Så förändrar AI utvärderingar av medarbetares prestationer

Nu förändrar AI ytterligare 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 minnesbilder.

AI kan till exempel bedöma hur lång tid det tar att slutföra projekt, kommunikationsmönster och till och med produktivitetsnivåer genom olika verktyg som är integrerade 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 centrala prestationsindikatorer (KPI:er). 

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

Fördelar med AI vid prestationsbedömningar

Att använda AI för prestationsbedömningar har många potentiella fördelar som traditionella metoder har svårt att matcha. 

Låt oss gå igenom några av dem.

1. Förbättrad noggrannhet och objektivitet

I teorin skulle AI kunna bidra till att eliminera mänskliga fördomar och fel. Men låt dig inte luras: AI är inte fördomsfri av naturen, utan tränas på historiska data och den kunskap som utvecklarna har. Men om det görs på rätt sätt kan AI ha en positiv inverkan här. 

Traditionella prestationsbedömningar kan påverkas av faktorer som aktualitetsbias (när chefer endast fokuserar på de senaste händelserna) eller favorisering. Med AI baseras bedömningarna på datapunkter som samlas 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 försöka komma ikapp 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 stöder kontinuerlig prestationshantering inte bara möjlig utan också 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 hastighet. Detta möjliggör mer personligt anpassad återkoppling. AI kan till exempel upptäcka trender som visar att en medarbetare presterar bäst i samarbetsprojekt eller utmärker sig under stressiga arbetsuppgifter, vilket hjälper chefer att ge mer individanpassade råd om hur en medarbetare kan dra största möjliga nytta av sina styrkor.

4. Minskad administrativ börda

HR-medarbetare och chefer lägger oräkneliga timmar på att samla in information, boka möten och fylla i formulär för prestationsbedömningar. AI har potential att automatisera en stor del 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 AI implementeras i prestationsbedömningar. Det är inte ett perfekt system, och precis som alla verktyg har det begränsningar.

Brist på emotionell intelligens

AI är utmärkt på att bearbeta siffror, men kan inte bedöma nyanserna i mänsklig interaktion eller emotionell intelligens. Det kan till exempel flagga en medarbetare för bristande prestation baserat på mätvärden utan att ta hänsyn till personliga omständigheter som familjenödsituationer eller psykisk ohälsa.

Risk för överdrivet beroende

Även om AI kan ge värdefulla insikter är det viktigt att inte enbart förlita sig på det. 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 de färdigheter som krävs för att kunna fortsätta med verksamhetskritiska uppgifter. I slutändan är det ett samarbete mellan människor och AI som leder till framgång.

Möjlig 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 ras framför en annan) kan AI oavsiktligt förstärka denna partiskhet. Ett berömt exempel är Amazons AI-baserade rekryteringsverktyg, som skrotades eftersom det visade partiskhet mot kvinnliga kandidater.

Bästa metoderna för att införa AI-baserade prestationsutvärderingar

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

Rätt AI-verktyg för dina behov

Alla AI-verktyg för prestationshantering är inte skapade på samma sätt. 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 datasekretessen

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 data 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 utmärkta chefer på arbetsplatser som inte behöver ersättas av en automatiserad upplevelse. 

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

Granska förekomst 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 dataunderlaget.

När du implementerar ett AI-system i en befintlig process som i stort sett fungerar för din organisation bör du också se över de bästa metoderna för prestationshantering som du byggde dina nuvarande processer kring, för att säkerställa att införandet av AI passar processen och inte tvärtom.

Frågor som chefer kan prova

Chefer kan ha svårt att integrera AI-insikter i verkliga samtal. Här är några frågor som kan hjälpa till att kombinera AI-driven återkoppling på 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 konsekvent 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 stödja dig?"

Hur chefer kan förebygga partiskhet i AI-baserade prestationsutvärderingar

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

Övervaka och justera algoritmer

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

Vissa AI-verktyg erbjuder insyn i hur beslut fattas, vilket gör det lättare 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. 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, vilket 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 ett mänskligt perspektiv.

Varierade träningsdata

Ju mer varierade de data som AI-systemet tränas på är, desto mindre sannolikt är det att systemet utvecklar fördomar. Säkerställ att din AI-leverantör förbinder sig till att använda varierade och representativa datamängder.

Vill du hålla dig uppdaterad om 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.