Dirbtinio intelekto taikymai žmogiškuosiuose ištekliuose
Dirbtinis intelektas taikomas visame žmogiškųjų išteklių cikle — nuo talentų pritraukimo iki darbuotojų ugdymo ir išlaikymo. Atrankoje dirbtinio intelekto sistemos peržiūri gyvenimo aprašymus, suderina kandidatus su pozicijomis, planuoja pokalbius ir analizuoja vertinimo rezultatus. Darbuotojų valdyme dirbtinis intelektas teikia personalizuotas mokymosi rekomendacijas, prognozuoja įsitraukimą, planuoja darbo jėgą ir automatiškai tvarko rutininius žmogiškųjų išteklių užklausimus.
Šie taikymai žada reikšmingus efektyvumo patobulinimus. Dirbtinio intelekto pagrindu veikianti atranka gali apdoroti tūkstančius paraiškų per minutes, suderindama kandidatus su pareigybės reikalavimais nuosekliau nei rankinė peržiūra. Pokalbių dirbtinis intelektas tvarko darbuotojų klausimus apie naudas, politikas ir procedūras, išlaisvindamas žmogiškųjų išteklių komandas strateginiam darbui.
Šališkumo ir reguliavimo rizikos
Žmogiškieji ištekliai yra viena iš didžiausios rizikos sričių dirbtinio intelekto diegimui. ES dirbtinio intelekto aktas (EU AI Act) klasifikuoja dirbtinio intelekto sistemas, naudojamas atrankoje ir įdarbinimo sprendimuose, kaip didelės rizikos, reikalaujant atitikties vertinimų, skaidrumo priemonių, žmogaus priežiūros ir išsamios dokumentacijos. Istoriniai mokymo duomenys dažnai koduoja visuomeninius šališkumus, susijusius su lytimi, etnine kilme, amžiumi ir negalia, kuriuos dirbtinio intelekto sistemos gali sustiprinti, jei nėra kruopščiai audituojamos.
Organizacijos privalo įdiegti griežtą šališkumo testavimą pagal saugomas charakteristikas, tvarkyti išsamius dirbtinio intelekto padedamų sprendimų audito įrašus, užtikrinti prasmingą žmogaus priežiūrą (ne formalų patvirtinimą) ir suteikti kandidatams skaidrumą apie dirbtinio intelekto dalyvavimą.
Geroji praktika
Atsakingas dirbtinio intelekto diegimas žmogiškuosiuose ištekliuose reikalauja technologiją traktuoti kaip sprendimų palaikymo įrankį, o ne sprendimų priėmėją. Reguliarūs šališkumo auditai naudojant įvairius testinius duomenų rinkinius, aiškūs eskalavimo keliai žmonėms peržiūrėtojams, atitiktis vietinei darbo teisei ir nuolatinė rezultatų stebėsena demografinėse grupėse yra būtini. Efektyvumo nauda niekada neturi būti pasiekiama sąžiningumo ir teisinės atitikties sąskaita.