במחלקות המכירות של ארגונים בכל העולם נהוג, זה כבר יותר מכמה עשורים, להשתמש באופן שוטף בנתונים על לקוחות. יתרה מכך, בתחום המכירות אף לא יעלה על הדעת שלא להותיר כל עקבות לגבי לקוחות.
התנהגויותיהם, העדפותיהם ודפוסי הצריכה של הלקוחות מנותחים מכל כיוון אפשרי. אין כמעט ארגון בעולם שלא מטמיע מערכת ניהול לקוחות (CRM) ומערכות אחרות המתבססות על איסוף נתונים וניתוחם.
השאלה היא איך קרה שדווקא בתחום משאבי האנוש, אף על פי שמדברים רבות על נושא ניתוחי הנתונים, נושא זה לא נכנס בצורה כל כך בולטת כמו במכירות.
אחרי הכול, מחלקות ואגפי משאבי האנוש עוסקים כל הזמן בניהול אנשים. מנהלי הגיוס אמורים לנהל מאגר של מועמדים פוטנציאליים. לכן השאלה היא האם, ובאיזו מידה, ארגונים מוכנים להשקיע במערכות שמנתחות את הנתונים הקשורים למשאבי אנוש. כמו לדוגמה נתוני המועמדים הפוטנציאליים.
מדובר במערכות טכנולוגיות שמסוגלות לנבא בסבירות גבוהה, מי הם המועמדים המתאימים ביותר לארגון, אילו כישרונות מתאימים לארגון יותר מאחרים וכו.
אין ספק שלאורך השנים סיגלו אנשי משאבי האנוש יכולות אינטואיטיביות כדי להבין מי מתאים לארגון יותר ומי פחות. השאלה היא רק, האם בעידן הביג דאטה, האוטומציה, וה- NeuroScience הקוגניטיבי, אינטואיציה אנושית היא כלי מספיק.
נראה כי השלב הבא שארגונים רבים עדיין מהססים להשתלב בו הוא יישום והטמעה של מערכות בינה מלאכותית ייעודיות למחלקות משאבי אנוש. זאת, למרות ששילוב של הידע שהצטבר בארגון עם מערכות בינה מלאכותית, יכול להביא לקבלת החלטות עסקיות טובות יותר.
ממחקר של חברת מקינזי עולה, כי כ-47% מהמנהלים בארה"ב כבר הטמיעו לפחות יכולת אחת של בינה מלאכותית בעסק שלהם. עם זאת, נראה כי מחלקות משאבי אנוש נותרו הכי פחות משוכנעות בנחיצותה של הבינה המלאכותית. יתרה מכך, יש ארגונים בהם בכל הקשור לבינה מלאכותית, למחלקות השיווק, המכירות והפיתוח יש עדיפות על פני מחלקות משאבי האנוש.
חשוב לשים לב לכך שמחסור במערכות פנימיות שמנתחות נתונים בעקביות, והיעדר כישורים לתפעול ניתוחי הנתונים בסביבת משאבי האנוש, שכמות הנתונים הדיגיטליים בה הולכת וגוברת, עלולים לפגוע בארגון בטווח הארוך.
למערכות בינה מלאכותית יש כמה יתרונות בולטים בנוגע למשאבי אנוש:
1 חיסכון בזמן: מערכת בינה מלאכותית מסוגלת לעבד נתונים על מועמדים, לארגן אותם ולזהות את המועמדים המובילים, פי כמה יותר מהר לעומת בני אדם.
2 חיסכון בעלויות: גיוס שגוי אחד עלול, על פי מחקרים שבוצעו בבריטניה, לגרום לארגון הפסד של כ-45 אלף אירו בשנה, באובדן תפוקה. מנגד, ניתוח שמבוצע על ידי מערכת בינה מלאכותית יכול למנוע ממועמדים לא מתאימים להתקדם בתהליך הגיוס.
מערכת בינה מלאכותית יכולה לא רק להצביע על הכישרונות המתאימים והטובים ביותר, אלא אף להצביע על אלה המתאימים ביותר לחברה מבחינת התרבות הארגונית שלה ולכן ניתן לשמר אותם לאורך זמן.
3 הגדלת הגיוון התעסוקתי: בני האדם הינם מוטים באופן טבעי על אף הניסיונות למזער את ההטיה. מערכת בינה מלאכותית, לעומת זאת, לא מבחינה בין גזעים, מין, גיל או רקע. היא מתמקדת אך ורק ביכולותיו ובכישוריו האובייקטיבים של המועמד.
