هوش مصنوعی برای نیروی انسانی

در این میان، هوش مصنوعی با قدرت تحلیل کلان‌داده‌ها، یادگیری از الگوها و ارائه پیشنهادهای هوشمندانه، به یکی از ابزارهای راهبردی در تحول عملکرد منابع انسانی بدل شده است. از جذب و ارزیابی استعدادها گرفته تا تحلیل رضایت شغلی، پیش‌بینی فرسودگی شغلی، طراحی مسیرهای توسعه فردی و خودکارسازی فرآیندهای تکرارشونده، هوش مصنوعی در حال بازتعریف نقش منابع انسانی در سازمان‌هاست.

منابع انسانی، قلب سازمانی

مدیریت منابع انسانی، یکی از ارکان حیاتی هر سازمان مدرنی است که نقش تعیین‌کننده‌ای در موفقیت یا شکست کسب‌وکارها ایفا می‌کند. در فضای رقابتی و پویای امروزی، دیگر سرمایه مالی یا دارایی‌های فیزیکی به‌تنهایی ضامن پیشرفت نیستند، بلکه این نیروی انسانی کارآمد، خلاق و متعهد است که مزیت رقابتی پایدار برای سازمان‌ها ایجاد می‌کند. کسب‌وکارهای جدید، به‌ویژه در عصر دیجیتال، با چالش‌هایی مانند جذب و نگهداشت استعدادها، فرهنگ‌سازی سازمانی، افزایش بهره‌وری و پاسخ‌گویی سریع به تغییرات بازار مواجه‌اند. مدیریت منابع انسانی نه‌تنها وظیفه جذب و استخدام افراد را برعهده دارد، بلکه مسئول طراحی و پیاده‌سازی سیاست‌هایی برای توسعه فردی و حرفه‌ای کارکنان، ارزیابی عملکرد، ارتقای انگیزش و رضایت شغلی و ایجاد تعادل میان اهداف سازمانی و نیازهای انسانی است.

از سوی دیگر، نیروی انسانی نیز به دنبال معنا، رشد و ارزش‌های مشترک در محیط کار هستند. در چنین بستری، مدیریت منابع انسانی باید نقشی فراتر از یک واحد پشتیبانی را ایفا کند و به‌عنوان شریک استراتژیک در تصمیم‌گیری‌های کلان سازمان حضور داشته باشد. سازمان‌هایی که به منابع انسانی خود نگاه استراتژیک دارند، در جذب استعدادهای برتر، کاهش نرخ ترک شغل، افزایش نوآوری و بهبود عملکرد کلی، موفق‌تر عمل می‌کنند. بنابراین، مدیریت منابع انسانی یکی از کلیدهای اصلی دوام و رشد پایدار در کسب وکارهای مبتنی بر اقتصاد دیجیتال در جهان است.

تحلیل داده‌های منابع انسانی

هوش مصنوعی در حال بازتعریف نقش منابع انسانی در سازمان‌هاست. داده‌های منابع انسانی (People Data) که شامل اطلاعات تحصیلی، سوابق شغلی، ارزیابی‌های عملکرد و سایر متغیرهاست، گنجینه‌ای است که می‌تواند بینش‌های ارزشمندی برای تصمیم‌گیری‌های راهبردی را فراهم کند. بااین‌حال، طبق گزارشی در وب‌سایت شخصی «جاش برسین» (Josh Bersin)، یکی از چهره‌های مشهور مدیریت منابع انسانی جهان، در سال ۲۰۲۴ تنها در حدود ۱۰ درصد از شرکت‌ها توانسته‌اند داده‌های منابع انسانی خود را به‌صورت منسجم و مؤثر به نتایج کسب‌وکار پیوند دهند. یکی از مهم‌ترین چالش‌های این امر، پراکندگی و ناپیوستگی داده‌های موجود در منابع داده مختلف مانند سامانه‌های اطلاعات منابع انسانی، سیستم‌های سنجش عملکرد، داده‌های مالی و… است. اما به کمک ابزارهای نوین هوش مصنوعی می‌توان تا حد قابل‌قبولی این چالش‌ها را برطرف کرد.

یکپارچه‌سازیداده‌ها به کمک هوش مصنوعی که به‌سرعت داده‌ها را از منابع مختلف جمع‌آوری و پاک‌سازی می‌کند و تحلیل هوشمند با یادگیری ماشین که الگوهای پیچیده را شناسایی و نمودارهای تعاملی ارائه می‌کند؛ از جمله کاربردهای ابزارهای هوش مصنوعی در این امر هستند که در نهایت امکان بهره‌گیری از یک «تحلیل کل‌نگر» را برای مدیریت منابع انسانی فراهم می‌کند. به کمک این کاربردها، شرکت‌ها می‌توانند روندهایی نظیر تراز حقوق و دستمزد، نرخ ماندگاری کارکنان، و نسبت سرمایه انسانی به درآمد را به‌صورت خودکار، به‌روز نگه دارند. با این رویکرد، واحد منابع انسانی می‌تواند باتکیه‌بر دانش و بینش حاصل از داشبوردهای داده‌محور هوش مصنوعی و هوش تجاری، اهداف خود را به تحلیل کسب‌وکار نزدیک کند و تمرکز خود را بر تدوین راهبردهای انسانی بگذارد. بر اساس گزارش McKinsey، شرکت‌هایی که داده‌های منابع انسانی خود را تجزیه‌وتحلیل می‌کنند، به طور متوسط نتایج بهتری نسبت سایر رقبا کسب می‌کنند تا ۳۰۰ درصد درآمد بیشتری به‌ازای هر کارمند تولید می‌کنند.

استخدام و جذب استعدادها

یکی از کاربردهای کلیدی هوش مصنوعی، بهینه‌سازی فرایند جذب و انتخاب کارکنان است. با استفاده از الگوریتم‌های پردازش زبان طبیعی (NLP) و یادگیری ماشین، سیستم‌های هوشمند می‌توانند رزومه‌های دریافتی را به‌سرعت تحلیل و بهترین نمونه‌ها را شناسایی کنند. برای مثال، هوش مصنوعی می‌تواند مهارت‌ها و تجربیات کلیدی را در متون رزومه استخراج کرده و با معیارهای شغلی تطبیق دهد تا افراد واجد شرایط را در یک نگاه مشخص کند.

• غربال خودکار رزومه‌ها: سیستم‌های هوشمند با الگوریتم‌های یادگیری ماشین، توانایی خواندن و رتبه‌بندی هزاران رزومه در زمان بسیار کوتاه را دارند؛ کاری که به‌صورت دستی هفته‌ها طول می‌کشد.
• تحلیل مصاحبه: شرکت‌هایی مانند «یونیلیور» (Unilever) از پردازش هوشمند ویدئوهای مصاحبه استفاده می‌کنند تا با تحلیل گفتار، حرکات چهره و لحن صدا، ضمن سنجش مهارت‌های رفتاری، سوگیری‌های انسانی را نیز کاهش دهند و سبب صرفه‌جویی در زمان و روند جذب و استخدام شود.
• پیش‌بینی تناسب شغلی: الگوریتم‌های تحلیلگر هوش مصنوعی با بررسی داده‌های مرتبط با عملکرد گذشته کارکنان مانند سوابق شغلی موفق و شکست‌خورده، الگوهای رفتاری و آزمون‌های روان‌شناختی می‌توانند پیش‌بینی کنند که کدام افراد احتمال موفقیت و ماندگاری بالاتری در یک موقعیت شغلی خاص را دارند.

پیش‌بینی تقاضای نیروی کار

برنامه‌ریزی استراتژیک نیروی انسانی و پیش‌بینی نیازهای آینده یکی دیگر از ابعاد مهم مدیریت منابع انسانی است. با استفاده از داده‌های تاریخی استخدام، ترک کار، روندهای بازار و حتی شاخص‌های اقتصادی، هوش مصنوعی قادر است تقاضای نیروی کار برای سازمان در آینده را پیش‌بینی کند. به‌این‌ترتیب، مدیران منابع انسانی می‌توانند نیروی انسانی مناسب با مهارت‌های لازم را قبل از ایجاد نیاز، جذب یا آموزش دهند و از آشفتگی در فرایندهای کاری جلوگیری کنند.

طبق گزارش IBM در سال ۲۰۲۴، شرکت‌هایی که از هوش مصنوعی در برنامه‌ریزی مدیریت منابع انسانی استفاده می‌کنند، توانسته‌آند تا ۳۶ درصد سریع‌تر نسبت به رقبا، نیروی انسانی لازم برای موقعیت‌های شغلی موردنیاز خود را تامین کنند و تا ۲۱ درصد نیز بهبود در شاخص هم‌ترازی نیازهای نیروی کار با پروژه‌های سازمانی داشته‌اند. مک‌کنزی نیز در گزاش خود پیشنهاد می‌کند که چشم‌اندازی ۳ تا ۵ ساله برای مدیریت منابع انسانی برنامه‌ریزی شود، به‌طوری که سازمان‌ها از هم‌اکنون در حال آماده‌سازی مهارت‌های لازم برای آینده باشند.

بهینه‌سازی فرایندهای منابع انسانی

هوش مصنوعی می‌تواند بسیاری از وظایف اجرایی و تکراری منابع انسانی را خودکار و بهینه کند. خودکارسازی فرایندهایی مانند پردازش حقوق و دستمزد، محاسبه مزایا، زمان‌بندی شیفت‌ها و پاسخ‌دهی به پرسش‌های پرکاربرد کارکنان، علاوه بر افزایش سرعت و دقت، هزینه‌های اداری را به طور محسوسی کاهش می‌دهد. به گزارش Ignite HCM، شرکت ارائه‌دهنده خدمات مالی منابع انسانی، سیستم‌های مبتنی بر هوش مصنوعی با خودکارسازی محاسبات پیچیده مالی، درصد خطا در پرداخت حقوق را تا ۷۸ درصد کاهش و زمان پردازش آن را تا ۶۵ درصد افزایش داده‌اند. از نظر افزایش دقت، یک عامل هوش مصنوعی می‌تواند محاسبات حقوق را به‌صورت خودکار انجام دهد و تضمین کند که حقوق کارکنان به طور صحیح و طبق قانون پرداخت می‌شود. در همین راستا و بدون نیاز به دخالت دستی و وقت‌گیر واحد منابع انسانی فرایندهایی مانند مدیریت مزایا، بیمه و سایر تعهدات نیز خودکار شده و اطمینان حاصل می‌شود که به همه کارکنان تسهیلات متناسب ارائه می‌شود. این خودکارسازی از بروز خطاها جلوگیری کرده و سرعت عملیات را بالا می‌برد. الگوریتم‌های هوشمند می‌توانند شیفت‌های کاری را با درنظرگرفتن مقررات نیروی کار، ترجیحات کارکنان و نیازها عملیاتی هماهنگ کنند. به‌عنوان‌مثال، هوش مصنوعی قادر است کارکنانی را که مهارت‌های خاصی در شیفت‌های خاص دارند را شناسایی و برنامه زمان‌بندی متعادلی ایجاد کند تا مسئولیت‌ها به طور منصفانه تقسیم شوند. همچنین بسیاری از شرکت‌ها از چت‌بات‌های هوش مصنوعی برای پاسخ به سؤالات معمول کارکنان مانند راهنمایی درباره مزایا، مراحل مرخصی یا ثبت ساعات کاری استفاده می‌کنند. این چت‌بات‌ها می‌توانند ۲۴ ساعته پشتیبانی کنند و بخش قابل‌توجهی از بار اداری واحد منابع انسانی را حذف کنند.

آموزش و توسعه مهارت‌ها

هوش مصنوعی همچنین در آموزش کارکنان و توسعه مهارت‌های آن‌ها کاربرد گسترده‌ای یافته است. پلتفرم‌های «یادگیری تطبیقی» (Adaptive Learning) با استفاده از الگوریتم‌های هوش مصنوعی می‌توانند مسیر آموزشی هر کارمند را بر اساس نیازها، روند یادگیری و شکاف‌های مهارتی او تنظیم کنند. به‌این‌ترتیب، به‌جای یک دوره آموزشی «یکسان برای همه»، برنامه‌های آموزش به‌صورت پویا و شخصی‌سازی شده ارائه می‌شوند. چنین رویکرد هوشمندی مشارکت و ماندگاری مطالب آموزشی را افزایش می‌دهد و فاصله مهارتی بین کارکنان را سریع‌تر پر می‌کند.

سیستم‌های هوش مصنوعی وضعیت مهارتی و نیازهای آموزشی هر فرد را با استفاده از آزمون‌ها و سوابق کاربری ارزیابی می‌کنند و سپس محتوای مناسب و شخصی‌سازی‌شده مخصوص و منحصربه‌فرد هر شخص را ارائه می‌دهند. شبیه‌سازی‌های تعاملی مانند VR یا بازی‌های آموزشی که به‌صورت هوشمند با روند یادگیری تطبیق می‌یابد نیز باعث تثبیت بهتر مطالب می‌شود. همچنین ابزارهای هوش مصنوعی با سنجش مداوم کارایی و بهره‌وری پس از آموزش، میزان تأثیر دوره‌ها را اندازه‌گیری می‌کنند و با تحلیل داده‌های آن، دوره‌ها و محتوای آموزش را بهینه‌سازی می‌کنند.

ارزیابی عملکرد کارکنان

استفاده از هوش مصنوعی در ارزیابی عملکرد باعث می‌شود بازخوردها دقیق‌تر و بی‌طرفانه‌تر باشند و فرایند مدیریتی از تکیه صرف بر شهود به تصمیم‌های مبتنی بر داده تغییر کند. الگوریتم‌های هوش مصنوعی می‌توانند داده‌های شاخص‌های کلیدی عملکرد (KPIs) هر کارمند مانند میزان انجام پروژه‌ها، پاسخگویی به مشتری، میزان همکاری تیمی و… را به طور بلادرنگ تحلیل کنند و تغییرات آن را گزارش دهند. این اطلاعات به مدیران امکان می‌دهد بازخورد مستمر و آموزنده‌ای ارائه کنند و مهارت‌های موردنیاز را سریع‌تر شناسایی کنند.

بر اساس گزارش از Macorva، سامانه‌های قدیمی ارزیابی عملکرد مثل فرم‌های کاغذی اغلب ناکارآمد و پر خطا هستند و مدیران کسب‌وکارها هم از شیوه‌های فعلی بازخورد عملکرد ناراضی‌اند. هوش مصنوعی این محدودیت‌ها را برطرف می‌کند. هوش مصنوعی می‌تواند داده‌های تاریخی و فعلی عملکرد هر کارمند را بررسی و نقاط قوت و ضعف وی را استخراج کند، سپس بازخوردی بی‌طرفانه و شخصی‌سازی‌شده باتکیه‌بر تمام سابقه را ارائه کند. برخی سامانه‌ها نیز قادرند پیشنهادهای آموزشی یا توسعه مهارت برای هر کارمند را بر اساس تحلیل داده منحصربه‌فرد وی پیش‌بینی کنند. به کمک این ابزارها، مدیران می‌توانند به‌جای جلسات ارائه بازخورد پراکنده، یک روند آموزش و بهبود مداوم نیروی انسانی را در سازمان اجرا کنند.

مدیریت رضایت و مشارکت کارکنان

افزایش رضایت (Job Satisfaction) و مشارکت (Engagement) کارکنان یکی از چالش‌های مهم منابع انسانی است و هوش مصنوعی در این زمینه نیز ابزارهای مفیدی ارائه می‌دهد. با تحلیل خودکار نظرسنجی‌ها و بازخوردهای کارکنان، هوش مصنوعی می‌تواند با دقت بیشتری احساسات و نگرش‌های واقعی کارکنان را شناسایی کند. برای مثال، سامانه‌های پیشرفته قادرند با تحلیل احساسات (Sentiment Analysis) پیام‌ها و نظرات کارکنان در ایمیل‌ها، شبکه‌های اجتماعی داخلی یا پرسش‌نامه‌ها، تغییرات مثبت یا منفی در لحن و تفکر کارکنان را شناسایی کنند. این تحلیل فراتر از تعداد پاسخ‌های مثبت یا منفی است و مفهوم‌های پیچیده‌تری مانند لحن، زمینه و تغییر سبک کلام را بررسی می‌کند.

یکی از مهم‌ترین مزایای هوش مصنوعی سنجش رضایت شغلی، توانایی شناسایی علائم بی‌انگیزگی و احتمال ترک سازمان قبل از وقوع آن است. به‌عنوان‌مثال طبق گزارشی از CultureMonkey، یک پلتفرم هندی سنجش رضایت و مشارکت شغلی، تغییرات ناگهانی در الگوهای رفتاری مانند افت مشارکت در پیام‌رسان‌های سازمانی یا کاهش تعامل در جلسات مجازی می‌تواند هشداردهنده باشد. هوش مصنوعی می‌تواند این نشانه‌ها را شناسایی و نسبت به آن واکنش نشان دهد تا از افزایش «نرخ ریزش کارکنان» (Employee Turnover)جلوگیری شود.

تحلیل داده‌های منابع انسانی (People Analytics) نیز نقشی کلیدی در بهبود عملکرد نیروی انسانی دارد. طبق تحقیقی از Visier، حدود ۳۰۰۰ شرکت در آمریکای شمالی که از ابزارهای پیشرفته تحلیل داده‌های نیروی انسانی استفاده نمی‌کنند، به طور میانگین ۶۰۰ میلیون دلار از سود خود را ازدست‌داده‌اند. استفاده از هوش مصنوعی در این حوزه به سازمان‌ها کمک می‌کند روندهایی مانند کاهش انگیزه یا مشکلات تیمی را به‌سرعت تشخیص دهند و راهکارهای پیشگیرانه‌ای مانند ایجاد برنامه‌های انگیزشی یا مشاوره‌ای را اجرا کنند.

شناسایی و پیشگیری از فرسودگی شغلی

فرسودگی شغلی (Burnout) که شامل علائم خستگی مزمن، دوری از کار و کاهش کارایی و بهره‌وری است، یکی از معضلات جدی دنیای کار امروزی محسوب می‌شود. هوش مصنوعی می‌تواند ابزار مؤثری برای شناسایی زودهنگام و پیشگیری از این وضعیت فراهم کند. با تحلیل داده‌های رفتاری دیجیتال کارکنان مانند نحوه استفاده از ایمیل، پیام‌رسان‌ها، سیستم مدیریت پروژه، تقویم کاری و… هوش مصنوعی می‌تواند الگوهای متفاوت را کشف کند. به‌عنوان‌مثال، افزایش ایمیل‌های ارسالی در ساعات پایانی شب یا کاهش ناگهانی تعامل در گفتگوهای کاری، از نشانه‌های ابتدایی استرس شدید در کارمند هستند.

مطالعات و گزارش‌های صنعتی مختلفی اثرات مثبت استفاده از هوش مصنوعی در حفظ سلامت کارکنان را نشان داده‌اند. تحقیقات مختلفی حاکی از آن است که سازمان‌هایی که به کمک هوش مصنوعی، مواردی مانند مراقبت از سلامت روحی و جسمی کارکنان را مدیریت می‌کنند، کاهش قابل‌توجهی در هزینه‌های درمانی و غیبت کارکنان مشاهده کرده‌اند. مجموعه‌های خدمات پزشکی نیز از این فناوری برای توصیه خودکار تغییر شیفت پرستاران استفاده و نتایج مثبتی در کاهش استرس کاری را گزارش کرده‌اند. فناوری‌های آینده مانند «هوش مصنوعی عاطفی» (Emotion AI) و حسگرهای پوشیدنی که سطح استرس و نشانه‌های فیزیولوژیک را اندازه‌گیری می‌کنند نیز در حال گسترش هستند و انتظار می‌رود در سال‌های آتی امکان تشخیص دقیق‌تر عوامل فرسودگی شغلی را فراهم کنند.

نگاه به آینده

تحولات حاصل از هوش مصنوعی در حوزه منابع انسانی عمیق و گسترده است؛ لذا سازمان‌ها می‌بایست یک سری نکات کلیدی را در نظر داشته باشند. «ایجاد تعادل بین هوش مصنوعی و انسان» بالاترین اولویت سازمانی در مدیریت منابع انسانی است و هوش مصنوعی می‌بایست به‌عنوان یک دستیار قوی در کنار متخصصان منابع انسانی به کار رود تا اشتباهات کاهش یابد و تمرکز نیروی انسانی بر تصمیمات راهبردی باشد. «مسائل اخلاقی و شفافیت» نباید نادیده گرفته شود و الگوریتم‌های هوش مصنوعی می‌بایست عاری از سوگیری باشند و در نحوه استفاده از داده‌های شخصی کارکنان، حریم خصوصی رعایت و از تبعیض جلوگیری شود. «توسعه مهارت و آموزش مداوم نیروی انسانی» از اهمیت بالایی برخوردار است؛ زیرا همان‌طور که فناوری پیشرفت می‌کند، توانمندسازی کارکنان در جهت استفاده بهینه از ابزارهای پیشرفته و جدید نیز ضرورت پیدا می‌کند.

تجربه سازمان‌هایی که از اکنون بر استفاده هوشمندانه از هوش مصنوعی سرمایه‌گذاری کرده‌اند نشان می‌دهد که در آینده به مزیت رقابتی متمایزی دست خواهند یافت. سازمان‌ها می‌بایست ضمن تقویت زیرساخت‌های داده‌ای خود و به‌روزرسانی سیاست‌های منابع انسانی، به بهره‌گیری از هوش مصنوعی به‌عنوان بخشی استراتژیک از مدیریت منابع انسانی خود ادامه دهند تا هم کیفیت عملکرد کارکنان بهبود یابد و هم محیط کار، انسانی‌تر و رضایت‌بخش‌تر شود.