Kdo ve bolje: vi ali algoritem?

Saša Mrak,
odgovorna urednica revije HR&M


Medtem ko dobro vemo, da ima prediktivna analitika s svojimi statističnimi algoritmi za sprejemanje odločitev omejitve, se premalo zavedamo, da jih ima tudi človeška presoja. Kolikokrat se je že zgodilo, da se je izbrani kandidat, ki se vam je zdel idealen za vašo organizacijo in delovno mesto, izkazal za neprimernega? Kaj je bolje – osebna presoja ali odločitev na podlagi rezultata statističnega algoritma, je polemika, ki spremlja kadrovski svet zadnjih nekaj let, a je postala z digitalizacijo in eksponentnim razvojem uporabne tehnologije v HR-sektorju, toliko bolj aktualna.


Ko nismo popolnoma prepričani, da vemo, po kateri poti bomo hitro in zanesljivo prišli do cilja, vključimo Google maps oziroma navigacijo. A pogosto se nam zdi čudno, zakaj nas vodi po določeni poti, ko pa veste, da obstaja še lokalna pot, seveda krajša, oziroma so vam povedali, da se lahko po lokalni cesti izognete gneči? In ko zavijete svojo pot, obtičite bodisi v gneči ali pred zaporo. Poznano? Znanstveniki bi to poimenovali averzija algoritma, mi bi pojav opisali kot »stroji ne morejo vedeti bolje od mene«.

Azijske napovedi kažejo, da bo do leta 2020 odločanje s pomočjo algoritmov vplivalo na več kot milijardo zaposlenih po vsem svetu. Vsebinski algoritmi so tako zelo napredovali, da sedaj vključujejo tudi vedenjske terapije oziroma intervencije s področja psihologije, nevroznanosti in kognitivne znanosti. Človeška bitja smo emocionalna, iracionalna. Algoritmi lahko pozitivno spreminjajo naše vedenje s pomočjo velike banke spomina, ki vsebuje preverjene izkušnje in znanje iz dejanskega okolja oziroma družbe. Delavcem naj bi tako pomagali, da se spomnijo česarkoli ali da prejmejo uporabne informacije (znanje) točno takrat, ko jih potrebujejo, da opravijo nalogo na veliko bolj objektiven način, seveda. S tem naj bi se jim tudi poenostavilo in polepšalo življenje. Se vam sliši malo srhljivo? Strokovnjaki in znanstveniki verjamemo, da uporaba algoritmov v tovrstne namene lahko prinese številne spremembe v industriji.

Še vedno raje odločamo na podlagi občutka in lastne presoje

Čeprav algoritem vztrajno premaguje človeško presojo, se ljudje še vedno raje odločamo na podlagi občutka in lastne presoje. To pogosto povzroči, da imamo dodatne stroške, obtičimo v prometu, ali ne dosežemo prodajnega cilja. Algoritmi opravijo boljšo oceno. Zdelo bi se logično, da algoritmom, potem ko razumemo, kaj opravijo in kako dobro, tudi zaupamo. A se je izkazalo, da jim zaupamo še manj, ko vidimo, da tudi algoritmi niso popolnoma nezmotljivi, so dokazali v študiji iz leta 2014 raziskovalci Univerze Wharton v Pensilvaniji, ki jo je objavil tudi Harvard Business Review. Kot so še navedli, smo ljudje še bolj neprizanesljivi do algoritma, če naredi napako, kot pa do osebe. Kot da je narediti napako človeško, medtem ko pri algoritmu poruši zaupanje v celoti. Ko so sodelujoče v raziskavi vprašali, zakaj je tako, so večinoma odgovorili, da so strokovnjaki, ki se ukvarjajo z napovedovanjem, boljši v odločanju, saj se učijo iz prakse in napak. Pri tem niso pomislili, da se na podlagi napak in prakse prav tako izboljšujejo algoritmi.


Če se naša stopnja nezaupanja ne spremeni, ko pokažemo rezultate pravilne napovedi algoritma, pa se spremeni, ko se v upravljanje algoritma vključi človeški faktor. Izkazalo se je namreč, da jim veliko bolj zaupamo, če lahko vsaj majčkeno dodamo lastno presojo. Na primer, če algoritem napove, da bo študent med 10 odstotki najboljših v letniku, bodo imeli več zaupanja v napoved, če jo lahko revidirajo za nekoliko točk navzgor ali navzdol. V tem primeru bodo lažje stavili na ta algoritem in hkrati težje izgubili samozavest oziroma prepričanje o pravilnosti osebnega odločanja, čeprav se prav zaradi njihovega spreminjanja napoved izkaže na koncu za napačno.


Zakaj so odločitve z algoritmi boljše?

Tudi pri zaposlovanju algoritmi premagajo instinkt. Na podlagi česa taka trditev? Tudi to področje so dodobra raziskali. Podjetje poznate in zaposlene poznate zelo dobro. Prav tako veste, kakšnega človeka zahteva pozicija, za katero je razpisano prosto delovno mesto. Ko končate z intervjuji in simulacijami, imate pred seboj ožji izbor za zmagovalca. Kandidate ste spoznali. Pripravljeni ste na »finalni krog« za končno odločitev. Tu bi, kot trdijo raziskovalci z Univerze v Minessoti, morali stopiti korak nazaj. Študija je pokazala, da je večja verjetnost, da se bo pravilno odločil algoritem in ne vi. Najmanj 25 odstotkov večja verjetnost, je pokazala analiza 17 izborov kandidatov za različna delovna mesta – od vodilnih do nižjih pozicij. Medtem ko smo ljudje zelo dobri pri specificiranju delovnega mesta, smo precej slabši pri odločanju o pravem kadru zanj. Še več, osebe, ki imajo odločevalsko moč v tem procesu in dobro poznajo organizacijo, pogosto pridobijo še dodatne informacije o kandidatih, ki niso bile vključene v prvotno oceno. Kot se je izkazalo, je težava celo v tem, da pogosto zamotijo presojo informacije, ki so sicer marginalnega pomena.


Študije kažejo tudi na dejstvo, da se pri ocenah posameznih kandidatov 85 do 97 odstotkov strokovnjakov do določene mere zanaša na intuicijo in mentalno sintezo informacij. Veliko managerjev meni, da se lahko pravilno odločijo, če pregledajo prijavno mapo s podatki o kandidatu in opravijo razgovor z njim, na katerem jim intuicija in »pogled v njihove oči« narekujeta odločitev. Na drugi strani smo po svetu že priča novim oblikam recruitinga, ki poteka s pomočjo video aplikacij – po prejetju videa algoritem analizira vse prijave in ključne besede, ter na tej podlagi izbranih kriterijev opravi prvo selekcijo.

To še ne pomeni, da je treba človeški faktor popolnoma izločiti. Pomeni le večje zanašanje na uporabo sistema algoritmov, ki temelji na velikem številu zajetih podatkov. Ta vam tako zoži izbor kandidatov na recimo tri ali štiri najbolj primerne, o katerih naj potem odloča na podlagi teh podatkov in presoje več managerjev. Tako maksimizirate koristi, ki jih ponujajo algoritmi in zadovoljite osebno managersko potrebo po osebni presoji na podlagi težko pridobljenih izkušenj in modrosti ter hkrati omejite njeno »škodljivost«.


Kako torej zaposlovati z uporabo algoritmov?

Da bi lažje sprejeli možnost selekcije s pomočjo algoritmov, poglejte nanjo kot na izziv v procesu predvidevanja in odločanja. Ko se kadrovik prebija skozi prijave in življenjepise, skuša oceniti oziroma predvideti, kateri kandidat bo najbolje opravljal delo, za katero je razpisano prosto delovno mesto. Prodajni oddelek pogosto »stavi« na določene prodajnike kot najboljše. In še bi lahko naštevali. Ameriški raziskavi (še eni in ponovno) je uspelo dokazati, da lahko policija v postopku selekcije in izbora kadrov predvidi oz. napove, pri katerih policistih je večja verjetnost, da bodo vpleteni v streljanje ali obtoženi zlorabe pooblastil. A tudi algoritmi imajo svoje omejitve. Nikakor ne drži, da so brez napak in da lahko popolnoma nadomestijo osebno interakcijo oziroma človeški faktor v procesu zaposlovanja. Kar so raziskovalci želeli in uspeli dokazati je, da so algoritmi pomembno orodje v pomoč pri odločanju managementa. Zato vprašanje ni, ali jih uporabiti ali ne, temveč, kako jih uporabiti, da bodo čim bolj koristni?

Ponudili so pet načel, ki jih je po njihovem vredno upoštevati:


1. Izbira natančnih meril uspešnosti: algoritmi bodo sledili le cilju, ki jim ga zastavite in nič več. To pomeni, da morate biti zelo natančni, kako določite, kaj je cilj. Prava matrika je pogosto kombinacija različnih lastnosti. Na primer: manager, ki zaposluje tržnika, bo verjetno želel ravnotežje med verjetnostjo doseganja prodajnih ciljev, številom zaključenih poslov in vplivom na odnos s strankami.

2. S tem pridemo do izbire pravih spremenljivk.

3. Zbiranje številnih podatkov: več kot jih shranjujete in vnašate, bolj natančna bo napoved.

4. Uravnoteženje: pogosta napaka pri merjenju se zgodi, ko spregledamo razlike v težavnosti nalog ali merjenja uspešnost. Če ste recimo najboljšemu prodajalcu dodelili najtežje stranke, potem se lahko zgodi, da bo število zaključenih poslov manjše. Prava matrika merjenja uspešnosti mora zato upoštevati tudi ta faktor.

5. Predvidevajte namerno spodbujanje dosega »pravih« rezultatov:. kandidati ali zaposleni lahko skušajo namerno preigrati matriko z odgovori, ki bi jim prinesli boljše rezultate.




Viri in literatura

Frick, W. (2015). Here’s Why People Trust Human Judgment Over Algorithms. Harvard Business Review, dostopno na https://hbr.org/2015/02/heres-why-people-trust-hum...

Klieger, M. D., Kuncel, N., Ones, D. (2014). In Hiring, Algorithms Beat Instinct. Harvard Business Review, maj 2014

Productivity and Selection of Human Capital with Machine Learning

Chalfin, A., Danieli, O., Hillis, A., Jelveh, Z., Luca, M., Ludwig, J., Mullainathan, S. (2016). American Economic Review, 106/ 5, (pp. 124-27)

Future of IT in 2017 for HR professionals and business leaders, dostopno http://www.hrmasia.com/content/future-it-2017-hr-p...

Danieli, O., Hillis, A., Luca, M. (2016). How to Hire with Algorithms, Harvard Business Review, oktober



REVIJA HR&M

JE NEPOGREŠLJIVA SOPOTNICA ...

... voditeljev, HRM managerjev in vseh strokovnjakov, ki se ukvarjajo s področjem vodenja, razvoja ljudi.
Priporočamo jo tudi managerjem, ki vršijo svoje kadrovsko poslanstvo in jim ni vseeno, kako voditi zaposlene.


K branju so vabljeni tudi vsi drugi, ki želijo z odličnim vodenjem in ravnanjem z ljudmi pri delu dosegati
nadpovprečne rezultate.