איך משאבי אנוש יכולים לקחת את ההובלה עם AI

בינה מלאכותית (AI) ובינה מלאכותית גנראטיבית מאלצות את מנהיגי משאבי אנוש לשים לב ולקחת אחריות. יש להם הזדמנות להוביל ארגונים כשהם מאמצים את הטכנולוגיה המתקדמת הזו. עם זאת, לא כולם ב-HR יודעים מאיפה להתחיל. רשת HR Exchange ישבה לאחרונה עם בהלה, שמסבירה כיצד לנווט באימוץ. הוא מתחיל בהתחלה:

שלוש כוחות-על של AI ב-HR
ראשית, AI יכול לעזור לבני אדם להיות יעילים ופרודוקטיביים יותר. בדרך זו, AI מתפקד ככלי עבור האנשים. זה משפר את הכישורים והכישרונות שכבר יש לעובדים.

זה יכול להחליף בני אדם, בין השאר, כדי לבצע משימות שחוזרות על עצמן. לדוגמה, צ’אט בוטים יכולים לענות על שאלות נפוצות באמצעות טקסט או אודיו. משתמשים יכולים אפילו ליצור אווטאר ידידותי כדי לגרום לו להיראות אנושי יותר ולהפוך את החוויה למזמינה יותר.

מעצמת העל השלישית היא היכולת של AI לעשות דברים שאינם אפשריים מבחינה אנושית. לדוגמה, ל-HR עשוי להיות נתונים איכותיים רבים מסקר 155,000 חברי צוות בשלוש השנים האחרונות. בינה מלאכותית יכולה לפרק את התוצאות, לשתף את הפרופיל הדמוגרפי, לקבוע מה הכי חשוב לכל פלח באוכלוסייה, לזהות מגמות, דפוסים ועוד.

צפו: 2024 בינה מלאכותית במגמות גיוס עובדים

תפקיד משאבי אנוש במהפכה
משאבי אנוש יכולים לאפשר אימוץ והתאמה ל-AI. ראשית, משאבי אנוש פשוט יכולים לעזור למנהיגים לחשוב מחדש על כל תיאור תפקיד. חלקים מהפונקציות הללו יכולים להיות הבנת אוטומציה של תהליכים רובוטיים, למידת מכונה, רשתות עצביות גנריות או מודלים של שפה נלמדת. משאבי אנוש יכולים להסתכל על כל הפונקציות שמבצעות מחלקה מסוימת כדי לסווג את המשימות של הקבוצה. לאחר מכן, הם יכולים לקבוע אילו משימות בני אדם צריכים לעשות ואילו משימות בינה מלאכותית צריכים לעשות. איך ייראה החדש עבור אדם? אילו כישורים חדשים אנשים צריכים? הצעד הבא הוא לשפר את הכישורים כדי לעמוד בקריטריונים החדשים.

מנהיגים לא יכולים לעצור בהכשרה מחדש של בני אדם. הם גם צריכים לשפר את מיומנות ה-AI כדי לייצג את החברה בפני הלקוח, בין אם זה פנימי או חיצוני. לדוגמה, הקול המגיב לשאלות לא אמור להישמע כמו סינתיסייזר. היא צריכה לקבל את הטונאליות, השפה המשקפת את תרבות הארגון.

משאבי אנוש צריכים להיות מסוגלים לאפשר העדפה לפי שפה ואופנים כדי להפחית את החיכוך. משאבי אנוש צריכים לאחר מכן לחנך את הלקוח ולהסביר את הדרכים החדשות לאינטראקציה עם משאבי אנוש או עם הארגון. אמזון ונטפליקס עשו זאת היטב. זה לא יכול להיות אחים גדולים. יָמִינָה. זה המקום שבו משאבי אנוש יכול להוסיף ערך. משאבי אנוש יכולים לזהות את נקודות המבט השונות ולגשר על האימוץ הזה.

קרא: 4 דרכים שבהן HR מיישם בינה מלאכותית

האתגרים
המכשול הראשון הוא עבור משאבי אנוש להתגבר על הדעות הקדומות שלו. הם חייבים לעבוד על הלב והמוח שלהם ולאחר מכן על אלה של מנהיגים בארגון.

משאבי אנוש מפקחים על הכשרות בארגונים רבים. כעת, היא חייבת לשקול גם אימון דגמי AI. זה יבטיח שהמודל לא עובר הכשרה על סטים לא רלוונטיים של נתונים במנות רלוונטיות, מה שיהפוך את המודל להטיה. משאבי אנוש חייבים לסייע בהכשרת המודל. משאבי אנוש צריכים להבטיח אתיקה, ציות והתאמה לאסטרטגיות הכללה. משתמשים יכולים למעשה למנף טכנולוגיה ורשתות עצביות כדי להתגבר על הפערים שיש לבני אדם.

אולי אתה משרת קבוצה של 60%, קווקזית, 30%, אפרו אמריקאית ו-10% תמהיל, המורכבת מהדמוגרפיה. משאבי אנוש יכולים למעשה להשתמש בטכנולוגיה כדי למלא את הנתונים כדי לנרמל אותם לייצג את האוכלוסייה שלהם, דבר שאף אדם לא יכול לעשות. כתוצאה מכך, משאבי אנוש יכולים למעשה להפוך את הנתונים לבלתי מוטים, ולאחר מכן לאמן ולבדוק את המודל מול דגימות אמיתיות.

קרא: 9 משרות משאבי אנוש ChatGPT אומר שזה יכול לעשות

המכשול הענק השני שאתה צריך להתגבר עליו הוא אימוץ על ידי מנהיגים. ישנם שני סוגים של מנהיגים – ראשי צוות IT ומנהיגים תפעוליים. כמה בני אדם מומחים בבינה מלאכותית, מי יכול לשכור משאבי אנוש? לעולם לא יהיה להם מספיק. כתוצאה מכך, משאבי אנוש חייבים בגישה דו-כיוונית. ראשית, קח מאמצים מוקדמים, והכשיר אותם במודלים ללא קוד. הגדר פרמטרים שבמסגרתם הם יכולים להפעיל תרחישים בסיכון נמוך. ותרחיש ללא סיכון הוא כאשר אנשים יכולים לפתוח את המנעול הזה כדי לראות מה קורה. אם הם לא פותחים את המנעול הזה, הם רואים מה קורה. האדם תמיד בלולאה.

לבסוף, הנקודה היא שמשאבי אנוש חייבים לתת להם נוחות מספיק כדי לנסות את זה כדי לטפל בנקודת כאב. לדוגמה, “אני צריך לקבל טלפונים לתלונות.” מוּשׁלָם. בוא ניקח את זה. מה דעתך לעשות רק שיחות חינם ולא שיחות תלונות? עליהם לבנות אמון לתקופה מסוימת על ידי הדגמת הערך של לקיחת התוספת הלא-ערך והכשרתם. יהיו כמה מהם שהם מאמצים מוקדמים. הכשיר את המאמצים המוקדמים על הטכנולוגיה. הם יכולים לקחת על עצמם חלקים מהמשימות בסיכון נמוך ולאמן את המודל. לאחר מכן, שיעור האימוץ של עמית לעמית ייווצר והוא צריך להיות נתמך על ידי החברות הקטנות והבינוניות המתמחות.

חושבים על העתיד עם AI
מנהיגי משאבי אנוש חייבים להיות ליד השולחן האסטרטגי כאשר ארגונים מדברים על AI. בבסיס משאבי אנוש חייבים להיות נתונים, שהם נקיים. גַם

, ההגדרות צריכות להיות עקביות, אחרת משאבי אנוש יסתיים בצרות. לחברות חייבת להיות היכולת לשים הכל באגם נתונים אחד או מחסן נתונים. לכן, נתונים, ניקיון הנתונים והתקפות התרגום של הנתונים או ניהול הנתונים חשובים. משאבי אנוש צריכים לבנות אמון בין ה-SME המיומנות הגבוהה לבין ה-SME התפעולי שצריכים לאמץ את המיומנות הרחבה הזו. והכי חשוב, כל אחד חייב לקבל את הכישלון. שום דבר לא יעבוד בשלב הראשון.

טכנולוגיה זו משתפרת בקצב אקספוננציאלי. ארגונים יעברו מעניים לפתאום יתחילו לראות את התוצאות. חשוב שיהיו יסודות חזקים בכל הנוגע לנתונים ולטכנולוגיה, לאחר מכן למיומנות, ולאחר מכן לתרבות ברצף הזה.

זה הכל על בני אדם למנף את זה.