Intelligenza Artificiale nel mondo delle Risorse Umane
Il satellite Kepler fu lanciato nel marzo del 2009 con l’unico scopo di scoprire altri sistemi planetari. Quasi un decennio dopo il lancio, il telescopio montato sul satellite aveva raccolto onde luminose provenienti da migliaia di possibili sistemi planetari. E attraverso l’analisi di questi dati sono state scoperte fino ad oggi quasi 2.500 nuove stelle.
Interessante è che nel dicembre del 2017 i ricercatori di Google e della NASA hanno addestrato una rete neurale – un sistema informatico modellato sul nostro cervello e sul nostro sistema nervoso – a partire da tutte le indicazioni che avevano portato alla positiva individuazione di pianeti. Successivamente, hanno fatto sì che il sistema cercasse dati simili nel vasto database di onde luminose che Kepler aveva accumulato nel corso degli anni. Sicuramente, con la potenza di elaborazione di un normale PC desktop, la rete neurale è stata in grado di individuare un nuovo pianeta nel sistema Kepler 90. Incapsulata in una sottile rete di dati, scartata dagli astronomi, si trovava un intero sistema planetario. Qualcosa che un analogo processo manuale non avrebbe mai potuto rilevare, qualcosa di relativamente semplice che la rete neurale è stata addestrata in poche ore e con pochi semplici comandi di codice.
Questa è una delle competenze più importanti delle reti neurali e dell’apprendimento automatico: la capacità di individuare modelli nascosti in enormi volumi di dati. Utilizzando questa tecnologia, l’industria farmaceutica analizza l’enorme quantità di dati provenienti da oltre 900 vaccini e farmaci attualmente in fase di sperimentazione per la cura del cancro; Microsoft la sta utilizzando per decodificare i frammenti dell’DNA umano responsabili del nostro sistema immunitario. Inoltre, la realtà aumentata, il riconoscimento facciale e dei gesti, e le auto a guida autonoma… e l’Intelligenza Artificiale non è più solo un ambito di valore accademico, poiché diventa sempre più chiaro che diventerà l’epicentro della prossima grande rivoluzione tecnologica che scuoterà il nostro mondo.
Partendo da questo preambolo e passando al punto centrale dell’articolo, molte aziende oggi dispongono di una vasta gamma di dati relativi alla vita di un dipendente nel proprio sistema – dal processo di selezione (CV, interviste) fino alle metriche di formazione e performance: c’è un’enorme quantità di dati e informazioni disponibili. Una rete neurale può essere addestrata utilizzando queste informazioni sui dipendenti più performanti e poi cercare di individuare le ripetizioni di tali schemi nei potenziali candidati attualmente in fase di selezione o screening. Questa migliore analisi delle informazioni sarebbe molto utile per prendere decisioni in ambito risorse umane: i candidati che non soddisfano i criteri della rete neurale potrebbero essere scartati in modo oggettivo, mentre algoritmi ottimizzati potrebbero essere implementati per adattare i candidati appena assunti a un ruolo in cui potranno svolgere al meglio le proprie funzioni, ecc. Inoltre, le promozioni potrebbero essere facilmente decise tramite una combinazione di sondaggi di soddisfazione, recensioni dei colleghi, informazioni sulla performance e i voti. Tutto ciò non è solo teorico: nonostante sia un ambito relativamente giovane nella ricerca in materia di risorse umane, già sono in fase di sviluppo applicazioni per integrare nell’ambito della gestione delle risorse umane l’analisi dei dati di grandi dimensioni.
Inoltre, i dati analizzati relativi ai dipendenti hanno anche la possibilità di essere raccolti in forma anonima da vari reparti HR tramite una piattaforma a pagamento. Questi dati possono essere analizzati in modo centralizzato e possono essere utili per individuare tendenze, ad esempio i dipendenti con una maggiore propensione all’uscita anticipata.
Uno dei pionieri nel campo dell’analisi dei dati HR è Google, che ha costituito un team di People Analytics con l’unico scopo di fornire soluzioni per risolvere problemi e ottimizzare i processi nel reparto Risorse Umane dell’organizzazione attraverso l’analisi dei big data. Le attività di questo team includono: Progetto Ossidiana (individuazione dei migliori leader) e Project Aristotle (per la composizione dei migliori team di lavoro). La ricerca relativa a questi studi è disponibile su sito web dedicato e ha portato alla creazione di dipartimenti simili in altre importanti aziende come Amazon, Facebook e Microsoft, tra le altre.
In sostanza, l’Intelligenza Artificiale è passata dall’essere una tecnologia orientata alla ricerca a diventare un vero e proprio motore di cambiamento. Questo è dovuto principalmente all’evoluzione rapida delle tecnologie relative all’apprendimento automatico, ai big data e alle reti neurali negli ultimi anni, grazie soprattutto all’evoluzione rapida degli ultimi anni. Le principali aziende tecnologiche, come Apple, Google e Amazon, stanno investendo molto denaro nello sviluppo di soluzioni IA e i primi risultati stanno cominciando a emergere sotto forma di soluzioni ad uso generale come gli assistenti virtuali (Sir, Google Assistant, Alexa), il riconoscimento vocale e facciale, nonché la traduzione in tempo reale. Per avere un’idea più precisa, Sundar Pichai, attuale CEO di Google, ha dichiarato: ha detto recentemente che l’intelligenza artificiale sarà più importante per l’umanità dell’elettricità o del fuoco.
Inoltre, secondo dati condivisi da Glassdoor, una rete orientata agli impiegati incentrata sulla condivisione di informazioni anonime, i data scientist hanno ricoperto i ruoli più prestigiosi negli Stati Uniti per il terzo anno consecutivo. La domanda è elevata nel settore, con una media di 4500 aperture di posti disponibili per data scientist in qualsiasi momento e un salario medio iniziale di $110.000. Questa domanda si sta traducendo in soluzioni di machine learning sviluppate in diversi settori. Le Risorse Umane sono una di queste, poiché aziende come Glint, PhenomPeople e Peoplise offrono soluzioni IA per la selezione, la gestione del talento e il miglioramento dell’esperienza dei dipendenti.
In conclusione, siamo ancora lontani da una soluzione IA in grado di emulare completamente il funzionamento del brano umano, ma nel campo dell’analisi delle informazioni almeno è possibile scrivere algoritmi e creare reti neurali in grado di individuare connessioni nei dati che un analista umano potrebbe non notare. Queste soluzioni sono particolarmente potenti quando vengono applicate alle informazioni non strutturate, come nel caso dei dati e delle informazioni disponibili nel settore delle Risorse Umane. Ciò detto, tali soluzioni sono gravate dalle proprie forme di pregiudizi indotti dalla tendenza dei dati a favorire determinati soggetti, quindi è ancora ottimale instaurare una collaborazione equilibrata tra uomo e macchina in cui i pregiudizi di ciascuno siano mascherati nel modo più possibile.
