Så förändrar AI utvärderingar av medarbetares prestationer

Nu förändrar AI dessutom det gamla tillvägagångssättet genom att erbjuda kontinuerliga, datadrivna insikter som är mer objektiva och mindre tidskrävande.

AI-drivna verktyg för prestationsbedömning börjar visa att de kan analysera medarbetardata i realtid och erbjuda återkoppling baserad på faktiska mätvärden snarare än mänskliga fördomar eller minnen.

AI kan till exempel bedöma hur lång tid det tar att slutföra projekt, kommunikationsmönster och till och med produktivitetsnivåer med hjälp av olika verktyg som integrerats med arbetsplatssystem som Slack eller plattformar för projektledning.

Ett praktiskt exempel på detta är hur IBM:s system "Watson" används för att förutsäga medarbetares prestationer baserat på en kombination av datapunkter, såsom engagemang, känsloläge och nyckeltal för prestation (KPI:er). 

Systemet ger chefer mer objektiva bedömningar, vilket gör att de kan fatta bättre beslut om befordringar, löneökningar eller planer för prestationsförbättring.

Fördelar med AI vid prestationsbedömningar

Att använda AI vid prestationsbedömningar har många potentiella fördelar som traditionella metoder har svårt att mäta sig med. 

Vi ska titta närmare på några av dem.

1. Förbättrad noggrannhet och objektivitet

I teorin skulle AI kunna bidra till att eliminera mänskliga fördomar och fel. Men missta dig inte, AI är inte automatiskt fri från fördomar; den tränas på historiska data och på kunskapen hos de personer som utvecklar den. Men om den används på rätt sätt skulle den kunna ha en positiv inverkan här. 

Traditionella prestationsbedömningar kan snedvridas av faktorer som närhetsbias (när chefer endast fokuserar på nyliga händelser) eller favorisering. Med AI baseras bedömningarna på datapunkter som samlats in över tid, vilket ger en mer heltäckande och rättvis bedömning av en medarbetares arbete.

2. Kontinuerlig återkoppling

Kontinuerlig återkoppling gör det möjligt för medarbetare att justera och förbättra sig under hela året i stället för att kämpa för att hinna förbereda sig precis före en bedömning. Och med AI sker denna återkoppling i realtid när prestationsproblem uppstår.

Enligt en studie från Gallup är medarbetare som får daglig återkoppling från chefer tre gånger mer engagerade än de som får återkoppling en gång om året.

Med AI-drivna bedömningar är återkoppling som stödjer kontinuerlig prestationshantering inte bara möjlig utan även skalbar i hela 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. Datadrivna insikter

AI kan bearbeta enorma mängder data – något människor helt enkelt inte kan göra i samma takt. Detta möjliggör mer personlig återkoppling. AI kan till exempel visa trender som indikerar att en medarbetare presterar bäst i samarbetsprojekt eller utmärker sig under uppgifter med hög stress, vilket hjälper chefer att ge mer anpassade råd om hur medarbetaren kan utnyttja sina styrkor på bästa sätt.

4. Minskad administrativ belastning

HR-specialister och chefer lägger oräkneliga timmar på att samla in information, boka möten och fylla i formulär för prestationsbedömningar. AI har potential att automatisera mycket av denna process, vilket gör att HR-team kan fokusera på strategiska initiativ i stället för pappersarbete.

Nackdelar med AI-drivna prestationsbedömningar

Trots de uppenbara fördelarna finns det också utmaningar att hantera i AI-eran, särskilt när tekniken implementeras i prestationsbedömningar. Det är inget perfekt system, och precis som alla verktyg har det begränsningar.

Brist på emotionell intelligens

AI är utmärkt på att bearbeta stora mängder data, men kan inte bedöma nyanserna i mänsklig interaktion eller emotionell intelligens. Den kan till exempel flagga en medarbetare för låg prestation baserat på mätvärden utan att ta hänsyn till personliga omständigheter som akuta familjesituationer eller psykisk ohälsa.

Risk för överdrivet beroende

Även om AI kan ge värdefulla insikter är det viktigt att inte enbart förlita sig på den. Mänsklig intuition, kontext och empati är fortfarande avgörande när man bedömer en medarbetares övergripande bidrag till företaget.

Om systemet skulle sluta fungera eller få problem är det dessutom viktigt att människor fortfarande har den kompetens som krävs för att kunna fortsätta med verksamhetskritiska uppgifter. I slutändan är det ett samarbete mellan människor och AI som leder till framgång.

Potentiell partiskhet i algoritmer

Även om AI syftar till att minska partiskhet är det viktigt att komma ihåg att AI-system bara är så bra som de data de tränas på. Om historiska data är partiska (t.ex. genom att gynna ett kön eller en etnisk grupp framför en annan) kan AI oavsiktligt förstärka dessa fördomar. Ett välkänt exempel är Amazons AI-baserade rekryteringsverktyg, som lades ner eftersom det visade partiskhet mot kvinnliga kandidater.

Bästa praxis för att implementera AI-baserade prestationsbedömningar

Om du överväger att använda AI för prestationsbedömningar behöver du genomföra implementeringen på ett genomtänkt sätt. Här är några bästa praxis som kan vägleda dig:

Rätt AI-verktyg för dina behov

Alla AI-verktyg för prestationshantering är inte likvärdiga. Vissa är mer robusta än andra, medan vissa är kostnadseffektiva och hjälper till med specifika uppgifter. Utvärdera företagets specifika behov innan du väljer ett verktyg.

Vissa verktyg fokuserar till exempel på kontinuerlig återkoppling, medan andra erbjuder mer avancerad dataanalys. Se till att verktyget integreras med din nuvarande HR-programvara och dina kommunikationsplattformar.

Säkerställ dataskyddet

Medarbetardata är känsliga, och alla AI-drivna system du implementerar måste följa dataskyddslagar som den allmänna dataskyddsförordningen (GDPR) eller Kaliforniens lag om konsumentintegritet (CCPA). Kommunicera tydligt med medarbetarna om vilka uppgifter som samlas in och hur de kommer att användas.

Utbilda dina chefer

AI är bara användbart om människor vet hur det ska användas. Utbilda chefer i hur de ska tolka AI-genererade insikter och kombinera dem med sitt eget omdöme. Det finns många skickliga chefer på arbetsplatser som inte behöver ersättas av en automatiserad upplevelse. 

Målet är återigen att förstärka, inte ersätta, människor i processen för prestationshantering. 

Granska förekomsten av partiskhet

Granska regelbundet ditt AI-system för att upptäcka tecken på att partiskhet kan förekomma. Om systemet fattar beslut som oproportionerligt gynnar en grupp framför en annan behöver du justera algoritmerna eller datainmatningen.

När du implementerar ett AI-system i en befintlig process som i stort sett fungerar för din organisation bör du också se över den bästa praxisen för prestationshantering som ligger till grund för dina nuvarande processer. På så sätt säkerställer du att införandet av AI passar processen, inte tvärtom.

Frågor som chefer kan prova

Chefer kan ha svårt att integrera AI-insikter i verkliga samtal. Här är några frågor som hjälper till att kombinera AI-driven återkoppling om prestationer med mänsklig interaktion:

• "AI flaggade att tiden det tar att slutföra dina projekt har förbättrats med 15 % under de senaste sex månaderna. Kan du berätta vilka förändringar du gjorde för att förbättra din effektivitet?"
• "Enligt återkopplingsdata är dina samarbetsresultat genomgående höga. Hur kan vi dra nytta av den färdigheten i kommande teamprojekt?"
• "AI-data visar en liten nedgång i kommunikationsmåtten under det senaste kvartalet. Vilka utmaningar har du stött på, och hur kan vi stötta dig?"

Hur chefer kan förebygga partiskhet i AI-baserade prestationsbedömningar

Partiskhet i AI är ett verkligt problem. Den kan förekomma i alla skeden, från analysen till de frågor vid prestationsbedömningen som du ställer till medarbetarna. För att säkerställa rättvisa kan chefer bidra till en bra upplevelse av prestationsbedömningen genom att vidta några enkla åtgärder:

Övervaka och justera algoritmer

Kontrollera algoritmerna regelbundet för att säkerställa att de inte oavsiktligt är partiska. Medlemmar i dina IT- och teknikteam kan behöva involveras i den här processen, så se till att få stöd från lämpliga personer inom den avdelningen. 

Vissa AI-verktyg erbjuder insyn i hur beslut fattas, vilket gör det enklare för HR att upptäcka potentiella problem.

Kombinera AI och mänskligt omdöme

Om det låter som att jag upprepar mig så gör jag det. Av goda skäl. Ett överdrivet beroende av AI handlar inte bara om att människor använder AI för mycket och för snabbt, utan också om den långsiktiga påverkan där människor förlorar en del av sina färdigheter på grund av bristen på kognitiva utmaningar.

Det handlar också, som en studie från Stanford University visar, om människors benägenhet att acceptera AI:s analys eller beslut även när det är fel.  

AI kan tillhandahålla data, men kan inte fånga allt. Chefer bör alltid ta hänsyn till medarbetarens unika situation, färdigheter och bidrag utöver det som AI-systemet rapporterar.

AI inom HR, oavsett om det gäller prestationshantering eller rekrytering, kräver fortfarande en mänsklig prägel.

Mångsidiga träningsdata

Ju mer mångsidiga data AI-systemet tränas på är, desto mindre sannolikt är det att systemet utvecklar partiskhet. Säkerställ att din AI-leverantör har åtagit sig att använda mångsidiga och representativa datauppsättningar.

Vill du hålla dig uppdaterad om all den senaste utvecklingen inom AI, HR-teknik och personalledning? Prenumerera på nyhetsbrevet People Managing People för att få de senaste insikterna, experttipsen och trendanalyserna direkt till din inkorg.