คุณกำลังใช้ AI เพื่อเร่งงาน HR หรือกำลังมอบหมายการตัดสินใจให้กับอัลกอริทึมที่ไม่ควรตัดสินใจด้วยตัวเอง? นี่คือจุดที่การถกเถียงเรื่อง AI ใน HRเริ่มจริงจัง ในธุรกิจ SME ของอิตาลี ปัญหาไม่ใช่ว่าปัญญาประดิษฐ์มีประโยชน์หรือไม่ มันมีประโยชน์ ปัญหาคือการเข้าใจว่ามันสร้างคุณค่าที่แท้จริงที่ไหนและในทางกลับกัน มันทำให้เกิดความไม่โปร่งใส อคติ และความเสี่ยงด้านกฎระเบียบที่ไหน
ในฐานะผู้ประกอบการ ฉันได้เห็นว่าการทำให้งานที่น่าเบื่อที่สุดเป็นระบบอัตโนมัตินั้นน่าดึงดูดใจเพียงใด ไม่ว่าคุณจะต้องอ่านประวัติการทำงานหลายร้อยฉบับ สรุปผลสำรวจภายใน หรือพนักงานที่ถามคำถามเดิมๆ เกี่ยวกับสิทธิวันหยุดและนโยบายของบริษัท AI สามารถช่วยประหยัดเวลาให้คุณได้ทันที แต่ฉันก็ได้เห็นอีกด้านหนึ่งของเหรียญเช่นกัน คะแนนความเข้ากันได้ที่สร้างโดยโมเดลอาจดูเป็นกลาง และด้วยเหตุผลนั้นเอง มันอาจอันตรายกว่าการประเมินโดยมนุษย์ที่มีความเห็นส่วนตัวอย่างชัดเจน
วิธีที่เหมาะสมในการมองเรื่องนี้ไม่ใช่แค่ 'ใช่ AI' หรือ 'ไม่ใช่ AI' เท่านั้น แต่คือการหาจุดสมดุลที่เหมาะสมระหว่างการทำงานอัตโนมัติกับความรับผิดชอบของมนุษย์ สำหรับผู้ที่ต้องการแนวทางที่นำไปใช้ได้จริงเกี่ยวกับ SME ผมขอแนะนำ*AI ในงานทรัพยากรบุคคลสำหรับ SME* ด้วย
คำถามที่ถูกต้องไม่ใช่ว่า AI สามารถช่วยฝ่ายทรัพยากรบุคคลได้หรือไม่ คำถามที่ถูกต้องคือ AI สามารถคัดเลือกบุคลากรที่มีความสามารถสูงสุดคนต่อไปของคุณได้อย่างแท้จริงโดยไม่บิดเบือนกระบวนการหรือไม่
ในทางปฏิบัติแล้ว AI ได้ถูกนำมาใช้ในปัจจุบันแล้วในด้านการคัดกรองประวัติย่อ, แชทบอทภายในองค์กร, การวิเคราะห์แบบสำรวจ, การปฐมนิเทศพนักงานใหม่ และการสร้างเอกสารต่างๆ เป็นเทคโนโลยีที่มีประโยชน์อย่างยิ่งเมื่อปริมาณงานปฏิบัติการสูงและความรวดเร็วสามารถสร้างประโยชน์ได้ทันที แต่ในด้านการบริหารทรัพยากรบุคคล ทุกการตัดสินใจส่งผลกระทบต่อผู้คนจริง อาชีพจริง และสิทธิที่แท้จริง นั่นคือเหตุผลที่การนำมาใช้ต้องได้รับการพิจารณาด้วยมุมมองที่แตกต่างจากการนำเทคโนโลยีมาช่วยเขียนอีเมลหรือสรุปการประชุม
ประสิทธิภาพมีความสำคัญ อย่างไรก็ตาม เมื่อพูดถึงการตัดสินใจเกี่ยวกับผู้คนการตัดสินใจอย่างรวดเร็วเพียงอย่างเดียวไม่เพียงพอ
ในตลาดอิตาลี นี่เป็นประเด็นที่ละเอียดอ่อนยิ่งขึ้น GDPR และกฎหมาย AI ของยุโรปจำกัดขอบเขตของข้อผิดพลาดอย่างมากเมื่อระบบอัตโนมัติมีอิทธิพลต่อการสรรหา การประเมินผลการปฏิบัติงาน และการบริหารจัดการพนักงาน หากคุณกำลังพิจารณาใช้AI สำหรับงานทรัพยากรบุคคล คุณต้องมีกฎง่ายๆ คือ ให้ระบบอัตโนมัติทำงานที่เป็นกิจวัตร แต่ปล่อยให้การตัดสินใจเป็นหน้าที่ของมนุษย์
การใช้ AI ในงานทรัพยากรบุคคลไม่ใช่เรื่องนิยายวิทยาศาสตร์อีกต่อไป แต่เป็นส่วนหนึ่งของงานประจำวันแล้ว ในปัจจุบัน บริษัทจำนวนมากใช้ AI เพื่อลดภาระงานซ้ำซาก เร่งกระบวนการต่าง ๆ และให้ทีมทรัพยากรบุคคลมีเวลามากขึ้นสำหรับงานที่ต้องใช้บริบทและการตัดสินใจ
ตามข้อมูลของ Yomly เกี่ยวกับการนำ AI มาใช้ในหน้าที่ของ HRพบว่า 44% ของบริษัทกำลังใช้ AI ในการสรรหาบุคลากรอยู่แล้ว เครื่องมือ AIสามารถลดระยะเวลาในการจ้างงานได้ประมาณ 50% และทำให้งานที่ทำซ้ำๆ เป็นอัตโนมัติได้เกือบ 40%
กรณีการใช้งานที่พบบ่อยที่สุดคือการคัดกรองใบสมัครเบื้องต้น LLM จะอ่านประวัติย่อและคำอธิบายงาน เปรียบเทียบทักษะ ประสบการณ์ และสัญญาณเชิงความหมาย จากนั้นจึงจัดทำรายชื่อผู้ผ่านการคัดเลือกที่จัดอันดับไว้
ในทางปฏิบัติ มันทำงานได้ดีเมื่อบทบาทค่อนข้างมาตรฐาน ฉันกำลังคิดถึงบทบาทด้านการบริหาร การสนับสนุนลูกค้า การขายภายใน และการพัฒนาซอฟต์แวร์ที่มีเทคโนโลยีที่กำหนดไว้ หากคุณอธิบายข้อกำหนดอย่างชัดเจน โมเดลนี้จะช่วยเร่งขั้นตอนแรกได้อย่างมาก
มันไม่ค่อยได้ผลดีนักเมื่อปัจจัยที่เกี่ยวข้องนั้นยากต่อการรับรู้จากประวัติการทำงาน
หลักเกณฑ์ทั่วไป:ใช้ AI เพื่อคัดกรอง CV 500 ฉบับให้เหลือเพียงรายชื่อที่จัดการได้ อย่าใช้ AI ในการตัดสินใจเพียงลำพังว่าใครสมควรได้รับการสัมภาษณ์รอบสุดท้าย
กรณีการใช้งานที่สองอาจไม่ชัดเจนนัก แต่บ่อยครั้งมีประโยชน์มากกว่า ทีม HR ใช้เวลาส่วนใหญ่ไปกับงานที่ทำซ้ำๆตามการวิเคราะห์ของ Tommaso Maria Ricci เกี่ยวกับ AI ในทรัพยากรบุคคล ทีม HRใช้เวลาประมาณ 40% ถึง 60% ของเวลาไปกับงานต่างๆเช่น การขอวันหยุด สลิปเงินเดือน และนโยบายของบริษัท แชทบอท HR สามารถช่วยประหยัดเวลาได้ถึง 2–3 ชั่วโมงต่อวันสำหรับกิจกรรมเชิงกลยุทธ์มากขึ้น
คุณค่าที่ได้รับที่นี่คือความรวดเร็ว ทันทีที่พนักงานมีคำถามเกี่ยวกับสิทธิการลาพักร้อนที่เหลืออยู่ เอกสาร ขั้นตอนการเบิกค่าใช้จ่าย กฎระเบียบ หรือกระบวนการเริ่มต้นงาน ระบบแชทบอทภายในองค์กรจะตอบกลับได้ทันที ประโยชน์ไม่ได้จำกัดแค่การประหยัดเวลาของทีมทรัพยากรบุคคลเท่านั้น แต่ยังรวมถึงคุณภาพของประสบการณ์ที่พนักงานได้รับ ซึ่งจะได้รับคำตอบอย่างรวดเร็ว แทนที่จะต้องรออีเมลกลับ
ที่ AI แสดงศักยภาพได้อย่างแท้จริงคือการวิเคราะห์ข้อความยาวและวกวน แบบสำรวจภายในองค์กรเป็นตัวอย่างที่ชัดเจนของกรณีนี้ แทนที่จะต้องอ่านคำตอบปลายเปิดนับร้อยรายการด้วยตนเอง โมเดลสามารถระบุประเด็นที่เกิดซ้ำ อารมณ์ความรู้สึก ประเด็นปัญหาใหม่ ๆ และรูปแบบที่ควรได้รับการสำรวจเพิ่มเติมได้
แอปพลิเคชันที่มีประโยชน์มากที่สุดที่ฉันเห็นในธุรกิจขนาดกลางและขนาดเล็กคือดังนี้:
คำอธิบายตำแหน่งงานและนโยบาย
ระบบ AI สร้างเอกสารฉบับร่างแรกที่มีความสมเหตุสมผล ซึ่งทีม HR จะทำการแก้ไขเพื่อให้แน่ใจว่าเอกสารมีความเหมาะสมทางกฎหมายและวัฒนธรรม
การเริ่มต้นใช้งานแบบเฉพาะบุคคลของ
ช่วยให้คุณสามารถปรับแต่งเนื้อหา วัสดุ และลำดับขั้นตอนให้เหมาะสมกับบทบาทหรือแผนกเฉพาะได้
การแมปทักษะ
ช่วยในการแมปทักษะที่มีอยู่และช่องว่างในการฝึกอบรม โดยเฉพาะอย่างยิ่งเมื่อข้อมูลกระจัดกระจายอยู่ในประวัติการทำงาน การประเมินผล และบันทึกของผู้จัดการ
การวิเคราะห์สภาพภูมิอากาศ
: เปลี่ยนแปลงข้อความที่ไม่มีโครงสร้างให้กลายเป็นข้อมูลเชิงลึกที่มีประโยชน์เพื่อช่วยระบุจุดที่ต้องการการดำเนินการ
นอกจากนี้ยังมีความแตกต่างที่เพิ่มขึ้นระหว่างโมเดลทั่วไปกับโมเดลเฉพาะทาง ในด้านโมเดลเฉพาะทาง Wisq ได้พัฒนา HRLM เป็นโมเดลที่ออกแบบมาโดยเฉพาะสำหรับงานทรัพยากรบุคคล ในขณะที่ด้านโมเดลทั่วไป GPT, Claude และ Gemini กำลังถูกใช้ในหลายบริษัทสำหรับงานทรัพยากรบุคคลเชิงปฏิบัติการด้วยคำสั่งที่ออกแบบมาอย่างดี อย่างไรก็ตาม ความแตกต่างไม่ได้อยู่ที่คุณภาพของผลลัพธ์เพียงอย่างเดียว แต่ยังอยู่ที่การกำกับดูแลอีกด้วย
วิธีแย่ที่สุดในการนำ AI มาใช้ในฝ่ายทรัพยากรบุคคลคือการคิดแบบสุดโต่ง การไม่ใช้ระบบอัตโนมัติเลยจะทำให้กระบวนการทำงานช้า เกิดงานคั่งค้าง และต้องตัดสินใจจากข้อมูลที่ไม่ครบถ้วน ในทางตรงกันข้าม การนำระบบอัตโนมัติมาใช้ทั้งหมดก็จะนำไปสู่กับดักอีกด้านหนึ่ง คือการปฏิบัติต่อคนและแอปพลิเคชันเหมือนเป็นเพียงงานที่ต้องดำเนินการตามขั้นตอนเท่านั้น
อุปมาอุปไมยของเส้นโค้งลาฟเฟอร์ใช้ได้ดีในที่นี้เช่นกันในขั้นต้น ทุกกรณีของการนำ AI มาใช้จะสร้างประสิทธิภาพ เพิ่มประสิทธิภาพในการตอบคำถามที่พบบ่อยภายในองค์กร การร่างเอกสารฉบับแรก การวิเคราะห์ข้อความ และการจัดอันดับประวัติย่อเบื้องต้น มูลค่าจะเพิ่มขึ้น
จากนั้นคุณจะถึงจุดเปลี่ยน หากคุณยังคงมอบหมายงานที่มีความละเอียดอ่อนมากขึ้นให้กับอัลกอริทึม ค่าของมันจะเริ่มลดลง ไม่ใช่เพราะโมเดลนั้นไร้ประโยชน์ แต่เพราะความเสี่ยงเพิ่มขึ้นเร็วกว่าประโยชน์ที่ได้รับ
ตามภาพรวมของ Workday เกี่ยวกับ AI ในงานทรัพยากรบุคคล เหตุผลหลักในการนำมาใช้คือการปรับปรุงการตัดสินใจ (41%) การทำให้กระบวนการที่ซ้ำซากเป็นอัตโนมัติ (35%) และการปรับปรุงการรักษาพนักงานและประสบการณ์ของพนักงาน (32%) ตัวเลขเหล่านี้อธิบายอย่างชัดเจนว่าทำไม AI จึงน่าสนใจสำหรับฝ่ายทรัพยากรบุคคล แต่ไม่ได้บอกว่าควรกำหนดขอบเขตไว้ที่ไหน นี่คือจุดที่มักขาดหายไปจากการอภิปราย
คุณค่าสูงสุดไม่ได้อยู่ที่การแทนที่ทีม HR แต่อยู่ที่การช่วยให้พวกเขาสามารถทำงานได้อย่างมีประสิทธิภาพและรวดเร็วขึ้นในภารกิจที่ถูกต้อง
ในการหาจุดที่เหมาะสมที่สุด ฉันใช้การแบ่งแยกอย่างง่ายระหว่างงานเชิงกล และงานที่ต้องตัดสินใจ
| ประเภทธุรกิจ | ระดับ AI ที่แนะนำ | การกำกับดูแลของมนุษย์ |
|---|---|---|
| คำถามที่พบบ่อย: พนักงาน, วันหยุด, นโยบาย | สูง | ต่ำ โดยมีการตรวจสอบเป็นประจำ |
| ร่างคำอธิบายลักษณะงาน | สูง | ต้องการการตรวจสอบโดยฝ่ายทรัพยากรบุคคล |
| การคัดกรองประวัติย่อเบื้องต้น | เฉลี่ย | การตรวจสอบโดยมนุษย์ตลอดเวลา |
| การประเมินผู้สมัครที่ผ่านการคัดเลือก | ต่ำ | สูง |
| โปรโมชั่น, ประสิทธิภาพการทำงานที่สำคัญ, ความเสี่ยงในการออกจากงานของบุคคล | ต่ำมาก | การตัดสินใจที่มีข้อมูลครบถ้วน |
หากคุณดำเนินธุรกิจ SME วิธีที่เหมาะสมที่สุดมักจะไม่ใช่วิธีทางเทคนิค แต่เป็นวิธีทางองค์กร คุณต้องตัดสินใจอย่างชัดเจนว่า AIควรให้คำแนะนำในส่วนใดควรให้คำสั่งในส่วนใดควรสรุปในส่วนใด และในทางกลับกันไม่ควรตัดสินใจในส่วนใด
มีคำถามสามข้อที่เป็นประโยชน์มาก:
ด้านที่อันตรายที่สุดของ AI สำหรับฝ่ายทรัพยากรบุคคลไม่ใช่ตัวเทคโนโลยีเองแต่เป็นภาพลวงตาของความเป็นกลาง เมื่อผู้สรรหาประเมินผู้สมัคร ทุกคนต่างทราบดีว่าการประเมินนั้นมีความลำเอียงอยู่บ้าง แต่เมื่อระบบให้คะแนน หลายคนก็หยุดตั้งคำถาม
นี่คือหัวใจของปัญหาความลำเอียงของอัลกอริทึม หากคุณฝึกอบรมหรือกำหนดค่าระบบโดยใช้ข้อมูลการสรรหาในอดีต ระบบมักจะจำลองรูปแบบที่มีอยู่แล้วในข้อมูลนั้น หากประวัติของบริษัทมีแนวโน้มที่จะให้ความสำคัญกับโปรไฟล์บางประเภทและลงโทษโปรไฟล์อื่น ๆ อัลกอริทึมอาจทำเช่นเดียวกัน แต่ทำได้อย่างรวดเร็วและในวิธีที่เห็นได้ยากกว่า
กรณีของ Amazon กลายเป็นตัวอย่างที่ชัดเจนด้วยเหตุผลนี้เอง บริษัทถูกบังคับให้ถอนระบบการคัดกรองประวัติย่อที่ลงโทษผู้สมัครหญิง นี่ไม่ใช่เหตุการณ์ที่เกิดขึ้นเพียงครั้งเดียวหรือเป็นเรื่องแปลกประหลาด แต่เป็นผลลัพธ์ที่คาดการณ์ได้ของแนวทางที่ใช้อดีตเป็นแบบอย่างของความสามารถ
ในอิตาลี ภาพรวมยังห่างไกลจากความน่าไว้วางใจตามข้อมูลที่เผยแพร่โดย ELECTE ในประเด็นนี้ มีเพียง 12% ของบริษัททรัพยากรบุคคลที่มีระบบ AI ได้ดำเนินการตรวจสอบอคติอย่างเป็นระบบ
หากข้อมูล, เกณฑ์ หรือบริบทขององค์กรยังคงบิดเบี้ยวอยู่, แบบจำลองที่ดีกว่าก็ไม่สามารถแก้ปัญหาได้
สำหรับผู้ที่ดำเนินงานในยุโรป นี่ไม่ใช่เพียงแค่ประเด็นทางจริยธรรมเท่านั้น แต่ยังเป็นประเด็นทางกฎหมายด้วย มาตรา 22 ของ GDPR รับรองสิทธิของผู้สมัครที่จะไม่ถูกตัดสินใจโดยอาศัยการประมวลผลอัตโนมัติเพียงอย่างเดียว ซึ่งการตัดสินใจดังกล่าวมีผลกระทบอย่างมีนัยสำคัญต่อบุคคลนั้น การตัดสินใจด้านทรัพยากรบุคคลอยู่ในขอบเขตที่ละเอียดอ่อนนี้โดยตรง
นอกจากนี้ กฎหมายปัญญาประดิษฐ์ของยุโรปยังจัดให้กระบวนการสรรหาบุคลากรและการบริหารจัดการพนักงานเป็นกรณีการใช้งานที่มีความเสี่ยงสูง ซึ่งกำหนดให้มีข้อกำหนดที่เข้มงวดมากขึ้นในด้านการจัดทำเอกสาร ความโปร่งใส การกำกับดูแล และการบริหารความเสี่ยง เมื่อเทียบกับข้อกำหนดที่ใช้กับการใช้งานปัญญาประดิษฐ์ทั่วไปเพื่อเพิ่มประสิทธิภาพส่วนบุคคล
สำหรับบริษัทอิตาลี ผลกระทบในทางปฏิบัติมีความชัดเจน:
ผู้ที่ทำงานอย่างจริงจังเกี่ยวกับประเด็นเหล่านี้ควรพิจารณาการปฏิบัติตามกฎหมาย AI ของบริษัทต่างๆ ด้วย
ตลาดกำลังแยกออกเป็นสองประเภทที่แตกต่างกันอย่างมาก ในด้านหนึ่ง มีLLM ทั่วไปเช่นGPT, Claude และ Gemini ในอีกด้านหนึ่ง มีโมเดลเฉพาะทางที่ออกแบบมาโดยเฉพาะสำหรับทรัพยากรบุคคล เช่น HRLM ของ Wisq
สำหรับธุรกิจขนาดกลางและขนาดย่อม (SME) แบบจำลองทั่วไปมักเพียงพอแล้ว หากคุณต้องการ:
LLM ที่ดี เมื่อได้รับคำสั่งที่เขียนอย่างดี สามารถทำงานได้ดีมาก
ข้อได้เปรียบคือความปฏิบัติได้จริง คุณสามารถเริ่มต้นได้ทันที ใช้เวลาน้อย และทำการทดสอบได้อย่างรวดเร็ว สำหรับทีม HR ขนาดเล็กหรือบริษัทที่มีกระบวนการทำงานค่อนข้างเรียบง่าย วิธีนี้มักเป็นทางเลือกที่สมเหตุสมผลที่สุดในการเริ่มต้น
อย่างไรก็ตาม มีข้อจำกัดอยู่บ้าง โมเดลที่มีวัตถุประสงค์ทั่วไปไม่ได้ถูกออกแบบมาโดยคำนึงถึงตรรกะของงานทรัพยากรบุคคล และไม่ได้มาพร้อมกับนโยบายที่เฉพาะเจาะจงกับบริบทของคุณ อีกทั้งยังไม่สามารถรับประกันการปฏิบัติตามกฎระเบียบโดยปริยายเพียงเพราะมีความสามารถสูง
หากคุณกำลังจัดการกับปริมาณงานที่สูงขึ้น กระบวนการที่ละเอียดอ่อนมากขึ้น หรือองค์กรที่มีหลายระดับการอนุมัติ โมเดลแนวตั้งจะเหมาะสมกว่า ไม่ใช่เพราะโมเดลเหล่านี้ 'เข้าใจทุกอย่างได้ดีกว่า' แต่เพราะถูกออกแบบมาเพื่อขอบเขตที่แคบกว่า
พวกเขามักจะเป็นตัวเลือกที่ดีที่สุดเมื่อ:
สำหรับธุรกิจขนาดกลางและขนาดย่อมที่มีพนักงาน 50 คน เป้าหมายไม่ใช่การซื้อระบบที่ซับซ้อนที่สุด แต่คือการเลือกระบบที่ทีมงานรู้วิธีใช้งาน ตรวจสอบ และท้าทายเมื่อเกิดข้อผิดพลาด
คำถามที่ถูกต้องไม่ใช่ว่าโมเดลใดที่ก้าวหน้ามากกว่า แต่เป็นโมเดลใดที่เหมาะกับความเสี่ยงในการดำเนินงานของคุณ หากงานมีผลกระทบต่ำแต่ปริมาณมาก ให้เลือกแนวทางแบบทั่วไป หากกระบวนการเกี่ยวข้องกับการตัดสินใจที่ละเอียดอ่อนและต้องการการควบคุมที่เป็นระบบ โมเดลแนวตั้งก็ควรพิจารณา
การนำไปใช้ที่ดีที่สุดไม่ได้เริ่มต้นด้วยการสรรหาบุคลากรแบบคาดการณ์ล่วงหน้า แต่เริ่มต้นจากปัญหาที่เกิดขึ้นในแต่ละวัน นั่นคือจุดที่ AI สร้างความไว้วางใจภายในองค์กรและแสดงให้เห็นว่าทีมพร้อมที่จะบริหารจัดการมันอย่างแท้จริงหรือไม่
ขั้นตอนแรกอาจดูเป็นเรื่องเล็กน้อยในแวบแรกเท่านั้น คุณต้องเริ่มต้นด้วยกิจกรรมที่มีปริมาณมากแต่ความเสี่ยงต่ำ หากคุณเริ่มต้นจากจุดนี้ คุณจะเห็นประโยชน์ได้ทันทีและจำกัดความเสี่ยงที่อาจเกิดขึ้น
ตัวอย่างที่สมเหตุสมผลสามประการ:
แนวทางนี้มีผลเชิงบวก. ทีม HR หยุดมอง AI เป็นภัยคุกคามที่นามธรรม และเริ่มมองมันเป็นเครื่องมือทางการปฏิบัติการ.
ขั้นตอนที่สองมีความสำคัญมากกว่าขั้นตอนแรก คุณจำเป็นต้องระบุเป็นลายลักษณ์อักษรว่า AIให้คำแนะนำในส่วนใด และส่วนใดที่มนุษย์เป็นผู้ตัดสินใจ
การบริหารจัดการพื้นฐานในธุรกิจขนาดกลางและขนาดย่อมควรประกอบด้วย:
การตัดสินใจAIboundary
สามารถจัดหมวดหมู่, สรุป และแจ้งเตือนปัญหาได้ ผู้จัดการหรือผู้สรรหาบุคลากรจะทำการอนุมัติ, ปฏิเสธ หรือตรวจสอบเพิ่มเติม
กระบวนการตรวจสอบของ
ทุกผลลัพธ์ที่มีผลกระทบสูงต้องได้รับการตรวจสอบโดยบุคคลที่ได้รับมอบหมาย
การทดสอบอคติก่อนการเผยแพร่
หากระบบจะถูกนำไปใช้เพื่อการสรรหาหรือการประเมินบุคลากร ระบบต้องได้รับการทดสอบโดยใช้ชุดข้อมูลที่เป็นตัวแทนและมีการควบคุมเอกสารไว้
ความโปร่งใสภายใน
พนักงานและผู้สมัครงานต้องทราบเมื่อมีการใช้ AI เพื่อสนับสนุนกระบวนการ
ธุรกิจขนาดกลางและขนาดย่อมที่ลดขั้นตอนหรือละเลยมาตรฐาน ไม่ได้ทำให้งานเร็วขึ้น แต่เพียงแค่เลื่อนความเสี่ยงออกไปเท่านั้น
ขั้นตอนที่สามคือการขยายขนาดอย่างค่อยเป็นค่อยไป โครงการนำร่องที่มุ่งเน้นกระบวนการทรัพยากรบุคคลเพียงกระบวนการเดียวจะให้ข้อมูลเชิงลึกมากกว่าการนำไปใช้ทั่วทั้งองค์กร ควรเริ่มต้นด้วยการตรวจสอบความถูกต้องของงาน จากนั้นจึงตรวจสอบพฤติกรรมของทีม และสุดท้ายคือกรอบการกำกับดูแล
สำหรับผู้ที่ต้องการจัดระเบียบการทำงานอย่างเป็นระบบ การจัดทำแผนงานที่ชัดเจนสำหรับการบูรณาการ AI นั้นมีประโยชน์มากกว่าการทดลองทำทีละส่วน
ในการวัดความสำเร็จของ AI ในงานทรัพยากรบุคคล การพิจารณาเพียงแค่ความเร็วเพียงอย่างเดียวนั้นไม่เพียงพอ เราจำเป็นต้องเข้าใจว่า AI ช่วยปรับปรุงคุณภาพของการตัดสินใจโดยไม่ก่อให้เกิดความเสี่ยง ข้อผิดพลาด หรือกระบวนการที่โปร่งใสหรือไม่
ในธุรกิจขนาดกลางและขนาดย่อม (SMEs) เกณฑ์ที่มีประโยชน์ที่สุดนั้นง่ายมาก: ปัญญาประดิษฐ์ (AI) กำลังนำทีมทรัพยากรบุคคลไปสู่จุดที่เหมาะสมบนเส้นโค้งลาฟเฟอร์ (Laffer curve) หรือกำลังทำให้งานที่ต้องใช้การตัดสินใจของมนุษย์ถูกทำให้เป็นระบบอัตโนมัติเร็วเกินไป? หากเวลาที่ประหยัดได้เพิ่มขึ้น แต่การโต้เถียง การทบทวน หรือความสงสัยเกี่ยวกับความยุติธรรมของกระบวนการเพิ่มขึ้นเช่นกัน ผลประโยชน์ที่ได้ก็อาจปรากฏเพียงผิวเผินเท่านั้น
ตัวอย่างที่เป็นรูปธรรมคือการวิเคราะห์แบบสำรวจความพึงพอใจภายในองค์กร ในหลายบริษัท เจ้าหน้าที่ฝ่ายทรัพยากรบุคคลต้องอ่านคำตอบแบบปลายเปิดจำนวนหลายร้อยรายการด้วยตนเองและระบุประเด็นหลัก ซึ่งเป็นกระบวนการที่ใช้เวลามากและมีความแตกต่างกันไปในแต่ละบุคคล ด้วยการใช้ LLM ที่ได้รับการตั้งค่าอย่างเหมาะสม ประเด็นหลัก กลุ่มหัวข้อ รูปแบบที่เกิดซ้ำ และความผิดปกติจะปรากฏขึ้นอย่างรวดเร็วและชัดเจนยิ่งขึ้น
ประโยชน์ที่แท้จริงที่นี่ไม่ใช่เพียงแค่ด้านการปฏิบัติงานเท่านั้น ทีมงานไม่ต้องเสียเวลาหลายชั่วโมงไปกับการสรุปข้อมูลอีกต่อไป และสามารถมุ่งเน้นไปที่สิ่งที่สำคัญ การติดตามงาน และการบริหารจัดการผู้จัดการได้
ตัวชี้วัดที่มีประโยชน์ในกรณีนี้มีน้อยและเฉพาะเจาะจง: เวลาเฉลี่ยในการวิเคราะห์, ความสม่ำเสมอของสรุปเมื่อเปรียบเทียบกับตัวอย่างการตรวจสอบโดยมนุษย์แบบสุ่ม, และจำนวนของข้อมูลเชิงลึกที่นำไปสู่การกระทำจริง หาก AI สร้างสรุปที่รวดเร็วแต่ทั่วไปเกินไป แสดงว่าคุณได้เกินจุดที่เหมาะสมแล้ว
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
AI สำหรับงานทรัพยากรบุคคลทำงานได้จริงเมื่อจัดการงานประจำและปล่อยให้งานที่ยากกว่าให้มนุษย์ทำ: การตีความบริบท แรงจูงใจ ศักยภาพ และผลกระทบ นี่คือจุดที่เหมาะสมที่สุด ไม่ใช่ไม่มี AI เลย ไม่ใช่การอัตโนมัติทั้งหมด
สำหรับธุรกิจขนาดกลางและขนาดย่อมของอิตาลี ความสำคัญไม่ได้อยู่ที่การไล่ตามนวัตกรรมล่าสุดและดีที่สุด แต่คือการสร้างระบบที่ช่วยปรับปรุงประสิทธิภาพและคุณภาพโดยไม่ขัดแย้งกับ GDPR, พระราชบัญญัติ AI และการตัดสินใจทางการจัดการที่มีเหตุผล หากคุณนำตรรกะนี้ไปใช้ AI จะกลายเป็นตัวคูณที่มีประโยชน์ หากคุณใช้มันเป็นตัวแทนของการตัดสินใจ AI จะกลายเป็นความเสี่ยง
หากคุณต้องการเปลี่ยนข้อมูลการดำเนินงานและสัญญาณขององค์กรให้กลายเป็นข้อมูลเชิงลึกที่ชัดเจนขึ้นELECTE – แพลตฟอร์มวิเคราะห์ข้อมูลด้วยปัญญาประดิษฐ์สำหรับธุรกิจขนาดกลางและขนาดเล็ก – ช่วยให้คุณวิเคราะห์ข้อมูลที่ซับซ้อน, สร้างรายงานอัตโนมัติ, และสนับสนุนการตัดสินใจที่ดีขึ้น. เพื่อเข้าใจว่ามันทำงานอย่างไรในทางปฏิบัติ คุณสามารถชมการทำงานของแพลตฟอร์มและประเมินว่ามันเหมาะกับกระบวนการของคุณหรือไม่.
.svg)
.svg)
.svg)
.webp)
.webp)
.webp)