ในการจัดการทรัพยากรบุคคล (HR) เทคโนโลยีการเรียนรู้ของเครื่อง (Machine Learning) อาจเป็นสาขาที่ประสบความสำเร็จมากที่สุดของ AI ซึ่งช่วยให้องค์กรสามารถระบุผู้สมัครที่มีแนวโน้มว่าจะประสบความสำเร็จมากที่สุดในตำแหน่งงานนั้นๆ หรือตรวจสอบว่าพนักงานคนใดไม่เหมาะกับบางตำแหน่งงานในช่วงสองสามปีข้างหน้า เราจะสามารถคาดการณ์ล่วงหน้า และเพิ่มประสิทธิภาพด้านการจัดการทรัพยากรบุคคลได้เพียงการป้อนข้อมูลเข้าสู่ระบบ

การวิเคราะห์ข้อมูลเชิงคาดการณ์เกี่ยวกับบุคลากรและแบบจำลองความเสี่ยงที่พนักงานจะลาออกจะช่วยให้การวางแผนทรัพยากรบุคลากรเป็นไปอย่างมีประสิทธิภาพได้อย่างมาก โดยเฉพาะอย่างยิ่งการที่เราสามารถป้อนข้อมูลเข้าไปในโปรแกรมจำแนกประเภทและรับทราบข้อมูลเชิงลึกที่มีประโยชน์ อย่างไรก็ตาม เนื่องจากโลกของเรามีความซับซ้อน ดังนั้นจึงจำเป็นที่จะต้องมีการตรวจสอบทบทวนแบบจำลองความเสี่ยงที่พนักงานจะลาออกภายใต้สถานการณ์ที่หลากหลาย

ตัวอย่าง เช่น ในกรณีของแบบจำลองคาดการณ์การลาออก คุณทราบหรือไม่ว่าข้อมูลของคุณถูกสร้างขึ้นอย่างไร การกระจายข้อมูลแบบใดเกี่ยวข้องกับตัวแปรแต่ละตัว มีตัวแปรซ่อนเร้นที่อาจทำให้ข้อมูลของคุณขาดความเที่ยงตรงหรือไม่ แบบจำลองของคุณทำให้การคาดการณ์มีลักษณะเอนเอียงหรือไม่ และถ้าเป็นเช่นนั้น จะส่งผลกระทบอย่างไรบ้าง

องค์กรที่ประสบความสำเร็จจะคาดการณ์คำถามเหล่านี้ และออกแบบวิถีการทำงานและวิธีการเชื่อมโยงข้อมูลแบบหลายขั้นตอนที่ปรับขนาดได้อย่างยืดหยุ่นให้กับแบบจำลองที่ใช้งานอยู่ จึงช่วยให้สามารถตรวจจับแบบแผนและความผิดปกติในชุดข้อมูลได้ทุกขั้นตอน และได้รับข้อมูลเชิงลึกที่เป็นประโยชน์แก่องค์กร ช่วยเพิ่มประสิทธิภาพในการสรรหาบุคลากรและการบริหารจัดการทรัพยากรบุคคล

การปรับปรุงการเรียนรู้

ในแวดวง HR ได้มีการใช้ระบบจัดการการเรียนรู้และโมดูลการฝึกสอนมานานหลายปีแล้ว เพื่อจัดหาข้อมูลด้านเส้นทางอาชีพและการพัฒนาตนเอง ซึ่งจะช่วยให้บุคลากรทำงานในตำแหน่งงานปัจจุบันได้อย่างดีเยี่ยม พร้อมความมุ่งหวังที่จะได้รับการเลื่อนตำแหน่ง ในกรณีเช่นนี้ AI จะสามารถใช้ประโยชน์จากเทคโนโลยีบิ๊กดาต้า (Big Data) เพื่อประมวลผลชุดข้อมูลจำนวนมากที่มีความหลากหลาย เช่น ข้อมูลประวัติย่อที่มีจำนวนหลายเทราไบต์ รวมถึงการตรวจสอบผลการปฏิบัติงาน และข้อมูลในอดีต เพื่อปรับใช้โมดูลการเรียนรู้และการฝึกสอนแบบเฉพาะบุคคลที่สอดรับกับระดับของตำแหน่งงานและประสบการณ์ ซึ่งทั้งหมดนี้เป็นกระบวนการแบบอัตโนมัติ

อย่างไรก็ดี แม้กระทั่งในสถานการณ์ดังกล่าว องค์กรที่ประสบความสำเร็จเข้าใจว่าตนเองจำเป็นต้องว่าจ้างทีมพัฒนาระดับชั้นนำ ซึ่งจะต้องใช้เวลานานในการออกแบบสถาปัตยกรรมข้อมูลที่มีการแบ่งระดับชั้นและจัดระเบียบเป็นอย่างดี โดยเฉพาะอย่างยิ่งคลังข้อมูลส่วนกลาง (Data Lake) เป็นตัวชี้วัดเส้นแบ่งระหว่างสถาปัตยกรรมข้อมูลที่ประสบความสำเร็จและสถาปัตยกรรมข้อมูลที่ล้มเหลว แม้ว่าการที่บริษัทสามารถรวบรวมแหล่งข้อมูลต่างๆ มาไว้ในที่เดียวกันจะถือเป็นความสำเร็จที่น่าชื่นชม แต่ขั้นตอนถัดไปในกระบวนการนี้มีความสำคัญยิ่งกว่า นั่นคือ การใส่ป้ายระบุและจัดระเบียบข้อมูลของคุณ ขั้นตอนนี้ดูเหมือนง่าย แต่กลับมีความสำคัญอย่างมากต่อองค์กรในการดำเนินการเกี่ยวกับข้อมูลบิ๊กดาต้าให้ประสบความสำเร็จ และจะมีความสำคัญอย่างยิ่งสำหรับองค์กรที่ต้องการปฏิวัติกระบวนการพัฒนาบุคลากรโดยอาศัยการเรียนรู้ที่มีประสิทธิภาพ

การวิเคราะห์ความรู้สึกเพื่อดึงดูดพนักงาน

มีการใช้งานเทคโนโลยีการวิเคราะห์ความรู้สึกในช่วงไม่กี่ปีที่ผ่านมา เพื่อเปิดเผยความรู้สึกแง่บวกและแง่ลบและอคติที่ปรากฏอยู่ในสิ่งต่างๆ ตั้งแต่ข้อความทวีตไปจนถึงรีวิวบน Yelp แม้ว่าหลายๆ บริษัทได้ลงทุนกับเทคโนโลยีดังกล่าวแล้ว แต่ในช่วงหลายปีนับจากนี้ เราจะพบเห็นการประยุกต์ใช้งานเพิ่มมากขึ้นในงาน HR เพื่อตรวจวัดความรู้สึกและระดับการมีส่วนร่วมของพนักงาน เช่น พนักงานชอบบริษัทหรือเปล่า พอใจกับงานที่ทำอยู่หรือไม่ หรือพนักงานรู้สึกไม่พอใจที่ไม่มีโอกาสเลื่อนตำแหน่งหรือเปล่า

การวิเคราะห์ความรู้สึกกับการมีส่วนร่วมของพนักงานเกี่ยวข้องกันอย่างไร โดยสาระสำคัญแล้ว ในคำตอบของพนักงานคนหนึ่งๆ จะมีคำสำคัญที่ถูกเชื่อมโยงเข้ากับบัญชีศัพท์ และจะมีการกำหนดคะแนนบวกหรือลบให้กับคำศัพท์ต่างๆ กลไกการให้คะแนนบางรูปแบบมีลักษณะเรียบง่าย โดยมีการกำหนดเรตติ้ง + หรือ – ให้กับคำศัพท์ ขณะที่กลไกอื่นๆ จะมีการแบ่งระดับชั้น โดยมีการกำหนดคะแนนบวกและลบที่หลากหลาย (-5 ถึง +5)

ในทางปฏิบัติ การวิเคราะห์ความรู้สึกเพื่อตรวจวัดการมีส่วนร่วมของพนักงานอาจมีประสิทธิภาพ แต่สิ่งที่ถูกมองข้ามก็คือ ระบบดังกล่าวอาจนำเสนอผลลัพธ์ที่เอนเอียงหรือไม่ถูกต้อง ที่จริงแล้วแทนที่จะเชื่อมโยงคำศัพท์ต่างๆ เข้ากับความรู้สึก องค์กรที่ประสบความสำเร็จจะเข้าใจว่าการบันทึกข้อมูลบริบทที่ละเอียดที่สุดของถ้อยคำนั้นๆ จะช่วยให้ได้รับข้อมูลเชิงลึกที่เที่ยงตรงมากกว่าในเรื่องที่เกี่ยวกับระดับการมีส่วนร่วมของพนักงาน

แนวทางที่สมดุล
ขณะที่ระบบต่างๆ ได้รับการพัฒนาและมีข้อมูลพร้อมใช้งานเพิ่มมากขึ้น เทคโนโลยี AI จะส่งผลกระทบต่องาน HR ในหลายๆ ด้าน และการศึกษาเกี่ยวกับข้อดีและข้อเสียของแนวทางต่างๆ ก็มีความสำคัญมากพอๆ กับการสร้างอัลกอริธึมและสถาปัตยกรรมข้อมูลที่ถูกต้องเหมาะสม แต่ผลลัพธ์ที่เกิดขึ้นในท้ายที่สุดจะก่อให้เกิดประโยชน์มากมายแก่บริษัทที่พยายามในเรื่องนี้อย่างเต็มที่

ทั้งนี้มีข้อมูลจากการวิจัยของ Deloitte พบว่า AI และหุ่นยนต์ กำลังเปิดทางให้ HR ได้ใช้ความสามารถใหม่ๆ ที่มีอยู่ในซอฟต์แวร์ในปัจจุบัน ไม่ว่าจะเป็นความสามารถในการจดจำใบหน้าและแยกแยะเพศ สามารถฟังเสียงแล้วระบุได้ว่าเสียงนั้นอยู่ในอารมณ์ไหน และสามารถถอดวิดีโอจากการสัมภาษณ์พนักงานออกมาได้ว่าผู้ที่มาสมัครงานนั้นมีการศึกษาระดับใด ทำการจับเท็จและวิเคราะห์ผู้สมัครได้ เครื่องมือวิเคราะห์ต่างๆ จะทำการเลือกผู้สมัครอย่างชาญฉลาด ระบุทางเลือกในการประกอบอาชีพของพนักงาน และโค้ชผู้จัดการในเรื่องของการปรับปรุงทักษะความเป็นผู้นำของตนได้

งานวิจัย AI, robotics and automation: Put humans in the loop ของ Deloitte ระบุว่า การที่ AI และเทคโนโลยีที่ล้ำหน้าเริ่มแทรกซึมเข้าสู่องค์กร ทำให้ทักษะการทำงานเช่น การคิดเชิงวิเคราะห์และประเมินผล ความคิดสร้างสรรค์ และความสามารถในการแก้ปัญหา เป็นเรื่องสำคัญ องค์กรชั้นนำต่างตระหนักดีว่า เทคโนโลยีเหล่านี้จะมีประสิทธิภาพมากที่สุดเมื่อนำมาใช้งานร่วมกับมนุษย์ ไม่ใช่แทนที่มนุษย์

จากรายงาน  Rewriting the rules of the digital age ซึ่งเป็นรายงานด้านทุนมนุษย์ล่าสุดของ Deloitte ระบุว่า ทรัพยากรมนุษย์แบบดิจิทัล การสรรหาผู้มีความสามารถพิเศษ ความเป็นผู้นำ เส้นทางอาชีพและการเรียนรู้ เป็นเทรนด์ด้านทุนมนุษย์สามอันดับแรกของประเทศไทยในปีที่ผ่านมา

รายงานนี้มีผู้ตอบแบบสอบถามมากกว่า 10,000 ราย จาก 140 ประเทศ ในจำนวนนี้มีผู้ตอบแบบสอบถามจากประเทศไทย 42 ราย ผลการวิจัยแสดงให้เห็นว่าภาคการจ้างงานในไทยให้ความสำคัญกับทรัพยากรบุคคลแบบดิจิทัล 98% การสรรหาผู้มีความสามารถ 95% ความเป็นผู้นำ อาชีพ และการเรียนรู้ 93%

อีกไม่นาน AI จะเข้ามามีบทบาทสำคัญในการกำหนดลักษณะของงานด้านการจัดการทรัพยากรบุคคลทั่วโลก เนื่องจากการใช้ AI จะช่วยลดอคติของคน เพิ่มประสิทธิภาพในการสรรหาพนักงาน พัฒนาความสัมพันธ์ รวมถึงสร้างการเรียนรู้ในองค์กร