組織管理用AI做人事決策,先考慮四件事
用AI做人事決策,先考慮四件事
4 Things to Consider Before You Start Using AI in Personnel Decisions
- 組織管理
- 彼得.卡裴利 Peter Cappelli
- 2021/04/13
Juan Moyano/Stocksy
演算法還不算完美,但已經比真人更公正。若要運用演算法進行人事方面的決策,領導人必須考慮四個問題:演算法的偏誤,可能會較人為判斷輕微;各項因素的權重分配,會更平均;人工智慧使用的資料,可能會引發道德問題;面對演算法做出的決策,可能難以解釋評判的標準是什麼。無論如何,取得沒有偏誤的資料,對人為判斷或人工智慧判斷來說,都是必要的。
人工智慧(AI)最初展望的前景是,可望成為有廣泛基礎的工具,用於解決商業上的問題,而現在這種展望變得更狹隘得多,卻仍然相當有用:根據資料科學而產生的演算法,可做出一些預測,而預測能力優於人類一直以來的預測水準。
標準的統計模型,把重點放在一、兩個與某項結果(例如工作績效)相關的已知因素,但相反地,機器學習演算法不會預設是哪些因素造成影響,或是為何會有影響。演算法覺得因素愈多愈好,把所有的因素匯集在一起建立一個模型,來預測某個結果,比方說,該聘用誰。演算法會給每位申請者一個容易解讀的分數,呈現這個人未來在某個職位上表現良好的可能性有多高。
當然,這些演算法可望發揮的作用看來如此強大,因此大家也會很注意演算法的局限,特別是如果一開始用來建立模型的數據資料有偏誤,模型就會一直帶有這個偏誤。最為人所知的例子,就是如果某些企業過去對女性有偏見,而關於工作績效的資料也有偏誤,那麼根據這些資料建立的演算法,也會有偏誤。
既然如此,企業如果想用AI來做人事決策,該如何進行?以下是四點考量:
我們真的必須承認:人類的判斷能力很差,以及現在的員工管理實務
標準的統計模型,把重點放在一、兩個與某項結果(例如工作績效)相關的已知因素,但相反地,機器學習演算法不會預設是哪些因素造成影響,或是為何會有影響。演算法覺得因素愈多愈好,把所有的因素匯集在一起建立一個模型,來預測某個結果,比方說,該聘用誰。演算法會給每位申請者一個容易解讀的分數,呈現這個人未來在某個職位上表現良好的可能性有多高。
當然,這些演算法可望發揮的作用看來如此強大,因此大家也會很注意演算法的局限,特別是如果一開始用來建立模型的數據資料有偏誤,模型就會一直帶有這個偏誤。最為人所知的例子,就是如果某些企業過去對女性有偏見,而關於工作績效的資料也有偏誤,那麼根據這些資料建立的演算法,也會有偏誤。
既然如此,企業如果想用AI來做人事決策,該如何進行?以下是四點考量:
1.相較於產生這些資料的現行做法,演算法的偏誤可能會較輕微。
我們真的必須承認:人類的判斷能力很差,以及現在的員工管理實務