За пределами автоматизации: совершенствование управления человеческими ресурсами с помощью ИИ и этики

Самир., Б. Д. Фуад., С. Г. ЗА ПРЕДЕЛАМИ АВТОМАТИЗАЦИИ СОВЕРШЕНСТВОВАНИЕ УПРАВЛЕНИЯ ЧЕЛОВЕЧЕСКИМИ РЕСУРСАМИ С ПОМОЩЬЮ ИИ И ЭТИКИ. Universum: технические науки

---

Самир Бабаев Джахид

аспирант, Азербайджанский государственный университет нефти и промышленности, Азербайджан, г. Баку

Фуад Сабир Гусейнли

аспирант, Азербайджанский технический университет, Азербайджан, г. Баку

E-mail: samircbabayev@gmail.com ; fuad201685@gmail.com

---

Введение

Стремительное развитие автоматизации и искусственного интеллекта (ИИ) в управлении персоналом (HR) открывает ряд возможностей и порождает серьёзные проблемы. Хотя эти технологии предлагают креативные способы улучшения найма, обучения и вовлеченности сотрудников, они также поднимают серьёзные этические вопросы, проблемы внедрения и негативное влияние на рабочую силу.

Главная проблема заключается в поддержании баланса между эффективностью, обеспечиваемой технологиями, и неотъемлемой частью HR-процессов. Инструменты ИИ прекрасно подходят для автоматизации рутинных задач, таких как оценка кандидатов и проверка резюме, что позволяет HR-специалистам сосредоточиться на стратегических задачах. Однако чрезмерная зависимость от этих технологий может подорвать фундаментальную человеческую направленность HR-процессов, потенциально ослабляя организационную культуру и снижая доверие между сотрудниками.

Этические вопросы и конфиденциальность данных также представляют собой серьёзную проблему. Мощные системы ИИ могут способствовать сохранению предвзятости или дискриминации из-за неадекватно разработанных алгоритмов и отсутствия прозрачности в процессах принятия решений. Кроме того, защита данных сотрудников в системах на базе ИИ имеет первостепенное значение, поскольку любое неправомерное использование или нарушение безопасности может серьёзно повлиять на доверие сотрудников и соблюдение ими правовых норм. Ещё одним серьёзным препятствием является разный уровень доступности ресурсов и технологической готовности в разных организациях, особенно в малых и средних предприятиях (МСП), которые могут не иметь достаточных финансовых или технических ресурсов для внедрения сложных решений на основе ИИ. Это неравенство может поставить МСП в невыгодное положение с точки зрения конкурентоспособности.

Более того, меняющиеся требования к рабочей силе требуют постоянного обучения и адаптации навыков. Задача HR-отделов заключается в разработке персонализированных, адаптивных программ обучения, которые не только восполняют эти растущие пробелы в навыках, но и позволяют эффективно и рационально масштабировать их.

В данном исследовании предпринимается попытка решить эти сложные задачи, предлагая способы гармонизации технологических достижений с этическими соображениями и человеческим фактором. Тем самым оно призвано обогатить более широкий дискурс о том, как ИИ может революционизировать HR-функции, создавая более инклюзивную, эффективную и ориентированную на человека рабочую среду.

Подробный анализ применения ИИ в сфере управления персоналом

Искусственный интеллект оказал значительное влияние на процедуры найма персонала. Исследования показали, как решения на основе ИИ могут повысить эффективность рекрутинга за счет автоматизированного отбора резюме, поиска кандидатов и предиктивной аналитики, как это продемонстрировали

Бриньолфссон, Э. и Макафи [1]. Известно, что при использовании в рамках этических и прозрачных подходов эти технологии способны снижать предвзятость решений о найме. Однако О’Нил [2] выражает обеспокоенность по поводу предвзятости алгоритмов, которая, если ее не контролировать, может привести к усилению социальной несправедливости.

В сфере обучения и развития персонала роль ИИ заключается в преобразовании, поскольку он обеспечивает персонализированный учебный процесс, отвечающий индивидуальным потребностям. Асемоглу [3] утверждает, что ИИ позволяет адаптировать доставку контента в режиме реального времени, гарантируя сотрудникам приобретение необходимых компетенций в соответствии с требованиями организации. Форд, М. [4] поддерживает эту точку зрения, демонстрируя, что платформы на базе ИИ способствуют непрерывному обучению посредством интерактивных и адаптивных учебных модулей.

Повышение вовлеченности сотрудников с помощью ИИ также является одним из основных направлений исследований. Виал, Г. [5] исследовал, как инструменты ИИ анализируют удовлетворенность и производительность сотрудников, предоставляя HR-менеджерам практические рекомендации, способствующие повышению вовлеченности и мотивации. Кроме того, Бугин, Дж. [6] исследовал эффективность виртуальных помощников на базе ИИ и автоматизированных опросов для улучшения коммуникации и оптимизации HR-процессов.

Этические аспекты и проблемы

Внедрение ИИ в HR не обходится без этических проблем. Джобин, А. [7] подчёркивает необходимость создания этичных систем ИИ, в которых приоритет отдаётся прозрачности, справедливости и конфиденциальности данных. Они выступают за алгоритмические процессы принятия решений, сопровождаемые надёжным контролем для обеспечения ответственности. Аналогичным образом, Касио, [8] подчёркивает критическую важность интеграции ИИ с человеческим контролем, предупреждая, что чрезмерная опора на автоматизацию может подорвать доверие и снизить антропоцентричный подход в HR-практиках. Этот комплексный анализ способствует более глубокому пониманию роли ИИ в трансформации HR-функций, осмыслению как возможностей, так и проблем, а также подчёркивает необходимость этических рамок и человеческого контроля при внедрении технологий. Эта версия интеграции сохраняет академические ссылки и соответствует структурированным разделам вашей статьи, гарантируя, что каждый научный вклад должным образом отмечен при обсуждении влияния ИИ на HR-управление. Сообщите мне, соответствует ли это вашим требованиям или необходимы какие-либо дополнительные корректировки.

Интеграция искусственного интеллекта (ИИ) и автоматизации в сфере управления персоналом (HR) широко обсуждается в академических и профессиональных кругах, однако ряд важных аспектов остаётся нерешённым. Несмотря на достижения в области технологий на основе ИИ, сохраняющиеся пробелы и неопределённости требуют дальнейшего изучения. Этические и объективные проблемы, связанные с алгоритмами ИИ, вызывают серьёзную озабоченность. В таких исследованиях, как Боген и Рике (2018) и

Флориди и Коулз (2019), рассматривается проблема алгоритмической предвзятости при подборе персонала и принятии решений, но отмечается ограниченная ясность в вопросе внедрения полностью прозрачных, справедливых и инклюзивных систем ИИ. Основное внимание часто уделяется выявлению предвзятости постфактум, а не предотвращению её на этапах разработки.

Вызывает опасения влияние ИИ на динамику рабочей силы и организационную культуру, поскольку автоматизация потенциально снижает антропоцентричный подход в сфере управления персоналом, что приводит к отчуждению или недоверию со стороны сотрудников. Предыдущие исследования Тамбе и соавторов (2019) подчеркнули эту напряженность, указав на необходимость дальнейших исследований для оценки долгосрочного воздействия на моральный дух сотрудников и лояльность организации. Доступность и масштабируемость HR-решений на основе ИИ для малых и средних предприятий также создают серьезные проблемы. В то время как крупные организации располагают необходимыми ресурсами, малые и средние предприятия сталкиваются с высокими затратами на внедрение и нехваткой технических знаний, часто сталкиваясь с сопротивлением изменениям. Кроме того, по мере того, как ИИ автоматизирует рутинные задачи, роль HR-специалистов меняется, требуя от них перехода к более стратегическим и аналитическим ролям. Однако существует мало исследований о том, как эффективно обучать и повышать квалификацию HR-специалистов для принятия этих изменений, что создает проблему в обеспечении того, чтобы HR-команды могли эффективно использовать технологии ИИ, сохраняя при этом критически важный человеческий контроль.

Наконец, вопросы конфиденциальности и безопасности данных, связанные с внедрением ИИ в HR-процессы, до конца не изучены. Исследования выражают обеспокоенность по поводу защиты данных сотрудников (Floridi & Cowls, 2019), а отсутствие стандартизированных рамок для этичного внедрения ИИ делает организации уязвимыми к нарушениям и злоупотреблениям.

Цели статьи

Основная цель данной статьи — критически проанализировать преобразующую роль ИИ и автоматизации в управлении персоналом, уделив особое внимание процессам подбора, обучения и вовлечения сотрудников. Цель исследования:

• Изучить современные способы применения ИИ в HR-процессах, подчеркнув их потенциал для оптимизации эффективности и принятия решений в сфере подбора, обучения и взаимодействия с сотрудниками.
• Выявить ключевые проблемы и этические аспекты, связанные с интеграцией инструментов на основе ИИ в HR-процессы, такие как алгоритмическая предвзятость, конфиденциальность данных и снижение роли человеческого фактора.
• Предложить стратегии для баланса между технологической эффективностью и человеческим фактором, обеспечивая соответствие внедрения ИИ целям организации и способствуя созданию инклюзивной и этичной рабочей среды.

Решая эти задачи, статья стремится внести вклад в более широкое понимание потенциала ИИ в сфере управления персоналом и предоставить исследователям и практикам практические рекомендации по эффективному и ответственному использованию технологий ИИ. Эта интеграция сохраняет все оригинальные ссылки и обеспечивает соответствие каждого раздела общей теме и структуре статьи.

Краткое изложение основных результатов исследования

ИИ значительно изменил процесс найма, оптимизировав все этапы – от поиска кандидатов до принятия окончательного решения. Технологии искусственного интеллекта (ИИ), особенно те, которые используют обработку естественного языка (NLP) и машинное обучение (МО), привели к появлению передовых приложений, таких как HireVue и Pymetrics, которые значительно повышают эффективность найма. Например, Pymetrics оценивает когнитивные и эмоциональные качества кандидатов, используя алгоритмы ИИ и игры, основанные на нейронауках, чтобы убедиться в их пригодности для конкретных должностей [9]. Видеотесты HireVue, основанные на искусственном интеллекте, оценивают как устные, так и невысказанные сигналы, чтобы определить коммуникативные способности кандидата и его соответствие культуре. Несмотря на эти преимущества, рекрутинг с использованием искусственного интеллекта сталкивается с такими проблемами, как сохранение существующих предубеждений, если алгоритмы обучаются на исторически предвзятых данных. Это может подорвать усилия по обеспечению разнообразия и инклюзивности [10]. Более того, непрозрачность систем искусственного интеллекта затрудняет прозрачность, что приводит к проблемам справедливости и ответственности.

Для решения этих проблем рекомендуется гибридная система рекрутинга, сочетающая эффективность искусственного интеллекта с контролем со стороны человека. Эта система включает в себя:

• Разнообразные и репрезентативные наборы данных для обучения: обучение ИИ на разнообразных наборах данных для минимизации предвзятости [11].
• Контроль со стороны человека в критических точках принятия решений: обеспечение участия человека в принятии окончательных решений о найме с учетом контекстуальных факторов.
• Прозрачные и понятные системы ИИ: разработка инструментов ИИ, понятных пользователям и заинтересованным сторонам.
• Регулярные аудиты и обновления алгоритмов: постоянный мониторинг и обновление систем ИИ для обеспечения их соответствия текущим этическим стандартам и общественным ценностям.
• Системы этического управления: создание надежных структур управления для управления использованием ИИ с акцентом на справедливость и конфиденциальность данных.

Такой подход гарантирует, что ИИ поддерживает HR-практики, не заменяя основной человеческий фактор, поддерживая этические стандарты и улучшая результаты найма.

ИИ произвел революцию в обучении и развитии сотрудников, позволяя персонализировать обучение, устраняя пробелы в индивидуальных навыках. Такие платформы, как Coursera и Degreed, анализируют показатели эффективности и предпочтения в обучении для эффективной адаптации доставки контента [12]. Такая персонализация помогает согласовать навыки сотрудников с целями организации, способствуя формированию культуры непрерывного обучения. Однако внедрение этих технологий может быть непомерно дорогим, особенно для малых и средних предприятий [13]. Более того, использование ИИ для обучения поднимает этические вопросы, включая опасения по поводу конфиденциальности данных и потенциальной предвзятости алгоритмов. ИИ также играет решающую роль в повышении вовлеченности сотрудников [14]. Такие инструменты, как Qualtrics и Culture Amp, анализируют отзывы сотрудников, помогая HR-специалистам разрабатывать эффективные стратегии вовлеченности [15]. Виртуальные помощники на базе ИИ, такие как IBM Watson, облегчают коммуникацию и оказывают поддержку, улучшая взаимодействие с сотрудниками, особенно в удаленной среде [16]. Несмотря на свои преимущества, чрезмерная зависимость от ИИ может сделать взаимодействие безличным и снизить доверие к кадровым практикам. Баланс между ИИ и содержательным человеческим взаимодействием необходим для поддержания подлинных связей на рабочем месте [17].

Использование ИИ в HR должно учитывать важные этические вопросы и вопросы конфиденциальности. Обработка конфиденциальных данных сотрудников системами ИИ требует строгих мер безопасности для предотвращения нарушений и обеспечения соблюдения законов о конфиденциальности [18]. Крайне важно разработать стандартизированные этические принципы использования ИИ для снижения рисков алгоритмической предвзятости и поддержания прозрачности кадровых процессов [19].

Этические аспекты и проблемы интеграции ИИ в HR

Серьёзной проблемой при интеграции ИИ в HR является непрозрачность алгоритмов. Эти системы ИИ часто работают без чётких объяснений своих решений, что приводит к результатам, которые могут непреднамеренно закреплять дискриминацию при найме или продвижении по службе [20]. Такие результаты могут серьёзно подорвать усилия по повышению разнообразия и инклюзивности в организациях. Более того, проблемы с информированным согласием (когда сотрудники могут не полностью осознавать, как собираются, анализируются и используются их данные) и неадекватные меры защиты данных создают серьёзные риски. Эти недостатки могут привести к утечкам данных в организациях, что поставит под угрозу конфиденциальную информацию сотрудников.

Структура этического управления ИИ (EAIGF)

To counter these challenges, I propose the development of an Ethical AI Governance Framework (EAIGF), tailored for HR applications. This framework should comprise:

1. Прозрачные алгоритмы: обеспечение чётких объяснений решений системами ИИ, что повышает понимание и доверие между менеджерами по персоналу и сотрудниками.
2. Сбор данных на основе согласия: обеспечение полной информированности сотрудников о том, как используются их данные, и предоставление ими явного согласия на их сбор и обработку.
3. Независимые аудиторские органы: привлечение внешних аудиторов для регулярной проверки систем ИИ на соответствие этическим стандартам и правилам конфиденциальности данных [20].
4. Стратегии снижения предвзятости: использование разнообразных и репрезентативных обучающих наборов данных для снижения риска сохранения социальных предвзятостей.
5. Регулярное этическое обучение: обеспечение непрерывного обучения специалистов по персоналу по этическим аспектам использования инструментов ИИ для обеспечения их ответственного использования.

Внедрение EAIGF может помочь организациям укрепить доверие сотрудников, продемонстрировав ответственное и безопасное обращение с их данными. Кроме того, это повышает безопасность данных, обеспечивает соответствие нормативным стандартам, способствует формированию культуры прозрачности и этической ответственности, а также укрепляет организационную целостность [21].

Новые идеи и будущие направления

Уникальность данного исследования заключается в акценте на взаимодействии человека и искусственного интеллекта, а не на полной зависимости от автоматизации. Понимая, что истинный потенциал ИИ заключается не в замене человеческого суждения, а в его дополнении, данное исследование предлагает гибридную модель подбора персонала, интегрирующую инструменты ИИ с контролем со стороны человека. Этот синергетический подход улучшает процесс принятия решений, обеспечивая эффективное взаимодействие. Этот сбалансированный подход позволит не только использовать преимущества ИИ, но и гарантировать, что эти технологии будут внедрены таким образом, чтобы уважать и развивать человеческий фактор в сфере управления персоналом.

Этот вывод обобщает выводы, полученные в ходе исследования, и излагает перспективную перспективу, которая поощряет ответственное и инновационное использование HR-специалистами для более эффективной оценки кандидатов и повышения эффективности привлечения талантов.

Более того, предлагаемая модульная система обучения подчеркивает эту модель сотрудничества, предоставляя индивидуализированные программы обучения на базе ИИ, дополненные человеческим руководством и наставничеством. Панели управления вовлеченностью облегчают мониторинг и корректировку в режиме реального времени, более точно согласуя процессы подбора и обучения с целями организации. Исследование также призывает к междисциплинарному сотрудничеству для решения проблем и устранения пробелов во внедрении ИИ в HR. Привлекая экспертов из таких областей, как право, этика и поведенческая наука, организации могут разрабатывать системы ИИ, которые не только технологически продвинуты, но и этически обоснованы и социально ответственны. Такое сотрудничество гарантирует, что системы ИИ будут придерживаться принципов справедливости, прозрачности и инклюзивности, которые жизненно важны для поддержания целостности HR-практик [22; 23]. Благодаря такому детальному анализу статья всесторонне рассматривает проблемы, решения и будущие направления развития ИИ в сфере управления персоналом, предоставляя всестороннее представление о том, как можно ответственно и эффективно использовать ИИ в этой области.

Выводы

Интеграция искусственного интеллекта (ИИ) и автоматизации в управление персоналом (HR) фундаментально меняет традиционные HR-практики, открывая беспрецедентные возможности для повышения эффективности, точности и удовлетворенности сотрудников. В этом исследовании тщательно изучен преобразующий потенциал ИИ в трех важнейших HR-функциях — подборе персонала, обучении и вовлеченности сотрудников, — при этом тщательно рассматриваются проблемы и этические вопросы, связанные с этими технологиями. В подборе персонала инструменты на основе ИИ оптимизировали процессы, снизили административную нагрузку и улучшили процесс принятия решений благодаря предиктивной аналитике. Однако сохраняющиеся этические проблемы, такие как алгоритмическая предвзятость и отсутствие прозрачности, создают серьезные проблемы. Для решения этих проблем в данной статье предложена гибридная модель подбора персонала, которая сочетает эффективность ИИ с необходимым человеческим контролем, обеспечивая справедливость и инклюзивность в практике найма.

В сфере обучения и развития персонала внедрение модульных систем на базе ИИ, включающих методы микрообучения и обратную связь в режиме реального времени, обещает произвести революцию в развитии персонала. Эти системы разработаны для адаптации к индивидуальным потребностям сотрудников в обучении, обеспечивая эффективность обучения и его соответствие целям организации. Для вовлеченности сотрудников крайне важно, чтобы инструменты на базе ИИ использовались для дополнения, а не для замены инициатив, осуществляемых человеком. Такой подход гарантирует, что технологии способствуют укреплению доверия и развитию значимых связей на рабочем месте, а не подрывают их.

Решая эти проблемы и делая акцент на взаимодействии человека и ИИ, организации могут в полной мере использовать возможности ИИ для создания более эффективных, инклюзивных и динамичных рабочих мест. Результаты данного исследования подчеркивают необходимость постоянной этической бдительности, учета вопросов масштабируемости и междисциплинарного сотрудничества для определения будущего HR в эпоху ИИ в сфере HR. Решая ключевые проблемы и используя возможности, выявленные в ходе данного исследования, организации могут проложить путь к будущему, в котором ИИ и люди будут работать синергетически для достижения лучших результатов во всех аспектах управления персоналом.

Литература

1. Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton & Company.
2. O'Neil, C. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown Publishing Group.
3. Acemoglu, D., & Restrepo, P. (2018). Artificial Intelligence, Automation, and the Economy. NBER Working Paper.
4. Ford, M. (2015). Rise of the Robots: Technology and the Threat of a Jobless Future. Basic Books.
5. Vial, G. (2019). Understanding Digital Transformation: A Review and a Research Agenda. The Journal of Strategic Information Systems, 28(2), 118-144.
6. Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI Frontier: Modeling the Impact of AI on the World Economy. McKinsey Global Institute.
7. Jobin, A., Ienca, M., & Vayena, E. (2019). The Global Landscape of AI Ethics Guidelines. Nature Machine Intelligence, 1(9), 389-399.
8. Cascio, W. F., & Montealegre, R. (2016). How Technology Is Changing Work and Organizations. Annual Review of Organizational Psychology and Organizational Behavior, 3, 349-375.
9. Ideal. (2023). AI-Driven Recruiting Software: Leveraging Machine Learning in Talent Acquisition. From: https://ideal.com/solutions/ai-recruiting/
10. Hiretual. (2023). Next-Generation Talent Intelligence: Behavioral Analytics in Recruitment. From: https://hiretual.com/
11. Barocas, S., Hardt, M., & Narayanan, A. (2019). Fairness and Machine Learning: Limitations and Opportunities. From: https://fairmlbook.org/
12. edX. (2023). Transforming Online Learning: Innovations in Personalized Education. From: https://www.edx.org/news
13. LinkedIn Learning. (2023). Empowering Continuous Learning with Data-Driven Skill Development. From: https://learning.linkedin.com/blog
14. Bersin, J., & Huang, L. (2021). The Future of Workplace Learning: Microlearning and Continuous Feedback in the Age of AI. Deloitte Insights.
15. Glint. (2023). Real-Time Employee Engagement and Pulse Survey Solutions. From: https://www.glintinc.com/
16. Nuance Communications. (2023). AI-Powered Virtual Assistants in Customer and Employee Engagement. From: https://www.nuance.com/
17. Kaplan, J., & Haenlein, M. (2020). Rethinking Human Resource Management in the Age of AI. Business Horizons, 63(1), 29-37.
18. Gallup. (2023). State of the Global Workplace: Engagement, Challenges, and Strategies. From: https://www.gallup.com/workplace
19. OECD. (2021). OECD Principles on Artificial Intelligence. From: https://www.oecd.org/going-digital/ai/principles/
20. Ananny, M., & Crawford, K. (2018). Seeing Without Knowing: Limitations of the Transparency Ideal in Algorithmic Accountability. Science, Technology & Human Values, 43(5), 791-809.
21. FAT* (Fairness, Accountability, and Transparency). (2022). Independent Auditing in Machine Learning Systems. From: https://www.fatml.org/
22. Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2019). Organizational Decision-Making Structures in the Age of Artificial Intelligence. California Management Review, 61(4), 66-83.
23. West, D. M., & Allen, J. R. (2020). How Artificial Intelligence Is Transforming the World. Brookings Institution. From: https://www.brookings.edu/research/how-artificial-intelligence-is-transforming-the-world/