AI打考績的人性考驗

隨著人工智慧(Artificial Intelligence, AI)的發展,其應用層面擴及至人力資源管理(Human Resources Management),在英國,成立不到2年的AI新創公司,有超過60%專注在人力資源管理領域;未來20年,該領域創造的經濟價值,更高達1,000億美元,成為產業的潛力新星。AI導入績效管理並非最近才發生的新鮮事,2016年,日本獵人頭招募網站BizReach,就宣佈與Yahoo、美國客戶管理平台Salesforce.com合作開發能蒐集員工工作數據的AI系統。屆時「員工上班時間在幹嘛」、「工作負荷程度」、「績效提前預測」等人力資源管理工作,都可透過數據化分析。

考核未來才是重點
福斯新聞網(Fox News)指出,員工在上班時間逛網站、喝咖啡的時間及老闆最重視的生產效率,都能被AI「算」出來。例如:軟體開發團隊成員每天撰寫多少程式碼,都可以透過監測向老闆報告數據。特別的是,AI與一般科技的不同之處,在於能夠辨別員工意圖,例如:員工上網是為了創造更多銷售管道?或只是偷懶打發時間?這將成為提高生產效率的重要驅動力。然而,利用AI輔助績效管理,並非單純的監測這麼簡單。未來,AI可能不只如大家所擔心的會取代工作、搶走人類的飯碗,甚至員工的績效考核成績,也將掌握在AI的手中。
這不再只是科幻小說或是電影情節,而是IBM員工已經開始面對的現實。在IBM任職,當績效考核時間來臨,員工不僅要依據過去的成就、失敗被評估績效,「未來可能的表現」也是標準之一,而負責的考核官,就是IBM打造的頭號AI—華生(Watson)。也就是說,過去的表現,將不再是未來成功的最佳預測指標。

「算」出員工未來發展
不同於傳統單一的升遷模式,《彭博新聞社》指出,華生會查看員工過去的工作經驗和曾經執行過的專案,來推斷每個人的潛在技能和素質,華生還會搜尋IBM的內部培訓系統,來了解員工是否學習了新技能,當然,做最後決策的依舊不是AI。而是能制定獎金、薪酬和升遷的經理,他將依據華生的判斷來做出考核決定,提出最後裁決。而IBM抽查根據華生的預測對員工績效評估,表示華生對比人力資源專家的內部分析,準確率甚至高達96%。
「我們當然依舊關心員工的表現,但現在更增加了對未來表現的想像。」IBM薪酬與福利副總裁Nickle LaMoreaux這麼說。她進一步指出,如果員工的工作任務沒什麼變化,那依照傳統用過去表現來評估績效,問題其實不大;然而,現今的職務變化迅速,技能的「半衰期」越來越短,員工昨天可以做的事恐比明天可能做的事還少,在這個情況下,必須激勵員工不斷精進。

偏見與偏差
長期關注商業趨勢的《富比世》專欄作家,同時是國際知名暢銷作家、商業與科技策略顧問的馬爾(Bernard Marr)則提出了另一項藉由AI執行績效管理可能產生的優點:消除偏見或偏差。
馬爾指出,現今產業對評估員工績效的方法存在著信心危機,僅6%組織認為他們的績效管理是值得做的。而根據管理研究公司CEB調查發現,也有高達77%人力資源主管反應,績效管理並不能準確反映員工的貢獻。因為,越來越多公司發現現存的績效管理有所限制,例如:組織可能變得越來越大、越來越複雜,或小型企業可能跟網路夥伴合作⋯⋯等,過去的傳統指標很難評估知識經濟中的受雇者的效率是高是低。
除此之外,職場上造成的偏見與偏差,也常被歸類為績效管理執行困難的主因。一些可被記錄下來,有意識或無意識的行為,都可能不公平的影響個人對組織貢獻度的評估。其中,種族和性別,就是最顯而易見的例子。主管的「客觀評估」真的客觀嗎?恐怕不少人會在心裡打個問號。因此,就有人力資源專家指出,AI將有效減少無意識的人類偏見,因為,AI可以調整為忽略年齡、性別、種族等相關訊息。比較幸運的是,上述幾類偏差相對容易被發現,而其他類型的偏見,相對就很容易被忽略了。
在績效管理上容易出現幾種偏差,例如:員工會積極在老闆面前展現功績的「光環效應」(Halo Effect),或是員工因內向而長期表現不被高調宣傳的「喇叭效應」(Horns Effect)。或像是馬爾所舉例的下列2種偏差:
1.對比偏差(Contrast Bias)
這意味著績效評估者傾向將受雇者的個人表現,與他的同儕比較,而非以已制定好的成就標準。
2.近因偏差(Recency Bias)
又可稱為近因效應,也就是最近發生的事件比較吃香,比起較久遠前發生的表現,雖然同樣都在評估績效的時期內,但最近的表現卻容易被賦予較高的權重,然而,這或許是不公平的。
馬爾進一步解釋,這些偏差都是AI可以介入,並有機會解決的領域,因為 AI不需克服人類因疲勞和邏輯錯誤而產生的判斷偏差。
行動版 電腦版