Sådan forandrer AI medarbejdernes præstationsvurderinger

Nu forstyrrer AI yderligere den gammeldags tilgang ved at tilbyde løbende, datadrevne indsigter, der er mere objektive og mindre tidskrævende.

AI-drevne værktøjer til medarbejdervurderinger begynder at vise, at de kan analysere medarbejderdata i realtid og give feedback baseret på faktiske målepunkter frem for menneskelig bias eller hukommelse.

AI kan for eksempel vurdere, hvor lang tid det tager at færdiggøre projekter, kommunikationsmønstre og endda produktivitetsniveauer ved hjælp af forskellige værktøjer, der er integreret med arbejdssystemer som Slack eller projektstyringsplatforme.

Et praktisk eksempel på dette er, hvordan IBMs "Watson"-system bruges til at forudsige medarbejderes præstationer baseret på en kombination af datapunkter såsom engagement, stemning og centrale resultatindikatorer (KPI'er). 

Systemet giver ledere mere objektive vurderinger, så de kan træffe bedre beslutninger om forfremmelser, lønforhøjelser eller planer for forbedring af præstationer.

Fordele ved AI til medarbejdervurderinger

Brugen af AI til medarbejdervurderinger har mange potentielle fordele, som traditionelle metoder har svært ved at matche. 

Lad os se nærmere på nogle af dem.

1. Forbedret nøjagtighed og objektivitet

I teorien kan AI hjælpe med at eliminere menneskelige fordomme og fejl. Men lad dig ikke narre: AI er ikke i sig selv fri for bias. Den er trænet på historiske data og på den viden, som de personer, der udvikler den, har. Men hvis det gøres rigtigt, kan den have en positiv indvirkning her. 

Traditionelle medarbejdervurderinger kan påvirkes af faktorer som aktualitetsbias (når ledere kun fokuserer på nylige begivenheder) eller favorisering. Med AI baseres vurderingerne på datapunkter, der indsamles over tid, hvilket giver en mere omfattende og retfærdig vurdering af en medarbejders arbejde.

2. Løbende feedback

Løbende feedback gør det muligt for medarbejdere at justere og forbedre sig gennem hele året i stedet for at haste rundt lige før en vurdering. Og med AI sker denne feedback i realtid, efterhånden som problemer med præstationen opstår.

Ifølge en undersøgelse fra Gallup er medarbejdere, der modtager daglig feedback fra ledere, tre gange mere engagerede end dem, der modtager feedback én gang om året.

Med AI-drevne vurderinger er feedback, der understøtter løbende præstationsledelse, ikke bare mulig, men også skalerbar i hele organisationen.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

3. Datadrevne indsigter

AI kan behandle enorme mængder data – noget mennesker ganske enkelt ikke kan gøre med samme hastighed. Det giver mulighed for mere personlig feedback. AI kan for eksempel afsløre tendenser, der viser, at en medarbejder præsterer bedst på samarbejdsprojekter eller klarer sig godt under opgaver med højt stressniveau, hvilket hjælper ledere med at give mere målrettede råd om, hvordan en medarbejder kan få mest muligt ud af sine styrker.

4. Mindre administrativ byrde

HR-medarbejdere og ledere bruger utallige timer på at indsamle oplysninger, planlægge møder og udfylde formularer til medarbejdervurderinger. AI har potentiale til at automatisere en stor del af denne proces, så HR-teams kan fokusere på strategiske initiativer frem for papirarbejde.

Ulemper ved AI-drevne medarbejdervurderinger

På trods af de åbenlyse fordele er der også udfordringer, der skal håndteres i AI-æraen, især når AI implementeres i medarbejdervurderinger. Det er ikke et perfekt system, og ligesom ethvert andet værktøj har det begrænsninger.

Mangel på emotionel intelligens

AI er fantastisk til at bearbejde tal, men den kan ikke vurdere nuancerne i menneskelig interaktion eller emotionel intelligens. Den kan for eksempel markere en medarbejder for utilstrækkelig præstation baseret på målinger uden at tage personlige omstændigheder som akutte familieproblemer eller psykiske problemer i betragtning.

Risiko for overafhængighed

Selvom AI kan give værdifuld indsigt, er det vigtigt ikke udelukkende at stole på den. Menneskelig intuition, kontekst og empati er stadig afgørende, når man vurderer en medarbejders samlede bidrag til virksomheden.

Hvis systemet skulle svigte eller få problemer, er det også vigtigt, at mennesker stadig har kompetencerne til at kunne fortsætte med forretningskritiske opgaver. I sidste ende er det et samarbejde mellem mennesker og AI, der fører til succes.

Potentiel skævhed i algoritmer

Selvom AI har til formål at reducere skævhed, er det vigtigt at huske, at AI-systemer kun er så gode som de data, de er trænet på. Hvis de historiske data er skæve (f.eks. ved at favorisere ét køn eller én race frem for en anden), kan AI utilsigtet forstærke disse skævheder. Et berømt eksempel er Amazons AI-værktøj til rekruttering, som blev skrottet, fordi det udviste skævhed mod kvindelige kandidater.

Bedste praksis for implementering af AI-baserede præstationsvurderinger

Hvis du overvejer at tage AI i brug til præstationsvurderinger, skal du gå velovervejet til værks med implementeringen. Her er nogle bedste praksisser, der kan hjælpe dig:

Det rette AI-værktøj til dine behov

Ikke alle AI-værktøjer til præstationsstyring er skabt ens. Nogle er mere robuste end andre, mens nogle er omkostningseffektive og hjælper med specifikke opgaver. Vurder din virksomheds specifikke behov, før du vælger et værktøj.

Nogle værktøjer fokuserer for eksempel på løbende feedback, mens andre tilbyder mere avanceret dataanalyse. Sørg for, at værktøjet integreres med din nuværende HR-software og dine kommunikationsplatforme.

Sørg for databeskyttelse

Medarbejderdata er følsomme, og ethvert AI-drevet system, du implementerer, skal overholde databeskyttelseslovgivning som den generelle forordning om databeskyttelse (GDPR) eller den californiske lov om forbrugerbeskyttelse (CCPA). Kommuniker tydeligt med medarbejderne om, hvilke data der indsamles, og hvordan de vil blive brugt.

Uddan dine ledere

AI er kun nyttig, hvis folk ved, hvordan de skal bruge den. Uddan lederne i, hvordan de fortolker AI-genereret indsigt, og hvordan de kombinerer den med deres egen dømmekraft. Der er mange dygtige ledere på arbejdspladsen, som ikke behøver at blive erstattet af en automatiseret oplevelse. 

Igen er målet at understøtte, ikke erstatte, mennesker i præstationsstyringsprocessen. 

Kontrollér for skævhed

Gennemgå regelmæssigt dit AI-system for at se, om der er tegn på skævhed. Hvis systemet træffer beslutninger, der uforholdsmæssigt favoriserer én gruppe frem for en anden, skal du justere algoritmerne eller datainputtet.

Når du implementerer et AI-system i en eksisterende proces, der i høj grad fungerer for din organisation, bør du også genbesøge de bedste praksisser for præstationsstyring, som du har bygget dine nuværende processer op omkring, for at sikre, at inklusionen af AI passer til processen – og ikke omvendt.

Prompter, som ledere kan afprøve

Ledere kan have svært ved at integrere AI-indsigt i virkelige samtaler. Her er nogle prompter, der kan hjælpe med at kombinere AI-drevet præstationsfeedback med menneskelig interaktion:

• "AI'en har markeret, at tiden, det tager dig at færdiggøre projekter, er forbedret med 15 % i løbet af de seneste seks måneder. Kan du fortælle, hvilke ændringer du har foretaget for at forbedre din effektivitet?"
• "Ifølge feedbackdataene ligger dine resultater for samarbejde konsekvent højt. Hvordan kan vi udnytte denne kompetence i kommende teamprojekter?"
• "AI-data viser et mindre fald i kommunikationsmålingerne i løbet af det seneste kvartal. Hvilke udfordringer har du stået over for, og hvordan kan vi støtte dig?"

Sådan kan ledere forebygge bias i AI-baserede præstationsvurderinger

Bias i AI er en reel bekymring. Det kan være til stede på ethvert tidspunkt, fra analysen til de spørgsmål til præstationsvurderingen, du stiller medarbejderne. For at sikre retfærdighed kan ledere bidrage til at skabe en god oplevelse med præstationsvurderingen ved at tage nogle få enkle skridt:

Overvåg og juster algoritmer

Kontrollér algoritmerne regelmæssigt for at sikre, at de ikke utilsigtet er forudindtagede. Medlemmer af dine IT-/teknologiteams kan have brug for at blive involveret i denne proces, så sørg for opbakning fra de relevante personer i den afdeling. 

Nogle AI-værktøjer giver indsigt i, hvordan beslutninger træffes, hvilket gør det lettere for HR at opdage potentielle problemer.

Kombinér AI og menneskelig dømmekraft

Hvis det lyder, som om jeg gentager mig selv, så gør jeg det. Og det er der en god grund til. Overdreven afhængighed af AI handler ikke kun om, at mennesker bruger AI for meget og for hurtigt. Det handler også om de langsigtede konsekvenser, hvor mennesker mister nogle af deres færdigheder på grund af manglende kognitiv udfordring.

Det handler også, som en undersøgelse fra Stanford University viser, om menneskers villighed til at acceptere AI's analyse eller beslutning, selv når den er forkert.  

AI kan levere data, men den kan ikke opfange alt. Ledere bør altid tage højde for medarbejderens unikke situation, færdigheder og bidrag ud over det, AI-systemet rapporterer.

AI i HR, hvad enten det drejer sig om præstationsledelse eller rekruttering, kræver stadig et menneskeligt præg.

Mangfoldige træningsdata

Jo mere mangfoldige data AI-systemet trænes på, desto mindre sandsynligt er det, at det udvikler bias. Sørg for, at din AI-leverandør er forpligtet til at bruge mangfoldige og repræsentative datasæt.

Vil du følge med i den seneste udvikling inden for AI, HR-teknologi og people management? Tilmeld dig People Managing People-nyhedsbrevet for at få den seneste indsigt, eksperttips og trendanalyser direkte i din indbakke.