GREG SIMPSON
Eğer haberleri takip ediyorsanız, çok yakın bir gelecekte geçim kaynağımızın yerini sigorta, ücretli izin ve şirket faaliyetlerine ihtiyacı olmayan makineler ve otomatikleştirilmiş makinelerin alacağını görerek dertlenmemeniz elinizde değildir.
Bankacılık sektörü mesela. Eski Citibank CEO’su Vikram Pandit, 2017 Eylül’de verdiği bir röportajda Yapay Zekâ ve robotların bankacılık pozisyonlarının %30’unu dolduracağına değindi. Aynı ay içinde eski Deutsche Bank CEO’su John Cryan, dünya çapında 50.000 çalışanın – bankanın toplam işgücünün yarısı- on yıla kadar pozisyonlarının robotlar tarafından doldurulacağını belirtti.
Peki, bu kehanetlerin gerçek olması mümkün mü? Financial Times’da yayınlanan yeni bir makalede robotlar tarafından ele geçirilecek dünya hikâyesinin, abartılı ve aldatıcı olduğu ve otomasyonun küresel işgücü üzerindeki gerçek etkisini gölgelediğine değiniliyor.
Financial Times, Avrupa’nın en büyük 30 bankasını kapsayan araştırmasında, çoğunluğun hala, Yapay Zekâ ve robotların süreçlere nasıl uygulanabileceğine ve makine öğreniminin “mütevazı” insanların yerine gerçekten ne kadar geçebileceğini “çözmeye çalıştığını” ortaya koydu. Daha da önemlisi çoğu kurum Yapay Zekânın operasyonlarını nasıl değiştireceğini çözmesi için ek kadroyu işe almaları gerektiğini ifade ediyor.
Diğer endüstriler de aşağı yukarı Yapay Zekâya böyle yaklaşıyor.
Yapay Zekâ insanları outplacement denkleminde hiçbir zaman insanların yerine tam anlamıyla geçemez. Çünkü iş arama Yapay Zekânın tüm gücü ve olasılıklarına rağmen – halen tamamen kavrayamayacağı kadar kişisel ve derin bir deneyimdir.
Bankacılık ve sigorta sektörü gibi birçok kariyer dönüşümü alanında çalışan şirket markalarını Yapay Zekâ ile buluşturacak yollar arayışı içinde.
Şunu netliğe kavuşturalım, teknoloji outplacement sektöründe önemli değişiklikler yarattı. Sanal hizmetler, LinkedIn, online siteler, müşterilerimize verdiğimiz hizmeti ve insanların iş bulma şekillerini dönüştürüyor.
Özgeçmişleri sınıflandırmak ve potansiyel adayları belirlemek, yorucu, zaman alan bir süreç. Araştırmalarda, sınıflandırma ve belirleme işini yapan ve işe alım kararlarını verenlerin cinsiyet, ırk ve yaş kriterleri bakımından tarafgirliğe eğilimli olabileceği belirtiliyor. Kendine benzeyen ve benzer şekilde konuşan insanları işe alma eğilimi şirketlerin çeşitlilik ve cinsiyet eşitliği konusunda sorun yaşamasına neden olmakta.
Teknoloji bu tür yanlılıkların bir kısmını ortadan kaldırırken, sonuçlar yine de on yıldız alacak kadar parlak değil. Birçok büyük şirket düzenli olarak sınıflandırmaları gereken yetenek havuzlarında yetenekleri daha doğru belirleyebilmek için CV inceleme teknolojisi (parsing) kullanıyor, birçok inceleme programı var ama genel olarak bunlar otomatik depolama ve özgeçmiş verilerinin bir analizini içeriyor. Bu depolanmış bilginin sınıflandırılmasına ve belirli bir işin gereklerine en yakın olan adayları bulmalarına yardım ediyor.
İnceleme algoritmalarının sorunu, özgeçmişleri sınıflandırmak ve düzenlemek için belirli anahtar kelimeleri arayarak fazlasıyla semantik arama motorlarına dayanmaları. Hâlbuki farklı yazım tarzları ve söz dizimi ile kimi kelimeler aynı anda birden fazla anlama gelebilir. Neticede insan kaynakları sektörünün yegane kurtarıcısının inceleme teknolojisi olmadığı anlaşıldı.
İnceleme teknolojisinin kısıtlamalarının potansiyel çözümü Yapay Zekâ mı peki? Çoğu işveren böyle düşünüyor.
Yetenek belirleme uzmanları şimdiden Yapay Zekâ araçlarını kullanıyor. Deloitte’in 2018 Küresel İnsan Kapitali Trendleri raporunda, bu yılın sonunda şirketlerin üçte ikisinin işe alma kararlarını geliştirmek adına Yapay Zekânın bir formunu kullanacakları belirtiliyor.
Yapay Zekâ araçlarını kullanma konusunda giderek artan ilgi, semantik arama motorları ve insan eliyle sınıflandırmadan daha iyi sonuçlar alınmasına dayanıyor.
Harvard Business Review, 17 farklı istatike bakarak işe başvuran insanlar ve makinelerin evrimini karşılaştırdı. HBR raporu, neredeyse her ölçekte makinelerin insanlar tarafından yönetilen yetenek belirleme süreçlerini daha iyi yönettiğini ortaya koydu. Bununlar birlikte çalışmayı yürütenler insan faktörünü tam anlamıyla ortadan kaldırmayı önermediler. Makalede, Yapay Zekânın en umut veren adayları belirlemekte “alanı daraltmak” konusunda en etkili olduğu, son kararın yine de insanlara bırakılması gerektiği belirtildi.
Bu tartışma LHH için çok önemli, zira yetenek belirleme uzmanları ve onların tarafından duyurulan pozisyonlar için henüz fark edilmemiş yetenekleri ortaya çıkarmak bizim öncülük yaptığımız bir alan.
Yetenek belirleme uzmanları açık pozisyonlar için uzun zamandır düzenli olarak göz atabilecekleri, en kalifiye, önceden sınıflandırılmış ve belirlenmiş çalışmayan yeteneklerden oluşan bir havuzun olmasını uzun bir zamandır istiyor. Bu onları, gerekli özellikleri barındırmayan insanların özgeçmişlerini sınıflandırırken ve ararken kaybettikleri zamandan kurtarıyor. Daha kısa zamanda, daha az maliyetle, doğru tercih yapmaları anlamına geliyor.
Yeni teknolojier, özellikle çoğu şirketin çalışmayan yetenek ve yetenek belirleme uzmanları arasında köprü kurarak outplacement alanında faydalı olabilir. Eğer çalışmayan yetenekler ve açık pozisyonlar arasındaki bu mesafeyi kısaltacak yeni süreçler ve teknoloji varsa, bu hem iş arayanlara hem de yetenek avcısına büyük fayda sağlayacaktır.
Makineler ve algoritmalar kesinlikle outplacement şirketlerin ilerlemesini sağlayabilir ama insan unsurunu korumak da çok önemli. Çoğu sektörün şu anda tecrübe ettiği gibi outplacement sürecinde otomasyon uygulanamayacak belirli alanlar var. Yeni süreçleri tasarlamak, networking yoluyla kişisel ilişkiler kurmak, yüz-yüze koçluk, muhakeme ve kavramsal düşünce ve empati Yapay Zekâ’nın erişemediği kavramlar ve başarılı bir dönüşümün elzem parçaları.
Yapay Zekâ’nın çalışmayan yeteneklerin gelecek fırsatlarını bulmalarına yardımcı olacağı muhakkak. Bununla birlikte Yapay Zekâ insanları outplacement denkleminde hiçbir zaman insanların yerine tam anlamıyla geçemez. Çünkü iş arama Yapay Zekâ’nın tüm gücü ve olasılıklarına rağmen – halen tamamen kavrayamayacağı kadar kişisel ve derin bir deneyimdir.