Cuộc cách mạng kỹ thuật số cung cấp cho các công ty phạm vi để phát triển các khả năng mới giúp đảm bảo lợi thế cạnh tranh lâu dài. Thật vậy, công nghệ đang đóng một vai trò ngày càng quan trọng hơn trong thành công của tổ chức. Quản lý nguồn nhân lực (HRM) là một ví dụ điển hình về một chức năng có phạm vi được chuyển đổi bằng số hóa. Chìa khóa cho điều này là sự xuất hiện của các ứng dụng trí tuệ nhân tạo (AI).

Ảnh minh họaTrí tuệ nhân tạo (AI) ngày càng được áp dụng nhiều hơn trong quản lý nguồn nhân lực (HRM) do tiềm năng tạo ra giá trị cho người tiêu dùng, nhân viên và tổ chức. Tuy nhiên, các nghiên cứu gần đây đã phát hiện ra rằng các tổ chức vẫn chưa trải nghiệm được những lợi ích mong đợi từ việc áp dụng AI, mặc dù đã đầu tư thời gian, công sức và nguồn lực.

Các nghiên cứu hiện có về HRM đã xem xét các ứng dụng của AI, những lợi ích mong đợi và tác động của nó đối với lực lượng lao động và tổ chức của con người. Mục đích của bài báo này là xem xét một cách có hệ thống các tài liệu HRM để cung cấp sự hiểu biết toàn diện và khách quan về các rào cản AI trong HRM.

Quản trị nguồn nhân lực là một chức năng được thực hiện ở hầu hết các doanh nghiệp nhằm tạo điều kiện để có thể sử dụng lao động một cách hiệu quả nhất nhằm thỏa mãn các mục tiêu chung của công ty và các mục tiêu riêng của từng cá nhân (John M.Ivancevich, Quản trị Nguồn Nhân Lực, 2010).

Quản trị nguồn nhân lực là quá trình tìm kiếm, đào tạo, đánh giá và bồi thường cho nhân viên và quan tâm đến các mối quan hệ lao động, sức khoẻ và an toàn cũng như sự công bằng của họ. (Dessler, G, Fundamentals of Human Resource Management, 2020)

Mặc dù AI đã là chủ đề trọng tâm trong nhiều thập kỷ, nhưng hiện tại không có định nghĩa nào được chấp nhận rộng rãi trong toàn bộ tài liệu, điều này dẫn đến vấn đề cơ bản về sự hiểu biết mạch lạc về AI (Mikalef & Gupta, 2021).

Theo Soumyadeb Chowdhury và cộng sự, 2023 định nghĩa AI là khả năng của một hệ thống nhân tạo bao gồm các thuật toán và chương trình phần mềm, để xác định, diễn giải, tạo ra thông tin chi tiết và học hỏi từ các nguồn dữ liệu để đạt được các mục tiêu và nhiệm vụ cụ thể được xác định trước.

Tambe và cộng sự (2019) lập luận rằng việc áp dụng AI cho HRM phải đối mặt với bốn thách thức lớn, cụ thể là tính phức tạp của hiện tượng HR, dữ liệu nhỏ, các ràng buộc về mặt đạo đức và phản ứng của nhân viên đối với việc triển khai trí tuệ nhân tạo. Trên hết, Giermindl và cộng sự (2021) và Malik và cộng sự (2021) nhấn mạnh tầm quan trọng của các vấn đề về quyền riêng tư và bảo vệ dữ liệu, các vấn đề phát sinh từ việc theo dõi liên tục và khả năng thiên vị trong chính các thuật toán.

Các rào cản khác bao gồm, đánh giá chất lượng dữ liệu để đảm bảo các quyết định và khuyến nghị là chính xác, đúng đắn và có liên quan (Ransbotham và cộng sự, 2020); tập dữ liệu đào tạo tối ưu để giảm thiểu thiên vị và rủi ro về danh tiếng (Chowdhury, Rakova, Cramer, & Yang, 2020; Glikson & Woolley, 2020); tích hợp các hệ thống hiện có với việc triển khai AI để hợp lý hóa quá trình xử lý và quản lý thông tin (Kaplan và Haenlein, 2020); phát triển văn hóa lấy dữ liệu làm trung tâm trong tổ chức, để mọi người đều tham gia triển khai và sử dụng (Bieda, 2020); sự biến động của công nghệ, tức là tốc độ thay đổi của công nghệ và làm gián đoạn các mô hình và quy trình kinh doanh (Morse, 2020).

Những rào cản này có thể có tác động đáng kể trong thực tế. Có một số lý do tại sao tính minh bạch đặc biệt cần thiết trong bối cảnh nhân sự (Chowdhury và cộng sự, 2020). Thuật toán AI có thể xác định tiêu chí hoặc mối quan hệ có liên quan giữa các tiêu chí ảnh hưởng đến sự hội nhập thành công của nhân viên vào công ty. Tuy nhiên, mối quan hệ đó có thể không rõ ràng đối với những người ra quyết định, điều này có thể đặt câu hỏi về độ tin cậy của kết quả (Meechang và cộng sự, 2020).

Ví dụ, trong quy trình tuyển dụng nhân viên, nếu kết quả của thuật toán AI không thuận lợi cho ứng viên, thì ứng viên và quản lý nhân sự (trừ khi họ đã được đào tạo) sẽ không có cơ chế nào để phát hiện ra lý do tại sao ứng viên không thành công và do đó, ứng viên không thể chủ động cải thiện bộ kỹ năng của mình.

Trên thực tế, một số quyết định do con người đưa ra dựa trên phán đoán và trực giác (Meechang và cộng sự, 2020). Do đó, khả năng diễn giải kết quả từ AI và xung đột tiềm ẩn với quan điểm của con người có thể cản trở việc triển khai thành công AI. Điều này quan trọng vì nó nhấn mạnh rằng nguồn gốc của sự thiên vị trong AI có liên quan đến sự thiên vị của những người triển khai AI.

Một số nhóm được phát hiện là có bất lợi về tính không cân xứng trong thuật toán AI. Nếu một bộ phận xã hội luôn bị gạt ra ngoài lề trong thị trường việc làm hoặc trong một tổ chức cụ thể, thì các nhà quản lý nhân sự cần phải trả lời các câu hỏi của người dùng và xã hội. Nếu người dùng hoặc người quản lý nhân sự không hiểu khả năng chi trả và các biến thể của thuật toán, điều này có thể dẫn đến việc không thể sử dụng thuật toán một cách hiệu quả để tuyển dụng và giữ chân những nhân viên tốt nhất có thể và bị ảnh hưởng bởi định kiến ​​(Chowdhury và cộng sự, 2020). Quyền sở hữu thuật toán AI và kết quả của nó có thể được trao cho các nhà quản lý nhân sự và do đó, họ cần biết lý do cơ bản cho các lựa chọn và kết quả đầu vào dữ liệu (Davenport & Ronanki, 2018).

Đối với tuyển dụng nhân sự, quá trình ra quyết định nhắm mục tiêu vào các ứng viên tiềm năng và đưa họ qua các bước kiểm tra thô sơ, được đẩy nhanh bằng AI. Tuy nhiên, điều này đặt ra những câu hỏi quan trọng về chất lượng của chính quy trình, đặc biệt là vấn đề nhận thức luận liên quan đến sự phụ thuộc vào dữ liệu định lượng kỹ thuật số mà thuật toán AI học được (Faraj, Pachidi, & Sayegh, 2018).

Cụ thể, các nhà tuyển dụng nhân sự đang dựa vào siêu dữ liệu có sẵn trên các phương tiện truyền thông xã hội để nhắm mục tiêu vào các ứng viên tiềm năng cho các vị trí trong tổ chức. Việc giảm chi phí và dễ dàng truy cập vào thế giới kỹ thuật số, cùng với việc xử lý một lượng lớn siêu dữ liệu tương đối dễ dàng, đã khiến xã hội trở nên thống trị với logic định lượng (Espeland & Stevens, 2008).

Việc định lượng này đã trở thành sự thay thế cho đời sống xã hội, tính cách, khả năng và sự lựa chọn của một cá nhân, những thuộc tính mà dựa vào đó các quyết định tuyển dụng được đưa ra. Mặc dù các thuật toán có thể dự đoán chính xác một số thuộc tính và đặc điểm riêng lẻ, nhưng nó cũng hạn chế nhóm tuyển dụng bằng cách chọn một bộ đặc điểm cụ thể để nhắm mục tiêu. Hơn nữa, các thuật toán học tập có bản chất là giản lược vì chúng sử dụng mô hình dự đoán chỉ dựa trên phân tích tương quan của các kích thước đo được, do đó giảm cá nhân xuống chỉ còn những tiêu chí đo lường đó (Faraj và cộng sự, 2018).

Do đó, việc giảm các cá nhân thành một tập hợp các kích thước được đo lường và tránh đề cập đến quá trình tiến hóa của một người và những khám phá thay thế có thể giải thích cách một người kết thúc trong một phạm trù cụ thể (Ananny, 2016). Điều này chắc chắn đặt ra câu hỏi về việc phụ thuộc quá nhiều vào các quyết định của AI liên quan đến tuyển dụng có mục tiêu và tuân theo các quy trình tuyển dụng.

Ngoài ra, AI được cho là có những thiếu sót về trí tuệ sáng tạo và xã hội (Mak, Li, Tang, Wu, & Lai, 2020). Ví dụ: AI có khả năng xác định các lĩnh vực có hiệu suất thấp hơn dựa trên thành tích của nhân viên, nhưng nó sẽ gặp khó khăn trong việc xử lý các yếu tố cơ bản dẫn đến hiệu suất thấp và do đó, nó có thể giải thích nhu cầu hành động trong những trường hợp có thể là tạm thời hoặc bị ảnh hưởng bởi các biến bên ngoài. Trên thực tế, tác động của các biến bên ngoài đó là một rào cản quan trọng khác đối với việc sử dụng AI. Khả năng dự đoán của AI có thể bị cản trở bởi những thách thức trong việc mô tả chính xác mức độ phức tạp của hành vi con người (Pashkevich và cộng sự, 2019) và tác động của những tác động bên ngoài chưa xác định ảnh hưởng đến điều kiện môi trường và bản thân công ty. Sự phức tạp của việc kết hợp những điều không chắc chắn trong môi trường (ví dụ: tình huống dự phòng liên quan đến COVID-19) và việc không thể dự đoán chính xác hành vi của con người là một thách thức đối với khả năng dự đoán của AI.

Do đó, khả năng của AI cần được kết hợp với khả năng đồng cảm và hiểu kết quả của con người trong bối cảnh toàn cầu, tổ chức và cá nhân. Bằng cách này, con người trở thành người gác cổng tận dụng tiềm năng từ AI (Wang, Zhang, & Guo, 2021) để sử dụng kết quả phát hiện theo cách phù hợp nhất, từ đó nâng cao khả năng đưa ra quyết định. Điều này cũng sẽ yêu cầu người vận hành phải liên tục xem xét, sửa đổi và cập nhật các tham số trong thuật toán AI để tính đến những thay đổi của tổ chức như thay đổi mức độ ưu tiên và đưa vào các tiêu chí liên quan cho các bên liên quan bên ngoài. Những sáng kiến ​​như vậy sẽ dẫn đến việc triển khai AI thành công và được những người ra quyết định chấp nhận cho việc áp dụng nó sau này (Cao, Duan, Edwards, & Dwivedi, 2021).

Kết quả của nghiên cứu đưa ra được những rào cản của trí tuệ nhân tạo.

Trong bối cảnh này, các nhà quản lý nhân sự có năng lực cần thiết để triển khai các ứng dụng AI một cách hiệu quả; Công ty nắm lấy các công nghệ chưa được chứng minh. Điều này có khả năng hơn nếu nó được coi là hữu ích và đơn giản để sử dụng; Học tập tập trung nhiều hơn vào cấp độ tổ chức hơn là cấp độ cá nhân để làm cho nó khó khăn hơn để nhân rộng bởi các đối thủ cạnh tranh; HRM được chỉ đạo bởi AI chứng tỏ giá trị về các giải pháp được cung cấp, hiệu quả và sự hài lòng của nhân viên. Các chính sách nhân sự phù hợp được thực hiện hiệu quả cũng góp phần đạt được những lợi thế độc đáo. Bất chấp sự nhiệt tình rõ ràng xung quanh AI, bằng chứng cho thấy sự quan tâm nghiên cứu cho đến nay thấp hơn so với các học viên.

Các tài liệu cũng thừa nhận sự sai lệch giữa sự trưởng thành về công nghệ và ứng dụng của nó trong thực tế. Điều này có ý nghĩa đối với HRM. Vì công nghệ tụt lại phía sau, các ứng dụng HRM bị giới hạn ở những ứng dụng được xác định là "yếu" và bị giới hạn như tuyển dụng và lựa chọn. Nó vẫn chưa đạt đến giai đoạn mà các lĩnh vực AI "mạnh mẽ" như sáng tạo, tư duy hợp lý và ra quyết định là một tính năng của HRM; để đi sâu hơn vào các vấn đề HRM do AI điều khiển, Bo ̈hmer và Schinnenburg (2023) tiến hành đánh giá tài liệu về các bài báo học thuật và thực hành...