Usando perceptibilidade sintético para treinar sua equipe
A perceptibilidade sintético (IA) está fazendo grandes ondas em aprendizagem e desenvolvimento (L&D). Desde programas de treinamento gerados pela IA até bots que avaliam o progresso do aluno, as equipes de L&D estão se inclinando para a IA para otimizar e escalar seus programas. Mas cá está alguma coisa sobre o qual não falamos o suficiente: e se a IA com a qual estamos contando estiver realmente tornando as coisas menos justas? É aí que essa idéia de “preconceito, preconceito” chega em mansão.
Se dados tendenciosos ou suposições defeituosas entrarem em um sistema de IA, você pode apostar que os resultados serão também distorcidos, às vezes ainda pior. E no treinamento da força de trabalho, isso pode valer oportunidades desiguais, feedback desigual e alguns alunos sendo desligados. Portanto, se você é um líder de L&D (ou exclusivamente alguém tentando tornar o aprendizagem mais inclusivo), vamos submergir no que isso realmente significa e uma vez que podemos fazer melhor.
O que significa “viés, preconceito”?
Em inglês simples? Isso significa que a IA aprende com o que o alimentamos. Se os dados históricos que são treinados refletem as desigualdades passadas, digamos, os homens recebendo mais promoções ou certas equipes sendo negligenciadas para o desenvolvimento da liderança, é isso que aprende e imita. Imagine se você treinasse seu LMS para recomendar cursos da próxima lanço com base em viagens anteriores de funcionários. Se a maioria dos papéis de liderança em seus dados pertencia a uma demografia, a IA pode assumir que exclusivamente esse grupo é “material de liderança”.
Porquê o preconceito entra em ferramentas de L&D acionadas pela IA
Você não está imaginando isso; Algumas dessas plataformas realmente se sentem desligadas. Cá é onde o viés costuma entrar:
1. Bagagem histórica nos dados
Os dados de treinamento podem vir de anos de revisões de desempenho ou tendências de promoção interna, nenhuma das quais é imune a viés. Se as mulheres, as pessoas de cor ou funcionários mais velhos não tivessem oferecido oportunidades iguais de desenvolvimento antes, a IA pode aprender a excluí -las novamente.
- Conversa real
Se você alimenta os dados de um sistema criados com exclusão, obterá … mais exclusão.
2 Mentes de uma tira por trás do código
Sejamos honestos: nem todas as ferramentas de IA são construídas por pessoas que entendem a isenção da força de trabalho. Se sua equipe de desenvolvimento não tiver pluralidade ou não consultar especialistas em L&D, o resultado poderá perder a marca dos alunos do mundo real.
3. Padrões de reforço em vez de reescrever -os
Muitos sistemas de IA são projetados para encontrar padrões. Mas cá está o problema: eles não sabem se esses padrões são bons ou ruins. Portanto, se um determinado grupo tinha entrada restringido antes, a IA exclusivamente assume que essa é a norma e rola com ele.
Quem está perdendo?
A resposta curta? Quem não se encaixa no protótipo de “aluno ideal” assado no sistema. Isso pode incluir:
- Mulheres em campos dominados por homens.
- Funcionários do Neurodiverse que aprendem de maneira dissemelhante.
- Falantes de inglês não nativos.
- Pessoas com lacunas de cuidados em seu currículo.
- Funcionários de comunidades historicamente marginalizadas.
Pior ainda, essas pessoas podem não saber que estão sendo deixadas para trás. A IA não está piscando um aviso, exclusivamente os guiando silenciosamente para caminhos de aprendizagem diferentes, muitas vezes menos ambiciosos.
Por que isso deve importar para cada L&D Pro
Se o seu objetivo é fabricar um campo de jogo de nível, onde todos recebam as ferramentas para crescer, a IA tendenciosa é um travanca sério. E sejamos claros: não se trata exclusivamente de moral. É sobre negócios. Ferramentas de treinamento tendenciosas podem levar a:
- Desenvolvimento de talentos perdidos.
- Subtracção do envolvimento dos funcionários.
- Maior rotatividade.
- Conformidade e riscos legais.
Você não está exclusivamente criando programas de aprendizagem. Você está moldando carreiras. E as ferramentas que você escolher podem furar portas ou fechá -las.
O que você pode fazer (agora)
Não há premência de entrar em pânico, você tem opções. Cá estão algumas maneiras práticas de trazer mais justiça ao seu treinamento movido a IA:
Chuto os pneus nas reivindicações do fornecedor
Faça as perguntas difíceis:
- Porquê eles coletam e rotulam dados de treinamento?
- O viés foi testado antes do lançamento?
- Os usuários de diferentes origens estão vendo resultados semelhantes?
Traga mais vozes para a mesa
Execute grupos piloto com uma ampla gama de funcionários. Deixe-os testar as ferramentas e dar feedback honesto antes de ir tudo de conciliação com o All-In.
Use métricas que importem
Olhe além das taxas de desenlace. Quem está sendo recomendado para faixas de liderança? Quem está obtendo as principais pontuações nas tarefas graduadas da AI? Os padrões lhe dirão tudo.
Mantenha um humano no loop
Use a IA para estribar (não substituir) decisões críticas de treinamento. O julgamento humano ainda é sua melhor resguardo contra maus resultados.
Educar as partes interessadas
Faça sua liderança a bordo. Mostre uma vez que as práticas inclusivas de L&D impulsionam a inovação, a retenção e a crédito da marca. O viés no treinamento não é exclusivamente um problema de L&D, é um problema de empresa inteira.
Estudos de caso rápido
Cá está uma olhada em algumas lições do mundo real:
- Lucrar
Uma grande empresa de logística usou a IA para ajustar os módulos de treinamento de segurança, mas notou que a equipe feminina não estava avançando posteriormente certos pontos de verificação. Depois de reformular o teor para estilos de aprendizagem mais amplos, as taxas de desenlace entre os sexos se uniram. - Oof
Uma grande empresa de tecnologia usou a IA para lançar os funcionários para o upskilling. Acontece que sua utensílio favoreceu pessoas que se formaram em um punhado de escolas de escol, cortando uma grande secção de talento diverso e de cimo potencial. A utensílio foi descartada posteriormente a reação.
Vamos deixar cá …
Olha, a IA pode absolutamente ajudar as equipes de L&D a escalar e personalizar uma vez que nunca antes. Mas não é mágico. Se queremos um treinamento justo e capacitador da força de trabalho, precisamos inaugurar a fazer perguntas melhores e colocar a inclusão no núcleo de tudo o que construímos.
Logo, da próxima vez que você estiver explorando essa novidade plataforma de aprendizagem com “AI” estampada por toda secção, lembre-se: o preconceito de juntura. Mas se você é premeditado? Você pode torná-lo à prova de preconceito.
Precisa de ajuda para desvendar uma vez que auditar suas ferramentas de IA ou encontrar vendedores que o entendem? Deixe -me uma nota ou vamos tomar um moca se você estiver em Londres. E ei, se isso ajudou, compartilhe -o com um colega L&D Pro!
Perguntas frequentes
Não completamente, mas podemos reduzir o viés por transparência, dados diversos e supervisão consistente.
Assista aos resultados. Certos grupos estão ficando para trás, pulando teor ou sendo negligenciados para promoção? Essa é a sua pista.
De jeito nenhum. Exclusivamente use -o com sabedoria. Combine a tecnologia inteligente com um julgamento humano mais inteligente e você se sairá muito muito.
Ateneu Intercultural de Londres (LIA)
A Ateneu Intercultural de Londres (LIA) é uma plataforma global de e-learning, dedicada à primazia corporativa, oferecendo diversas gama de cursos credenciados dinâmicos e interativos com altas taxas de desenlace, garantindo excelentes ROIs e resultados
