Tìm hiểu về Grow [PDF]

Zitiervorschau

1. Tìm hiểu về Grow 2. GROW: SỬ DỤNG TRÍ TUỆ NHÂN TẠO ĐỂ SÀNG LỌC TRÍ TUỆ CON NGƯỜI Fukuhara đặt ra câu hỏi về cách sử dụng dữ liệu một cách tốt nhất. Bảy năm kể từ khi thành lập IGS, giải pháp đánh giá các ứng viên tìm việc - “GROW” - đã phát triển nhanh chóng. Ứng dụng bao gồm 2 phần: đánh giá năng lực và đánh giá tính cách. 

Đánh giá năng lực: phát triển một công cụ phản hồi để tiết lộ 25 năng lực cụ thể đã chọn dựa trên nghiên cứu khoa học xã hội diện rộng.



Đánh giá tính cách: phát triển một phiên bản được sử dụng của Bài kiểm tra Hiệp hội (IAT).

Những gì GROW đã làm: đã sử dụng thuật toán học trí tuệ nhân tạo (AI), tìm kiếm khuôn mẫu, sử dụng “big data” để tuyển dụng, sàng lọc và phát triển vốn nhân lực. Big data là dữ liệu có độ phức tạp, độ đa dạng và có khối lượng lớn mà các ứng dụng không thể xử lí đưa ra thông tin nhanh chóng và dễ dàng. Nhận được sự quan tâm rộng rãi là cơ hội và một thách thức: cung cấp cơ sở phát triển của người dùng, dữ liệu và cơ quan; đóng vai trò mạnh mẽ hơn trong việc tập trung chiến lược. Tiểu sử của IGS – một tổ chức toàn cầu. Trước khi bắt đầu IGS, Fukuhara đã đưa ra quyết định đầu tư dựa trên các mô hình điều khiển bằng máy tính. Câu thần chú tại BGI là “định lượng tất cả mọi thứ”, ông tin rằng phán đoán định lượng sẽ dẫn đến kết quả rằng tăng lợi nhuận việc điều chỉnh rủi ro. Ông dành nhiều thời gian hơn để quản lý con người " tại sao không định lượng năng lực cá nhân?” Fukuhara điều hành IGS trong một khu vực nhộn nhịp của Tokyo nên ông có cơ hội để quan sát tận mắt những người trẻ tuổi phát triển như thế nào, cách họ phản hồi và cách họ học cách đánh giá các kỹ năng của chính mình. Ông đã thiết kế một chương trình giảng dạy mới  thu hút sự quan tâm lớn. Ông càng tự tin rằng các hành vi của con người có thể thay đổi tốt hơn thông qua phản hồi thường xuyên hơn. Việc trao đổi phản hồi một cách trung thực khiến nhiều người Nhật cảm thấy không thoải mái, khiến nó trở thành một việc không phổ biến

Đầu năm 2015, ông đưa ra một công cụ giúp sinh viên hiểu được điểm mạnh và điểm yếu của họ và hỗ trợ tuyển dụng được đặt tên là GROW Ông đã chuyển sang tập trung IGS vào việc phát triển nền tảng  hai mặt của GROW. GROW GROW được phát triển như một ứng dụng cho phép sinh viên “tặng” các phản hồi của họ thông qua bài kiểm IAT. IGS đã thêm một chiến lược B2B2C (mô hình kinh doanh phản ánh sự hợp tác giữa 2 chủ thể doanh nghiệp B2B để đưa sản phẩm đến tay người tiêu dùng cuối cùng B2C) và cung cấp  chức năng nhân sự trong các tổ chức. IGS tập trung vào việc mua lại khách hàng, cải thiện công nghệ và mở rộng cơ sở người dùng. Đem lại các ý nghĩa to lớn cho sinh viên tốt nghiệp đại học hàng năm của Nhật Bản. 3. Cách hoạt động của Grow Sử dụng thuật toán AI để phân tích kho dữ liệu có sẵn và thông qua hành vi của người đánh giá để đưa ra kết quả ,từ đó phát triển và tùy chỉnh các dịch vụ liên quan đến nhân sự cho khách hàng và người dùng. Bài đánh giá năng lực Người dùng thông qua trả lời các truy vấn cho từng năng lực( thường là 3 truy vấn) theo 4 cấp độ: (1) hiếm khi,  (2) đôi khi,  (3) thường xuyên, (4) gần như luôn Bên cạnh sẽ không có phản hồi trung lập để đảm bảo tính khách quan. Trọng lượng của truy vấn Ngoài tự đánh giá, người dùng còn nhận được xếp hạng từ nhiều người đánh giá khác (trung bình 4-5 người), nhưng mỗi đánh giá không có trọng số như nhau. Tùy theo thời gian thực hiện đánh giá, đặc điểm tính cách hay biểu đồ xã hội, thông qua phân tích bằng công nghệ AI để xác định đánh giá là xác thực và phù hợp với thực tế hay không.  Đặc điểm tính cách Người dùng thực hiện đánh giá qua một loạt các nhiệm vụ liên kết. Kéo các thuộc tính xuất hiện ở cuối màn hình vào hộp chứa thuộc tính chính xác. Về hơn về cách thực hiện bài đánh giá tính cách sẽ được nói nói rõ hơn ở mục lục 3.

Grow sử dụng công nghệ AI giám sát và phân tích mẫu hành vi vuốt từ đó dự đoán tính cách tốt hơn. Cách hoạt động của GROW GROW có thể đánh giá năng lực của người dùng khác (bạn cùng lớp, đồng nghiệp, người quen, v.v.), hoàn thành bản tự đánh giá hoặc hoàn thành IAT. IGS đã sử dụng các thuật toán AI của mình để phân tích dữ liệu kết quả, từ cả ứng viên và người đánh giá, nhằm phát triển và tùy chỉnh các dịch vụ liên quan đến nhân sự cho khách hàng và người dùng. 4. Các tổ chức sử dụng GROW như thế nào? Sau nhiều vòng thử nghiệm thì IGS đã sẵn sàng cung cấp GROW như là một công cụ phần mềm dịch vụ cho những công ty có hứng thú, mang lại lợi nhuận rất lớn cho họ. Với sự xuất hiện của việc nộp hồ sơ online, sự phát triển của kĩ thuật số và những phần mềm được thiết kế để giúp sinh viên tốn ít công sức hơn để apply vào những công ty tiềm năng, đơn xin việc đã tăng vọt. Tuy nhiên thậm chí khi nhiều công ty ngập trong đơn xin việc như vậy thì cách họ tiếp cận để xử lí những lá đơn này không thay đổi nhiều - họ vẫn dựa vào việc chăm chỉ đánh giá hồ sơ và một vài vòng phỏng vấn mặt đối mặt tốn thời gian. Kết quả là, họ không chỉ không kịp tiến độ mà chất lượng tuyển dụng cũng không hoàn toàn bảo đảm. GROW khi này là một giải pháp rất thu hút. Septeni Holdings Thành lập năm 1990. Năm 2017, Septeni là một trong những công ty tiếp thị qua internet lớn nhất ở Nhật Bản và nó đã phát triển bằng cách áp dụng các phương pháp tiếp cận độc đáo để tuyển dụng và nuôi dưỡng những tài năng kinh doanh, Để sàng lọc nhân tài, Septeni đã tuân theo cách tiếp cận phổ biến của Nhật Bản là mời sinh viên đại học đến văn phòng của trường ở Tokyo để tham gia nhiều vòng phỏng vấn theo nhóm. Nhưng cách tiếp cận đó có những hạn chế đáng kể đối với Septeni, bao gồm nhu cầu đích thân sinh viên đến thăm Septeni (ngoại trừ sinh viên sống bên ngoài khu vực Tokyo). Để giải quyết vấn đề này, Septeni đã tạo ra một quy trình tuyển dụng trực tuyến mới, bao gồm một video phỏng vấn cộng với một cuộc điều tra dựa trên web, dành cho sinh viên sống bên ngoài khu vực Tokyo, vì thế họ không cần phải trả chi phí đi lại đắt đỏ cho cuộc phỏng vấn nữa. Tuy nhiên, điều đó đã khiến Septeni không thể thu thập dữ liệu thông qua các cuộc phỏng vấn nhóm trực tiếp theo truyền thống. Septeni đã chuyển sang GROW để thay thế cho dữ liệu đó. Bằng cách thu thập đánh giá từ các đồng nghiệp trong suốt thời gian sinh viên ở trường đại học, GROW rất phù hợp với các tiêu chí đánh giá nội bộ của Septeni, vốn tập trung vào các đặc điểm tính cách và về các khả năng mà một cá nhân đã thể hiện khi họ việc với những người khác trong 1 khoảng thời gian. Septeni đã cung cấp cho IGS dữ liệu về các ứng viên năm trước và kết quả phỏng vấn để giúp IGS “đào tạo” thuật toán AI, từ đó dự đoán chính xác những ứng viên nào —

trong quá khứ và tương lai — sẽ vượt qua các cuộc phỏng vấn nhóm của Septeni. GROW không chỉ dự đoán gần đúng với kết quả đánh giá nội bộ của Septeni, mà nó còn nhân đôi tài năng Septeni từ bên ngoài Tokyo.

5. Một số giải pháp giúp phát triển phần mềm Những rủi ro khi tăng trưởng: Cơ sở dữ liệu Sản phẩm AI yêu cầu rất nhiều dữ liệu và chúng cần phải là dữ liệu hợp lệ. Họ cần phải xác định các nguồn dữ liệu, xây dựng những đường ống dữ liệu, dọn dẹp và chuẩn bị dữ liệu để có thể đánh giá tốt hơn. Giải pháp: Cố gắng để thu thập nhiều dữ liệu nhất có thể bằng cách thu hút nhiều người dùng hơn cho những ứng dụng của GROW. Dữ liệu dùng cho AI cần phải được cập nhật, trung thực và sạch. Cách tốt nhất để thực hiện được điều này là gia tăng số lượng người sử dụng. Đánh giá: Để phát triển, họ cần thu hút nhiều khách hàng bằng cách cho khách hàng có nhiều sự lựa chọn tốt hơn với độ chính xác cao, vì thế GROW cần nhiều người dùng và nhiều dữ liệu hơn nữa. Tuy nhiên, một trong những khó khăn mà họ gặp phải đó là GROW được xem như là một ứng dụng đánh giá, sinh viên học sinh không dám chắc rằng GROW sẽ giúp họ kiếm được một việc làm tốt hơn trong tương lai hơn là tìm kiếm trên các trang web. Đề xuất Hợp tác với các trường Đại học để có thêm đối tượng tiêu dùng là sinh viên bằng cách: Tham gia vào các ngày hội, hội chợ việc làm được tổ chức thường niên ở các trường Đại học để giới thiệu về những lợi ích của GROW, cách mà một công ty có thể nhận thấy được tiềm năng ở bạn ngay trước khi bạn biết về hãng hay công ty đó, cách mà GROW giúp bạn phát triển bản thân, từ đó bạn có thể có một sự chuẩn bị tốt hơn để kiếm được một công việc tốt, cách mà bạn giúp những người bạn của mình phát triển bản thân họ thông qua ứng dụng. Tổ chức các buổi workshop để đào tạo các học sinh, sinh viên hoàn thiện bản thân, khám phá những tiềm năng ẩn sâu bên trong mình, và cuối cùng là giới thiệu về GROW, ứng dụng có thể giúp họ thực hiện những điều ấy bằng công nghệ. Khuyến khích họ nghiêm túc sử dụng GROW bằng cách tặng họ một số món quà nhỏ nếu họ hoàn thành việc đăng ký và có đánh giá cá nhân đầu tiên. Lưu ý: GROW cần phải kiểm soát dữ liệu đầu vào bằng cách xác định rõ người dùng (đó phải là người dùng thật, không trùng lặp hoặc giả mạo).

Những rủi ro khi tăng trưởng: Sự phát triển sản phẩm: GROW hoàn toàn không thể thay thế nguồn nhân lực (HR) làm việc với vai trò lãnh đạo, tư duy sáng tạo và sự đổi mới. “Nếu có một mối đe dọa cố hữu trong việc định lượng các ứng viên của bạn, nó nằm ở việc các vấn đề bị bỏ qua mà máy móc không thể học được.” Giải pháp: GROW có thể cải thiện hiệu suất trở nên đáng tin cậy hơn bằng cách kết hợp phần mềm hoặc thêm các chức năng có thể giúp nó phân tích chuyên sâu hơn về ứng viên của họ. Nếu các công ty có thể nhìn nhận những ứng viên của họ ở các khía cạnh khác nhau thay vì đánh giá, họ sẽ tin tưởng và dựa vào ứng dụng nhiều hơn. Đánh giá: GROW có thể đa dạng hoá các chức năng ở các cấp độ khác nhau và tính phí khách hàng dựa trên các chức năng họ cần. Điều đó có thể khiến GROW trở nên linh hoạt và có lợi hơn. Đề xuất: Phân tích bài phát biểu của các ứng viên để hiểu họ nhiều hơn. GROW cũng sử dụng AI để phân tích khả năng ngôn ngữ ví dụ khi phỏng vấn. AI sẽ phân tích bài phát biểu của họ để tìm hiểu xem họ là người như thế nào và cho bạn biết họ nghe có vẻ hấp dẫn và đáng tin cậy đến nhường nào. Đối với những công việc mà trò chuyện đóng vai trò quan trọng, chẳng hạn như bán hàng, điều này sẽ đặc biệt quan trọng Phân tích video phỏng vấn bằng nhận dạng khuôn mặt và giọng nói. Bằng cách phân tích ngôn ngữ cơ thể, giọng điệu, mức độ họ cảm thấy áp lực, AI có thể hỗ trợ nhân sự tốt hơn, giúp họ tiết kiệm thời gian phỏng vấn trực tiếp, cũng giúp loại bỏ sự thiên vị vô thức, vì máy móc sẽ không có những định kiến như con người. Lưu ý: GROW có thể tiết kiệm thời gian và gia tăng hiệu quả của các công việc của HR (nguồn nhân lực) nhưng nó không nên thay thế cho HR. GROW cũng nên chú ý đến một số vấn đề pháp lý về thu thập hoặc sử dụng các hình ảnh hoặc video cá nhân. Những rủi ro khi tăng trưởng: Nguồn nhân lực Một đội ngũ AI yêu cầu ít nhất ba vai trò tách biệt: một kỹ sư dữ liệu để tổ chức thông tin, một nhà khoa học dữ liệu điều tra thông tin và một kỹ sư phần mềm triển khai các ứng dụng. Họ cần nhiều nhân tài hơn nữa để duy trì và phát triển công việc kinh doanh. Giải pháp:

GROW nên tập trung vào đội ngũ AI: cách để thu hút nhiều nhân tài hơn, cách để khiến đội ngũ trở nên tốt hơn. Đánh giá: Nhiều tài năng hơn có thể giúp tăng năng suất và hiệu quả trong công việc của họ để cải thiện ứng dụng GROW, từ đó họ có thể nhanh chóng đạt được mục tiêu. Tuy nhiên, Viện nghiên cứu Tencent cho biết trên toàn thế giới chỉ có 300.000 kỹ sư AI, nhưng cần hàng triệu người. Vì vậy, họ cần có chiến lược cạnh tranh rất lớn để cạnh tranh với Google hay Amazon để có thêm nhiều nhân tài giỏi AI. Đề xuất: Tìm kiếm nhân tài nội bộ: tập trung vào việc khai thác thêm nhân viên có sẵn để chống lại ảnh hưởng của việc thiếu hụt nhân tài, tạo điều kiện cho nhân viên có cơ hội đào tạo hoặc cơ hội đảm nhận trách nhiệm mới, triển khai sắp xếp công việc linh hoạt. Điều này giúp giữ chân nhân viên và ngăn chặn tình trạng thiếu hụt kỹ năng hơn nữa. Cải thiện kỹ năng của họ: Các tổ chức phi lợi nhuận như Fast.ai và các công ty như Deeplearning.ai, có thể giúp tạo phòng thí nghiệm Google Brain, cung cấp các khóa học trực tuyến. GROW có thể đào tạo nhân viên về AI và các kỹ thuật liên quan để cải thiện hiệu suất của họ. Lưu ý: Những rủi ro khi tăng trưởng: Quản lý chất lượng sản phẩm Hệ thống AI để đánh giá con người. Tuy nhiên, họ có những khách hàng khác nhau với những yêu cầu khác nhau. Khách hàng thay đổi, dữ liệu thay đổi, tiêu chí thay đổi. Làm thế nào họ có thể quản lý và đánh giá độ chính xác của hệ thống? Giải pháp: Đưa ra chiến lược rõ ràng để kiểm tra các thuật toán và khám phá xem liệu có cơ chế nào trong vấn đề của bạn để các thuật toán học và thuật toán nào hiệu quả hay không. Đánh giá: Để đảm bảo AI an toàn và có lợi, con người phải học cách đo lường mức độ hiệu quả của các cỗ máy thông minh làm những gì con người muốn, ngay cả khi những cỗ máy này vượt qua trí thông minh của con người. Đặc biệt AI sử dụng trong tuyển dụng đang là xu hướng hiện nay, nhiều đối thủ cạnh tranh (Ideal, Avrio AI Inc., HireVue,...) mà GROW cần phải quan tâm nhiều hơn. Đề xuất: Cố gắng khuyến khích khách hàng đưa ra phản hồi sau khi đã đưa ra các đề xuất cho họ. Cố gắng phân tích mức độ phù hợp mà ứng dụng có thể làm được giữa nhu cầu của ứng viên và công ty. Hiểu rõ hơn về các thuật toán, khả năng cải thiện chúng tốt hơn. Áp dụng một số loại đo lường hiệu suất trong AI

Những rủi ro khi tăng trưởng: Sự hài lòng của người dùng Người dùng không thể tìm thấy công việc vừa ý với mình trong thời gian dài, khả năng họ sẽ không tiếp tục sử dụng ứng dụng. Người dùng sau khi tìm được việc thông qua ứng dụng, liệu họ hài lòng với công việc mình có theo khía cạnh khách quan và chủ quan hay không? Vậy làm thế nào để nâng cao sự hài lòng của người dùng? Giải pháp: Cần có sự thể hiện mức độ hài lòng về công việc mà người dùng có được thông qua ứng dụng và tạo thêm sự kết nói giữa người dùng và ứng dụng. Đánh giá: Điều này là một vấn đề lớn trong việc tạo ra người dùng cũng như nguồn dữ liệu tiềm năng trong tương lai sau khi các vấn đề trên được khắc phục. Khi người dùng nhận thấy công việc từ ứng dụng là một công việc tốt và như kỳ vọng khách hàng thì khả năng rất cao là người dùng sẽ tiếp tục giới thiệu. Nếu ng dùng chỉ tải app và không sử dụng thì những dữ liệu thu thập được sẽ bị dư thừa (ví dụ các công ty sẽ không thể tuyển được nhân viên dù tìm ra ứng viên có dữ liệu phù hợp) ⇒ người dùng cần sử dụng ứng dụng đến khi tìm được việc làm. Đề xuất: Hệ thống đánh giá công việc của các công ty: Danh sách các tiêu chí để xếp hạng các công ty. Giúp hạn chế các công ty không tốt. Những feedback ẩn danh này phải được xác minh rõ ràng. Tạo ra mục yêu thích cho từng người dùng : Mỗi người dùng được thêm vào tối đa 3 công ty. Hệ thống AI sẽ so sánh điểm của người dùng so với điểm trung bình của các nhân viên trước đó của công ty được thêm vào yêu thích. Từ đó, hệ thống AI này sẽ đề xuất ra lộ trình các biện pháp giúp đỡ để số điểm người dùng được cải thiện. Lưu ý: Kiểm soát những feedback là trung thực và được xác minh danh tính (dữ liệu danh tính không được tiết lộ với các công ty). Các biện pháp giúp đỡ trong lộ trình có thể được thu thập từ những người đi trước.