน ได้แก่ เวลาที่ประหยัดได้ คุณภาพของผลลัพธ์ อัตราการแก้ไขโดยมนุษย์ และความเสี่ยงด้านความสอดคล้อง หากคุณวัดเพียงตัวใดตัวหนึ่งเท่านั้น มักจะเป็นการประเมินโครงการผิดพลาด

ประเด็นสำคัญ

• เริ่มจากงานปฏิบัติการ คำถามที่พบบ่อยภายใน เอกสาร แบบสำรวจ และการคัดกรองเบื้องต้น เป็นจุดเริ่มต้นที่ดีที่สุด
• อย่าให้ระบบตัดสินใจขั้นสุดท้ายโดยอัตโนมัติ การจ้างงาน การเลื่อนตำแหน่ง และการประเมินที่มีผลกระทบสูงต้องยังคงมีมนุษย์ควบคุมดูแล
• ทดสอบอคติก่อนเปิดใช้งาน หากระบบเกี่ยวข้องกับผู้สมัครงานหรือพนักงาน การตรวจสอบไม่ใช่ทางเลือก
• คิดในแง่ธรรมาภิบาล บทบาท ความรับผิดชอบ การตรวจสอบโดยมนุษย์ และเอกสารประกอบมีความสำคัญเทียบเท่ากับตัวโมเดล
• เลือกเครื่องมือตามระดับความเสี่ยง ใช้ระบบทั่วไปสำหรับงานง่ายๆ และใช้ระบบเฉพาะทางหากต้องการความแม่นยำ ความสามารถในการตรวจสอบย้อนกลับ และการควบคุมที่เข้มงวดกว่า

บทสรุป

AI สำหรับ HR จะได้ผลจริงเมื่อมันรับหน้าที่จัดการงานที่เป็นกลไกซ้ำๆ และปล่อยให้มนุษย์ทำหน้าที่ที่ยากกว่า นั่นคือการตีความบริบท แรงจูงใจ ศักยภาพ และผลที่ตามมา นี่คือจุดที่สมดุลที่สุด ไม่ใช่การไม่ใช้ AI เลย และไม่ใช่การทำให้เป็นอัตโนมัติทั้งหมด

สำหรับธุรกิจขนาดกลางและขนาดย่อมของอิตาลี ความสำคัญไม่ได้อยู่ที่การไล่ตามนวัตกรรมล่าสุดและดีที่สุด แต่คือการสร้างระบบที่ช่วยปรับปรุงประสิทธิภาพและคุณภาพโดยไม่ขัดแย้งกับ GDPR, พระราชบัญญัติ AI และการตัดสินใจทางการจัดการที่มีเหตุผล หากคุณนำตรรกะนี้ไปใช้ AI จะกลายเป็นตัวคูณที่มีประโยชน์ หากคุณใช้มันเป็นตัวแทนของการตัดสินใจ AI จะกลายเป็นความเสี่ยง

หากคุณต้องการเปลี่ยนข้อมูลปฏิบัติการและสัญญาณเชิงองค์กรให้กลายเป็นข้อมูลเชิงลึกที่เข้าใจง่ายขึ้น ELECTE ซึ่งเป็น AI-powered data analytics platform for SMEs จะช่วยคุณวิเคราะห์ข้อมูลที่ซับซ้อน ทำให้การรายงานเป็นอัตโนมัติ และสนับสนุนการตัดสินใจที่ดีขึ้น หากต้องการเข้าใจว่ามันทำงานอย่างไรในทางปฏิบัติ คุณสามารถดูแพลตฟอร์มนี้ทำงานจริง และประเมินว่าเหมาะกับกระบวนการของคุณหรือไม่