چگونگی شکل‌گیری آینده منابع انسانی توسط هوش مصنوعی

کاربرد یادگیری ماشین در منابع انسانی

تردیدی نیست که امروزه هوش مصنوعی (AI) در حال متحول کردن هر صنعتی است. سازمان‌هایی که کاربرد آن را در صنایع خود پذیرفته‌اند، شاهد افزایش کارایی و کاهش زمان برای انجام بسیاری از وظایف هستند. متخصصان منابع انسانی نیز در این موجِ تحولات هوش مصنوعی که همه صنایع را مانند طوفانی فرا گرفته، کنار نرفته‌اند. در این بخش، به برخی از کاربردهای هوش مصنوعی در بخش منابع انسانی خواهیم پرداخت و کاربرد آن را در موارد زیر مشاهده خواهیم کرد:

• پیشنهادهای شغلی
• استخدام کارکنان
• مصاحبه کردن
• شروع به کار کارکنان
• تعهد شغلی
• ریزش نیروهای انسانی
• توسعه کارکنان
• مدیریت عملکرد

پیشنهادهای شغلی

برخی راه‌حل‌های هوش مصنوعی هستند که به متقاضیان در پیشنهاد شغل و طرح مسیر حرفه‌ای کمک می‌کنند. این راه‌حل‌ها قادرند براساس شخصیت و تجربه‌های قبلی فرد، شغل‌ها و مسیرهای حرفه‌ای به وی پیشنهاد دهند. این امر اهمیت زیادی دارد زیرا تضمین می‌کند که افراد در مسیرهای حرفه‌ای که دوست ندارند، قرار نگیرند. همچنین به متخصصان منابع انسانی در قرار دادن متقاضی‌های مناسب در نقش‌هایی که احتمال موفقیت بیشتری دارند، کمک می‌کنند و از این طریق، باعث کاهش هزینه استخدام کارمندان جدید می‌شوند، زیرا احتمال اینکه کارمند موقعیتش را دوست نداشته باشد و استعفا دهد کاهش می‌یابد.

استخدام کارکنان

در فرایند استخدام، از هوش مصنوعی برای یافتن کاندیدهایی که با نقش و فرهنگ سازمان سازگاری دارند، استفاده می‌شود. بررسی کارکنان بالقوه برای تناسب فرهنگ بسیار مهم است، زیرا برخی از کارکنان از لحاظ مهارت‌ها مناسب یک نقش هستند، اما با فرهنگ سازمان به خوبی تطبیق نمی‌یابند. سیستم‌های هوش مصنوعی این کار را از طریق محاسبه امتیاز مناسب برای هر نامزد انجام می‌دهند. این سیستم‌ها همچنین می‌توانند پیش‌بینی کنند که یک کاندید، در یک نقش خاص چگونه عمل خواهد کرد، بنابراین تصمیم‌گیری در مورد استخدام برای مدیر استخدام آسان‌تر می‌شود.

این سیستم‌ها همچنین قادرند از داده‌های خارجی مثل وبلاگ‌ها و پروفایل‌های رسانه‌های اجتماعی استفاده کنند تا بتوانند یک نگاه 360 درجه‌ای از کاندیدها به دست آورند. علاوه بر این، این سیستم‌ها برای حذف تعصب انسانی از فرآیند استخدام بسیار مهم هستند. برای کاهش سختی برنامه‌ریزی جلسات با کاندیدها، می‌توان از یک دستیار هوش مصنوعی برای انجام این وظیفه از طرف مسئول استخدام، استفاده کرد. این دستیارها از طریق هماهنگی با کاندیدها به منظور پیدا کردن زمان‌های مناسب برای آن‌ها و مسئول استخدام این کار را انجام می‌دهند.

مصاحبه کردن

متخصصان منابع انسانی می‌توانند از مصاحبه‌های مبتنی بر عامل استفاده کنند، به ویژه زمانی که نیاز به مصاحبه با افراد زیادی دارند. این کار می‌تواند به منابع انسانی فرصتی برای انجام وظایف دیگر دهد. ربات‌های مصاحبه‌گر قادرند حالت روحی کاندید، اینکه آیا حقیقت را می‌گوید یا نه و چگونگی لباس پوشیدن وی را تشخیص دهند، سپس به کاندیدها نمره‌دهی می‌کنند.

پس از آن، کارشناس منابع انسانی می‌تواند فهرست نهایی غربال‌شده را بررسی نموده و در ساعت‌های زیادی صرف مصاحبه حضوری می‌شد، صرفه‌جویی کند. از مزایای استفاده از این ربات‌های مصاحبه کننده می‌توان به امکان مصاحبه همزمان با بسیاری از داوطلبان و همچنین حفظ کردن زمان اشاره کرد. یکی از چالش‌های اصلی در این مورد، فقدان تماس انسانی در فرآیند مصاحبه است.

شروع به کار کارکنان

کارمندان معمولاً در طول فرآیندِ شروع به کار، سوالات زیادی دارند. می‌توان از یک دستیار مجازی برای راه‌اندازی آنها استفاده کرد. در این فرآیند، یک چت‌بات می‌تواند به تمامی نگرانی‌های کارمندان مانند ثبت‌نام در بیمه، مرخصی، سیاست‌های شرکت و رشد شخصی آنها پاسخ دهد. دستیار مجازی همچنین می‌تواند در این فرآیند، بازخورد کارمند را در مورد فرآیند مصاحبه و راه‌اندازی جمع‌آوری کند. این بازخورد برای بهبود کل فرآیند مفید خواهد بود. مزیت این روش این است که کارمند دیگر برای شروع فرآیندکار نیاز به حضور در دفتر ندارد و فرآیند آغاز به کار در طول شبانه‌روز امکان‌پذیر است.

تعهد شغلی

احتمالا کارمندی که در کار خود انگیزه بیشتری دارد، نسبت به کسی که این انگیزه را ندارد، در شغل خود برای مدت طولانی‌تری باقی خواهد ماند. با پیشرفت ابزارهای تشخیص بصری و تشخیص صدا در حوزه هوش مصنوعی، می‌توان از هوش مصنوعی برای تعیین انگیزه کارمند استفاده کرد. ابزارهای تشخیص بصری می‌توانند با بررسی میزان عبوس بودن چهره کارمند، انگیزه او را ارزیابی کنند. به عنوان مثال، اگر به نظر می‌رسد که کارمند تنش دارد، این ابزار می‌تواند منابعی در مورد مدیریت تنش توصیه کند یا حتی پیشنهاد استفاده از یک روز مرخصی را بدهد. تجزیه و تحلیل صدای کارمند نیز می‌تواند به تعیین سطح مشارکت آنها در یک کار کمک کند. شایان ذکر است که این نوع تجزیه و تحلیل نگرانی‌های جدی در مورد حریم خصوصی ایجاد می‌کند.

ریزش  نیروهای انسانی

آموزش کارکنان معمولاً هزینه زیادی بر بودجه بیشتر سازمان ها وارد می‌کند. بنابراین، آنها می‌خواهند اطمینان حاصل کنند که یک کارمندِ خوب آموزش دیده، تا بیشترین زمان ممکن در سازمان باقی بماند. علاوه بر این، سازمان مایل است که از احتمال خروج یک کارمند از سازمان آگاه باشد. آنها همچنین دوست دارند بدانند چرا کارمندان خوب شرکت را ترک می‌کنند. با در دست داشتن این اطلاعات، یک سازمان می‌تواند به اندازه‌ی کافی برای آینده برنامه‌ریزی کند و همچنین انگیزه‌هایی برای حفظ کارکنان خوب ارائه دهد. احتمال خروج یک کارمند را می‌توان از طریق نظرسنجی‌های رضایتمندی و همچنین تعامل آنها با سیستم‌های سازمان محاسبه کرد.

توسعه کارکنان

رشد و توسعه کارمندان یک نگرانی عمده برای اکثر کارمندان و سازمان‌ها است. کارمندان، بیشتر در سازمانی می‌مانند که در آن احساس می‌کنند در حال رشد هستند. سازمان می‌تواند یک سیستم پیاده‌سازی کند که براساس علاقه‌ها و ترندهای بازار و نیازهای سازمان، دوره‌هایی را به کارمندان پیشنهاد دهد. به عنوان مثال، در برخی حرفه‌ها مانند حرفه‌های مرتبط با فناوری، که تغییرات در آنها بسیار سریع رخ می‌دهد، مهم است که کارمندان با فناوری‌های جدیدی که سازمان‌ها می‌خواهند استفاده کنند، آشنا شوند. این نوع شخصی‌سازی بسیار حائز اهمیت است تا توسعه شخصی هر کارمند مورد توجه قرار گیرد. زیبایی این برنامه‌ها در این است که می‌توانند برای هر کارمند مربیگری شخصی انجام دهند. مربیگری شخصی کارمند را قادر می‌سازد تا به طور مداوم در حوزه شغلی خود رشد کند.

مدیریت عملکرد

تشکیل یک تیم موثر برای هر سازمان بسیار حائز اهمیت است. جفت‌کردن افراد فقط بر اساس شخصیت آنها دیگر کافی نیست. سیستم‌های یادگیری ماشین و آزمون‌های روان‌سنجی می‌توانند برای تعیین سازگاری هر فرد که در یک تیم خاص کار می‌کند، مورد استفاده قرار گیرند. این امر تضمین می‌کند که کار به صورت کارآمد انجام گردد و روابط کاری خوبی برقرار شود. این سیستم‌ها همچنین می‌توانند برای ارزیابی عملکرد یک کارمند استفاده شوند. این امر نیاز به بررسی‌های انسانی را که می‌تواند مغرضانه باشد، از بین می‌برد. بررسی عملکرد نیز به صورت بلادرنگ انجام می‌شود، برخلاف زمانی که باید منتظر بررسی مدیران باشیم.

یکی دیگر از مزایای کلیدی این سیستم‌ها این است که بررسی‌های عملکرد، می‌توانند به طور مکرر انجام شوند، با توجه به اینکه ماشین‌ها در پس‌زمینه فعالیت می‌کنند. این امر به جای انتظار برای بررسی‌های سه ماهه‌، در ارائه بازخورد مکرر به کارمندان، بسیار مهم است. وقتی که کارمندان به طور مکرر بازخورد دریافت کنند، زمان لازم برای بهبود آن‌ها به شدت کاهش می‌یابد. این سیستم‌ها همچنین می‌توانند به کارکنان برای ادامه عملکرد خوب انگیزه‌ بدهند.

در راستای مدیریت کارکنان، سیستم می‌تواند به طور خودکار به مشکلات شبکه و همچنین عملکرد برنامه‌های مختلف در سازمان پاسخ دهد.

نکات پایانی

با تمامی این گفته‌ها، استفاده از هوش مصنوعی در منابع انسانی با چالش‌هایی مانند سوگیری، حریم خصوصی و کمبود تعامل انسانی در این حرفه روبرو است. سوگیری می‌تواند به وسیله تأمین توازن مناسب در داده‌های آموزشی رفع شود. مشکلات حریم خصوصی می‌توانند با استفاده از کتابخانه‌هایی مانند TensorFlow Privacy یا Federated Learning حل شوند. TensorFlow Privacy اطمینان می‌دهد که مدل‌ها با رعایت حریم خصوصی آموزش داده می‌شوند. Federated Learning نیز مطمئن می‌شود که مدل‌ها توسط داده‌های متمرکز شده، تحت آموزش قرار می‌گیرند. استفاده از داده‌های متمرکز شده به این معنی است که داده‌های آموزشی روی دستگاه‌های کاربران، مانند تلفن همراه آن‌ها باقی می‌ماند. کمبود تعامل انسانی نیز می‌تواند توسط ترکیب سیستم‌های هوش مصنوعی با مداخله انسانی(برای اطمینان از اینکه تمام وظایف به ماشین‌ها واگذار نمی‌شوند) رفع شود.