از داده‌های خام تا دستیار هوشمند (مسیر عملی پیاده سازی هوش مصنوعی در منابع انسانی)

وقتی درباره هوش مصنوعی در منابع انسانی صحبت می‌کنیم، معمولاً ذهنمان سریع به سمت چت‌بات‌ها، مدل‌های پیش‌بینی یا ابزارهای جدید می‌رود. اما بخش مهم ماجرا خیلی قبل‌تر از این‌ها اتفاق می‌افتد، جایی که داده‌های منابع انسانی شکل می‌گیرند. اطلاعات کارکنان ممکن است در HRIS، سیستم حضور و غیاب، حقوق و دستمزد، ATS، فایل‌های اکسل و ده‌ها منبع دیگر قرار داشته باشند. این داده‌ها همیشه یکدست و آماده تحلیل نیستند و گاهی حتی تعریف یک شاخص در دو سیستم متفاوت است. بنابراین اولین مسئله، انتخاب یک ابزار هوش مصنوعی نیست؛ باید ابتدا مشخص کنیم چه داده‌ای داریم، چقدر به آن اعتماد داریم و چطور می‌توانیم آن را برای تحلیل آماده کنیم. بعد از آماده شدن داده، نوبت به داشبورد و تحلیل می‌رسد. اینجا هم یک اشتباه رایج وجود دارد: اینکه تصور کنیم هرچه نمودار بیشتر باشد، داشبورد تحلیلی‌تر است. یک داشبورد خوب قرار نیست فقط بگوید تعداد کارکنان چقدر است یا نرخ ترک خدمت چند درصد شده. ارزش واقعی زمانی ایجاد می‌شود که بتوانیم از دل همین اطلاعات بفهمیم چه اتفاقی افتاده، چه عواملی پشت آن بوده و کدام موضوع واقعاً نیاز به بررسی دارد. در واقع، داشبورد باید مدیر را در مسیر تحلیل همراه کند، نه اینکه فقط مجموعه‌ای از اعداد و نمودارها را جلوی او قرار دهد. وقتی این زیرساخت شکل گرفت، هوش مصنوعی می‌تواند وارد مرحله بعد شود. داده‌های گذشته فقط برای گزارش عملکرد نیستند، می‌توان از آن‌ها برای پیدا کردن الگوها و برآورد اتفاقات آینده هم استفاده کرد. برای مثال، می‌توان بررسی کرد چه ویژگی‌هایی در میان کارکنانی که سازمان را ترک کرده‌اند بیشتر دیده می‌شود یا کدام گروه‌ها احتمال بیشتری برای خروج دارند. بعد از آن، مدل‌های هوش مصنوعی مولد می‌توانند همین تحلیل‌ها را برای مدیر قابل فهم کنند؛ گزارش بسازند، سؤال‌ها را پاسخ دهند و حتی در بررسی یک مسئله مشخص به داده‌های مرتبط اشاره کنند. در نهایت، چیزی که شکل می‌گیرد صرفاً یک داشبورد جدید یا یک چت‌بات برای منابع انسانی نیست. هدف، ساختن یک زنجیره کامل از داده تا تصمیم است؛ زنجیره‌ای که از داده‌های پراکنده شروع می‌شود، با آماده‌سازی و تحلیل ادامه پیدا می‌کند و در نهایت می‌تواند به یک دستیار هوشمند برسد. در چنین مدلی، مدیر لازم نیست برای پیدا کردن پاسخ هر سؤال چند گزارش و داشبورد را بررسی کند. می‌تواند سؤالش را مطرح کند و سیستم، بر اساس داده‌های واقعی سازمان، اطلاعات مرتبط را پیدا کرده و تحلیل قابل استفاده‌ای در اختیار او قرار دهد.