Pamamahala ng AI sa HR: Etika, Hangganan at Pagpapatunay

Mga nadagdag:

• Kakayahang lumikha ng balangkas ng pamamahala at patakaran sa paggamit para sa paggamit ng AI sa HR
• Kakayahang mag-embed ng bias control, transparency at mga prinsipyo ng kontrol ng tao sa mga proseso
• Pagtatatag ng disiplina upang i-verify ang output ng AI, magbanggit ng mga pinagmulan, at magkaroon ng responsibilidad sa mga tao

Sa buong module na ito, ginamit namin ang AI sa dose-dosenang mga gawain sa HR, mula sa pag-post ng trabaho hanggang sa pagsusuri ng survey. Ngayon ay nagtatatag tayo ng balangkas na nagtataglay ng lahat ng ito nang sama-sama: pamamahala. Ang pamamahala ay ang sistema na tumutukoy kung sino ang gagamit ng AI sa kumpanya, kanino, para sa anong layunin, kung anong mga panuntunan at kung anong kontrol. Ang paggamit ng AI na walang pamamahala ay mabilis sa maikling panahon ngunit mapanganib sa mahabang panahon: hindi pantay-pantay na mga desisyon, paglabag sa privacy, implicit bias, at kawalan ng pananagutan na nagtatago sa likod ng "sabi ng AI" na pagtatanggol. Sa panghuling yunit na ito, magtatatag kami ng balangkas ng pamamahala na ginagawang ligtas, patas at mapagtatanggol ang AI sa HR.

Ilang termino: Ang pangangasiwa ng tao ay ang pagsusuri at pag-apruba ng output ng AI ng isang tao. Ang transparency ay ang kakayahang ipaliwanag kung saan at paano ginagamit ang AI. Ang isang bias audit ay sinusuri kung ang isang proseso ay sistematikong nakakapinsala sa ilang mga grupo. Ang pananagutan ay nangangahulugan na ang responsibilidad para sa isang desisyon ay pagmamay-ari ng isang malinaw na tao.

Ang Golden Rule ng HR

Ang pinakamahalagang pangungusap ng modyul na ito ay: Ang AI ay pansuporta; Ang mga desisyon at responsibilidad na nakakaapekto sa mga tao ay laging nananatili sa mga tao. Ang recruitment, promotion, dismissal, performance outcome, pay—lahat ay nakakaapekto sa buhay, kabuhayan at dignidad ng isang tao. AI draft, nagbubuod ng data, nag-aalok ng mga opsyon, nakakahanap ng mga pattern sa mga desisyong ito; ngunit ang isang kuwalipikadong tao ay nagtataglay ng huling paghatol at pananagutan. Ito ay tulad ng sa engineering: sa isang kritikal na kaligtasan ng build, ang pagkalkula ng AI ay hindi kapalit ng pag-apruba mula sa isang karampatang engineer. Sa HR, ang paggawa ng desisyon na nakakaapekto sa karera ng isang empleyado sa kadahilanang "sabi ng AI" ay parehong hindi katanggap-tanggap sa etika at isang legal na panganib.

Uri ng desisyon

Ang papel ng AI

pangwakas na desisyon

Pagsusulat ng pag-post ng trabaho

paggawa ng draft

Tao (mababa ang panganib)

Pagsusuri ng CV

Buod at mungkahi sa pagraranggo

Tao (sapilitan)

Pagsusuri sa panayam

Pagkuha ng tala, draft ng rubric

Tao (sapilitan)

Resulta ng pagganap

draft ng feedback

Tao (sapilitan)

Promosyon/bayaran/pagwawakas

Suporta sa pagsusuri

tao (tiyak)

Babala: Iposisyon ang AI bilang isang katulong sa HR, hindi isang gumagawa ng desisyon. Huwag italaga sa AI ang mga automated na desisyon sa pagtanggi/pagtanggap na nakakaapekto sa isang kandidato o empleyado. Ang pagsusuri ng tao ay dapat na isang tunay na pagsusuri, hindi isang pormalidad; Ang pagpindot sa pindutang "kumpirmahin" nang hindi nag-iisip ay hindi kontrol.

Pagtatatag ng Balangkas ng Pamamahala

Ang isang mahusay na patakaran ng HR AI ay sumasagot sa apat na tanong: Para saan ito magagamit? Ano ang hindi maaaring gamitin para sa? Aling mga sasakyan ang naaprubahan? Paano mag-inspeksyon? Maaari mong ipagawa ang AI ng draft ng framework na ito — pagkatapos ay iakma ito para sa sarili mong organisasyon:

Ang iyong tungkulin: isang tagapayo sa pamamahala ng HR.Gawain: Maghanda ng DRAFT na “Patakaran sa Paggamit ng AI” para sa HR team. Mga Seksyon:1) Layunin at saklaw2) Mga pinahihintulutang paggamit (hal. pag-draft, pagbubuod)3) Mga ipinagbabawal/pinaghihigpitang paggamit (hal. automated na desisyon sa pagtanggi, hilaw na personal na data)4) Naaprubahang mga tool sa pagkontrol at accountability ng data ng tao56) candidate/employeeRule: Legal na salita Markahan ng [VERIFY WITH LEGAL/KVKK EXPERT]. Ito ay isang draft; Ang huling patakaran ay sumasailalim sa pag-apruba ng eksperto.

Pagkontrol at Transparency ng Bias

Ang AI ay maaaring tahimik na magdala ng mga bias mula sa data kung saan ito sinanay. Ang puso ng pamamahala ay ang regular na hamunin ang bias na ito:

Suriin ang sumusunod na pamantayan sa screening at proseso para sa pagkiling: - Mayroon bang pamantayan na hindi direktang pumapabor/nagbubukod sa isang partikular na kasarian, edad, pinagmulan, paaralan? - Mayroon bang elemento na hindi aktuwal na nauugnay sa trabaho ngunit maaaring lumikha ng diskriminasyon? - Maaaring ang proseso ay naglalagay ng isang grupo sa isang sistematikong kawalan? Ipakita ang bawat panganib at mga rekomendasyon para sa pagwawasto sa isang talahanayan.

Isang simpleng prinsipyo para sa transparency: maging nasa posisyon na magbigay ng tapat na sagot kapag nagtanong ang isang kandidato o empleyado tungkol sa paggamit ng AI sa kanilang proseso.

Sumulat ng simple at tapat na teksto ng impormasyon na nagpapaliwanag sa mga kandidato kung saan at paano ginagamit ang AI sa proseso ng pagkuha. Linawin kung ano ang ginagawa ng AI at kung ano ang ginagawa ng mga tao. Sabihin ang mga karapatan ng kandidato (pagtutol, kahilingan para sa pagsusuri ng tao).

Disiplina sa Pagpapatunay

AI ay maaaring nakakumbinsi na mali; Ito ay tinatawag na hallucination (fabrication). Ang operational leg of governance ay upang patunayan ang bawat output:

Markahan ang bawat makatotohanang claim, numero, legal na sanggunian, at impormasyon ng kumpanya sa printout na ito gamit ang tag na [VERIFY]. Huwag ipakita ang anumang bagay na tiyak kung hindi ka sigurado. Kung hindi malinaw, sabihin sa akin.

Tip: Gawing ugali ang pagdidisiplina sa pag-verify: Bago i-publish ang bawat text na binuo ng AI, tanungin ang "aling claim sa pangungusap na ito ang maaari kong i-verify gamit ang isang independiyenteng pinagmulan?" magtanong. Sa partikular, ang mga numero, legal na deadline, at corporate claims gaya ng "company policy is this" ay ang pinakamadalas at magastos na pagkakamali.

Tatlong Mini Case

Kaso 1 — Kaguluhan nang walang pulitika. Sa isang kumpanya, ang bawat propesyonal sa HR ay gumagamit ng AI na may iba't ibang mga tool at sa iba't ibang paraan; Ang ilan ay naglalagay ng mga hilaw na CV, ang ilan ay nagse-set up ng awtomatikong pagtanggi. Kapag na-publish na ang isang patakaran sa pamamahala (listahan ng inaprubahang sasakyan, ipinagbabawal na paggamit, panuntunan sa pangangasiwa ng tao), nabawasan ang panganib at naging pare-pareho ang proseso.

Kaso 2 — Pagkuha ng implicit bias. Napansin ng isang team ang isang nakatagong pattern sa screening na pinapagana ng AI na nagpatingkad sa isang partikular na unibersidad. Ang regular na bias auditing ay nagsiwalat nito; Ang mga pamantayan ay muling isinulat sa paligid ng pangako sa trabaho, at ang grupo ng kandidato ay sari-sari. Kung walang pangangasiwa, ang pagtatangi ay magpapatuloy nang tahimik.

Kaso 3 — Pag-iwas sa guni-guni. Sa isang draft ng patakaran, gumawa ang AI ng isang "ligal na obligasyon" na hindi talaga umiiral. Salamat sa disiplina sa pag-verify (kapag na-flag ang bawat legal na claim), nakuha ito sa pag-apruba ng eksperto. Ginawa ito ng team sa isang kaso at ipinakalat ang aral na "AI is convincingly fallible" sa buong team.

Mahina Prompt / Malakas na Prompt

Mahinang diskarte: Direktang ipatupad ang anumang sinasabi ng AI; pagpapatunay ng output, proseso ng pagtatanong.

Ang resulta: implicit bias, gawa-gawang impormasyon, at itinalagang responsibilidad; Isang panganib na maaaring sumabog isang araw.

Napakahusay na diskarte: [certified tool + malinaw na mga panuntunan sa paggamit + human moderation + bias control + transparency + disiplina para i-verify ang bawat factual claim]

Ang resulta: isang mabilis ngunit ligtas, patas at mapagtatanggol na paggamit ng AI.

Mga karaniwang pagkakamali

• Paglilipat ng responsibilidad sa AI. Ang "sabi ng AI" ay hindi etikal o legal na katwiran.
• Pagbawas ng kontrol sa isang pormalidad. Ang pagpindot sa "aprubahan" nang walang pag-iisip ay hindi tunay na kontrol.
• Hindi kailanman nagtatanong ng pagtatangi. Ang AI ay hindi walang bias; Ang regular na inspeksyon ay mahalaga.
• Pag-iwas sa transparency. Ang pagtatago sa paggamit ng AI ay sumisira sa tiwala at reputasyon.
• Nilaktawan ang pag-verify. Ang hallucination ay nakakumbinsi; patunayan ang bawat makatotohanang paghahabol.
• Pagsusulat ng patakaran at hindi pagpapatupad nito. Ang patakarang nasa istante ay isang patakarang hindi umiiral.

Sa buod

• Ang pamamahala ay ang sistema na tumutukoy kung sino ang gagamit ng AI, para sa anong layunin, at kung anong mga tuntunin at kontrol; Ito ay kailangang-kailangan sa HR.
• Golden rule: Ang AI ay sumusuporta; Ang mga huling desisyon at responsibilidad na nakakaapekto sa mga tao, tulad ng recruitment, promosyon, at pagwawakas, ay palaging nananatili sa mga tao.
• Magtatag ng patakaran sa paggamit ng AI: pinapayagan/ipinagbabawal na paggamit, mga inaprubahang tool, pagmo-moderate ng tao, transparency.
• Regular na suriin kung may bias at panatilihing transparent ang paggamit ng AI sa kandidato/empleyado.
• I-verify ang bawat factual claim, figure at legal na sanggunian; Ang guni-guni ay maaaring kapani-paniwala, ang responsibilidad ay sa iyo.

Gawain ng aplikasyon

Bumuo ng isang pahinang "Patakaran sa Paggamit ng AI" para sa iyong sariling HR team (o isang fictional team). Hayaang gumawa ang AI ng draft na kinabibilangan ng: pinahihintulutang paggamit, ipinagbabawal na paggamit (gaya ng awtomatikong pagtanggi, raw personal na data), mga inaprubahang tool, panuntunan sa pagsusuri ng tao, at transparency clause. Pagkatapos ay ipasuri sa iyong proseso ng screening (totoo o kathang-isip) ang AI para sa bias at itama ang anumang mga panganib na lalabas. Panghuli, markahan ang bawat legal na pahayag sa patakaran bilang "para ma-verify ng isang eksperto."

checklist

• [ ] Ang bawat huling desisyon ba ay nakakaapekto sa isang tao na ginawa ng isang tao?
• [ ] Isinulat ba ang mga pinahihintulutan at ipinagbabawal na paggamit?
• [ ] Ginagamit lang ba ang mga inaprubahan at ligtas na tool?
• [ ] Regular bang sinusuri ang proseso para sa bias?
• [ ] Ang paggamit ba ng AI ay transparent sa kandidato/empleyado?
• [ ] Na-verify ba ang bawat factual claim at legal na sanggunian?
• [ ] Talaga bang ipinatupad ang patakaran, hindi lamang nakasulat?

Pagsusulit sa Module

1. Ano ang pinakamahusay na patnubay para sa pagiging kasama kapag nagsusulat ng pag-post ng trabaho gamit ang AI?

• A) Paghiling na alisin ang mga pahayag na may diskriminasyon na nagpapahiwatig ng kasarian, edad o isang partikular na grupo ✔
• B) Buhayin ang ad sa pamamagitan ng pagdaragdag ng mga parirala tulad ng 'Isang bata at dynamic na koponan'
• C) Paggamit ng wikang nakakaakit lamang sa isang partikular na kasarian
• D) Pag-iiwan ng mga katangian bilang malabo hangga't maaari

Paliwanag: Ang paglilinis ng wika ng ad mula sa mga ekspresyong nagpapahiwatig ng isang partikular na kasarian, edad o pangkat (gaya ng 'bata at pabago-bago', 'elemento ng lalaki') ay kinakailangan sa legal at etikal na paraan at nagpapalawak sa grupo ng kandidato. Ang tahasang pagsasabi sa AI na alisin ang mga pahayag na ito ay isang epektibong paraan.

2. Alin sa mga sumusunod ang totoo para mabawasan ang panganib ng bias kapag nagsa-screen ng mga CV gamit ang AI?

• A) Pagbibigay ng buong kapangyarihan sa AI upang awtomatikong tanggihan ang mga kandidato
• B) Nililimitahan ang pagsusuri sa layuning pamantayan na may kaugnayan sa trabaho at ipaubaya ang huling desisyon sa mga tao ✔
• C) Paglalagay ng pangalan, edad at kasarian sa gitna ng pagsusuri
• D) hindi gumagawa ng anumang mga pagsusuri dahil ang AI ay walang kinikilingan

Pagbubunyag: Maaaring ipakita ng AI ang mga bias mula sa data kung saan ito sinanay. Ang paraan upang mabawasan ang panganib; nililimitahan ang pagsusuri sa mga layunin na pamantayan na tunay na nauugnay sa trabaho, hindi kasama ang walang kaugnayang impormasyon tulad ng pangalan/kasarian/edad, at ipaubaya ang pinal na desisyon sa isang tao.

3. Ano ang pinakakapaki-pakinabang na hilingin sa AI para sa isang nakabalangkas na panayam?

• A) Sa random, iba't ibang mga tanong ang itinatanong sa bawat kandidato.
• B) Mga tanong na nagtatanong lamang tungkol sa mga libangan ng kandidato
• C) Mga karaniwang tanong at rubric sa pagmamarka batay sa kakayahan na itatanong sa lahat ng kandidato ✔
• D) Libreng chat na walang pamantayan sa pagsusuri

Paliwanag: Para sa isang patas at maihahambing na panayam, ang mga karaniwang tanong na nakabatay sa kakayahan na itatanong sa lahat ng kandidato at isang gabay sa pagsusuri (rubric) na nagpapakita kung paano bibigyan ng puntos ang bawat tanong ay perpekto. Ito ay de-subjectifies ang desisyon.

4. Ano ang pinakamahusay na diskarte kapag naghahanda ng mensahe ng pagtanggi (negatibong resulta) sa isang kandidatong may AI?

• A) Magpadala ng mahabang teksto na may detalyado at personal na pagpuna
• B) Hindi tumugon at iniiwan ang kandidato sa limbo
• C) Paggamit ng mga ekspresyong nag-uugnay sa dahilan ng pagtanggi sa edad o katayuan ng kandidato
• D) Paggawa ng isang magalang, maikli, pasasalamat na mensahe na nagpapanatili sa tono ng tatak ✔

Paglalarawan: Ang mensahe ng pagtanggi ay isa sa mga pinakamahalagang sandali ng karanasan ng kandidato. Ang pagiging magalang, maikli, pasasalamat sa kandidato, at pag-iwan sa pinto na bukas kung maaari ay nagpapanatili ng isang toneladang branding ng employer. Kapag isinusulat ang dahilan ng pagtanggi, dapat na iwasan ang mga pahayag na lilikha ng legal na panganib, magpahiwatig ng diskriminasyon o walang batayan.

5. Ano ang pinakamabisang paraan ng paggamit ng AI kapag gumagawa ng onboarding content para sa isang bagong empleyado?

• A) Pagtukoy sa tungkulin at tagal, paggawa ng nakabalangkas na plano at checklist, pagkatapos ay punan ito ng impormasyong partikular sa kumpanya ✔
• B) Paggamit ng isang dokumento na pangkalahatan, hindi partikular sa tungkulin
• C) Ipaubaya nang buo ang onboarding sa AI at hindi ito isinapersonal
• D) Hindi nagbibigay ng plano sa bagong empleyado at naghihintay na matuto siyang mag-isa

Paglalarawan: Pagbibigay ng papel, departamento at tagal (unang araw/linggo/buwan) na impormasyon sa AI at pagkakaroon nito ng nakabalangkas na plano, checklist at 30-60-90 araw na mga target; kung gayon ang paglalagay dito ng impormasyong partikular sa kumpanya ay ang pinaka mahusay na diskarte.

6. Ano ang pinakamahalagang elemento na nagpapataas ng kalidad kapag naghahanda ng materyal na pang-edukasyon gamit ang AI?

• A) Sinasabi lang na 'maghanda ng pagsasanay' at hindi nagbibigay ng mga detalye
• B) Pagpapanatiling ang nilalaman bilang teoretikal at walang halimbawa hangga't maaari
• C) Malinaw na nagsasaad ng antas ng target na madla, nasusukat na target sa pag-aaral at tagal ✔
• D) Paggawa ng pinakamahabang nilalaman nang hindi isinasaalang-alang ang target na madla

Paglalarawan: Malinaw na nagsasaad ng antas ng target na madla, masusukat na layunin sa pagkatuto at tagal; Ang pagdaragdag ng mga senaryo, halimbawa at pagsasanay sa nilalaman ay ginagawang epektibo ang pagsasanay. Kung ang antas at layunin ay hindi malinaw, ang nilalaman ay magiging masyadong simple o masyadong kumplikado.

7. Ano ang pinakamahusay na diskarte sa pagbalangkas ng feedback sa pagganap gamit ang AI?

• A) Pagpapahintulot sa AI na gumawa ng feedback nang hindi nalalaman ang aktwal na pagganap
• B) Maglagay ng mga tunay na obserbasyon at gumawa ng mga nakabubuo na draft, na pinapanatili ang pinal na desisyon sa manager ✔
• C) Ipadala ang draft sa empleyado nang walang anumang pag-edit
• D) Pagpapanatiling feedback alinman sa lahat ng negatibo o lahat ng positibo

Paglalarawan: Nakakatulong ang AI sa paglalagay ng mga konkretong halimbawa ng pag-uugali sa nakabubuo na wika; Gayunpaman, ang nilalaman ng feedback ay dapat na nakabatay sa aktwal na mga obserbasyon at ang huling pagsusuri ay dapat na responsibilidad ng manager. Gumagawa ang AI ng draft, nagpapasya ang tao.

8. Ano ang ibinibigay ng balangkas ng SBI (Situation-Behavior-Impact) sa feedback sa pagganap?

• A) Ituon ang feedback sa mga katangian ng personalidad
• B) Binibigyang-diin lamang ang mga positibong aspeto at itinatago ang mga lugar ng pagpapabuti
• C) Pagpapanatiling pangkalahatan at abstract ang feedback
• D) Pagbibigay ng konkreto at obserbasyon-based na feedback sa pamamagitan ng paghihiwalay sa sitwasyon, ang naobserbahang gawi at epekto nito ✔

Paglalarawan: SBI; Binubuo nito ang feedback bilang sitwasyon, naobserbahang pag-uugali at epekto. Ginagawa nitong konkreto at pagmamasid ang feedback, malayo sa mga pag-atake sa personalidad; Nililinaw nito kung ano ang kailangang baguhin ng empleyado at kung bakit.

9. Ano ang pinakamahalagang hakbang kapag nag-draft ng text ng patakaran sa HR (hal. leave o disciplinary policy) gamit ang AI?

• A) Direktang pag-publish ng text na binuo ng AI bilang opisyal na patakaran
• B) Suriin at aprubahan ang draft ng isang eksperto/abogado alinsunod sa kasalukuyang batas ✔
• C) Pagtanggap sa mga legal na artikulo bilang ibinigay ng AI bilang ganap na katotohanan
• D) Hindi pinapayagan ang sinuman na suriin ang patakaran

Paliwanag: Ang mga patakaran ng HR ay may mga legal na kahihinatnan. Bagama't ang AI ay gumagawa ng isang mahusay na unang draft, ang teksto ay dapat na suriin at aprubahan ng isang eksperto/legal ayon sa naaangkop na batas sa paggawa at mga kondisyon ng kumpanya. Ang mga legal na pahayag na ginawa ng AI ay hindi dapat gamitin nang walang pag-verify.

10. Ano ang pinakakapaki-pakinabang na diskarte kapag sinusuri ang mga bukas na sagot sa survey ng empleyado gamit ang AI?

• A) Pagpapangkat ng mga tugon ayon sa mga pangunahing tema at emosyonal na kalagayan at nagpapakita ng mga pattern ✔
• B) Pagpili ng ilang sagot nang random nang hindi binabasa ang bawat sagot nang paisa-isa
• C) Sinusubukang itugma ang mga hindi kilalang sagot sa mga tao
• D) Tumanggap lamang ng mga positibong komento at huwag pansinin ang mga negatibo

Paglalarawan: Daan-daang mga libreng text na tugon ang maaaring ipangkat ayon sa mga pangunahing tema at mood (positibo/negatibo/neutral) na may AI; ito ay nagpapakita ng hindi napapansin na mga pattern. Ang mga natuklasan ay dapat pa ring bigyang-kahulugan ng mga tao at ang hindi pagkakilala ay dapat mapanatili.

11. Alin sa mga sumusunod ang totoo sa mga tuntunin ng KVKK kapag gumagamit ng AI sa data ng kandidato at empleyado?

• A) Ipadala at iimbak ang lahat ng data ng kandidato sa anumang libreng tool
• B) Paggamit ng personal na data para sa mga layunin maliban sa layunin, sa walang limitasyong paraan
• C) Pagproseso ng data na limitado sa layunin, sa pinakamababang antas at may naaangkop na mga hakbang sa seguridad ✔
• D) Pagproseso ng data ng empleyado nang walang pahintulot at batayan

Paglalarawan: Personal na data; Dapat itong iproseso nang limitado sa layunin, hangga't kinakailangan (pag-minimize ng data) at may naaangkop na mga hakbang sa seguridad. Ang pagpapadala ng personal na data, tulad ng mga CV ng kandidato, sa mga tool na walang mga garantiyang institusyonal at pagsusuri sa mga ito nang walang anonymization ay isang panganib sa KVKK.

12. Ano ang pinakamahusay na paraan ng pagkilos sa mga tuntunin ng personal na data bago magkaroon ng CV na buod ng isang tool ng AI?

• A) Pagtatakpan ng direktang impormasyon ng pagkakakilanlan at pagproseso lamang ng impormasyong may kaugnayan sa trabaho ✔
• B) Ipadala ang CV nang walang anumang pagbabago
• C) Kasama ang lahat ng impormasyon sa pakikipag-ugnayan at pagkakakilanlan ng kandidato sa pagsusuri
• D) Itago ang data sa sasakyan nang walang katapusan at gamitin ito para sa iba pang layunin

Paliwanag: Alinsunod sa prinsipyo ng pagliit ng data; Kung ang isang CV ay ipinadala sa isang tool na walang corporate security, ang pagtatakip ng direktang impormasyon ng pagkakakilanlan tulad ng pangalan-apelyido, telepono, address, petsa ng kapanganakan at pagproseso lamang ng impormasyong may kaugnayan sa trabaho (karanasan, kakayahan) ay nagbabawas sa panganib. Ang pinakamalusog na bagay ay ang paggamit ng pangkorporasyon/ligtas na sasakyan.

13. Paano dapat gamitin ng isang HR professional ang AI kapag nakakita sila ng mababang rate ng conversion na 'application → interview → offer' sa recruitment funnel?

• A) Huwag pansinin ang mga sukatan at ipagpatuloy ang proseso kung ano ito
• B) Ang pagkakaroon ng interpretasyon sa mga rate ng conversion at nabuo ang mga posibleng dahilan at mga mungkahi sa pagpapahusay, pagkatapos ay patunayan ang mga ito gamit ang data ✔
• C) Pagbibigay ng buong awtoridad sa AI para awtomatikong i-screen ang lahat ng kandidato
• D) Paggawa ng mga desisyon sa pamamagitan lamang ng intuwisyon nang hindi sinusukat ang mga sukatan

Paglalarawan: Ang AI ay isang mahusay na katulong sa pagbibigay-kahulugan sa mga sukatan at pagbuo ng mga posibleng dahilan at pagpapabuti ng mga mungkahi: maaari itong magmungkahi ng pagsusuri sa wika ng pag-post, komunikasyon ng kandidato, bilis ng proseso. Gayunpaman, ang mga mungkahi ay dapat na mapatunayan gamit ang data at kaalaman sa larangan, at ang desisyon ay dapat manatili sa tao.

14. Alin sa mga sumusunod ang pinakatumpak bilang pangkalahatang prinsipyo ng paggamit ng AI sa mga proseso ng HR?

• A) Ang AI ay dapat gumawa ng mga desisyon sa pagkuha at pagpapaputok nang mag-isa
• B) Dapat alisin ang pangangasiwa ng tao dahil binabawasan nito ang kahusayan
• C) Dahil ang AI ay walang kinikilingan, ang mga desisyon nito ay dapat ipatupad nang walang pag-aalinlangan
• D) AI ay isang pansuportang kasangkapan; Ang mga huling desisyon na nakakaapekto sa mga tao at responsibilidad ay nananatili sa mga tao ✔

Paglalarawan: Ang mga desisyong ginawa sa HR ay direktang nakakaapekto sa mga karera at buhay ng mga tao. Ang AI ay isang mahusay na tool sa pagbalangkas at pagsusuri, ngunit ang pangwakas na paghatol at pananagutan para sa mga desisyon tulad ng pagkuha, pag-promote, pagpapaalis, atbp. ay dapat palaging manatili sa tao; Ang AI ay isang tagasuporta, hindi isang gumagawa ng desisyon.