Yapay zekanın ticari problemleri çözmek için geniş tabanlı bir araç olarak ilk vaatleri, yerini çok daha sınırlı ancak yine de oldukça faydalı bir şeye bıraktı: şimdiye kadar yapabildiğimizden daha iyi tahminler yapan veri biliminden gelen algoritmalar. İş performansı gibi bir sonuçla ilişkili olduğu bilinen bir veya iki faktöre odaklanan standart istatistiksel modellerin aksine, makine öğrenimi algoritmaları hangi değişkenlerin daha önce çalıştığı veya neden çalıştıkları konusunda agnostiktir. Ne kadar iyi olursa: Hepsini bir araya getirir ve kimin iyi bir işe alınacağı gibi bir sonucu tahmin etmek için tek bir model üretir ve her başvuru sahibine, içinde ne kadar iyi performans göstereceklerine dair tek, yorumlaması kolay bir puan verir. Öyleyse işverenler personel kararları almak için yapay zekayı benimsemeyi düşünürken nasıl ilerlemelidir? İşte dört önemli nokta:
1. Algoritma, ilk etapta verileri üreten mevcut uygulamalardan daha az önyargılı olabilir. İnsan yargısının ne kadar zayıf olduğunu ve insan yönetimi uygulamalarımızın çoğunun şu anda ne kadar düzensiz olduğunu romantikleştirmeyelim. Örneğin, işe alımları tek tek süpervizörlere devredersek, bunların her birinin iyi performansla ilgisi olmayan niteliklere dayalı olarak adaylar lehine ve aleyhine birçok önyargısı olması muhtemeldir: Süpervizör A, Belirli bir kolej çünkü o oraya gitti, Süpervizör B bunun tersini yapabilir çünkü bazı mezunlarıyla kötü bir deneyim yaşadı. En azından algoritmalar, her ne kadar adil olmasa da, aynı niteliklere sahip herkese eşit davranır. Bu çok kıymetlidir.
2. Tahmin etmek istediğimiz sonuçların tümü için iyi ölçümlere sahip olmayabiliriz ve nihai kararları alırken çeşitli faktörleri nasıl hesaplayacağımızı bilmeyebiliriz. Örneğin, “iyi bir çalışan” nasıl olur? Görevlerini iyi bir şekilde yerine getirmeleri gerekiyor, aynı zamanda meslektaşlarıyla iyi geçinmeli, “kültüre” uymalı, bizimle kalmalı ve ayrılmamalı, bu gibi birçok parametre dene yanıl yoluyla algoritmaya öğretilmelidir.Burada yine, şu anda yaptığımız şeyin daha iyi olup olmadığı net değil: Bir terfi kararı veren bireysel bir denetçi teoride tüm bu kriterleri dikkate alabilir, ancak her bir değerlendirme önyargı ve bunların ağırlıklandırma biçimiyle yüklümlüdür. Titiz araştırmalardan elde ettiğimiz sonuçlar şunu göstermiştir ki , işe alım yöneticilerinin bu konularda kendi kararlarını ne kadar çok kullanırsa, kararlarının o kadar kötü oucaktır.
3. Yapay zeka’nın kullandığı veriler etik sorunları ortaya çıkarabilir. Örneğin, ciroyu tahmin eden algoritmalar artık genellikle Facebook gönderileri gibi sosyal medya sitelerinden alınan verilere dayanıyor. Çalışanlarımız hakkında bu tür verileri toplamanın bir mahremiyet ihlali olduğuna karar verebiliriz, ancak bunları kullanmamak, daha az iyi tahmin edecek modeller geliştirmemizi sağlar, bunun da bedeli oldukça ağır olabilir.
4. Algoritmik kararların ardındaki kriterleri açıklamak ve gerekçelendirmek imkansız değilse de genellikle zordur. Şu anda çoğu işyerinde, istihdam kararları vermek için en azından bazı kabul edilmiş kriterlerimiz var: Fırsat buldu çünkü daha uzun süredir burada bulunuyordu; bu hafta sonu izinliydi çünkü geçen hafta o vardiyası vardı; insanlara daha önce böyle davranıyorduk. İstediğim terfi veya vardiyayı alamazsam, kararı veren kişiye şikayette bulunabilirim. Kriteri açıklama şansı var ve hatta bir dahaki sefere eğer karar tamamen adil görünmüyorsa işten dahi çıkarılabilir.
Bu kararları yönlendirmek için algoritmaları kullandığımızda, çalışanlara bu kararların nasıl alındığını açıklama yeteneğimizi kaybediyoruz. Algoritma, geçmiş sonuçları tahmin eden son derece karmaşık modeller oluşturmak için mevcut tüm bilgileri bir araya getirir. Bu sonuçların, “Genel model bunun en iyi sonucu vereceğini söylüyor” demek dışında gözlemleyebileceğimiz veya açıklayabileceğimiz herhangi bir ilkeye karşılık gelmesi çok düşük bir ihtimal olurdu. Süpervizör, adalet endişelerini açıklamaya veya ele almaya yardımcı olamaz. Özellikle bu tür modellerin halihazırda yapmakta olduklarımızdan çok daha iyi performans göstermediği durumlarda, çalışanların neden olacağı rahatsızlıkların kayda değer olup olmadığını sorgulamaya değer.
Kısacası algoritmik modeller ile karar almamız şu anda aldığımız insan kaynakları kararlarından çok daha kötü değil. İnsan rasyonel davranamayabilir bazen bu da şirketi oldukça negatif etkileyebilir. Kuzey Amerika, Pasifik Asya ve Batı Avrupa’da multimilyarder şirketlerde hızla gelişen yapay zeka’nın insan kaynaklarında kullanımını yerli şirketlede en kısa zamanda görmek dileğiyle…
AHMET ALPEREN YEŞİLOVA
Çok güzel ve açıklayıcı bir yazı olmuş. İnsan kaynakları sektöründe yapay zekanın nasıl kullanılabileceği hakkında bilgi sahibi oldum.