Série 6 podcastů o digitální revoluci, která formuje nejen budoucnost trhu práce, ale i tu naši.
Představujeme šestidílný seriál vycházející z podcastů Tech 15, které vznikly na VivaTech v Paříži, největší evropské akci pro startupy a technologické firmy. Tématem pátého, tedy předposledního dílu je datová strategie v oblasti HR. Poslechněte si rozhovor novinářky Emmy Crosby společně s Tomasem Chamorro-Premuzicem, ředitelem pro inovace ve společnosti ManpowerGroup, a Nathanem Cavaglione, ředitelem pro technologie ve společnosti Fairgen, o tom, jak mohou data pomoci firmám vytvářet strategie v oblasti pracovní síly.
Nábor založený na datech
Řešení problému nedostatku talentů má mnoho podob a je několik cest, jak mu čelit. Jednou z nich je využití dat při náboru a obsazování pozic. K tomu, aby firmy měly dostatek pracovní síly, je potřeba skutečně porozumět lidskému talentu a potenciálu, a to mnohem důkladněji, než se povětšinou děje. Dříve se stačilo rozhodnout podle typu vzdělání, a zaměstnanci byla „přiřazena“ pozice. Dnešní situace je ale odlišná – zkoumají se nejen měkké a tvrdé dovednosti potenciálních zaměstnanců, ale také jejich hodnoty. To však nelze vyhodnocovat pouze na základě intuice, potřebujeme big data. Ta slouží nejen zaměstnavatelům, ale také samotným zaměstnancům, aby pochopili svůj plný potenciál. Jak tedy může datová analytika zlepšit náborový proces a profesní rozvoj?
„Myslím, že existují dva hlavní způsoby. Prvním z nich je vytvoření protokolů nebo procesů, které organizacím umožní vyhodnotit přesnost a správnost jejich náborových rozhodnutí, zejména při náboru velkého počtu lidí. Když firma hledá stovky nebo tisíce pracovníků a vy vyhodnocujete faktory, jako jsou jejich dovednosti, schopnosti nebo osobnost, úroveň vzdělání, jejich předchozí zaměstnání atd., můžete na základě těchto dat určit, jaké klíčové ukazatele skutečně umožňují dopředu říct, zda zaměstnanci budou na určité pozici úspěšní a zda je ta práce bude naplňovat. A druhá, možná ještě důležitější věc je zlepšit vyhodnocování přínosu zaměstnanců pro jejich pozici, práci nebo organizaci. Většina organizací se stále spoléhá na subjektivní hodnocení výkonu zaměstnanců prováděné manažerem, které bývá ovlivněno politikou, nebo dokonce nepotismem či předpojatostí. Snažíme se získat data o tom, jak lidé skutečně přispívají, jaký je jejich přínos pro tým, pro organizaci,“ podrobně vysvětluje Tomas Chamorro-Premuzic.
(Ne)diskriminující umělá inteligence
Svět se stává daleko více složitějším, tím pádem jsou složitější i náborové procesy a plánování profesní kariéry. Je tedy vhodné využít všechny prostředky k tomu, abychom se v této situaci zorientovali. Od vědecky podložených metod hodnocení přes historická data až po všechny vědecky osvědčené metody a technologické nástroje.
Důležitá však nejsou jen samotná data, ale také práce s nimi. To znamená hlavně vytřídit data, která jsou objektivní. Známý je příběh Amazonu nebo Microsoftu, kde se snažili vytvořit chatbota, který měl být schopen předpovídat, kdo bude povýšen. V drtivé většině případů to byli inženýři bílé pleti a středního věku. Předsudky ovšem nejsou v algoritmech chatbotů nebo v umělé inteligenci, ale v systému. V takovém případě přicházejí na řadu opět lidé, aby odstranili tyto předsudky nebo jiné chyby, které se vyskytnou a které vznikají při vzájemném hodnocení lidí, tedy když manažeři či nadřízení hodnotí přínos zaměstnanců. A u vysoce kvalifikovaných pozic je tento proces ještě náročnější.
„Je to zvláštní a fascinující paradox. Čím jste kvalifikovanější, tím více dostáváte zaplaceno. A čím více jste znalostní pracovník, tím hůře lze určit, zda skutečně odvádíte dobrou práci, nebo ne,“ doplňuje Chamorro-Premuzic.
Proč se umělá inteligence chová tak, jak se chová
Práce s daty samozřejmě souvisí s lidmi, kteří s nimi pracují, tedy vkládají je i analyzují. Mohou tato data být vůbec objektivní? Odstraňováním předpojatosti dat se zabývá Nathan Cavaglione. V poslední době se stále častěji nechávají kritická rozhodnutí na algoritmech umělé inteligence. Tyto algoritmy se učí na základě dat, která ale vytvořili lidé, a tak obsahují všechny naše předsudky, a umělá inteligence je pak kopíruje, takže vlastně reprodukuje lidské předsudky. Je dost chytrá na to, aby pracovala se všemi daty a vzorci, které jsou do ní vloženy, ale neumí používat zdravý rozum, tedy neumí ani eliminovat předsudky na základě např. sociálního původu, genderu, věku, technického zázemí apod. V tuto chvíli nastává problém, protože firmy se nyní snaží o velkou rozmanitost, co se týče lidských zdrojů.
„Pokud máte více dat týkajících se mužů nebo pokud máte vyšší podíl mužů, kteří byli přijati na určitou pozici, tak to způsobí, že se umělá inteligence chová také takto jednostranně,“ vysvětluje Cavaglione. Uvádí také konkrétní příklad: „V Amazonu byl před několika lety použit algoritmus umělé inteligence k hodnocení a selekci životopisů. A protože jejich data z minulosti zahrnovala velké množství vývojářů-mužů, začal algoritmus vyřazovat spoustu životopisů žen, které měly stejnou kvalifikaci. A to je přesně to, co se ve společnosti Fairgen snažíme napravit.“
Etická umělá inteligence
Řešením může být vytvoření umělých profilů, které vyrovnávají např. počet žen a mužů ve vedoucích pozicích, tedy vyvážit data tak, aby byla rovnoměrně rozložená. Umělá inteligence pak bude také vše vyhodnocovat vyváženěji. Díky tomu bude tato umělá inteligence pracovat nestranně. Nestačí tedy jen využívat data, ale také se zaměřit na práci s nimi, a na to, jak je využíváme. Jinak mohou být dopady přinejmenším neetické, ať už se jedná o odmítání žadatelů o půjčku kvůli původu a pohlaví, diskriminaci uchazečů o práci apod.
Nezáleží na tom, kolik máme dat…
Podle Tomase Chamorro-Premuzica je klíčové postavení vedení firem, aby bylo odhodláno tvořit a podporovat firemní kulturu, která bude založená na skutečných zásluhách a která bude také spravedlivá a etická. „Myslím, že spousta organizací se brání umělé inteligenci a používání velkých dat, protože se bojí takto nastaveného zrcadla. Data, která odhalují, že některé věci nejsou tak férové, jak by měly být, mohou být opravdu dobrou motivací, opodstatněním a logickým důvodem pro přijetí opatření a pro změnu,“ dodává. Data u těchto vysokých pozic jsou velice ceněná a již nějakou dobu jsou opravdu prioritou a jejich váha se stále zvyšuje, jsou základním prostředkem pro pochopení lidí, ať už spotřebitelů, zaměstnanců, nebo třeba i vedoucích zaměstnanců. Problémem není získání těchto dat, ale využití z nich vyplývajících poznatků k přijetí různých opatření. Schopnost jednat na základě poznatků založených na datech vyžaduje nejen konkrétní dovednosti a jiné myšlení, ale i změnu kultury řízení. Stručně řečeno – nezáleží na tom, kolik dat shromáždíte, ale co s nimi uděláte.
„Samotná data nic nezmění, jsou ale podnětem, poskytnou vám materiál a racionální důvody, které ospravedlňují změnu. Ale změna je o motivaci a vůli.“
