人工智能真的比上司还了解我们吗？

Getty Images/istockphoto / Metamorworks

“人员分析”(People Analytics) 承诺通过人工智能对员工进行公正的评估。其算法注重多样性而非统一性，保障客观性而不是主观性。但这真的可行吗？我们是不是在经历某种形式的标准化？

閱讀本文繁體字版本請 點擊此處

谷歌、亚马逊和微软都作出承诺：”劳动力分析 “( Work Force Analytics)或 “人员分析(People Analytics)”两种算法都是分析人事数据的可靠方法，与公司的各个运营要素和指标相互关联。

这些技术的基础是通过标准化的调查问卷对应聘者或雇员进行分析。这些都是名副其实的个性测试，大多通过选择“契合度”的方式进行。

“我更喜欢独立工作”， “即使在强压的情况下，我仍然能够保持冷静”：关于上述表述，契合度从1到10，你的选择是多少？当回答这些问题时，你会作何感想？诸如此类问题的答案叠加在一起，便形成一部人格档案。

从企业视角来看，问卷范畴更加广泛。错误的人事任用决定可能会导致代价高昂的后果。“人员分析 ”的方法旨在减少这种风险。通过它，招聘者的个人偏好和偏见因素会被消除。只有最佳应聘者才应该被录用或获得晋升。该方法的承诺之一便是，职场上的少数和弱势群体也被同样考虑在内。

“人员分析”方法目前被广泛应用- 在瑞士职场也是如此。世界领先的审计咨询公司德勤对其在瑞士企业中的应用进行了统计。根据该公司2020年度报告，接受调查的5家公司中，有4家认为“人员分析”是重要或非常重要的管理手段。同样这些企业还预计，在未来2到5年内，该方法将在企业管理中扮演越来越重要的角色。

多样性

指人和生活状态的多样性，包含了个人和群体的差异和共性。多元化政策的目标是承认和接纳所有人，无论其出身、性别、性取向、宗教信仰、世界观、年龄或残疾与否。

在商业管理中，多样性管理不仅意味着容忍差异，还意味着将差异视为潜力和竞争优势。

为何多样性就是优势

这些算法工具同时对两个精确和切实的问题也具有影响：多样性和包容性。如今，许多公司都在用其分析雇员的性别、资历和工资分值。德勤在其报告中写道：”显然，职场上的多样性越来越不局限于性别问题。”

简而言之，多样性和财务成功相辅相成。根据麦肯锡全球研究院对15个国家的1000家公司进行的研究：在内部性别多样性程度高的企业中，25%的公司盈利超出平均水平。如果考虑进高程度的种族多样性，这一比例甚至上升到36%。

谈到女性的晋升，这不属于多样性的范畴，而属于平等问题- 权利和机会的平等。但是，要消除刻在我们头脑中的偏见甚为困难。

哈佛大学教授、瑞士信贷集团董事会成员Iris Bohnet认为 “人员分析 “是一个重要工具。她说：”比起去改变数百万人，用无偏见的算法编程要容易得多。但是，鉴于这些工具被用于数百万人，潜在的错误会产生不可估量的巨大影响。在传统的选拔过程中，决策错误通常会影响到小范围人群- 在使用“人员分析”的情况下，错误影响则会成倍增加。

“比起去改变数百万人，用无偏见的算法编程要容易得多。” Iris Bohnet，哈佛大学教授

人工智能是把双刃剑

柏林赫尔蒂行政学院的伦理和技术教授Joanna Bryson说，在紧张的情况下，算法可以保护人们免受偏见。当招聘人员翻阅数百份申请时，不言而喻要快速工作。这一过程很难避免隐性偏见的发生- 就算聘任目标是建立多元化团队，这种情况也在所难免。Joanna Bryson的研究揭示了技术对人类协作的影响，她认为人工智能是我们的机会。它可以帮助管理人员克服个人的局限性，并提高其工作满意度。最终候选人往往是那些 “以前被招聘人员所忽视的人 “。

但同时，她的研究表明，算法也会有和人类一样的隐性偏见，”因为它们是从人类的数据库中学习的”。因此，依然需要谨慎行事，特别是在人工智能编程阶段。”否则，隐性偏见就有可能被‘人员分析’工具扩大化，” 这位数学家警示道。

“算法也会受影响”

在麻省理工学院和哥伦比亚大学两位研究员的一项研究中，这种强化效应被得以证实。他们开发并测试了不同的算法模型后发现：关注应聘者已有成就的项目和旨在了解少数群体潜力的项目，这两者之间存在显著差异。

研究显示，通过关注潜力，招聘效果会得到改善，变得更加多样化。另一方面，如果企业所使用的算法只基于应聘者已取得的成功，则有可能错过来自不同背景的优秀应聘者。

“负责人应多思”

圣加仑大学劳动与就业研究所的Simon Schafheitle解释说：”这就是为什么一个公司在引入某一算法项目时有必要明确几个问题，例如：算法背后的团队是否以多样性为导向。研究人员还注意到另一个挑战：决策者往往认为技术是万能的。但事实往往恰恰相反。”当算法给出的结果与管理者的意愿相矛盾时，就要就做出抉择。谁的意见具有优先权？是昂贵的算法方案还是经验丰富的人力资源经理？事实上，算法计算的是最符合期待的应聘者，但不一定是最佳人选。跨领域、有创意的候选人有可能比满足所有资质要求的应聘者更适合一项工作。

研究证明，现实中，文化背景和企业文化对招聘结果有着很大的影响。Simon Schafheitle说：”这些观察也完全适用于数字世界。”

Iris Bohnet则建议要建立一个监督机构，在算法投入市场之前，制定算法的引入标准和使用条件。既然”我们从不会不经测试就使用新研发的人类药物”，那么，关于算法程序，也是一样道理。

(译自德语：郭倢)