Όσο η Τεχνητή Νοημοσύνη αποκτά μεγαλύτερο ρόλο στις αποφάσεις της Διοίκησης Ανθρωπίνου Δυναμικού, ένα κρίσιμο ερώτημα έρχεται στο προσκήνιο: μέχρι πού πρέπει να φτάνει η αρμοδιότητα του αλγορίθμου και που πρέπει να παραμείνει καθοριστική η ανθρώπινη κρίση;
Η Τεχνητή Νοημοσύνη αποκτά σταδιακά όλο και μεγαλύτερο ρόλο στη Διοίκηση Ανθρώπινου Δυναμικού. Από την επιλογή προσωπικού και την αξιολόγηση της απόδοσης μέχρι τον προγραμματισμό της εργασίας και την ανάλυση δεδομένων εργαζομένων, οι εφαρμογές της υπόσχονται ταχύτερες, πιο συνεπείς και καλύτερα τεκμηριωμένες αποφάσεις. Καθώς η ΔΑΔ επιδιώκει εδώ και χρόνια να βασίζει όλο και περισσότερο τις αποφάσεις της σε δεδομένα, η υπόσχεση αυτή είναι ελκυστική.
Υπάρχει, όμως, μία παραδοχή πίσω από αυτή την εξέλιξη που αξίζει να εξετάσουμε: οδηγούν απαραίτητα σε καλύτερες αποφάσεις για τους ανθρώπους τα περισσότερα δεδομένα και οι καλύτεροι αλγόριθμοι; Οι Berg και Johnston (2025), σε πρόσφατη μελέτη της Διεθνούς Οργάνωσης Εργασίας (ILO), αμφισβητούν ακριβώς αυτή την παραδοχή. Εξετάζοντας τη χρήση της ΤΝ στην επιλογή προσωπικού, τις αμοιβές, τον προγραμματισμό και την αξιολόγηση της απόδοσης, υποστηρίζουν ότι η ποιότητα μιας αλγοριθμικής απόφασης εξαρτάται από τον στόχο που έχει τεθεί, τα δεδομένα που χρησιμοποιούνται και τον τρόπο με τον οποίο έχει σχεδιαστεί η συγκεκριμένη εφαρμογή της ΤΝ. Ένας αλγόριθμος μπορεί να επεξεργάζεται πολύ περισσότερα δεδομένα από έναν επαγγελματία της ΔΑΔ, αλλά αυτό δεν σημαίνει ότι γνωρίζει καλύτερα τι πρέπει να αναζητήσει σε αυτά.
Το ζήτημα γίνεται ακόμη πιο καίριο όταν η ΤΝ μετακινείται από την εκτέλεση διοικητικών εργασιών στη λήψη αποφάσεων που επηρεάζουν άμεσα την επαγγελματική ζωή των ανθρώπων. Ποιος εργαζόμενος αποδίδει πραγματικά καλά; Ποιος πρέπει να πάρει προαγωγή; Ακόμη και όταν τέτοιες αξιολογήσεις και αποφάσεις βασίζονται σε δεδομένα, έννοιες όπως η απόδοση, το ταλέντο και οι δυνατότητες μελλοντικής εξέλιξης δεν είναι απλώς αριθμητικές μεταβλητές. Προϋποθέτουν ερμηνεία και συχνά γνώση του οργανωσιακού πλαισίου.
Αυτό δεν σημαίνει ότι πρέπει να αμφισβητήσουμε τη χρήση της ΤΝ στη ΔΑΔ συνολικά. Εξετάζοντας τη σχέση των ανθρώπων με την ΤΝ στους οργανισμούς, οι Bankins και συν. (2024) υποστηρίζουν ότι το πιο γόνιμο ερώτημα δεν είναι απαραίτητα εάν ο άνθρωπος ή ο αλγόριθμος λαμβάνει καλύτερες αποφάσεις, αλλά πώς μπορούν να συνδυαστούν η ταχύτητα και η ικανότητα επεξεργασίας δεδομένων της ΤΝ με την ανθρώπινη κρίση, εμπειρία και κατανόηση του πλαισίου. Αναδεικνύουν έτσι τη σημασία της συνεργασίας μεταξύ ανθρώπου και ΤΝ (human-AI collaboration) και της κατάλληλης κατανομής ρόλων μεταξύ τους.
ΤΑ ΟΡΙΑ ΤΗΣ ΤΝ
Καθώς οι αλγόριθμοι αποκτούν μεγαλύτερο ρόλο στην ανάλυση και στις αποφάσεις, οι επαγγελματίες της ΔΑΔ θα πρέπει όχι μόνο να γνωρίζουν πώς να αξιοποιούν την ΤΝ αλλά και πότε να αμφισβητούν τα συμπεράσματά της. Η ανθρώπινη κρίση δεν πρέπει να θεωρείται κατάλοιπο μιας τεχνολογικά λιγότερο αναπτυγμένης εποχής. Η πρόκληση για τη ΔΑΔ δεν είναι απλώς να μάθει να χρησιμοποιεί καλύτερα την ΤΝ, αλλά να αποφασίσει ποιες ανθρώπινες κρίσεις δεν πρέπει να της εκχωρήσει.
SHORT BIO
Ο Δρ. Νίκος Καρφάκης διδάσκει Διοίκηση Επιχειρήσεων και Διοίκηση Ανθρώπινου Δυναμικού στο Aegean College. Τα ερευνητικά του ενδιαφέροντα εστιάζουν στην οργανωσιακή αλλαγή, την ηγεσία και τις νέες μορφές εργασίας, καθώς και στις επιπτώσεις της Τεχνητής Νοημοσύνης στην εργασία και τους οργανισμούς.
Ακολουθήστε μας σε LinkedIn & Facebook και γίνετε μέλος της μεγαλύτερης ελληνικής κοινότητας του κλάδου.
