شرکت‌های چینی Ed Tech در حال حاضر از هوش مصنوعی، یادگیری تطبیقی و کلاس‌های درس هوشمند استفاده می‌کنند.
در این مقاله، راه‌هایی را پیشنهاد می‌کنیم که می‌توان از این روش‌ها برای افزایش قابلیت‌های سازمانی منابع انسانی فعلی برای آموزش، مدیریت استعداد و توسعه نیروی کار استفاده کرد.
صنعت فناوری Ed چین آیا دامنه منابع انسانی را مختل می کند؟
در فضای منابع انسانی، از زمانی که سیستم‌های مبتنی بر ابر در دهه ۱۹۹۰ شروع به کار کردند، پیشرفت‌های فناوری نویدبخش ایجاد اختلال در این حوزه بوده است.
ما به اندازه کافی اختلال در زمینه‌های خارج از منابع انسانی مانند مهمان‌نوازی، حمل‌ونقل و امور مالی دیده‌ایم تا بدانیم که تحول عمده ممکن است.
از آنجایی که منابع انسانی توسط همه بخش‌های صنعت استفاده می‌شود، پیامدهای تغییر گسترده و چشمگیر است.
برخی از فناوری‌های نوآورانه در حال حاضر در حوزه منابع انسانی استفاده می‌شوند. به طور معمول، در یک سازمان متوسط، ما شاهد برخی از پیشرفت‌های نوآورانه در مورد غربالگری CV متقاضی، یادگیری آنلاین و استفاده از ابر HRIS هستیم، اما بعدی برای HR چیست و آیا باید برای اختلالات قریب‌الوقوع و رادیکال آماده باشیم؟
زمینه
بررسی زمینه فناوری آموزش در چین نشان می‌دهد که به دلیل مزایای عملی که China Ed Tech در قابلیت‌های خود برای ارائه افزایش کارایی فرآیند و نتایج بهتر کسب‌وکار نشان داده است، اختلال اساسی در روش تامین منابع انسانی و مدیریت استعداد محتمل است.
همانطور که در مقالات قبلی خود بحث کردیم، هزینه های VC برای استارتاپ های Ed Tech چین، بودجه و حمایت دولت چین به همراه تقاضای شدید والدین برای بهبود نتایج آموزشی فرزندانشان از عوامل کلیدی تاثیرگذار در رشد و توسعه چینی Ed Tech می باشد.
به دلیل این عوامل حمایتی و فقدان مقررات محدود کننده در مورد استفاده از داده های شخصی، چینی ها به رهبر جهان در استفاده از هوش مصنوعی و تجزیه و تحلیل داده های بزرگ در آموزش و مدیریت یادگیری تبدیل شده اند.
از دیدگاه غرب، رویه چینی ها در جمع آوری داده های شخصی مملو از چالش ها و ملاحظات اخلاقی است، اما در چین اینطور نیست.
هر اقدامی که در جهت بهبود جامعه از طریق افزایش کیفیت و آمادگی نیروی کار انجام شود موجه و قابل پیگیری است.
این فلسفه کلاسیک «هدف وسیله را توجیه می کند» است و به دلیل ماهیت اخلاقی مشکوک آن کمتر قابل قبول نیست.
در حالی که موانع و مقررات تجاری می‌توانند در کوتاه‌مدت مانع انتقال فناوری و سرمایه فکری چینی شوند، ما بر این باوریم که وقتی نوآوری‌ها اجرا شوند و قابل اجرا و ارزشمند باشند، می‌توان آنها را به راحتی با پلتفرم‌هایی با شیوه‌های داده‌ای از نظر اخلاقی دقیق‌تر تطبیق داد و از آنها استفاده کرد.
دولت ها و شرکت های دارای آگاهی اجتماعی بیشتر.
دسترسی به داده های بزرگ اساس اجرای موفقیت آمیز هوش مصنوعی است
چرا جمع آوری داده ها برای فناوری آموزشی بسیار مهم است؟
این به این دلیل است که هوش مصنوعی (AI) عامل حیاتی برای پیشرفت‌های EdTech است و در زمینه هوش مصنوعی، الگوریتم‌ها، بلوک‌های سازنده «یادگیری ماشین» به‌طور رایگان در دسترس همه هستند.
با این حال، داده های مورد نیاز برای آموزش الگوریتم ها برای تولید نتایج مفید تا حد زیادی اختصاصی است.
بنابراین، دسترسی به نقاط داده متعددی که در سیستم‌های داده «بزرگ» قرار دارند، مزیت رقابتی را فراهم می‌کند.
این مزیت به‌طور بحث‌انگیز توسط برنامه‌هایی مانند سیستم اعتبار اجتماعی چین مورد سوء استفاده قرار می‌گیرد، که در آن از انواع داده‌های رفتاری توسط سیستم‌های هوش مصنوعی برای اختصاص امتیاز به افراد استفاده می‌شود که می‌تواند آنها را از پرواز، دسترسی به برخی خدمات مالی و حتی انواع قطارهایی که مجاز هستند محدود کند.
سوار شدن در حالی که مطمئناً خطری وجود دارد، چین از تاکتیک‌های مشابهی در خدمات آموزشی خود استفاده خواهد کرد، این امر مانع از توسعه نوآوری‌هایی که می‌تواند برنامه‌های یادگیری بهینه را برای افراد مبتنی بر تجزیه و تحلیل پیش‌بینی‌کننده هدف قرار دهد، نیست.
مناطقی که باید با پیشرفت فناوری اد چینی تماشا کنید
به این دلایل، ما به اجلاس جهانی فناوری آموزش چین و پیشرفت هایی که چندین شرکت چینی در فضای آموزشی انجام داده اند، توجه زیادی داشته ایم.
بر اساس تلاش‌های آنها، ما ۳ حوزه را شناسایی کرده‌ایم که سیستم‌ها و شیوه‌های منابع انسانی احتمالاً در سال‌های آینده تغییر خواهند کرد.
۱٫ محیط های یادگیری مجازی پیشرفته
تعدادی از شرکت‌های چینی قبلاً بهبودهایی را در محیط‌های یادگیری مجازی پیاده‌سازی کرده‌اند.
مقاله قبلی ما در این مجموعه برجسته کرد: Empower Education Online، TAL Education Group، و YouDao، به عنوان شرکت هایی که به طور پیوسته در حال پیشرفت ویژگی های مختلف برای تفسیر و درک رفتارهای دانش پذیران و معلمان کلاس درس هستند.
تشخیص چهره، ترجمه زبان در زمان واقعی، رفتارهای غیرکلامی و حتی حالات عاطفی دانش پذیران از راه دور اکنون با هوش مصنوعی قابل شناسایی هستند.
علاوه بر این، آنها در استفاده از محیط‌های VR-AR پیشگام هستند که امکان دستکاری اشیاء مجازی سه بعدی و شاید مهم‌تر از همه، توانایی پیش‌بینی نوع محتوای یادگیری را که بیشترین سود را برای یک فرد خواهد داشت را ممکن می‌سازد.
در یک محیط یادگیری شرکتی، این ویژگی‌ها امکان جمع‌آوری مداوم مقادیر بی‌سابقه‌ای از داده‌های مربوط به جمعیت‌شناسی کارکنان، مشارکت عاطفی و علایق شغلی بالقوه را فراهم می‌کند.
بنابراین، هوش مصنوعی می‌تواند برای پیش‌بینی مفیدترین محتوای آموزشی برای ارائه به فراگیران استفاده شود.
با وارد کردن نتایج یادگیری به الگوریتم ها، کیفیت محتوای یادگیری به تدریج و به طور خودکار در طول زمان بهبود می یابد.
علاوه بر این، نسل فعلی و دیگران بهتر می‌توانند گزینه‌ها و استعدادهای شغلی خود را از طریق توصیه‌های هوش مصنوعی بدون نیاز به توجه متمرکز مدیران یا منابع انسانی بررسی کنند.
در نهایت، حالت‌های جدید تعاملات یادگیری مجازی (به عنوان مثال، دستکاری اشیاء سه بعدی VR، گفتار، و تشخیص حرکات) علاقه به بسیاری از دوره‌های مجازی را افزایش می‌دهد و یادگیری و سرعت را برای درک محتوای دشوارتر افزایش می‌دهد.
با رایج شدن این برنامه ها، متخصصان منابع انسانی به جای طراحی برنامه های کاملاً جدید، مسئول بهینه سازی اکوسیستم های یادگیری خود خواهند بود.
از آنها خواسته می‌شود تا «حوزه‌های محتوا» یا «مسیرهای یادگیری» را که شامل برنامه‌های متنوعی هستند، تقویت کنند.
سپس، به هوش مصنوعی برای «یادگیری» که کدام دوره‌ها در زمینه کسب‌وکار و پایه یادگیرنده مؤثرتر هستند، اعتماد می‌شود.
بنابراین، متخصصان یادگیری باید در تفسیر حجم گسترده داده های جمع آوری شده توسط سیستم به بینش های قابل فهم و عملی مهارت داشته باشند.
۲٫ پیش بینی عملکرد و پتانسیل
الگوریتم‌هایی که توسط شرکت‌هایی مانند TAL، YouDao و دیگران استفاده می‌شوند، اکنون می‌توانند بهتر پیش‌بینی کنند که فراگیران در چه دوره‌هایی برتری خواهند داشت.
سیستم‌های مدیریت استعداد همچنین پیش‌بینی خود را در نقش‌هایی که افراد خاص موفق خواهند شد، بهبود می‌بخشند.
این پیشرفت‌ها نه تنها منجر به بهره‌مندی افراد از کاوش در مسیرهای شغلی شخصی می‌شوند، بلکه در منابع انسانی ابزاری ارزشمند برای مدیریت استعداد نیز به‌دست می‌آیند.
ماتریس استاندارد عملکرد/پتانسیل
۹ جعبه را در نظر بگیرید که در آن استعدادها بر اساس نظرات جمعی، عمدتا ذهنی، رهبران ارشد، در یکی از ۹ کادر طبقه بندی می شوند.
این به نوبه خود بر فرصت ها و ارتقای توسعه تأثیر می گذارد. به زودی، هوش مصنوعی قادر خواهد بود با پردازش ده‌ها هزار نقطه داده که کمتر تحت تأثیر سوگیری‌های رهبری، طرفداری و تعصبات سیاسی قرار می‌گیرند، نسخه خود از ماتریس ۹ Box را تولید کند.
متخصصان منابع انسانی که با این سیستم‌ها کار می‌کنند باید مراقب باشند که از این بینش‌ها استفاده کنند اما تحت کنترل آنها نباشند.
یکی از نقاط ضعف هوش مصنوعی این است که درست مانند انسان ها، می تواند سوگیری ها و خطاهای خود را ایجاد کند.
نکته مثبت این است که تقریباً در همه موارد آنچه سیستم «هوش توزیع شده» نامیده می‌شود، که هم هوش مصنوعی و هم قضاوت انسان را ادغام می‌کند، منجر به نتایج بهتر و ریسک کمتری می‌شود.
بنابراین، متخصصان آینده مدیریت استعداد، مسئول اعمال توصیه‌های هوش مصنوعی به‌طور مناسب و میانجی‌گری در فرآیند تصمیم‌گیری با رهبران ارشد خواهند بود.
این امر مستلزم توانایی تفسیر توصیه‌های هوش مصنوعی به زبان عقل سلیم و توانایی به چالش کشیدن نظرات رهبری در حین ایجاد اجماع است.
۳٫ برنامه ریزی استراتژیک نیروی کار
تا اینجا، ما در مورد اینکه چگونه این پیشرفت‌های فناوری بر نتایج فردی کارکنان تأثیر می‌گذارد، بحث کرده‌ایم.
یکی از جالب ترین تحولات این است که چگونه این ابزارها بر برنامه ریزی کلی منابع انسانی تأثیر می گذارند.
همانطور که داده های بیشتری جمع آوری می شود و هوش مصنوعی در مورد پیش بینی نتایج شغلی، یادگیری و عملکرد آموزش می بیند، دری برای هوش مصنوعی برای افزودن ارزش به طرح های توسعه و برنامه ریزی استراتژیک نیروی کار منابع انسانی باز خواهد شد.
یک مدیر استعداد ممکن است به زودی از یک پلتفرم SWP مبتنی بر هوش مصنوعی برای وارد کردن نیازهای افراد در استراتژی‌های تجاری جدید، عرضه محصولات و دریافت توصیه‌های استراتژیک برای آزمایش استفاده کند.
چنین کاربردهایی ممکن است شامل موارد زیر باشد: تعداد تخمینی کارمندان فعلی که می‌توانند رشد کنند تا نیازهای آینده را برآورده کنند، قابلیت‌هایی که باید به صورت خارجی استخدام شوند، تعداد سران مورد نیاز تخمین زده می‌شود، و در نهایت اطلاعات جمعیتی و کانال‌های توصیه‌شده برای جذب این استعدادها مشخص می شود.
مانند مدیریت استعداد، خروجی هوش مصنوعی باید توسط متخصصان ماهر منابع انسانی تفسیر شود و به عنوان ورودی حمایتی استفاده شود، نه برنامه های نهایی.
با توجه به تلاش‌های شدید مورد نیاز برای جمع‌آوری و تجزیه و تحلیل داده‌ها برای ابتکارات SWP، پشتیبانی ایجاد شده توسط هوش مصنوعی در این زمینه بسیار مورد استقبال خواهد بود.
نتیجه
پیشرفت‌ها در فناوری منابع انسانی، به‌ویژه در هوش مصنوعی، به تکامل رشته ما ادامه می‌دهد و به استفاده‌های جدید و هیجان‌انگیز از هوش مصنوعی و داده‌های بزرگ منجر می‌شود.
مزایای فوق العاده ای از این پیشرفت ها ممکن است. افراد می‌توانند سریع‌تر یاد بگیرند، مسیرهای شغلی بهتری را انتخاب کنند و در هنگام گرفتن موقعیت‌های جدید به موفقیت نهایی خود اطمینان بیشتری داشته باشند.
با این حال، مانند بسیاری از پیشرفت های فناوری، البته، یک جنبه تاریک بالقوه وجود دارد.
شرکت‌ها می‌توانند تسلیم وسوسه استفاده از پیش‌بینی‌های هوش مصنوعی به‌عنوان معیار خود برای تصمیم‌گیری شوند، استدلال‌های عقل سلیم را نادیده بگیرند و شروع به محدود کردن پتانسیل کارکنان تنها بر اساس امتیازات ایجاد شده توسط هوش مصنوعی کنند.
علاوه بر این، مانند مورد چین، احتمال تجاوز به حریم خصوصی افراد و پیامدهای نامطلوب ناشی از آن قطعاً امکان پذیر است.
اجرای نوآوری های جدید برگرفته از EdTech چین و اعمال شده در قابلیت های منابع انسانی در غرب، این پتانسیل را دارد که چالش های اخلاقی، کارآمدی، مشارکت کارکنان و روابط عمومی را بالا ببرد.
توصیه کلیدی ما این است که منابع انسانی باید مسئولیت خود را در خدمت به عنوان وجدان استراتژیک سازمان بدانند که حصول اطمینان از بهره مندی از مزایای یادگیری در حالی که احترام برای فرد حفظ می شود.
متخصصان آینده باید عملکرد و مزایای ابزارهایی را که استفاده می کنند و همچنین خطرات و خطرات بالقوه آنها را که باید برای کاهش آنها درک کنند، زیرا سازمان خود را عاقلانه به سمت آینده هدایت می کنند.