Η τεχνητή νοημοσύνη αλλάζει τον τρόπο με τον οποίο οι Αμερικανοί βρίσκουν δουλειά, παίρνουν προαγωγή και πετυχαίνουν στην εργασία τους
Είτε το συνειδητοποιούμε είτε όχι, οι εξελίξεις στην τεχνητή νοημοσύνη επηρεάζουν όλο και περισσότερο την πορεία της καριέρας μας.
Οι εξελίξεις στα συστήματα διαχείρισης ανθρώπινου κεφαλαίου, οι πιο στρατηγικές και βασιζόμενες στα δεδομένα πρακτικές διαχείρισης ανθρώπινων πόρων και ταλέντων και η αυξημένη προσοχή στην προκατάληψη είναι παράγοντες που αλλάζουν τον τρόπο με τον οποίο οι άνθρωποι προσλαμβάνονται, αναπτύσσονται, προάγονται και απολύονται.
Διδάσκω και εργάζομαι στον τομέα της διαχείρισης ταλέντων και της ανάπτυξης ηγεσίας. Έχω χρησιμοποιήσει αυτά τα προγράμματα και τις πρακτικές στον πραγματικό κόσμο και συνεχίζω να μαθαίνω και να ερευνώ πώς αλλάζουν αυτές οι πρακτικές. Η τεχνητή νοημοσύνη και τα συστήματα είναι ήδη μεγάλες επιχειρήσεις, με ακαθάριστα έσοδα άνω των 38 δισεκατομμυρίων δολαρίων ΗΠΑ το 2021. Αναμφίβολα, το λογισμικό με βάση την τεχνητή νοημοσύνη έχει τη δυνατότητα να προχωρήσει γρήγορα και να αλλάξει τον τρόπο με τον οποίο οι εταιρείες λαμβάνουν στρατηγικές αποφάσεις για τους υπαλλήλους τους.
Δείτε τι μπορεί να σημαίνει αυτή η επιτάχυνση για εσάς.
Aίτηση
Φανταστείτε ότι κάνετε αίτηση για μια θέση εργασίας στο πολύ κοντινό μέλλον. Ανεβάζετε το πολύ προσεκτικά γραμμένο βιογραφικό σας μέσω του ιστότοπου της εταιρείας, σημειώνοντας ότι η πλατφόρμα μοιάζει πολύ με άλλες πλατφόρμες που έχετε χρησιμοποιήσει για να υποβάλετε αίτηση για άλλες θέσεις εργασίας. Αφού αποθηκευτεί το βιογραφικό σας, παρέχετε δημογραφικά στοιχεία και συμπληρώνετε αμέτρητα πεδία με τα ίδια δεδομένα από το βιογραφικό σας. Στη συνέχεια πατάτε “υποβολή” και ελπίζετε σε ένα επόμενο μήνυμα ηλεκτρονικού ταχυδρομείου από κάποιο άτομο.
Τα δεδομένα σας “ζουν” πλέον στο σύστημα διαχείρισης ανθρώπινου κεφαλαίου αυτής της εταιρείας. Ακόμη και αν τα συλλέγουν, πολύ λίγες εταιρείες εξετάζουν πλέον βιογραφικά σημειώματα- εξετάζουν τις πληροφορίες που πληκτρολογείτε σε αυτά τα μικροσκοπικά κουτάκια για να βοηθήσουν να γίνουν συγκρίσεις μεταξύ εσάς, δεκάδων ή εκατοντάδων άλλων υποψηφίων και των απαιτήσεων της θέσης εργασίας. Ακόμη και αν το βιογραφικό σας αποδεικνύει ότι είστε ο πιο κατάλληλος υποψήφιος, από μόνο του είναι απίθανο να τραβήξει το βλέμμα του υπεύθυνου για την πρόσληψη, επειδή η προσοχή του είναι αλλού.
Πρόσληψη
Ας πούμε ότι σας καλούν, ότι είστε άριστος στη συνέντευξη και ότι η δουλειά είναι δική σας. Οι πληροφορίες σας φτάνουν σε ένα άλλο στάδιο στη βάση δεδομένων της εταιρείας ή στο HCM: ενεργός εργαζόμενος. Οι αξιολογήσεις της απόδοσής σας και άλλα δεδομένα σχετικά με την απασχόλησή σας θα συνδέονται πλέον με το προφίλ σας, προσθέτοντας περισσότερα δεδομένα για το HCM και το τμήμα ανθρώπινου δυναμικού για να παρακολουθούν και να αξιολογούν.
Οι βελτιώσεις στην τεχνητή νοημοσύνη, την τεχνολογία και τα HCM επιτρέπουν στο HR να εξετάζει τα δεδομένα των εργαζομένων σε βαθύτερα επίπεδα. Οι γνώσεις που συλλέγονται βοηθούν στον εντοπισμό ταλαντούχων εργαζομένων που θα μπορούσαν να καλύψουν καίριους ηγετικούς ρόλους όταν οι άνθρωποι παραιτούνται και καθοδηγούν τις αποφάσεις σχετικά με το ποιος πρέπει να προαχθεί. Τα δεδομένα μπορούν επίσης να εντοπίσουν την ευνοιοκρατία και τη μεροληψία στις προσλήψεις και τις προαγωγές.
Καθώς συνεχίζετε στο ρόλο σας, τα δεδομένα σχετικά με την απόδοσή σας παρακολουθούνται και αναλύονται. Αυτό μπορεί να περιλαμβάνει τις αξιολογήσεις της απόδοσής σας, τα σχόλια του προϊσταμένου σας, τη δραστηριότητα επαγγελματικής ανάπτυξης – ή την έλλειψή της. Η ύπαρξη αυτού του μεγάλου όγκου δεδομένων για εσάς και τους άλλους με την πάροδο του χρόνου βοηθά πλέον το τμήμα Ανθρώπινου Δυναμικού να σκεφτεί πώς οι εργαζόμενοι μπορούν να υποστηρίξουν καλύτερα την ανάπτυξη του οργανισμού.
Για παράδειγμα, η Διεύθυνση Ανθρώπινου Δυναμικού μπορεί να χρησιμοποιήσει δεδομένα για να προσδιορίσει πόσο πιθανό είναι να παραιτηθούν συγκεκριμένοι εργαζόμενοι και να αξιολογήσει τον αντίκτυπο αυτής της απώλειας.
Οι πλατφόρμες που πολλοί άνθρωποι χρησιμοποιούν ήδη καθημερινά συγκεντρώνουν δεδομένα παραγωγικότητας από την είσοδο έως την αποχώρηση. Τα ευρέως διαθέσιμα εργαλεία της Microsoft, συμπεριλαμβανομένων των Teams, του Outlook και του SharePoint, μπορούν να βοηθήσουν στην παροχή πληροφοριών στους διευθυντές μέσω του εργαλείου ανάλυσης του χώρου εργασίας τους. Το σκορ παραγωγικότητας της Microsoft παρακολουθεί τη συνολική χρήση εντός της πλατφόρμας.
Ακόμη και οι μετρήσεις και οι συμπεριφορές που ορίζουν την “καλή” ή την “κακή” απόδοση μπορεί να αλλάξουν, βασιζόμενες λιγότερο στην αντίληψη του διευθυντή. Καθώς τα δεδομένα αυξάνονται, ακόμη και η εργασία επαγγελματιών όπως οι σύμβουλοι, οι γιατροί και οι έμποροι θα μετράται ποσοτικά και αντικειμενικά. Μια έρευνα των New York Times του 2022 διαπίστωσε ότι αυτά τα συστήματα, που σχεδιάστηκαν για να βελτιώσουν την παραγωγικότητα και τη λογοδοσία των εργαζομένων, είχαν ως αποτέλεσμα να πλήξουν το ηθικό και να ενσταλάξουν φόβο.
Είναι σαφές ότι οι Αμερικανοί εργαζόμενοι θα πρέπει να αρχίσουν να σκέφτονται για το πώς χρησιμοποιούνται τα δεδομένα μας, ποια ιστορία λένε αυτά τα δεδομένα και πώς μπορεί να υπαγορεύσουν το μέλλον μας.
Βελτιστοποίηση και κατανόηση της καριέρας σας
Δεν διαθέτει κάθε εταιρεία HCM ή δεν είναι προηγμένη στη χρήση δεδομένων ταλέντων για τη λήψη αποφάσεων. Αλλά πολλές εταιρείες γίνονται πιο έξυπνες και ορισμένες είναι απίστευτα προηγμένες. Σε μια πρόσφατη σύνοδο κορυφής Microsoft Viva που παρακολούθησα, επικεφαλής ανθρώπινου δυναμικού από εταιρείες όπως η PayPal και η Rio Tinto περιέγραψαν τρόπους με τους οποίους χρησιμοποιούν αυτές τις εξελίξεις.
Ορισμένοι ερευνητές υποστηρίζουν ότι η τεχνητή νοημοσύνη θα μπορούσε να προωθήσει την ισότητα με την εξάλειψη των σιωπηρών προκαταλήψεων από τις προσλήψεις και τις προαγωγές, αλλά πολλοί περισσότεροι βλέπουν τον κίνδυνο ότι η τεχνητή νοημοσύνη που κατασκευάζεται από ανθρώπους απλώς θα επανασυσκευάσει παλιά ζητήματα σε ένα νέο κουτί. Η Amazon έμαθε αυτό το μάθημα με σκληρό τρόπο το 2018, όταν μια τεχνητή νοημοσύνη που κατασκεύασε για τη διαλογή βιογραφικών έπρεπε να εγκαταλειφθεί όταν ευνοούσε τους άνδρες για ρόλους προγραμματισμού.
Επιπλέον, η αύξηση της συλλογής και ανάλυσης δεδομένων μπορεί να αφήσει τους εργαζόμενους ασαφείς σχετικά με το πού βρίσκονται, ενώ ο οργανισμός είναι πολύ σαφής. Το καλύτερο είναι να καταλάβετε πώς η τεχνητή νοημοσύνη αλλάζει τον εργασιακό χώρο και να απαιτήσετε διαφάνεια από τον εργοδότη σας. Αυτά είναι σημεία δεδομένων που οι εργαζόμενοι θα πρέπει να εξετάσουν το ενδεχόμενο να ρωτήσουν σχετικά κατά την επόμενη αξιολόγησή τους:
Με βλέπετε ως εργαζόμενο με υψηλό δυναμικό;
Πώς συγκρίνονται οι επιδόσεις μου με τις επιδόσεις των άλλων;
Με βλέπετε ως διάδοχο του ρόλου σας ή άλλων;
Ακριβώς όπως πρέπει να κατακτήσετε τις παραδοσιακές πτυχές της κουλτούρας, της πολιτικής και των σχέσεων στον χώρο εργασίας, θα πρέπει να μάθετε να περιηγείστε σε αυτές τις πλατφόρμες, να κατανοήσετε πώς αξιολογείστε και να αναλάβετε την ευθύνη της καριέρας σας με έναν νέο και πιο καθοδηγούμενο από τα δεδομένα τρόπο.
Vivian Lam
Associate Health and Biomedicine Editor
