Kako će izgledati suživot ljudi i umjetne inteligencije?

Umjetnu inteligenciju danas komentiraju i koriste ljudi iz različitih područja i struka, više u razgovoru, manje u praksi. Neki kritičari čak misle da je sam pojam, zbog prekomjerne upotrebe, postao gotovo besmislen i da se često koristi samo kao „fancy“ ime za kompjutorski program. Pod njim se misli na „inteligenciju“ koju su u stanju pokazati strojevi. Osnovni pojmovi koji se povezuju s umjetnom inteligencijom i na kojima se zasniva jesu strojno učenje i duboko učenje (machine learning & deep learning).

Ova tehnologija možda zvuči futuristički, no prvi su koraci učinjeni još u 17. stoljeću. Tada je napravljen prvi poznati kalkulator, koji je mogao obaviti sve četiri osnovne matematičke operacije. U 50-im godinama prošlog stojeća Alen Turing, jedan od pionira tog područja, kreirao je i svoj poznati Turingov test kojemu je cilj bio razdvojiti „uspješnu“ umjetnu inteligenciju od onih koje je lako razotkriti u pisanoj komunikaciji. Test se sastoji od toga da jedan procjenjivač (čovjek) promatra komunikaciju između čovjeka i stroja dizajniranog da daje odgovore tipične za čovjeka. Nema, naravno, nikakve izravne komunikacije, nego sve ide pisanim putem preko npr. ekrana. Ako procjenjivač ne može sa sigurnošću odrediti razliku između čovjeka i stroja, smatra se da je stroj prošao test.

Godine koje ostaju u pamćenju su 1997. kada je IBM-ov Deep Blue pobijedio svjetskog prvaka Garryja Kasparova u šahu, 2011. je godine ponovno IBM-ov Watson pobijedio u TV-kvizu Jeopardy, a 2016. Googleov Deepmind svjetskoga prvaka u vrlo kompleksnoj igri Go. To se dogodilo 10 godina prije negoli je bilo predviđeno.

Investicije u AI projekte u posljednjem su desetljeću eksponencijalno skočile i prelaze desetke milijardi eura. Neka od područja gdje se najučinkovitije primjenjuje su zdravstvo, marketing, poslovna inteligencija i analitika, ali i edukacije i ljudski resursi. Kako bi se bolje razumjeli svi ti pojedinačni projekti i primjene, treba razlikovati dva osnovna pojma - ANI (Artificial Narrow Intelligence), umjetna inteligencija specijalizirana za rješavanje problema u jednom uskom području i AGI (Artificial General Intelligence), opća umjetna inteligencija koja može raditi u svim područjima. Za sada je velik broj uspješnih primjena imala upravo specijalizirana umjetna inteligencija (ANI) koju je, naravno, i znatno lakše razvijati i njome se mogu baviti mnogo manje tvrtke i s manje resursa nego one koje se bave općom umjetnom inteligencijom.
Upravo tu priliku prepoznale su i razne kompanije koje se bave uslugama u području ljudskih resursa i počele razmišljati o tome što se sve može automatizirati, optimizirati i koje podatke učinkovitije procesirati. S obzirom na sve podatke koji su bili dostupni u HR odjelima, već u početku otkrivena su neka područja primjene: bolje „poklapanje“ kandidata i poslova na koje se javljaju; proaktivna komunikacija u realnom vremenu koja je specifična za svakoga kandidata, mnogo veća brzina komunikacije; bolje mogućnosti sourcanja kandidata i smanjivanje pristranosti pri zapošljavanju.

Tvrtka Zappos skupljala je informacije selekcijskim procesom, a obrađivali su ih radi otkrivanja fita kandidata i kompanije, prije nego što bi im nudili konkretan posao. Više se tvrtki služi analizom rječnika koji je korišten u pisanom obliku u procesu kako bi otkrile crte ličnosti i predviđale uspješnost na poslu. Tvrtka Entelo jedna je od mnogih koje se bavi automatizacijom selekcijskih procesa i optimalnim korištenjem svih prikupljenih informacija. Jedan je od segmenata poboljšanja i komunikacija s kandidatima putem e-mailova u smislu optimalnog vremena njihova slanja, praćenja i analize te prioritiziranja koraka. Drugi su posebni sustavi potrage za kandidatima i procjene varijabli pomoću kojih se procjenjuje fit s kompanijom. Postoje tvrtke poput Harvera koje se čak bave i predselekcijskim postupkom kako bi uštedjele vrijeme HR timovima. Kompanija Joberate nastala je s idejom da njeni algoritmi skupljaju s interneta dostupne informacije i mjere za svaku osobu njeno ponašanje u vezi s traženjem novog posla. Na taj način svaka osoba dobiva svoj rezultat kojim možete procijeniti svoju spremnost na nove ponude. Tvrtka Joboti kreirala je virtualnu HR asistenticu – Mindy, kojoj je cilj da stvara personalizirano okruženje za komunikaciju s kandidatima i povećava zalaganje zaposlenika.
Za razumijevanje emocionalnih reakcija specijalizirala se tvrtka Emotient, koja je u vlasništvu Applea. Pruža i razne druge informacije koje se mogu skupiti od potrošača tvrtki koje su njihovi klijenti, kako bi dobili dobru povratnu informaciju. Druge tvrtke specijalizirane su za očitavanje neverbalne komunikacije s istim ciljem. To je postignuto „treniranjem“ algoritama koji analiziraju snimke nečijeg ponašanja/pokreta i na osnovi velikih uzoraka rade usporedbe kandidata. Cilj je nekih tvrtki, poput Joonkoa, povećati raznolikost kandidata i inkluzivnost, i to smanjivanjem predrasuda koje zaposlenici mogu imati i nesvjesno. Rescue Time pomaže da analiziramo svoje dnevne navike kako bismo se bolje fokusirali i bili produktivniji, te na taj način postigli bolju ravnotežu poslovnog i privatnog života.
S vremenom su se i područja primjene proširila, a taj trend sigurno će se nastaviti i ubuduće.

Kao i u svim područjima, krenulo se s jednostavnim projektima poput automatske izrade rasporeda ili odgovaranja na jednostavnije mailove, a ide se prema kompleksnijim rješenjima kojima je cilj neki od segmenata razvoja menadžmenta. Butterfly.ai nudi mogućnosti osobnog treninga iz menadžmenta koji osigurava i bolju kontinuiranu povratnu informaciju između zaposlenika i menadžera. To rade kontinuiranim anketiranjem zaposlenika te podatke obrađuju i usklađuju s obrazovnim potrebama menadžera kojima osiguravaju povratnu informaciju u stvarnom vremenu i osobno prilagođene edukacije iz više različitih izvora. Svim time pokušavaju postići bolje razumijevanje potreba zaposlenika kako bi se optimiziralo njihovo zalaganje i učinkovitost na radnome mjestu.

Jedno od velikih područja jest i edukacija, gdje sustavi koji pomažu sve bržem i boljem treniranju i educiranju zaposlenika postaju sve bolji i kombiniraju sve više skupljenih informacija kako bi napravili bolju povratnu vezu. Ima dobrih primjera i u mjerenju radne učinkovitosti gdje se, kako bi se povukli pravi potezi u organizaciji rada, skupljaju razni podaci i obrađuju analizom organizacijskih mreža (ONA). Jedan je od primjera i tvrtka Humanyze.

Neki projekti poput Payse rade na usklađivanju plaće i ukupne kompenzacije s vrijednosti svakog zaposlenika i radnog mjesta.
Kao što vidimo, ni u području ljudskih resursa ne manjka ideja za primjenu raznih algoritama i izvlačenja maksimuma iz sve veće količine podataka koju možemo skupiti o zaposlenicima. Nažalost, u Hrvatskoj su AI projekti relativno slabo zastupljeni, a u HR području još manje. Koliko mi je poznato, tek neke tvrtke koje se bave softverom za regrutiranje rade prve korake u korištenju i razvijanju nekih AI alata koji mogu biti korisni. U prvoj fazi, dok govorimo o obavljanju specifičnih zadataka, neće biti gubljenja postojećih poslova, nego će ti alati omogućiti postojećim zaposlenicima da budu brži i kvalitetnije obavljaju svoj posao. Zamjena će krenuti od jednostavnijih funkcija, ali relativno brzo doći će i u područja dijagnostike, pravnih savjeta pa i nekih HR funkcija koje će moći obavljati. Vjerojatno će biti najotpornija područja koja zahtijevaju ljudski kontakt i percepciju osobne i individualne komunikacije u kompleksnim i apstraktnim područjima.

Svako područje koje se naglo razvija vjerojatno će nakon prve faze ekspanzije doći u nešto zreliju fazu u kojoj će biti više razgovora i rasprava na temu etičnosti upotrebe svih tih podataka i prihvatljivih ciljeva koje neke naše data driven akcije mogu imati. Naravno, cijelo područje umjetne inteligencije postaje predmetom brojnih rasprava, strahova i stereotipa o kojima će se u narednim godinama razgovarati i nuditi rješenja. Ali o tome nešto više možda u nekom od idućih članaka.

Područja primjene "ANI" U HR-u

1
Određivanje “poklapanja” kandidata i poslova

2
Proaktivna komunikacija u realnom vremenu

3
Bolji i lakši nalazak ispravnih kandidata

4
Smanjivanje pristranosti u zapošljavanju

5
Detektiranje crta ličnosti analizom velikih skupova podataka