HR Future Lab - Hvordan bliver vi klar til de nye teknologier?

De etiske og moralske spørgsmål på dagens møde i HR Future Lab lagde op til en debat om det at overlade beslutninger til teknologier uden reelt at kende alle detaljer af beregningerne bag. Det er et klassisk ”black box dilemma”, hvor vi ved, at den kunstige intelligens (AI) træffer den rette beslutning, men vi ved ikke hvorfor.

Hvad er HR Future Lab? Læs med her.

Lad os overføre det til et eksempel fra rekrutteringer:
Vi overlader ansvaret for screeningen til en kunstig intelligens og vi kan efterfølgende se, at performance øges. Men vi kan ikke præcist forklare til de afviste kandidater, hvorfor de er blevet valgt fra. Kan vi tillade os det?

Konsensus i gruppen var, at vi i virkeligheden er langt mere villige til at lave fejl som mennesker end at lade teknologien gøre det. Vi er allerede opmærksomme på, at vi mennesker laver fejl og er præget af bias, når vi tager beslutninger. Men det er svært at acceptere, at teknologien laver fejl, også selvom det er langt færre fejl end mennesker. Udfordringen er, at vi ikke kan forklare fejlene.

Teknologier som kunstig intelligens skal også lære af sine fejl og blive bedre end den er i dag. Det interessante er, at teknologien gør arbejdet hurtigere og mere effektivt end mennesker. Alligevel kan det være svært at overlade sine beslutninger til ”en computer”.

Hvilke teknologier bliver relevante for HR?

I gruppen blev der nikket genkendende til, at det er disse metoder og teknologier, der vil præge fremtiden – også for HR:

Data Science er et tværfagligt felt, der bruger forskellige metoder til at udtrække viden og indsigt fra data. Man bruger det til at forudsige elementer med betydning for forretningen. I dag er data science blevet billigere og mere tilgængeligt end tidligere.

Det betyder også, at data bliver en forretningsmæssig ressource i de kommende år. Og det er det man kan kalde algoritmeøkonomien. Altså når virksomheder begynder at bruge den data, de allerede har liggende til at træffe beslutninger og når det at kunne lave forudsigelser ud fra data bliver en reel økonomisk værdi.

En af grundene til, at data science bliver så let tilgængeligt er, at kodesproget Python har haft den største vækst af alle kodesprog i 2018. Det er tilgængeligt for de fleste og let at lære og bruge på alle platforme. Derfor har mange flere muligheder for at benytte sig af data science (som man netop ”taler til” med Python).

Som tidligere nævnt er kunstig intelligens (AI) naturligvis også relevant for HR. Det er en funktion, der kan lære fra eksempler og benytte denne læring på nyt materiale med samme form og indholdstype.

Som eksempel kan vi se på AI i rekruttering. Her kan det bruges som en second oppion, hvor man fx kan måle på ansigtsudtryk, øjenbevægelser eller lave en stemmeanalyse. Det kan give et ekstra lag af information til indtrykket af kandidaten. Der findes også robotter, der kan lave screeningsinterview og andre som kan matche jobbet med kandidater baseret på tidligere kandidater.

Det sidste begreb, vi rundede i gruppen, var blockchain, som er nyt, men kommet for at blive. Det er en metode til at dele oplysninger fx om, hvor man er uddannet. Det vil en arbejdsgiver så kunne verificere igennem Blockchain, som netop kan sikre autencitet og mindske snyd, da data er garanteret korrekt og sporbar. Ulempen er, at det tager længere tid, end vi er vant til, når vi skal have et svar. Derfor vil det ikke kunne bruges til alt. Men for HR kan det blive relevant at dobbelttjekke kandidaters oplysninger på denne måde.

HR’s dilemma

Når vi taler om at introduceret nye teknologier i HR opstår et dilemma mellem på den ene side at være garant for valide, driftssikre, afprøvede produkter og løsninger og på den anden side være åben for nye muligheder og herunder innovationens præmisser.

HR’s skal altså balancere mellem at stå på mål for værdien og driftssikkerheden i en teknologi, men samtidig turde introducere nye teknologier, som kan skabe ny værdi. Så hvordan starter man på den mest sikre måde med nye teknologier? Hvilke er ”klar” og hvor nyt må det være i den givne situation?

Og hvor skal man så starte?

I dialogen om teknologier blev det også tydeligt, at vi i gruppen er usikre på hvor vi i HR skal starte? Hvilke muligheder findes der allerede nu og hvor udviklede er de hver især? Hvad er klar til brug og hvad kan man test mere af? Det besluttede vi os for at undersøge nærmere inden længe, hvor vi også i fællesskab vil prøve udvalgte nye værktøjer af.