Riassunto analitico
Gli ultimi decenni sono stati caratterizzati da un forte progresso tecnologico e un incremento esponenziale delle capacità di calcolo ed elaborazione dei software.
Nello specifico, emerge la rapida diffusione dei sistemi intelligenti come strumenti di supporto ai processi di decision making e problem solving, a livello organizzativo e strategico. Varie funzioni aziendali sfruttano l’Intelligenza Artificiale e le abilità dei sistemi intelligenti, acquisite mediante apprendimento automatico, per svolgere mansioni considerate ripetitive, impegnative e caratterizzate da alti tassi di errore, o per migliorare le performance generando output creativi grazie alle innumerevoli fonti di dati a disposizione dei software.
Questa ricerca si propone di approfondire le nuove strategie e gli applicativi intelligenti impiegati nella gestione delle risorse umane, riflettendo su come l’Intelligenza Artificiale possa essere di supporto ai processi di decision making e problem solving a livello aziendale.
Nello specifico, la questioni principali sulle quale si basa la ricerca sono essenzialmente due. A livello operativo, ci si chiede se la coscienza delle macchine potrà essere in grado di raggiungere ed eguagliare l’intelligenza umana, agendo simia hominis, in termini di sensibilità, intuizione, senso comune.
Al contempo, si affronta il tema degli unconscious bias, pregiudizi inconsci che possono caratterizzare gli algoritmi intelligenti, condizionati dagli stereotipi dei loro programmatori, ovvero gli umani.
È stato constatato che l’introduzione di sistemi intelligenti e di chatbot nei processi di recruiting, selezione e di gestione del personale non è una soluzione idonea per rimuovere completamente i bias inconsci. Tali strumenti assimilano le concezioni di predominio che l’uomo possiede, escludendo a priori le categorie svantaggiate.
In seguito, si illustrano le strategie operative che possono essere adottate per aggirare questo problema, per arginare e controllare i bias.
Queste strategie, finalizzate all’inclusione e alla valorizzazione delle diversità delle risorse, permettono di esaltare le competenze e le esperienze dei candidati invece delle loro caratteristiche personali e possono consistere nel blind recruitment, screening anonimo dei CV, behavioral assessments e virtual workplace simulations.
Inoltre, è necessario individuare le situazioni nelle quali il processo decisionale può essere automatizzato e quali necessitano del supporto umano, oltre a piani di monitoraggio e valutazioni d’impatto per evidenziare e ridurre al minimo i pregiudizi mediante supporti operativi, giudizi di conformità e internal audit.
Sul fronte operativo, è necessario diversificare i dataset con dati eterogenei, completi e aggiornati.
Si giunge alla conclusione che, allo stato attuale della scienza, la cognitive intelligence non è ancora in grado di eguagliare la competenza umana, poiché opera sulla mera manipolazione sintattica, sviluppando collegamenti e nessi logici sulla base di singole situazioni e precetti. Al contrario, non è ancora abile nello sviluppo di una conoscenza semantica indipendente.
|
Abstract
The last few decades have been characterized by strong technological progress and an exponential increase in the calculation and software’s processing capabilities.
Specifically, the rapid spread of intelligent systems emerges as tools to support organizational and strategic level of decision making and problem solving processes. Various business functions exploit Artificial Intelligence and intelligent systems skills, acquired through Machine Learning, to carry out tasks considered repetitive, demanding and characterized by high error rates, or to improve performance by generating creative outputs thanks to the countless sources of data at software layout.
This research purpose is to investigate about the new strategies and intelligent applications used in human resource management and the way is used by Artificial Intelligence to support decision making and problem solving processes at firm’s level.
Specifically, the main issues of the research are essentially two.
On the operational level, One wonders if intelligent machines are consciousness and able to learn as human intelligence and acting as a humans, in terms of sensitivity, intuition, common sense.
At the same time, we explore the unconscious bias and prejudices’ topic which characterize intelligent algorithms, conditioned by the stereotypes of their programmers, i.e. humans.
We discover the introduction of intelligent systems and chatbots in recruitment, selection and human resource management process can’t completely remove unconscious biases because the algorithms assimilate people’s belief superiority against the racial and gender minorities.
Later, we illustrate operational strategies that can be adopted to avoid this problem, to limit and control biases.
These strategies aimed at the inclusion and enhancement of the resources’ diversity, through the enhancement of the skills and experiences of the candidates instead of their personal characteristics. Some examples are blind recruitment strategy, anonymous screening of CVs, behavioral assessments and virtual workplace simulations.
Furthermore, it’s necessary to identify the situations in which the decision-making process can be automated and which need human support, as well as monitoring plans and impact assessments to highlight and minimize biases through operational supports, compliance judgments and internal audits.
Otherwise it can be necessary to diversify datasets with heterogeneous, complete and updated data.
To sum up, at the current state of science, cognitive intelligence isn’t yet able to equal human skills, since it work on mere syntactic manipulation, developing logical links and connections on the basis of single situations and precepts.
Contrary, developing independent semantic knowledge isn’t yet proficient.
|
