هوش مصنوعی جهان را در برگرفته است. انتشار Chat GPT و دیگر مدل‌های کاربردی هوش مصنوعی فرصت‌هایی را برای استفاده از AI HR دوباره در کانون توجه قرار داده است. یکی از کاربردهای عملی هوش مصنوعی در منابع انسانی، مربیگری مبتنی بر هوش مصنوعی است. در این مقاله، نحوه استفاده از هوش مصنوعی در حال حاضر در مربیگری، مزایا و محدودیت‌های هوش مصنوعی مرتبط با مربیگری، و پنج دستورالعمل برای منابع انسانی که باید در هنگام اتخاذ مربیگری هوش مصنوعی در نظر گرفته شود، مورد بحث قرار می‌دهیم.
مطالب
مربیگری مبتنی بر هوش مصنوعی چیست؟
انواع مربیگری مبتنی بر هوش مصنوعی
مزایا و محدودیت های کوچینگ مبتنی بر هوش مصنوعی چیست؟
5 ملاحظات HR برای اجرای مربیگری مبتنی بر هوش مصنوعی
مربیگری مبتنی بر هوش مصنوعی چیست؟
کوچینگ مبتنی بر هوش مصنوعی استفاده از هوش مصنوعی برای پشتیبانی، فعال کردن، تقویت، تکمیل یا مالکیت رابطه مربیگری است. برای اینکه کمی فنی تر شویم، محققان هوش مصنوعی را به عنوان «فرایند سیستماتیک و با کمک ماشین برای کمک به مشتریان برای تعیین اهداف حرفه ای و ایجاد راه حل برای دستیابی به آنها» تعریف می کنند.
همانطور که کاربردهای عملی هوش مصنوعی در منابع انسانی همچنان در حال رشد است، چالش‌های مربوط به سوگیری، عدم شفافیت و اخلاق نیز افزایش می‌یابد. یک مورد به این موضوع اشاره دارد که شهر نیویورک قوانین جدیدی را برای تنظیم استفاده از هوش مصنوعی در شیوه های استخدام در نظر گرفته است. برای غلبه بر این چالش ها، باید با کاربردهای مختلف هوش مصنوعی در منابع انسانی آشنا شویم تا از آن به شیوه ای موثر و اخلاقی حداکثر استفاده را ببریم.
در مجموعه ویدیویی گفتگوهای منابع انسانی، با دکتر گلن والیس از یک شرکت کوچینگ تجاری Exigence درباره آینده مربیگری صحبت کردیم. مصاحبه کامل را در زیر ببینید:
انواع مربیگری مبتنی بر هوش مصنوعی
بر اساس نقشی که هوش مصنوعی در رابطه مربیگری ایفا می کند، سه نوع مختلف مربیگری مبتنی بر هوش مصنوعی وجود دارد. بیایید نگاهی دقیق تر به اینها بیندازیم.
مربیگری با پشتیبانی هوش مصنوعی
چیست؟ کوچینگ با پشتیبانی هوش مصنوعی به این معنی است که کوچ از هوش مصنوعی برای به دست آوردن بینش در مورد نیازهای مربیگری و ارائه توصیه هایی برای اطلاع رسانی به رابطه مربیگری استفاده می کند.
مثال: یک مربی از ارزیابی‌های مبتنی بر هوش مصنوعی استفاده می‌کند و از مربی می‌خواهد که با ابزارهای مبتنی بر هوش مصنوعی تعامل داشته باشد تا اطلاعاتی را به مربی ارائه دهد. این داده ها کیفیت و اثربخشی فرآیند کوچینگ را بهبود می بخشد.
مثال فروشنده: Coachhub
مربیگری با هوش مصنوعی
چیست؟ کوچینگ تقویت شده با هوش مصنوعی به تمرینی اشاره دارد که در آن مربیان با ابزارهای مبتنی بر هوش مصنوعی بین تعاملات رسمی مربیگری با مربی انسانی درگیر می شوند. هوش مصنوعی نقش یک راهنما را برای ارتقای توسعه بیشتر بازی می کند و به روند کوچینگ کمک می کند تا فراتر از جلسات حضوری ادامه یابد.
مثال: یک مربی هر ماه یک بار برای یک جلسه 90 دقیقه ای با مربی خود درگیر می شود. در این بین، آنها به سفری مبتنی بر هوش مصنوعی از وظایف توسعه دسترسی پیدا می‌کنند که محتوا را بر اساس ارزیابی‌ها و اولویت‌ها و وظایفی که مربی آنها شناسایی کرده است، به مربی هدایت می‌کند. مربی همچنین می تواند به این بینش ها دسترسی داشته باشد و از سفر مبتنی بر هوش مصنوعی برای تکمیل جلسات تحت رهبری انسان استفاده می کند.
مثال فروشنده: Exigence، Centrical
هوش مصنوعی به عنوان مربی
چیست؟ AI-as-the-coach تمرینی است که در آن هوش مصنوعی مربی است و افراد فقط با هوش مصنوعی درگیر هستند. هیچ تعامل یا تعامل محدودی با یک مربی انسانی وجود ندارد و رابطه مربیگری بین هوش مصنوعی و مربی است.
مثال: یک مربی از یک سیستم مربیگری هوش مصنوعی شناخته شده برای بهبود سطح فعلی خودآگاهی خود استفاده می کند.
ما معتقدیم که رویکردهای “AI-as-the-coach” در آینده با توسعه ابزارهای هوش مصنوعی با قابلیت‌های پیشرفته‌تر تولید زبان رایج‌تر خواهند شد. با این حال، تحقیقات در مورد اثربخشی و اخلاقیات “هوش مصنوعی به عنوان مربی” بدون نظارت انسان هنوز قطعی نیست.
با توجه به کمبود مربی و نیاز روزافزون به خدمات مربیگری که مقرون به صرفه و مقیاس پذیر باشند، کوچینگ احتمالاً در آینده دموکراتیک تر خواهد شد.
مثال فروشنده: Coach Vici، Replika
مزایا و محدودیت های کوچینگ مبتنی بر هوش مصنوعی چیست؟
هر سه کاربرد کوچینگ هوش مصنوعی مزایا و محدودیت های متفاوتی دارند. درک این موارد هنگام استفاده از هوش مصنوعی در تمرینات مربیگری ضروری است.
| مزایا | محدودیت ها | |
| مربیگری با پشتیبانی هوش مصنوعی | – بهبود کیفیت جلسات مربیگری – بهبود اثربخشی مربی |
– مزایای محدود فراتر از جلسه کوچینگ برای مربی – مقیاس پذیر نیست |
| مربیگری با هوش مصنوعی | – بهبود کیفیت تجربه مربیگری – رویکرد داده محور و مبتنی بر شواهد قوی – مربیگری مستمر در «ماهیت کار و زندگی» – مقیاس پذیرتر از مدل های مربیگری سنتی |
– می تواند پرهزینه باشد و معمولاً مبتنی بر اشتراک است – به مرزهای نقش روشن بین مربی، هوش مصنوعی و مربی نیاز دارد – خطر بالقوه وابستگی تولید مثل در طول زمان |
| هوش مصنوعی به عنوان مربی | – مقیاس پذیری – قابلیت دسترسی |
– تحقیقات محدود برای نشان دادن استفاده و تأثیر ایمن – بدون نظارت یک متخصص معتبر – هنوز نمی تواند با چالش های پیچیده و موضوعات زمینه ای مقابله کند |
هنگامی که سازمان ها به طور مؤثر و درست مورد استفاده قرار گیرند، می توانند ارزش قابل توجهی از معرفی شیوه های مربیگری مبتنی بر هوش مصنوعی به دست آورند. اما از کجا شروع کنید؟ و چه دستورالعمل هایی می تواند به شما کمک کند تا در نظر بگیرید که چه چیزی برای سازمان شما مناسب است؟
5 ملاحظات HR برای اجرای مربیگری مبتنی بر هوش مصنوعی
ما پنج ملاحظات را برای منابع انسانی پیشنهاد می کنیم تا مشخص کنیم که آیا مربیگری مبتنی بر هوش مصنوعی برای سازمان شما مناسب است یا خیر و چگونه می توان با اخلاق و مسئولانه به آن برخورد کرد.
1: هدف مربیگری و دامنه را به وضوح تعریف کنید
اولین راهنما این است که هدف فرآیند کوچینگ، دامنه آن و مرزهای آن مشخص باشد. سازمان‌ها می‌توانند از استفاده از هوش مصنوعی برای اهداف مربیگری مرتبط با توسعه رهبری، رشد شخصی و عملکرد بهره ببرند، به ذکر چند مثال.
هوش مصنوعی برای رویارویی با چالش های جدی سلامت روان مناسب نیست و در هر صورت نباید بخشی از تمرین شما باشد. پزشکان معتبر مراقبت های بهداشتی همیشه باید مداخلات بالینی را طراحی و اجرا کنند. در حالی که یک متخصص مراقبت های بهداشتی تایید شده می تواند به طور بالقوه از پشتیبانی هوش مصنوعی بهره مند شود، هوش مصنوعی نباید برای تعامل مستقیم با مربی مورد استفاده قرار گیرد.
2: پیچیدگی و خطر احتمالی آسیب را در نظر بگیرید
هنگامی که هدف از تعامل مربیگری را شناسایی کردید، پیچیدگی و خطر احتمالی آسیب را ارزیابی کنید.
به بیان ساده، این به خطر بالقوه ای برای مربی در صورت بروز مشکل در تعامل هوش مصنوعی اشاره دارد. یک مربی ثبت نام شده از منظر “آسیب نزنید” کار می کند. اما این لزوما برای هوش مصنوعی صادق نیست. به عنوان مثال، مقابله با چالش‌های سلامت روانی نسبت به مدیریت یک انتقال شغلی، خطر آسیب احتمالی بیشتری دارد.
با استفاده از این دو معیار، شکل زیر به شما کمک می کند تا درک کنید که چگونه و کجا این سه رویکرد را اعمال کنید.
- هوش مصنوعی به‌عنوان مربی در موقعیت‌های کم پیچیدگی و کم خطر قابل استفاده است زیرا برای درک زمینه و نکات ظریف تلاش می‌کند. با این حال، در برخورد با موقعیت‌های «محدود» و قابل پیش‌بینی مؤثر است. ما شاهد کاربردهای بسیار خوبی از این عمل برای اهداف رشد عمومی برای افراد پایه یا متوسط هستیم.
- با توجه به نظارت یک متخصص که مکمل تعامل با هوش مصنوعی است، مربیگری تقویت‌شده با هوش مصنوعی برای مقابله با موقعیت‌های با پیچیدگی کم/متوسط و موقعیت‌های خطر کم/متوسط مناسب است. این می تواند برای توسعه عمومی در سطوح متوسط تا ارشد بسیار مفید باشد.
- مربیگری مبتنی بر هوش مصنوعی برای مقابله با موقعیت‌های پرپیچیدگی و پرخطر بهترین است، زیرا نظارت و اصول سنتی رابطه مربی/کوچ را هدایت می‌کند. نقش هوش مصنوعی در اینجا مبتنی بر بهبود کیفیت رابطه مربیگری از طریق داده ها و تمرین مبتنی بر شواهد است. با این حال، محدودیت این است که این رویکرد زمان بر است و مقیاس پذیر نیست. شیوه‌های مربیگری در سطح ارشد/مدیریت می‌تواند بیشترین سود را از این رویکرد داشته باشد.
3: آگاهی، نظارت و کنترل مناسب را ایجاد کنید
هنگام استفاده از رویکردهای مربیگری مبتنی بر هوش مصنوعی، بسیار مهم است که همه طرف‌ها به وضوح نحوه استفاده از هوش مصنوعی و همچنین محدودیت‌های آن را درک کنند.
برای مثال، مربی باید بداند که چه داده‌هایی که با هوش مصنوعی به اشتراک گذاشته می‌شود برای مربی قابل مشاهده است، چگونه از داده‌ها برای اطلاع‌رسانی رابطه مربیگری استفاده می‌شود و هدف از تعامل آنها با ابزار هوش مصنوعی. به طور مشابه، مربیان باید بدانند که چگونه هوش مصنوعی رابطه با مربی انسانی را تکمیل می‌کند و اینکه اصول حفظ مرزهای مشخص، محرمانه بودن، ایمنی و اجتناب از آسیب همچنان اعمال می‌شود.
علاوه بر تعریف واضح نقش ها، اجرای نظارت و کنترل های مناسب نیز ضروری است.
به عنوان مثال، اگر فردی که توسط “AI-as-the-coach” مربی می شود، افکار خودکشی را بیان می کند یا موضوعاتی را که به تخصص یک متخصص بهداشت روان نیاز دارد، بحث می کند، باید مکانیسمی وجود داشته باشد که این موضوع را برای مداخله تشدید کند. این مشابه همان چیزی است که سازمان‌هایی مانند Meta برای شناسایی محتوای کلمات کلیدی استفاده می‌کنند که می‌تواند به توجه یک پزشک در پلتفرم خود نیاز داشته باشد.
4: از استفاده از یک مدل مربیگری شناخته شده با شفافیت در مورد داده هایی که استفاده می شود اطمینان حاصل کنید
هنگام تصمیم گیری در مورد یک رویکرد، باید اعتبار مدل ها و چارچوب های مربیگری را ارزیابی کنید. در نظر گرفتن کیفیت داده هایی که برای اطلاع رسانی فرآیند کوچینگ استفاده می شود نیز کلیدی است. گنجاندن هوش مصنوعی در کوچینگ مستلزم درک مدل مربیگری است که هوش مصنوعی از آن برای تولید پاسخ های خود استفاده می کند.
هنگام کار با فروشندگان، اطمینان حاصل کنید که آنها قادر به ارائه شواهد کافی از چارچوب و رویکرد مربیگری مورد استفاده هستند. آنها همچنین باید توضیح دهند که چگونه اینها در منابعی که هوش مصنوعی برای یادگیری و پاسخ استفاده می کند ادغام می شود.
به طور مشابه، مهم است که بدانیم چگونه استفاده از هوش مصنوعی در طول زمان تأیید می شود. به عنوان مثال، فروشنده چند بار کیفیت پاسخ های هوش مصنوعی را ارزیابی می کند؟
به عبارت دیگر، برای تصمیم گیری آگاهانه، باید به رویکرد کوچینگ اعتماد داشته باشید و درک کنید که هوش مصنوعی در چارچوب آن چگونه کار می کند. با ارزیابی اعتبار مدل‌ها و چارچوب‌ها، کیفیت داده‌ها و فرآیند اعتبارسنجی هوش مصنوعی، می‌توانید مطمئن شوید که برنامه کوچینگ شما مؤثر، کارآمد و قابل اعتماد است.
5: مربیگری مبتنی بر هوش مصنوعی را به عنوان مکملی برای فعالیت های توسعه سایر افراد خود در نظر بگیرید
در نهایت، مربیگری مبتنی بر هوش مصنوعی باید در فلسفه توسعه و فعالیت‌های بزرگ‌تر سازمان گنجانده شود. این منطقی به نظر می رسد، اما زمانی که ما شروع به ارزیابی محتوای موجود و مسیرهای توسعه در سازمان می کنیم، بسیار پیچیده تر می شود.
حداقل، شما باید بتوانید نحوه و مکان استفاده از کوچینگ همراه با سایر فعالیت های رشدی را برجسته کنید. در بهترین حالت، محتوای واقعی باید مبنای نظری مشابهی داشته باشد تا از سازگاری و همسویی با مدل‌های رهبری و شایستگی داخلی شما اطمینان حاصل کند.
همانطور که هوش مصنوعی پیشرفته تر می شود، این کار آسان تر می شود. با این حال، در حال حاضر، کمک به مربیان برای درک اینکه چگونه مربیگری مبتنی بر هوش مصنوعی با برنامه‌ها و فعالیت‌های توسعه گسترده‌تر کارمندان مطابقت دارد، کلیدی است. هنگام استفاده از مربیگری مبتنی بر هوش مصنوعی، ایده خوبی است که مربی را در مورد فلسفه های داخلی و نحوه استفاده از آنها به عنوان بخشی از تمرین توضیح دهید.
کلام پایانی
همانطور که به جلو می رویم، هوش مصنوعی نقش مهم تری در دموکراتیزه کردن، افزایش مقیاس و در دسترس ساختن کوچینگ برای افراد بیشتری در سراسر جهان ایفا می کند.
با اتخاذ رویکردی مسئولانه برای کوچینگ مبتنی بر هوش مصنوعی، استفاده مناسب از آن، و رعایت دستورالعمل‌های تعیین شده هنگام ادغام آن در شیوه‌های توسعه افراد گسترده‌تر، منابع انسانی می‌تواند از فرصت ارزشمندی برای تقویت تأثیر آن بر توسعه حرفه‌ای و شغلی استفاده کند.
دیدگاهتان را بنویسید