Luku 2
Uudet teknologiat ja niiden rajat
Automaation, ennustamisen ja generoinnin erottaminen oikeasuhtaisten sovellusten valitsemiseksi.
2.1 Koneoppiminen
Koneoppiminen sovittaa malleja esimerkkien perusteella. Henkilöstöhallinnossa se voi tukea asiakirjaluokittelua, osaamisen hakua tai yhteisten mallien tunnistamista. Hyöty riippuu tavoitteen laadusta, tietojen edustavuudesta ja mallin opettamisesta riippumattomasta arvioinnista.
Ennuste ei itsessään tunnista tuloksen syitä. Olosuhteiden muuttuessa opitut yhteydet voivat menettää vakautensa. Mallia on verrattava yksinkertaisiin vaihtoehtoihin ja tarkistettava, kattaako parannus kustannukset, monimutkaisuuden ja lisäriskit.
2.2 Kieli ja generatiiviset avustajat
Kielimallit voivat auttaa laatimaan tehtävänkuvauksia, tiivistämään toimintaperiaatteita tai ehdottamaan koulutusaineistoja. Vastaukset on tarkistettava ennen työehtojen viestimistä tai sääntöjen tulkitsemista. Selityksen sujuvuus ei osoita lähteen olemassaoloa eikä päätelmän oikeellisuutta.
Sisäisen avustajan on rajattava lähteensä, ilmaistava epävarmuus ja ohjattava arkaluonteiset kysymykset ammattilaisille. Haetut asiakirjat voivat myös sisältää haitallisia ohjeita. Testeihin tulee sisältyä monitulkintaisia kysymyksiä, ristiriitaisia ohjeistuksia ja käyttäjän oikeudet ylittäviä pyyntöjä.
2.3 Prosessien automatisointi
Sääntöpohjainen automaatio voi hoitaa toistuvia tehtäviä ilman tekoälyä. Täydellisen hakemuksen käsittely tai pakollisen kentän tarkistus ovat suhteellisen rajattuja toimintoja. Yksinkertainen ratkaisu helpottaa testausta ja vähentää riippuvuutta vaikeasti selitettävistä osista.
Jokaisen automatisoidun työnkulun on käsiteltävä poikkeukset ja estettävä virheen toistuminen laajassa mittakaavassa. Tarvitaan tarkistusjono, vastuuhenkilö ja tapa pysäyttää suoritus. Parannukset mitataan koko prosessista, mukaan lukien poikkeamien korjaamiseen tarvittava työ.
2.4 Tunteet, biometria ja valvonta
Ei pidä olettaa, että ääni, kasvot tai mikroilmeet mahdollistavat rehellisyyden, persoonallisuuden tai työsoveltuvuuden pätevän päättelyn. Näennäinen korrelaatio voi kuvastaa asiayhteyttä, vammaisuutta, kieltä tai tallennusolosuhteita. Tällaiset käyttötavat edellyttävät erityisen perusteellista tieteellistä ja oikeudellista arviointia.
EU:n tekoälysäädös kieltää tietynlaisen tunteiden päättelyn työpaikalla, ja siihen liittyy rajattuja poikkeuksia lääketieteellisistä tai turvallisuussyistä. Se ei ole yleinen lupa hyvinvoinnin valvontaan. Voimassa oleva säädösteksti ja tapaukseen soveltuva virallinen ohjeistus on tarkistettava [R1].
2.5 Oikeasuhtainen teknologiavalinta
Valinta alkaa todennettavasta tarpeesta. Sitten tarkastellaan vaihtoehtoja, tarvittavia tietoja, saavutettavuutta, ylläpitokustannuksia ja käytöstä poistamisen mahdollisuutta. Uutuus ei sellaisenaan tee työkalusta parempaa. Jotkin tarpeet ratkaistaan paremmin organisaatiomuutoksilla tai koulutuksella.
Analyysin on katettava hyödyn saajat ja riskin kantajat. Osaston aikaa säästävä ratkaisu voi luoda esteitä hakijoille. Päätöksessä on huomioitava nämä näkökulmat ja kuvattava käytön rajat ymmärrettävästi.
Kyselyt
Luvun ymmärtäminen & Henkilöstöjohtamisen dilemmat
Dilemmoista ei anneta moraalipisteitä eikä niitä käytetä hakijoiden arviointiin.