در UNLEASH Amsterdam من خوش شانس بودم که با Littal Shemer Haim، یک مشاور مستقل تجزیه و تحلیل افراد مستقر در اسرائیل برخورد کردم. Littal دارای 25 سال تجربه در انجام تجزیه و تحلیل است، که مدت ها قبل از اینکه این حوزه حتی تجزیه و تحلیل افراد نامیده شود، شروع شده است.
متن کامل را می توانید در زیر ویدیو بخوانید. از طرف دیگر، می توانید زیرنویس را نیز روشن کنید!
اریک : لیتال، خیلی ممنون که اینجا هستید. من واقعا برای مصاحبه با شما هیجان زده هستم.
لیتال : ممنون اریک. من هم خوشحالم که اینجا هستم.
اریک : ما چند بار این کار را امتحان کردیم، اما داریم به آنجا می رسیم! من به طور خاص می خواهم از شما در مورد آینده منابع انسانی و برخی از روندهایی که در سال های گذشته مشاهده کرده اید بپرسم. زیرا شما بیش از 25 سال است که در تجزیه و تحلیل افراد حضور داشته اید که به نظر من واقعاً چشمگیر است. چیزی که من می خواهم در مورد آن بپرسم –
لیتال : می‌دانید به آن تجزیه و تحلیل افراد نمی‌گفتند؟
اریک : احتمالاً به آن مردم نمی گفتند – آن زمان حتی به آن تجزیه و تحلیل منابع انسانی نمی گفتند!
در طول 25 یا بیشتر سال گذشته، بزرگترین روندها یا تغییراتی که در بازار مشاهده کرده اید چه بوده است؟
لیتال : بله. من فکر می‌کنم اولین چیز مهم این است که افراد منابع انسانی شروع به جستجوی خارج از حوزه خود کردند، شروع به کاوش بیشتر در مورد سؤالات تجاری کردند و تأثیر بیشتری با تجزیه و تحلیل بر روی تجارت به دست آوردند. و دومین مورد تأثیر بیشتر بر سایر سهامداران ما، که کارمندان هستند، است. بنابراین استفاده از تجزیه و تحلیل برای بهتر کردن کار برای مردم، که دومین روندی است که من می بینم.
اریک : ما به تازگی جاش برسین را در صحنه اصلی دیدیم که در مورد تجربه کارمندان و اهمیت مشارکت دادن کارمندان در فرآیند تجزیه و تحلیل صحبت می کرد. چگونه توسعه آن را دیده اید؟
Littal : بنابراین، اساسا، ما شروع به استفاده از داده ها، با هوش مصنوعی، و سایر برنامه ها برای ارائه بینش شخصی به افراد کرده ایم. ما نه تنها از تجزیه و تحلیل برای ارائه پاسخ‌ها و بینش‌های اجرایی استفاده می‌کنیم، بلکه از افراد بسیار شخصی در نیروی کار نیز استفاده می‌کنیم – که یک تغییر بزرگ است.
اریک : آره. این جذاب است. و من فکر می کنم این جایی است که تجزیه و تحلیل دارد می رود. من یک گوشی سامسونگ دارم و هر روز قدم هایم را می شمارد. و این یک بینش تحلیلی است که برای من مفید است، اما ممکن است در یک محیط بهره‌وری، معیار بهره‌وری باشد، یا البته بسته به شغل شما، اطلاعات مفیدی است.
لیتال : من فکر می‌کنم که کارمندان قبلاً عادت کرده‌اند از گوشی هوشمند خود در همه جا و برای هر فعالیتی استفاده کنند، بنابراین اکنون انتظار دارند همان تجربه را در محل کار داشته باشند.
اریک : آره. آنها از فناوری منابع انسانی خود نیز همین انتظار را دارند. چیزی که من واقعاً می‌خواهم به آن بپردازم این است که می‌دانم شما چشم‌انداز قوی در مورد آینده تجزیه و تحلیل دارید، و بسیاری از مردم می‌گویند که تجزیه و تحلیل هوش مصنوعی چیز بعدی است. بعد از تجزیه و تحلیل چه اتفاقی می افتد؟ آیا تجزیه و تحلیل افراد همیشه وجود خواهد داشت، همیشه بخش جداگانه ای وجود خواهد داشت، یا فکر می کنید در آینده به کجا خواهیم رفت؟
لیتال : خب، ما درگیر داشبوردهای ساختمانی خود هستیم و تجزیه و تحلیل پیش‌بینی‌کننده و همه روش‌های درخشانی را که دوست داریم استفاده کنیم، انجام می‌دهیم. اما مسئله این است که همه اینها در نهایت تغییر خواهد کرد، زیرا هوش مصنوعی در حال ورود به حوزه منابع انسانی است و در واقع جایگزین این نوع تجزیه و تحلیل خواهد شد. و من فکر می کنم که ما، مردم، رهبران تحلیلی در سازمان، نقش جدید و بسیار مهمی داریم. از آنجا که ما چیزی در مورد مکانیسم پشت آن برنامه های درخشان می دانیم، ما کسانی هستیم که برنامه های کاربردی مناسب را برای سازمان ها انتخاب می کنیم. و با طرز فکر سازمان‌های اخلاقی، باید اخلاقیات ما را در هنگام تهیه برنامه‌های کاربردی هوش مصنوعی راهنمایی کنیم.
اریک : بنابراین، اخیراً، آمازون در اخبار بوده است، زیرا آنها الگوریتم استخدام معیوب داشتند، که در آن برای نقش‌های خاص مردان را بر زنان ترجیح می‌داد. شرکت ها برای جلوگیری از این اتفاق در آینده چه کاری می توانند انجام دهند؟
لیتال : خب، اول از همه، ما باید بفهمیم که زباله در داخل، زباله بیرون. اگر به ربات‌های خود بیاموزیم که از همه داده‌هایی که همه تبعیض‌ها، همه سوگیری‌ها را امکان‌پذیر می‌کند، یاد بگیرند، نباید تعجب کنیم.
اریک : تعجب کنید وقتی روبات‌ها هم شروع به تبعیض می‌کنند؟
لیتال : بنابراین ما باید از فروشندگان خود سؤالات سختی در مورد نوع داده هایی بپرسیم که آنها برای آموزش دادن اطلاعات به ماشین های خود استفاده می کنند. و من فکر می کنم که ما باید به داده های جدید فکر کنیم، انواع جدیدی از داده هایی که می توان از آنها استفاده کرد، مانند داده هایی در مورد آرزوها و رفتارهایی که با پیشرفت شغلی مرتبط هستند. و از طرف دیگر، فرصت هایی که برخی از انواع برنامه های جدید به کارمندان ارائه می دهند تا با آرزوهایشان مطابقت داشته باشند. بنابراین این داده های جدیدی است، بدون تعصبات قدیمی که ما از کار می دانیم.
اریک : بنابراین چیزی که شما می گویید این است که قبل از اینکه داده ها را وارد کنیم و الگوریتم های خود را به گونه ای خاص آموزش دهیم، باید داده ها را از نظر سوگیری بررسی کنیم، ببینیم آیا ما یک کارفرمای برابر هستیم، به عنوان مثال، ببینیم آیا این نیز وجود دارد. در داده ها نشان داده شده است. و اگر این در داده‌ها نشان داده نمی‌شود، باید بسیار مراقب باشیم که الگوریتم‌هایمان را روی آن داده‌های مغرضانه آموزش دهیم.
لیتال : من فکر می کنم که باید این کار را انجام دهیم. و ما در واقع نمی توانیم این کار را انجام دهیم، بنابراین، من نمی بینم که هیچ رهبر منابع انسانی واقعاً این کار را انجام دهد. اما ما باید از فروشندگان خود، تامین کنندگان برنامه های کاربردی هوش مصنوعی جدید برای منابع انسانی، این سوالات سخت را بپرسیم تا واقعاً مطمئن شوند که داده هایی که استفاده می کنند مغرضانه نیست.
اریک : آره. حتی اگر این داده‌های خود ما باشد که ممکن است از آن استفاده کنند، و ممکن است در واقع مغرضانه باشد.
لیتال : بنابراین، اساساً، ما دو نقش جدید به عنوان رهبران تحلیل افراد داریم: یکی، نقش تدارکات است. ما می‌خواهیم بهترین راه‌حل‌ها را پیدا کنیم، که برای سؤالات تجاری ما، برای سازمان و فرهنگ ما بهترین است. و نقش مهم دیگر بحث اخلاق است. ما مسئول اخلاق همه این روبات ها هستیم. آنها اخلاقی نیستند، آنها فقط ماشین هستند.
اریک : آره. آنها فقط کاری را انجام می دهند که ما به آنها آموزش می دهیم، یا به آنها می گوییم که انجام دهند. و ما باید آنها را در موارد درست آموزش دهیم و نمونه درست را به آنها نشان دهیم. و این کار سختی است. لیتال، بسیار، بسیار متشکرم!
لیتال : خیلی ممنون.
لینکدین
فیس بوک 
پینترست 
توییتر
دیدگاهتان را بنویسید