人工智能真的比上司還了解我們嗎？
“人員分析”(People Analytics) 承諾藉著人工智能對員工進行公正的評估。其算法注重多樣性而非統一性，保障客觀性而不是主觀性。但這真的可行嗎？我們是不是在經歷某種形式的標準化？
阅读本文简体字版本请 点击这里
谷歌、亞馬遜和微軟都承諾：”勞動力分析 “( Work Force Analytics)或 “人員分析(People Analytics)”兩種算法都是分析人事數據的可靠方法，與公司的各個運營要素和指標相互關聯。
這些技術的基礎是藉著標準化的調查問卷對應聘者或僱員進行分析。這些都是名副其實的個性測試，大多藉著選擇“契合度”的方式進行。
“我更喜歡獨立工作”， “即使在強壓的情況下，我仍然能夠保持冷靜”：關於上述表述，契合度從1到10，你的選擇是多少？當回答這些問題時，你會作何感想？諸如此類問題的答案疊加在一起，立即形成一部人格檔案。
從企業視角來看，問卷項目更加廣泛，因錯誤的人事任用決定可能會導致代價高昂的後果。 “人員分析 ”的方法意在減少這種風險。藉著它，招聘者的個人偏好和偏見因素會被消除。只有最佳應聘者才應該被錄用或獲得晉升。該方法的承諾之一便是，職場上的少數和弱勢族群也被同樣考慮在內。
“人員分析”方法目前被廣泛應用- 在瑞士職場也是如此。領先全球的審計諮詢公司德勤對其在瑞士企業中的人員分析應用進行了統計。根據該公司2020年度報告，接受調查的5家公司中，有4家認為“人員分析”是重要或非常重要的管理手段。同樣這些企業還預計，在未來2到5年內，該方法將在企業管理中扮演越來越重要的角色。
指人和生活狀態的多樣性，包含了個人和群體的差異和共性。多元化政策的目標是承認和接納所有人，無論其出身、性別、性取向、宗教信仰、世界觀、年齡或身障與否。
在商業管理中，多樣性管理不僅意味著容忍差異，還意味著將差異視為潛力和競爭優勢。
為何多樣性就是優勢
這些演算法同時對兩個精確和切實的問題也具有影響：多樣性和包容性。如今，許多公司都在用其分析僱員的性別、資歷和工資分值。德勤在其報告中寫道：”顯然，職場上的多樣性越來越不侷限於性別問題。”
簡而言之，多樣性和財務成績相輔相成。根據麥肯錫全球研究院對15個國家的1000家公司進行的研究：在內部性別多樣性程度高的企業中，25%的公司盈利超出平均水平。如果考慮進高程度的種族多樣性，這一比例甚至上升到36%。
談到女性的晉升，這不屬於多樣性的範疇，而屬於平等問題- 權利和機會的平等。但是，要消除刻在我們頭腦中的偏見甚為困難。
哈佛大學教授、瑞士信貸集團董事會成員Iris Bohnet認為 “人員分析 “是一個重要工具。她說：”比起去改變數百萬人，用無偏見的算法編程要容易得多。但是，鑑於這些工具被用於數百萬人，潛在的錯誤會產生不可估量的巨大影響。在傳統的選拔過程中，決策錯誤通常會影響到小範圍人群- 在使用“人員分析”的情況下，錯誤影響則會成倍增加。
“比起去改變數百萬人，用無偏見的算法編程要容易得多。” Iris Bohnet，哈佛大學教授
人工智能是把雙刃刀
柏林赫爾蒂行政學院的倫理和技術教授Joanna Bryson說，在緊張情況下，算法可以保護人們免受偏見。當招聘人員翻閱數百份申請時，不言而喻要快速工作。這一過程很難避免隱性偏見的發生- 就算聘任目標是建立多元化團隊，這種情況也在所難免。 Joanna Bryson的研究揭示了技術對人類協作的影響，她認為人工智能是我們的機會。它可以幫助管理人員克服個人的侷限性，並提高其工作滿意度。最終候選人往往是那些 “以前被招聘人員所忽視的人 “。
但同時，她的研究表明，算法也會有和人類一樣的隱性偏見，”因為它們是從人類的數據庫中學習的”。因此，依然需要謹慎行事，特別是在人工智能編程階段。 “否則，隱性偏見就有可能被‘人員分析’工具擴大化，” 這位數學家警示道。
“演算法也會受影響”
在麻省理工學院和哥倫比亞大學兩位研究員的一項研究中，已證實這種強化效應。他們開發並測試了不同的演算法模型後發現：關注應聘者已有成就的工作項目和了解少數人的潛力，這兩者之間存在顯著差異。
研究顯示，藉著關注潛力，招聘效果會得到改善，變得更加多樣化。另一方面，如果企業所使用的演算法只基於應聘者已取得的成績，則有可能錯過來自不同背景的優秀應聘者。
“負責人應多思考”
聖加侖大學勞動與就業研究所的Simon Schafheitle解釋說：”這就是為什麼一個公司在引入某一演算法時有必要明確幾個問題，例如：演算法背後的團隊是否以多樣性為導向。研究人員還注意到另一個挑戰：決策者往往認為技術是萬能的。但事實往往恰恰相反。”當演算法給出的結果與管理者的意願相矛盾時，就要就做出抉擇。誰的意見具有優先權？是昂貴的演算法方案還是經驗豐富的人力資源經理？事實上，演算法計算過的是最符合期待的應聘者，但不一定是最佳人選。跨領域、有創意的候選人有可能比滿足所有資質要求的應聘者更適合一項工作。
研究證明，現實中，文化背景和企業文化對招聘結果有著很大的影響。 Simon Schafheitle說：”這些觀察也完全適用於數據世界。”
Iris Bohnet則建議要建立一個監督機構，在演算法投入市場之前，制定演算法的引入標準和使用條件。既然”我們從不會不經測試就使用新研發的人類藥物”，那麼，關於演算法程式，也是一樣道理。
(譯自德語：郭倢)
符合JTI标准
您可以在这里找到读者与我们记者团队正在讨论交流的话题。
请加入我们！如果您想就本文涉及的话题展开新的讨论，或者想向我们反映您发现的事实错误，请发邮件给我们：chinese@swissinfo.ch。