Świat wspomagany przez AI wymaga bardziej zaawansowanej oceny talentów

Poniższy diagram podsumowuje raport MFW i pokazuje, jak AI w coraz większym stopniu zastępuje prostsze zadania oraz wspiera lub uzupełnia ludzi w przypadku bardziej złożonych i wymagających niuansowania ocen.

Ta tendencja ma sens, biorąc pod uwagę sposób, w jaki AI przetwarza informacje. Sygnały przemieszczają się między systemami cyfrowymi z prędkością bliską prędkości światła. AI jest również zorganizowana w komponenty zwane osadzeniami wektorowymi, które tłumaczą złożone, nieustrukturyzowane dane na zwarte tablice liczb, które można przetwarzać matematycznie, omijając konieczność zmagania się z subtelnym znaczeniem semantycznym.

Ludzka architektura neuronowa działa inaczej. Informacje przemieszczają się przez synapsy mózgu z maksymalną prędkością 120 m/s, a ilość informacji poznawczych, które ludzie mogą przetwarzać, jest ograniczona — przeciętny kalkulator naukowy może wykonywać znacznie bardziej złożone obliczenia niż nawet najbardziej inteligentny człowiek.

Jednak AI nie przewyższa ludzi w każdej dziedzinie. Pomimo szybkiego postępu w zakresie możliwości przetwarzania ludzie nadal radzą sobie lepiej niż AI w warunkach niepewności i złożoności, szczególnie gdy sytuacje obejmują dynamikę społeczną lub osąd etyczny. 

Elastyczny i adaptacyjny charakter ludzkiego podejmowania decyzji lepiej przygotowuje ludzi do sytuacji wymagających całościowego i pełnego niuansów spojrzenia, zwłaszcza w warunkach dynamiki i niepewności.

Ilustracje na Rysunku 2 ukazują te różnice. Ustrukturyzowane segmentacje AI są widoczne na pierwszym obrazie, podczas gdy działanie ludzkiego mózgu ukazuje konektom — mapa leżących u jego podstaw połączeń neuronowych. 

Ludzki mózg, daleki od uporządkowanego zbioru wyspecjalizowanych obszarów, stanowi bogactwo przeplatających się sygnałów różnego rodzaju, które współdziałają, aby konstruować znaczenie. Nawet poziom wzajemnych połączeń zmienia się w odpowiedzi na różne i dynamiczne sytuacje.

To rozumienie złożoności i wzajemnych powiązań mózgu jest stosunkowo nowe. Osoby, które studiowały psychologię przed 2000 rokiem, mogły zetknąć się z segmentowym modelem, w którym różne wyspecjalizowane funkcje działały względnie niezależnie — modelem przypominającym model AI przedstawiony na Rysunku 2. 

To podobieństwo nie jest przypadkowe. Modele AI wyrosły z wczesnych prac nad eksperckim przetwarzaniem informacji prowadzonych przez psychologów poznawczych Herberta A. Simona i Allena Newella.

Postępy w technologii rezonansu magnetycznego ujawniły od tego czasu pełniejszy obraz rzeczywistego funkcjonowania ludzkiego mózgu. Siła ludzkiego osądu i zdolności adaptacyjnych wynika z wysoce wzajemnie powiązanej natury naszych sieci neuronowych, które umożliwiają ludziom postrzeganie problemów z różnych perspektyw, dostrzeganie ukrytych powiązań oraz dostosowywanie reakcji do zmieniających się ludzi i sytuacji.

Te zdolności — stające się coraz ważniejszym elementem sposobu, w jaki ludzie wnoszą wartość w miejscu pracy wspieranym przez AI — zostały ujęte w ramach EPOCH.

Umiejętności EPOCH

• Empatia i inteligencja emocjonalna
• Obecność, networking i poczucie więzi
• Opinia, osąd i etyka
• Kreatywność i wyobraźnia
• Nadzieja, wizja i przywództwo

Rynek pracy już wykazuje zmiany odzwierciedlające to przeobrażenie. Od 2022 roku odnotowano 13-procentowy spadek liczby ról zdominowanych przez powtarzalną i ustrukturyzowaną analizę, przy jednoczesnym wzroście o około 20% zapotrzebowania na pracę wymagającą wiedzy technicznej lub kreatywnego myślenia.

Jak twierdzi profesor szkoły biznesu Suraj Srinivasan, zmiana ta odzwierciedla wpływ wspomagania przez AI. W przypadku zintegrowanych i wieloaspektowych procesów pracy, wymagających kreatywności i myślenia analitycznego, biegłości technicznej i wyważonego osądu, zgodności z przepisami i dyskrecji, wdrożenie AI w ramach procesu zwiększa ekonomiczną wartość ludzkich elementów. Wykorzystywana jako narzędzie uzupełniające AI może zwiększać, a nie zmniejszać, wartość ludzkiego wkładu.

Ludzie mogą ustępować AI pola w pracy wymagającej szybkiego przetwarzania informacji i rutynowego osądu, ale prawdopodobnie będą mieć coraz więcej możliwości wykorzystywania AI i tworzenia wartości dzięki wyraźnie ludzkim atutom. 

Choć krótkoterminowe realia tej transformacji, w tym utrata miejsc pracy na dużą skalę, budzą uzasadnione obawy, raport MFW przedstawia długoterminową perspektywę wzbogaconych, bardziej złożonych ról, przynoszących większą wartość. 

Niektórzy autorzy, w tym Andrew Lopianowski i Mike Pino w swojej nadchodzącej książce HumanCorps, opisują ten nadchodzący okres jako Epokę Mądrości — wizję opartą na założeniu, że ludzie i AI działają w ramach symbiotycznej relacji, która wykorzystuje mocne strony obu stron.

Implikacje dla oceny talentów

Biorąc pod uwagę te zmiany, jak możemy oceniać zdolność do mądrości oraz umiejętności EPOCH, aby wspierać skuteczne pozyskiwanie i rozwój talentów? Odpowiedź prawdopodobnie nie będzie pochodzić z narzędzi, na których HR polegał przez ostatnie 50 lat. 

W miarę jak zdolności wymagane do tworzenia wartości stają się bardziej złożone i zintegrowane, użyteczność narzędzi, które rozkładają ludzi na części składowe, gwałtownie maleje. Mimo to pozostaje to dominującym podejściem większości stosowanych obecnie narzędzi do oceny talentów, które próbują sprowadzić złożoną naturę człowieka do uproszczonych elementów ilościowych wyrażalnych jako dane matematyczne.

Istnieje kilka powodów, dla których narzędzia te są mniej przydatne do identyfikowania talentów w świecie wzbogaconym przez AI.

1. Ograniczona trafność predykcyjna. Mimo powszechnego stosowania większość tych narzędzi nie przewiduje dobrze przyszłych wyników pracy. Niedawna metaanaliza sugeruje, że osobowość wyjaśnia mniej niż 6% wariancji wyników pracy, podczas gdy testy poznawcze wypadają nieco lepiej — na poziomie około 10%.
2. Błędne założenie o stabilności. Większość obecnych narzędzi rejestruje stan jednostki w danym momencie i traktuje go jako stały punkt odniesienia. Założenie, że osobowość pozostaje niezmienna w czasie, jest wpisane w samą jej definicję — „stabilne, mierzalne wzorce myśli, uczuć i zachowań” — jednak obecnie istnieją liczne dowody metaanalityczne wskazujące, że osobowość zmienia się i rozwija w czasie w odpowiedzi na bodźce środowiskowe oraz trwający rozwój osobisty.
3. Błędne założenie o niezależności. Osobowość i zdolności poznawcze tradycyjnie uznawano za niezależne predyktory zachowania i wyników, jednak coraz więcej dowodów wskazuje na istnienie silnych związków między tym, jak ludzie opisują swoje zachowanie, a zdolnościami poznawczymi, które przejawiają. Ma to sens, zważywszy na silnie powiązaną naturę połączeń w mózgu oraz dobrze ugruntowaną zasadę, że neurony, które razem się aktywują, razem tworzą połączenia.
4. Niezdolność do uchwycenia dynamiki. Większość narzędzi przyjmuje model oparty na jednym punkcie w czasie, który nie pozwala uchwycić tego, jak jednostki reagują na dynamiczne sytuacje. Jak podkreślamy wraz z Ricem Roiem w książce Talent gotowy na przyszłość, zdolność do uczenia się i dostosowywania do zmieniających się warunków może być najważniejszą cechą talentu, który napędza tworzenie wartości — i stanowi sedno umiejętności EPOCH.
5. Brak uwzględnienia wyboru. Prowadzone od wielu lat badania Dunedin, analizujące predyktory sukcesu życiowego w obszarach zdrowia, kariery, dobrostanu finansowego i przestępczości, wskazały samokontrolę jako zdecydowanie najważniejszy czynnik predykcyjny dla wszystkich wyników — innymi słowy, zdolność jednostki do wyboru zachowania na podstawie wymogów sytuacji, a nie osobistych preferencji. Nadmiernie koncentrując się na konstruk­tach indywidualnych, zaniżamy znaczenie zachowania jako produktu interakcji między osobą a sytuacją, zarówno w wymiarze poznawczym, jak i behawioralnym.

Paradoksalnie większość używanych obecnie narzędzi psychometrycznych dobrze nadawałaby się do oceny AI. Ustrukturyzowane, podzielone na segmenty modele matematyczne leżące u podstaw AI są bardzo podobne do ustrukturyzowanych, podzielonych na segmenty modeli matematycznych, które definiują tradycyjną ocenę talentów. 

Narzędzia te mogły być wystarczające, gdy praca była względnie stabilna i podzielona na segmenty. W miejscu pracy wzbogaconym przez AI, określonym przez dynamikę, integrację i złożony osąd, okazują się niewystarczające.

Ewolucja oceny talentów

Część dążenia do ewolucji tradycyjnych narzędzi oceny wynikała z przesłanek filozoficznych, ale ograniczenia technologiczne były równie istotnym czynnikiem. Dominacja samooceny, powszechność kwestionariuszy i ograniczona liczba pozycji — wszystko to zostało ukształtowane przez erę testów papierowych i ołówkowych.

Wraz z rozwojem technologii wiele z tych narzędzi zostało zdigitalizowanych, a czasem także uatrakcyjnionych za pomocą grywalizacji, co zwiększyło efektywność ich przeprowadzania, oceniania i interpretacji, a jednocześnie poprawiło zaangażowanie kandydatów. Ich podstawowe struktury pozostały jednak w dużej mierze niezmienione. 

Trafność prognostyczna odnotowała ograniczone wzrosty, nawet gdy do łączenia wniosków z wielu narzędzi wykorzystuje się uczenie maszynowe.

Bardziej znaczące postępy w ocenie talentów wynikają z zastosowania narzędzi multimedialnych, immersyjnych i interaktywnych, ocen opartych na grach oraz symulacji biznesowych, które wykorzystują ustrukturyzowane fikcyjne scenariusze do generowania danych na temat leżących u ich podstaw konstruktów psychologicznych. 

Narzędzia te oferują kilka wyraźnych zalet:

• Mogą być osadzone w odpowiednich środowiskach biznesowych, co poprawia jakość danych i ogranicza zakłócenia pomiarowe powstające, gdy kandydaci rozwiązują testy mające niewielki związek z ich rzeczywistą pracą. Nie muszą być również drogie. Wykorzystanie narzędzi do szybkiego tworzenia sprawiło, że możliwe stało się opracowywanie dopasowanych ocen po znacznie niższym koszcie niż było to historycznie wykonalne, a narzędzia te mogą także pełnić funkcję realistycznych prezentacji stanowiska pracy w procesie pozyskiwania talentów.
• Wykorzystują multimedia, co zwiększa zaangażowanie i upraszcza wprowadzanie danych. Kandydaci mogą wypowiadać odpowiedzi zamiast je wpisywać, a także robić to w preferowanym przez siebie języku, co dodatkowo poprawia jakość danych.
• Pozwalają zadawać więcej pytań otwartych. Badania doktorskie nad ocenami opartymi na grach wykazały, że bardziej otwarte pytania dostarczają głębszych i lepszej jakości informacji.
• Mogą być projektowane z myślą o maksymalnej trafności prognostycznej dzięki procesom takim jak projektowanie oparte na dowodach, które koncentruje się na czynnikach najważniejszych dla osiągnięcia sukcesu i zapewnia rygorystyczne ocenianie.
• Oferują możliwość obserwowania reakcji uczestników w różnych i dynamicznych środowiskach, zapewniając bardziej systemowy obraz indywidualnych zdolności w odpowiedzi na zmieniające się bodźce.

Nic z tego nie byłoby możliwe bez AI, które wspiera te narzędzia na całej ścieżce — od ożywiania złożonych scenariuszy biznesowych za pomocą interaktywnej rozgrywki, przez rejestrowanie i analizowanie danych, po przeprowadzanie złożonych analiz dynamicznych interakcji między mierzonymi zmiennymi. 

Zdolność AI do przetwarzania dużych ilości danych stanowi fundament tych postępów.

Narzędzia są jednak tak trafne, jak ich projekt. Element kreatywny i narracyjny jest niezbędny do stworzenia środowiska, które wydaje się istotne i immersyjne, szczególnie gdy narzędzia muszą ujawniać dane dotyczące dynamiki emocjonalnej i społecznej, które mają kluczowe znaczenie dla umiejętności EPOCH. 

To solidny projekt psychometryczny, oparty na badaniach psychologicznych i pogłębionym rozumieniu ludzi, sprawia, że uzyskiwane dane są wartościowe, użyteczne i możliwe do interpretacji.

Postępy te stanowią niezbędną ewolucję. Bez nich nasza zdolność do identyfikowania i rozwijania kompetencji napędzających tworzenie wartości będzie nadal słabnąć. Ta sama dynamika, która przekształca miejsce pracy, przekształca również narzędzia, których używamy do jego rozumienia. AI jest tutaj najbardziej skuteczna nie jako zastępstwo ludzkiego osądu, lecz jako infrastruktura umożliwiająca głębszy ludzki osąd.