Så förändrar AI medarbetarnas prestationsbedömningar

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 ge återkoppling baserad på faktiska mätvärden snarare än mänskliga fördomar eller minne.

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

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 (KPIs). 

Systemet ger chefer mer objektiva bedömningar, vilket gör det möjligt för dem att fatta bättre beslut om befordringar, löneförhöjningar eller planer för prestationsförbättring.

Fördelar med AI för prestationsbedömningar

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

Låt oss titta närmare på några av dessa.

1. Förbättrad noggrannhet och objektivitet

I teorin skulle AI kunna bidra till att eliminera mänskliga fördomar och fel. Men gör inga misstag: AI är inte automatiskt fri från fördomar, utan tränas på historiska data och den kunskap som personerna som utvecklar den har. Men om det görs på rätt sätt kan AI ha en positiv inverkan på detta område. 

Traditionella prestationsbedömningar kan påverkas av faktorer som närhetsbias (när chefer endast fokuserar på nyligen inträffade 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 sina insatser under hela året, i stället för att skynda 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 kan också skalas upp 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.

Create Free Account

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 individanpassad återkoppling. AI kan till exempel upptäcka trender som visar att en medarbetare presterar bäst i samarbeten eller utmärker sig under uppgifter med hög stress, vilket hjälper chefer att ge mer anpassade råd om hur medarbetaren kan få ut mesta möjliga av sina styrkor.

4. Minskad administrativ belastning

HR-specialister och chefer lägger oräkneliga timmar på att samla in information, schemalägga möten och fylla i formulär inför prestationsbedömningar. AI har potential att automatisera stora delar av denna process, så 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 införs i prestationsbedömningar. Det är inget perfekt system, och precis som alla verktyg har det begränsningar.

Brist på emotionell intelligens

AI är bra 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 den kompetens som krävs för att kunna fortsätta med affärskritiska uppgifter. I slutändan är det ett samarbete mellan människor och AI som leder till framgång.

Möjliga fördomar i algoritmer

Även om AI syftar till att minska fördomar 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. gynnar ett kön eller en etnicitet framför en annan) kan AI oavsiktligt förstärka dessa fördomar. Ett känt exempel är Amazons AI-baserade rekryteringsverktyg, som skrotades eftersom det visade fördomar mot kvinnliga kandidater.

Bästa praxis för att införa AI i prestationsbedömningar

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

Rätt AI-verktyg för dina behov

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

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

Säkerställ datasekretessen

Medarbetardata är känsliga, och alla AI-drivna system du inför måste följa dataskyddslagar som den allmänna dataskyddsförordningen (GDPR) eller den kaliforniska konsumentsekretesslagen (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 bra 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 fördomar

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

När du inför 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.

Förslag som chefer kan prova

Chefer kan ha svårt att integrera AI-insikter i verkliga samtal. Här är några förslag som hjälper dig att kombinera AI-drivna prestationsomdömen med mänsklig interaktion:

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

Så kan chefer förebygga fördomar i AI-baserade prestationsbedömningar

Fördomar i AI är ett verkligt problem. De kan förekomma i alla steg, 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-/teknikteam kan behöva involveras i den här processen, så se till att ha stöd från rätt 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. Överdriven tillit till AI handlar inte bara om att människor använder AI för mycket och för snabbt, utan också om den långsiktiga påverkan där människor förlorar vissa av sina färdigheter på grund av bristen på kognitiv utmaning.

Det handlar också, som en studie från Stanford University visar, om människors vilja 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 inslag.

Varierade träningsdata

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

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.