Fördomar kan påverka processen
Att människor skapar algoritmer för AI och maskininlärning (ML), spelar stor roll i urvalet och analysen av de datakällor som används i algoritmerna samt bestämmer hur resultaten ska tillämpas. Det innebär att fördomar kan påverka processen. Det kan bli besvärligt inom initiativ för mångfald och inkludering samt anställningar, både externa och interna. Ett tidigt och välkänt exempel är Amazons AI-rekryteringsverktyg, som skrotades efter att det orättvist hade föredragit män framför kvinnor i talangutvärderingar baserade på felaktiga historiska data.
Mänskligt engagemang under ett företags AI-resa kan säkerställa att pålitliga, högkvalitativa data används från början, vilket säkerställer att det som matas till AI-algoritmen är balanserat för att ge korrekta insikter och undvika fördomar.
Att kunna analysera inkommande data med AI
kan leda till mindre partiska insikter.
De träningsdata som används för tekniken kan innehålla allt från historiska sociala orättvisor till oupptäckbart partiska mänskliga beslut. Utan tillräckliga kontroller är det förvånansvärt lätt att låta subtila, och ibland omedvetna, fördomar sippra in i AI och ML När algoritmen väl har integrerat dessa data i sin språkmodell är det mycket svårare att segmentera och ta bort dessa element, vilket gör att alla tidigare resultat kan ifrågasättas.
Att omvärdera inkommande data är det första sättet som AI kan förbättra initiativ inom mångfald och inkludering. Enligt HR Institute är det bara 20 procent av organisationerna som vet hur effektiva deras initiativ för mångfald och inkludering är och det är få som fastställer riktmärken inom dessa områden. Att kunna analysera inkommande data med AI kommer inte bara att ge snabbare resultat, utan det kan också leda till mindre partiska insikter, vilket hjälper till att undvika förvalda utvärderingskriterier som en människa omedvetet kan göra.
Arbetsgivare utvärderas utifrån värderingar och möjligheter att påverka
Det andra området är att hjälpa organisationer att hålla koll på förändringar i omvärlden. En ny generation arbetstagare är på väg in i arbetslivet och de letar inte längre bara efter ett företag med bra lön och generösa förmåner. De utvärderar också potentiella arbetsgivare utifrån värderingar och möjligheter att påverka. När organisationer kan erbjuda en miljö som är i samklang med omvärlden och kan visa det genom data, ökar viljan att behålla anställda och ökar chanserna att anställa. AI kan hjälpa till genom att mäta resultat, spåra medarbetarnas bidrag och visualisera effekter.
AI kan mäta produktivitet och prestation
AI har redan visat sig vara användbart inom många områden av rekryteringsprocessen, bland annat anonymisera CV:n och förutsäga kandidaters framgång. För befintliga anställda kan AI mäta produktivitet och prestation, vilket kan underlätta vid beslut om befordringar eller löneförhöjningar. För att detta ska fungera bra är det återigen viktigt med mänsklig övervakning av resultaten.
Genom att verkligen förstå att människor leder och AI hjälper till på alla nivåer kan organisationer undvika de fallgropar som kan uppstå inom HR när det gäller rekrytering och mångfald.
Julie Kae, ansvarig för hållbarhet och mångfald på Qlik
Om Julie Kae
Julie Kae jobbar på det svenskgrundade dataanalysföretaget Qlik sedan 15 år, varav de senaste tre åren som ansvarig för hållbarhet och mångfald. Hon har jobbat med hållbarhetsfrågor under hela sin tid på Qlik i olika roller och är baserad i USA.
