Qué es y cuáles son las ventajas del 5G para las pymes

Ventajas del 5G

Ventajas del 5G

¿Qué es 5G?

La tecnología 5G hace referencia a la nueva generación de estándares de conectividad a través de dispositivos móviles. Las ventajas del 5G son muchas y variadas, la más destacable es su velocidad de conexión, la cual puede llegar a ser más rápida incluso que las conexiones de fibra óptica. Esto repercutirá en las organizaciones que utilizan internet para operar, desde procesos esenciales como la comunicación entre personas o la gestión de entornos en la nube, hasta procesos más específicos como recopilación y análisis de Big Data o uso de herramientas de inteligencia de negocios.

Actualmente, las conexiones 4G (las más comunes en las redes móviles) se quedan cortas dado al aumento en el uso de nuevas tecnologías, almacenamiento en la nube y el manejo de archivos cada vez más grandes, así como el auge del uso de vídeo en internet. Prueba de ello ha sido durante la pandemia del COVID-19, cuando se ha notado un sobrecargo en las conexiones de internet móvil, provocando en muchos casos el aumento en el tiempo de espera para acceder incluso a los servicios más simples como enviar mensajes o cargar una página web.

Con el 5G todos estos problemas se solventan, dado que cada dispositivo conectado a la red móvil gozará de velocidades que podrán alcanzar hasta los 20Gb por segundo, algo que se sitúa entre 10 y 20 veces superior a la velocidad que ofrecen las conexiones actuales en 4G.

La revolución del 5G

La llegada del 5G viene cargada de mejoras significativas en el campo de la comunicación, tanto en el ámbito personal como profesional.

Debido a la pandemia del coronavirus y tras el estado de alarma, muchas empresas cuentan ahora con más trabajadores remotos y más servicios en la nube, lo que demanda una capacidad en las conexiones mucho mayor que antes. La implantación de 5G permitirá asumir este incremento demanda y cambiará la manera en que nos comunicamos, permitiendo a un mayor número de dispositivos estar conectados a internet, mandando y recibiendo datos a tiempo real.

Ningún dispositivo 5G perderá la calidad de la conexión por saturación de la red, como pasa actualmente con 3G o 4G. En el caso de 5G cada dispositivo estará conectado de forma exclusiva, como si de un solo cable se tratara, sin compartir conexión con nadie, lo que aumentará también la seguridad en la transmisión de datos.

Otra de las ventajas del 5G es que se reduce el tiempo de latencia, que es el tiempo que la red tarda en responder a una petición. En el caso de 5G este tiempo se reduce a 3 milisegundos (en promedio), algo que pasará casi desapercibido para el usuario.

Cambios que supondrá el uso de 5G

La implantación del 5G introducirá cambios tanto para las empresas como para el consumidor final.

En el uso personal, se contará con una conexión más rápida y estable, por lo que se podrán descargar archivos y cargar el streaming de películas en cuestión de milisegundos, como si estuvieran grabados en la memoria de nuestro dispositivo.

Otra de las ventajas del 5G es que no necesitaremos tener que ampliar nuestra tarjeta de memoria interna o la capacidad de nuestro ordenador, ya que podremos almacenar y acceder a nuestros archivos guardados en la nube de forma instantánea, incluso si se trata de archivos muy grandes.

El 5G facilitará además el avance del internet de las cosas (IoT por sus siglas en inglés), donde más objetos cotidianos, como la nevera, el termostato de casa o el coche podrán estar conectados a internet y poder ser controlados de manera remota sin interrupciones y a tiempo real.

Se prevé que para este año 2020 en el mundo habrá más de 50 mil millones de dispositivos conectados a internet, cifra que de seguro se superará por las nuevas circunstancias surgidas durante y tras la pandemia. Por lo que el 5G jugará sin duda un papel clave para facilitar el acceso y garantizar el tráfico de datos para todos los dispositivos conectados a internet.

En el ámbito profesional, las ventajas del 5G van más allá de simplemente poder conectar objetos a internet. Permitirá por ejemplo realizar intervenciones quirúrgicas a distancia, así como manejar máquinas en la industria de forma remota o conducir vehículos teledirigidos.

La tecnología 5G en B2B (Business to Business por sus siglas en inglés), también proporcionará mejoras en las relaciones comerciales y procesos de negocios. Por ejemplo, sistemas de logística que rastrean en tiempo real los envíos o software de almacenes inteligentes que autogestionan pedidos.

También potenciará el crecimiento de empresas de tecnología, las cuales se encontrarán con un mercado que demanda más servicios y productos basados en la nube o en conexiones a internet.

Las ventajas del 5G y sus beneficios para las pymes

El acceso a 5G posibilitará a las pymes implementar servicios y tecnologías que hasta ahora estaban solo al alcance de grandes organizaciones con un alto poder adquisitivo.

El 5G marcará un nuevo rumbo para el desarrollo de las empresas, ya que permitirá una mejor automatización de procesos y una mayor optimización de los recursos. La posibilidad de conectar más elementos y equipos a internet facilitará el trabajo en remoto, ahorrando costes de mantenimiento y desplazamiento de personal.

Otra de las ventajas del 5G para pymes es que permitirá usar más ampliamente los servicios en la nube. Esto hará posible que las empresas no tengan que comprar y mantener servidores in situ. Tampoco será necesario mantener una red de cableado físico para que los ordenadores y equipos de una empresa se conecten a internet de alta velocidad.

La entrada del 5G en el ámbito empresarial permitirá además aprovechar mejor el potencial del software de Inteligencia Artificial, ya sea para fines externos o internos. Por ejemplo, a nivel de marketing se podrá analizar el comportamiento del cliente de manera óptima gracias a conexiones más rápidas y seguras. Otro ejemplo, son las herramientas de machine learning que recopilan información, aprenden de ella para mejorar procesos del negocio o para solucionar automáticamente problemas inesperados.

El 5G en España

La pandemia del coronavirus ha retrasado muchos proyectos tecnológicos en España y el despliegue de la red 5G no es una excepción. Antes de la pandemia, varias operadoras tenían previsto ofrecer este servicio durante el 2020, pero todo parece indicar que tendremos que esperar para ver la red 5G desplegada de forma significativa dentro de la geografía española.

Vodafone es la única operadora que actualmente cuenta con una red comercial 5G, la cual ya está presente en 21 ciudades españolas. Las demás principales operadoras de telefonía móvil están en el proceso de despliegue de esta red en el país. Según el diario Expansión, Orange y MásMóvil tienen previsto también ofrecer conexiones 5G en los próximos meses en las principales ciudades e irán desplegando la red de forma gradual dentro del territorio nacional.

Para acceder a la red 5G, se necesita contar con un smartphone compatible con estas frecuencias. Durante este año 2020 se ha ido ampliando el catálogo de terminales que permiten la conexión 5G y actualmente casi todas las marcas cuentan ya con uno o varios dispositivos de este tipo, no solo de gama alta sino también de media gama.

Dado que el 5G trabaja a unas frecuencias distintas a 4G, se necesita readaptar toda la red móvil que actualmente existe a fin de ofrecer este tipo de conectividad. Aún quedan varias etapas por concluir, pero todo indica que para el 2021 el despliegue y uso de la red 5G será una realidad en varios puntos de la geografía y se prevé que para el 2024 la cobertura 5G sea accesible para la gran mayoría de la población en España.

¿Buscas programas de gestión en la nube? Consulta nuestro catálogo.

Conversational AI in de klantenservice: hoe werkt het en waar moet je beginnen?

conversational ai in de klantenservice

Chatbots hebben hun beperkingen in de interactie met klanten en de meeste bedrijven zijn zich hiervan terdege bewust. Als je de klantenservice verder wilt automatiseren, kom je niet om conversational AI platforms heen. Dit artikel belicht:

  • hoe conversational AI werkt;
  • wat het verschil is tussen conversational AI en chatbots; 
  • hoe jouw bedrijf de beste applicatie voor de klantenservice kan vinden.

conversational ai in de klantenservice

Hoe werkt conversational AI?

AI, artificial intelligence of kunstmatige intelligentie, kan tegenwoordig ook worden ingezet om menselijke spraak te begrijpen en te gebruiken. De bijbehorende technologie wordt Natural Language Processing (NLP) genoemd. 

Er wordt al jaren geprobeerd om computers met mensen te laten communiceren. In het begin werden computersystemen getraind om complexe sets regels toe te passen (rule based AI). De huidige conversational AI-systemen kunnen al overweg met de complexiteiten en diepe structuren van menselijke taal. De algoritmen van conversational AI zorgen ervoor dat het systeem doorlopend leert van de interacties met mensen.

Tijdens die levensechte gesprekken worden ook data gebruikt en verzameld, van een bedrijf of van een derde partij. Omdat het AI-systeem blijft leren van de gesprekken met elk individu, kunnen de interacties tussen klanten en systemen worden gepersonaliseerd. 

Het verschil tussen chatbots en conversational AI

Veel mensen weten inmiddels wel wat chatbots zijn. De klant typt een eenvoudige vraag en de chatbot geeft een antwoord vanuit zijn beperkte repertoire van vooraf geprogrammeerde regels en antwoorden. Een rule based chatbot heeft een exact voorbeeld nodig van elke manier waarop een klant een vraag kan formuleren. Een AI-systeem daarentegen, herkent natuurlijke spraak en ‘weet’ dat een vraag op verschillende manieren kan worden gesteld. Een conversational AI-systeem kan bijvoorbeeld ook met afwijkingen, zoals spelfouten, uit de voeten, terwijl een chatbot de vraag dan niet meer herkent. 

Veel bedrijven maken al gebruik van chatbots voor diverse aspecten van hun klantenservice. De klant zal dit echter niet als een dialoog ervaren. Het is meer een reeks vereenvoudigde vragen met bijbehorende standaardantwoorden. Als de klant de bot afsluit, is dat meteen het einde van het gesprek. De bot onthoudt niet wie de klant is en kan bij een eventueel volgend contact ook niet terugverwijzen naar vorige gesprekken.

Chatbots hebben geen inzicht in de context, zoals het profiel van klanten, hun aankoopgeschiedenis of waar ze zich bevinden. De meeste chatbots werken op basis van tekst, maar veel telefooncentrales en callcenters gebruiken ook spraakbots. In de meest elementaire vorm vraagt de stem om eenvoudige informatie. De klant antwoordt en hierdoor wordt een bepaalde actie getriggerd. Ook dit is een systeem op basis van regels met beperkte antwoorden. 

Wat conversational AI voor de klantenservice doet

Een goed conversational AI-systeem kan menselijke emoties, zoals empathie of vriendelijkheid, nabootsen in zijn taalgebruik en op die manier een relatie met de klant opbouwen. De interactie is persoonlijker. 

Bij het gesprek kunnen bovendien databases van de klant of derden worden gebruikt om een transactie te vereenvoudigen of informatie bijeen te brengen. De klant krijgt zo een naadloze service. Voor het bedrijf betekent dit dat de kosten kunnen worden verlaagd. Medewerkers hoeven niet meer telkens opnieuw dezelfde vragen te beantwoorden, maar kunnen worden ingezet op complexere ondersteuningsvragen. 

Wanneer een bedrijf zijn producten of diensten verandert, moeten chatbots opnieuw worden getraind. Dit is niet handig voor bedrijven die met veel veranderingen te maken hebben. Als je een chatbot vergelijkt met conversational AI, is de eerste investering in AI meestal wel hoger, maar zijn de onderhoudskosten op de langere termijn juist lager. 

Waar te beginnen op je AI-traject

We hebben nu enkele belangrijke voordelen van conversational AI gezien. Vervolgens moet je kijken wat er beschikbaar is op de markt en welke platforms geschikt zijn voor de specifieke behoeften van jouw bedrijf. 

GetApp biedt een overzicht van meer dan 60 conversational AI platforms, waarvoor je diverse filters kunt instellen. Je kunt bijvoorbeeld filteren op functionaliteit, meerdere talen of integratie met applicaties van derden, als dat voor jou van belang is. Verder kun je filteren op het type organisatie en de diverse apparaten die jij moet ondersteunen. 

Houd er bij het bekijken van de verschillende platforms rekening mee dat deze technologie razendsnel verandert. Kies dus voor een systeem dat ook in de toekomst aan jouw zakelijke behoeften kan blijven voldoen. 

Data gebruiken om jouw conversational AI platform te bouwen

Met conversational AI kunnen bedrijven data verzamelen van gesprekken en andere interacties met klanten. Een bedrijf kan zo een huidige interactie aan een interactie uit het verleden koppelen of tijdens een gesprek aanvullende zakelijke voorstellen doen. Deze manier van datagebruik brengt wel de verantwoordelijkheid met zich mee om data van klanten veilig te houden. Een bedrijf moet bij het bouwen van een conversational AI systeem al in een vroeg stadium samenwerken met adviseurs op het gebied van IT-beveiliging. Transacties moeten op de juiste wijze worden versleuteld en alle bestaande regels voor IT governance moeten op het nieuwe systeem worden toegepast. 

Deze systemen zijn steeds beter in staat om meerdere databronnen te gebruiken. Daarom is het belangrijk om een goed inzicht te hebben in welke data van wie zijn, wie ze mag gebruiken en waarvoor. 

Conversational AI heeft voordelen voor klanten en bedrijven

Conversational AI is een baanbrekende technologie voor de klantenservice. Het is een gebied dat zich in een razend tempo ontwikkelt. Bedrijven moeten een platform en systeem kiezen waarmee ze snel kunnen opschalen en kunnen profiteren van de laatste ontwikkelingen. Spraak zal steeds belangrijker worden en interacties in natuurlijke taal tussen mensen en IT-systemen zullen elementen van menselijke gesprekken bevatten, zoals de juiste toon en emotie. Een groot voordeel van conversational AI dat steeds belangrijker zal worden, is de mogelijkheid om data te verzamelen en te gebruiken. Dit is iets waarvan zowel klanten als bedrijven zullen profiteren. 

En nu? Bekijk onze online catalogus met conversational AI software om de juiste tool te vinden.

Künstliche Intelligenz im Recruiting: 40 % denken, dass KI den Rekrutierungsprozess fairer macht

Künstliche Intelligenz im Recruiting

Personaler sind mit der Fülle an Bewerbungen überlastet. Laut einer Studie des Staufenbiel Institut und Kienbaum checken 40 % der Personaler Bewerbungen in weniger als fünf Minuten. 

Das manuelle Durchgehen aller Lebensläufe, die Organisation von Vorstellungsgesprächen und die Auswahl der richtigen Kandidaten ist ein zeitaufwändiger Prozess. HR-Fachleute setzen zur Unterstützung zunehmend künstliche Intelligenz (KI) im Recruiting ein, um mehr Zeit für die Kandidatenauswahl zu haben. 

Was halten die Deutschen eigentlich von einem AI unterstützten Recruitingprozess? Halten sie es für fair, sich von einer Maschine beurteilen zu lassen? Was wird akzeptiert und was nicht? Da der Einsatz von künstlicher Intelligenz im Recruiting zunimmt, ist es wichtig die soziale Akzeptanz zu berücksichtigen. Capterra hat dies anhand einer Studie* von 494 Teilnehmern untersucht. 

Künstliche Intelligenz im Recruiting

Highlights der Studie: 

  • 40 % denken, dass KI den Rekrutierungsprozess fairer macht.
  • 47 % empfinden ein KI-System, welches das Bewerbungsgespräch führt, als unangenehm. 
  • 76 % wollen sich im Nachhinein einen Einblick in die Schlussfolgerungen eines KI-Systems verschaffen können.

Der Einsatz von künstlicher Intelligenz im Recruiting

Der Einsatz der richtigen Talente ist entscheidend für den Geschäftserfolg. Die Talente zu finden, ist jedoch eine zeitaufwändige Angelegenheit. Sich wiederholende Aufgaben können durch KI automatisiert werden. Dadurch gibt die künstliche Intelligenz Personalvermittlern Zeit, sich um wichtigere Aufgaben zu kümmern. Die KI kann ebenfalls mit Bewerbern kommunizieren und sogar Bewerbungsgespräche führen. Wir fragten unsere Teilnehmer was sie von drei wichtigen Bereichen, in denen die künstliche Intelligenz im Recruiting eingesetzt wird, halten. 

Anwendungen der künstlichen Intelligenz im Recruiting

1. Schnellere Vorauswahl

Rekrutierungs- und HR-Fachleute nutzen zunehmend die KI, um die erste Runde der Kandidatenkürzungen vorzunehmen. Die Regeln für die Eliminierung eines Lebenslaufs aus dem Prozess basieren oft auf dem Erfolg früherer oder ähnlicher Bewerber. Somit können Personalvermittler den Aufwand und die Zeit, die in dieser Phase aufgewendet werden, reduzieren. 

2. KI-basierten Chatbots, die einfache Fragen stellen

Chatbots können z.B. Bewerbungsgespräche planen, einfache Fragen über die Kultur innerhalb eines Unternehmens, das Gehalt oder die Arbeitsumgebung beantworten. Chatbots können Recruiter unterstützen, indem sie den Kandidaten einfache Fragen zu ihren Kontaktdaten oder freien Terminen stellen.

3. KI-geführte Bewerbungsgespräche

KI kann Recruiter bei Bewerbungsgesprächen unterstützen. Dies geschieht meist durch die Analyse der Körpersprache, Mimik und verwendeten Sprache des Bewerbers. Die KI registriert zum Beispiel, welche Wörter ein Bewerber verwendet, wie gut er sich artikuliert und wie emotional er spricht, wie entspannt er wirkt und wie oft er lächelt. Eine Auswertung kann dem Recruiter ein besseres Bild über die Persönlichkeit des Bewerbers geben und bei der Entscheidung helfen, ob er für den Job geeignet ist und in das Team passt. Das Bewerbungsgespräch kann durch KI unterstützt mit einem Recruiter geführt werden oder komplett von der künstlichen Intelligenz übernommen werden. 

Künstliche Intelligenz im Recruiting bei der Bewerber-Vorauswahl

Was wird beim KI-geführten Bewerbungsgespräch akzeptiert?

Neben der Analyse von Körpersprache, Mimik und Sprache ist eine weitere Form der KI bei der Rekrutierung die Analyse der Online-Aktivitäten von Kandidaten in sozialen Medien. KI-Unternehmen bieten beispielsweise die Möglichkeit, auf der Grundlage der Analyse der Social-Media-Aktivitäten einen Bericht über Bewerber zu erstellen. 

Schauen wir uns einmal an, was Deutsche davon halten, durch die KI analysiert und bewertet zu werden. 

KI-Analyse und Bewertung der Bewerber

Auch wenn die oben genannten Rekrutierungstechniken bereits angewandt werden, bleiben die Befragten vorsichtig. Die Studie zeigt, dass die meisten Deutschen solche Analysen unangemessen oder schwer zu akzeptieren finden. Es ist verständlich, dass diese Formen der KI-Analyse Bedenken hinsichtlich des Schutzes der erhaltenen Daten, der Meinungsfreiheit und der Diskriminierung aufwerfen.

Die große Frage: Ist AI voreingenommen oder nicht?

Kritiker vermuten, dass die Verwendung der KI bei der Rekrutierung Voreingenommenheit fördern kann. Andere Bereiche, die Anlass zur Besorgnis geben, sind der Mangel an Verantwortlichkeit und Transparenz des Einstellungsprozesses sowie Probleme mit den Daten, aus denen die Maschine lernt.

Ein gutes Beispiel dafür ist ein von Reuters über Amazon berichtetes Problem. Das globale Unternehmen schuf einen Algorithmus, der bei einigen seiner Stellenangeboten unbeabsichtigt männliche Bewerber gegenüber weiblichen Bewerbern bevorzugte. 

Die KI stützte ihre Entscheidungen auf ein Jahrzehnt von Lebensläufen, die dem Unternehmen vorgelegt wurden und von denen die meisten Männer waren. Dies spiegelte die Dominanz der Männer in der gesamten Branche wider. Als Folge davon brachte sich die KI selbst bei, dass Männer die bevorzugten Kandidaten waren. Sie schulte sich sogar darin, Lebensläufe mit Schlüsselwörtern “Frauen” (wie in “Frauenschachklub”) auszusortieren. Sobald Amazon auf dieses Problem aufmerksam wurde, änderten sie die Programme.

Daten sind nicht frei von menschlichen Einflüssen und können in vielerlei Hinsicht verzerrt sein. Wenn diese “verzerrten” Daten als Trainingsdaten für eine KI verwendet werden, kann dies zu Diskriminierung führen. Unternehmen haben aus den Fehlern dieser “Early Adopter” gelernt.

Um Verzerrungen zu verhindern, wird die Funktionsweise der KI jetzt genauer untersucht und es kommen langsam Lösungen auf den Markt, die versuchen, Verzerrungen zu verhindern. Beispiele hierfür sind Explainable AI und Interpretierbares Maschinelles Lernen. Diese Werkzeuge untersuchen, inwieweit maschinelle Entscheidungen durch Vorurteile bestimmt werden und geben Einblick in die Argumentation des Computers. Dadurch kann angezeigt werden, welche Faktoren die Entscheidung positiv oder negativ beeinflusst haben.

Dank dieser Instrumente wird die Funktionsweise der KI sehr viel transparenter, sodass der Prozess auch für die Kandidaten transparenter gestaltet werden kann. Und das ist wichtig für das Vertrauen in die KI.

Was sagen unsere Umfrageteilnehmer dazu?

Schafft künstliche Intelligenz im Recruiting einen faireren Prozess

Die Frage nach der Voreingenommenheit von KI ist also nicht so leicht zu beantworten. Bei unserer Befragung haben wir ein Unentschieden: 38 % der befragten Teilnehmern glauben, dass KI voreingenommen sein kann, 38 % glauben es nicht. 

So meint ein Umfrageteilnehmer, auf die Frage, warum KI den Rekrutierungsprozess fairer macht: “Der Prozess wird fairer, weil KI keine persönlichen Eindrücke bzw. persönlichen Geschmack oder Sympathie in die Entscheidung einfließen lässt.” Ein anderer äußert sich folgendermaßen: “Die KI ist unvoreingenommen, was das Aussehen eines Menschen angeht, wo viele Bewerber auf normalen Weg schon aussortiert werden, weil sie einem optisch nicht passen.”

Ein Umfrageteilnehmer, der nicht glaubt, dass KI den Rekrutierungsprozess fairer machen kann, teilt seine Erfahrungen mit uns: “KI lässt die menschliche Komponente voll außer acht. Z.B. ich habe vor ca. 5 Jahren einen 57-jährigen Außendienstverkäufer eingestellt, der langzeitarbeitslos war, Konkurs gemacht hatte, kein abgeschlossenes Studium hatte, also einen Mann, der durch jede KI durchgefallen wäre. Ich habe aber das Potenzial gesehen. Er ist heute mein Vertriebsleiter und generiert jedes Jahr den meisten Umsatz, aber das tollste ist, dass er Jungverkäufer neidlos und verantwortungsvoll an die Hand nimmt, und diese so wesentlich motivierter sind und früher Umsatz generieren. Keine KI kann das.”

Transparenz im Bewerbungsprozess ist der Schlüssel

Wird KI die Einstellung durch Personaler ersetzen? Das ist unwahrscheinlich. Aber es ist wahrscheinlich, dass die KI mehr und mehr in den Einstellungsprozess integriert wird, damit Personaler intelligenter und effizienter arbeiten können.

Unternehmen, die zukünftig mit KI arbeiten wollen, sollten Transparenz an erste Stelle setzen. Transparenz ist die Grundlage für Vertrauen. Das zeigen auch die Ergebnisse der Umfrage sehr deutlich: 76 % der Befragten wollen sich im Nachhinein einen Einblick in die Schlussfolgerungen eines KI-Systems verschaffen können. Je transparenter das Verfahren, desto fairer wird das Auswahlverfahren wahrgenommen.

Wie geht es weiter? Wirf einen Blick auf unser Recruiting Software Verzeichnis, um das passende Tool zu finden.

*Methodik der Studie: 

Die Daten für die Studie “KI im Recruiting” wurden vom 24. Februar bis 30. März 2020 bei einer Online-Umfrage unter 494 in Voll- oder Teilzeit arbeitenden Deutschen zwischen 18 und 65 Jahren durchgeführt, die wissen, was künstliche Intelligenz ist. 

Millennials Are Open To AI In HR—But Say There’s Still A Place For Humans

AI in HR

HR technology has integrated into the human resources department over the last decade—and as technology advances, the inclusion of artificial intelligence (AI) technology has grown with it. Many HR professionals are embracing this type of technology. However, to some, the notion of machines taking over a role that is based upon building very human relationships is a big concern.

But what about the employee perspective? With 40% of millennials making up the Australian workforce, we wondered if this generation of employees will embrace the involvement of AI-powered technology in HR.

AI in HR

The results indicate that millennials are open to AI technology handling HR tasks but they’d still prefer some activities to be owned by humans.

Other key highlights from the survey include:

  • 63% of millennials believe AI could make HR a fairer department.
  • The older the millennial, the less comfortable they feel with AI in HR.
  • Men are the most open to AI-driven HR technology, women are on the fence.

How is AI used in HR?

Artificial intelligence is already transforming the jobs of HR professionals in several ways. Here are just a few examples:

Administration

Artificial intelligence is well-suited to handling repetitive, low-value tasks. By automating these, HR professionals can focus on more strategic work as well as ones that require uniquely human abilities (such as the analysis of a specific context.)

To give some context, AI can relieve HR staff from administrative tasks like:

  • Payroll processing
  • Workforce analysis
  • Policymaking and implementation
  • Employee paperwork processing.

One example of deep learning AI within HR administration is chatbots. Through natural language processes (NLP), the AI learns to understand language that humans use rather than the language that a computer uses. As hinted by the name, NLP sets out to understand human language in its more natural form, in both written and spoken context. It takes into account tone, context and intent to make a judgement on what information the user is seeking.

By powering the chatbot with an algorithm that provides prompt and accurate responses to employee queries, it relieves HR staff from constantly relaying the same information to different people.

Recruitment

It’s difficult to know the true financial cost of hiring the wrong candidate, but a SmartCompany survey found 18% of small business owners felt their hires were worse or much worse than they had expected.

A great hire, on the other hand, can boost productivity, positively impact a company’s culture, and drive business revenue. For this reason, HR departments are using AI in their recruitment efforts to make smarter hiring choices.

The technology can automate candidate CV screening through to providing feedback to unsuccessful candidates. For candidates entering the interviewing stage, companies are using AI to ask interview questions. This includes the more basic questions, such as ‘How many years experience do you have?’ to more complex questions—like asking them to describe a professional difficulty they’ve had to overcome?’

Additionally, companies are using AI to make an assessment of a candidates personality type to help them decide whether they would fit in well with their company’s culture and values.

Onboarding new hires

AI-integrated systems can introduce new employees to relevant company information on their first day on the job. In a timely manner, an AI application will automatically send a new staff member information about their:

  • Duties
  • Benefits
  • Company policies and practices
  • Reporting authority figures
  • Team members
  • Training schedules
  • Meet-and-greets
  • Task assignments
  • Documentation to sign.

More than this, AI allows for customisation. The application will adapt the information included in the onboarding process based on the specific job role. For example, requesting specific devices that the employee will need or providing readily-prepared answers to frequently asked questions for that position.

Correctly onboarding new employees, especially in a virtual setting, is important because it sets them up for maximum success. It gives them a clear idea of what is expected of them and what they can achieve. For HR professionals, automating this process frees up a great deal of administration time.

Learning & development

HR departments are making use of personalised individual learning and development programs for their staff, which are powered by AI algorithms. Rather than providing a standardised program, the AI analyses which content and training need to be relayed to the employee to maximise their educational experience.

Often, this is based on the new employee’s job role, existing knowledge levels, skill sets and development plan. At the same time, the AI draws upon data and analytics from the business to factor in which skills the employee needs to develop to:

  • Positively impact the company’s bottom line
  • Drive business resiliency
  • Future-proof the business (by ensuring it has the right talent and expertise to meet long-term goals).

Tracking flight-risk employees

Some employers use AI to alert them to employees demonstrating behaviours that would suggest they’re unhappy in their job—putting them at risk of leaving the company. This includes tracking the way they express themselves on email and other company communication platforms to detect whether they change their overall tone. It also checks for keystrokes and internet browsing.

Of course, it’s for the employee to decide whether they want to seek out an opportunity elsewhere. However, by being aware that they’re considering other options, the HR department can proactively engage with them, and hopefully, encourage them to stay.

Incident management

AI-powered technology is also evident in the management of ethics and compliance situations. One business offering this technology is TalkToSpot. It allows businesses to identify cases of harassment and discrimination, policy violations, and whistleblowing.

According to the company: ‘Research shows that talking to a human is one of the biggest obstacles to reporting inappropriate behaviour at work.’ By allowing employees to communicate with its chatbot, a complaint is made anonymously—and importantly, the AI automatically triggers the appropriate corrective and disciplinary actions.

This sort of technology helps champion a healthy and inclusive culture; as well as demonstrating a no-tolerance attitude toward any behaviours that work against it.

The employee perspective: Are they ready for the future?

We surveyed 515 Australian millennials to ask how they’d feel about employers using AI within their HR department—a full methodology of the survey is available at the bottom of this page.

We set out to discover where the boundaries lie, from onboarding through to disciplinary actioning.

63% of millennials believe machines could make HR fairer

All humans are prone to bias. Unconscious biases are outside of our control and happen without us realising or intending it to happen. Our brain will trigger a biased response to help us make a quick judgement of a situation or person, and these thoughts are often based on our background, environment and personal experiences.

This was given as one of the key drivers behind the belief that AI could make HR fairer, according to 63% of Capterra’s survey respondents. One respondent said:

‘Artificial intelligence is impersonal. It does not judge on race, gender, or culture. It purely bases its judgments looking at skill whereas people can be unintentionally influenced.’

 

Respondents also made points about the potential for conscious bias in humans too. One millennial suggested that ‘human emotions sometimes get in the way of processes.’ Another said they believe AI ‘eliminates the possibility of favouritism and the involvement of personal preference’

On the other hand, 57% of respondents said they believe there is still an opportunity for bias to occur within AI. Of this number, 39% said the potential for bias depends on the situation.

Bias in AI in HR

Unfortunately, machines are only as good as the programmers that train them. It’s possible for AIs to learn biases due to engineers unwittingly introducing their hidden biases into the training data they use. In this respect, there are real concerns that AI could make issues of human and societal bias in HR worse. Mckinsey summarises this well:

‘AI can help reduce bias, but it can also bake in and scale bias.’

 

For this reason, experts advise companies to apply innovative training techniques and involve human judgement to ensure AI-supported decision making is fair.

Millennials value the people in HR but feel comfortable with some AI involvement

Recruitment

78% of millennials believe AI could help tackle bias in recruitment. 65% of respondents said they think AI could make HR fairer in the hiring process in general. However, the majority want a hybrid of AI and human recruiters to be used in the industry.

Within the hiring process;

  • 61% of millennials would be happy with an AI screening their CV, as long as a human review it too.
  • 40% of millennials aged 30 years old or more said they wouldn’t want an AI looking at their social history, compared to 32% of people under 30.
  • 27% of millennials said they’d be okay with an AI asking them basic interview questions.
  • 49% would be comfortable with an AI asking them more complex questions, as long as a human also makes a judgement.
  • 37% were interested in their skills being tested via an AI-powered game.
Read more on Capterra’s research into the millennials perspective of AI in recruitment.

The verdict: Millennials prefer a combination of humans and AI in the recruitment process

The use of AI within the recruitment industry relies partly on Australia’s readiness for it. Millennials are already showing indications of interest—and in some areas, such as tackling unconscious bias, they’ve demonstrated enthusiasm. But on that topic, employers must also consider ways that an AI-powered program could work against diversity efforts.

Technology that uses a video link to carry out personality type testing, for example, often relies on measurements such as eye movement, choice of words and tone of voice. However, it doesn’t account for blind candidates, deafness or disabilities such as autism. For this reason (and many more), it’s important that businesses don’t solely rely on AI in recruitment.

Onboarding

62% of millennials were happy with the use of AI in their new employee onboarding for a new job. However, of this number, almost half (47%) would prefer for a human HR professional to be involved as well.

AI-powered employee onboarding the millennial opinion

In terms of gender, women would prefer that this HR task was left to human professionals. A third (33%) would not like an AI involved at all (compared to 24% of men.)

Automating employee onboarding men vs women

The verdict: Millennials value people in onboarding, especially women

Automating the onboarding process has many benefits for HR professionals—a big benefit being that it saves a huge amount of time spent on highly administrative and repetitive tasks. An AI can also combine company data with the new employee profile to produce a personalised process much quicker than a human could.

At the same time, employees value human connection when joining a new company. For this reason, it’s important that new hires have a human point of contact during the process. This doesn’t have to be the HR professional, however. A buddy-system, where employers partner a new employee with an existing employee is a good alternative. However, it may be that an AI assigns a suitable buddy for every new hire.

Employee record management

A third of millennials said they’d feel uncomfortable with an AI handling their employee records. However, 65% were comfortable with it (with a quarter of the 65% saying they are happy for humans to step away from this activity completely.)

Importantly, there is a difference of opinion between ages. 45% of millennials aged 30 years old and older said they’re happy with AI handling their employee records. This is compared to 50% of millennials under 30 years old.  A third of over-30s would prefer humans to manage their records without any kind of AI assistance.

Age breakdown millennial opinion on employee record management AI-powered

A divide between genders is also apparent in the survey results. Almost a quarter (24%) of women are indifferent, compared to 18% of men. Half (50%) of men would be okay with artificial intelligence being the sole manager of their records.

Men vs women millennial opinions on AI driven employee record management

The verdict: The majority of millennials don’t mind an AI handling their employee records

Most millennials are open to AI operating this HR task, and a fifth are indifferent. This points to a clear automation opportunity for businesses. However, they should also bear in mind that around a third (32%) of respondents expressed feelings of uncomfortableness around this concept. With the task involving personal information, it’s worth employers asking staff to authorise and agree to the use of artificial intelligence here.

Career development

55% of the millennial respondents said they’d feel comfortable with an AI providing them with educational assistance to help them in their career. However, a quarter (25%) would prefer humans and 19% are indifferent.

Men were most certain of where they sat on the argument for AI-powered education or human educators. Just 16% said they were indifferent compared to 20% of women.

The verdict: Knowledge gap insights work well with human-led training sessions

Machines can automate a lot of the learning and development process for employees, such as choosing the most relevant programs and identifying what skills an employee needs developing. However, it’s trickier for a machine to teach softer skills, such as relationship building. With that in mind, the survey results present an opportunity for businesses to combine AI with human-to-human training sessions.

Performance analytics

Again, male respondents were more comfortable about the concept of an AI making decisions around promotion and salary increases. A fifth (20%) would be happy for an AI to make the judgement call compared to just 13% of women.

Both genders agreed that an AI application driving performance analysis decisions would only be workable in some situations (43% for men and 41% for women). The older the millennial, the more likely they were to agree with this statement.

Age and gender breakdown of payrise promotion decisions ai

The verdict: Humans should consider the context behind AI-driven performance analysis for employees

The discrepancies between genders and ages suggest a potential confidence gap exists amongst Australian millennials. If utilising artificial intelligence to make these kinds of decisions, businesses should ensure they’re transparent about the framework they’re using to make judgements.

Compensation and benefits

More than half (51%) of respondents said an AI could be effective at conducting analysis into the compensation and benefits that other companies are offering their employees. The aim of this exercise is to then create attractive and competitive employee compensation and benefits packages of their own. This opinion was unanimous across genders and age groups.

21% of employees were indifferent to who handles this task, while 29% would prefer humans to take ownership.

The verdict: AI can help pull relevant information, but humans understand company culture most

Using artificial intelligence to present important data around benefits to human HR professionals could be hugely beneficial to employers in the future. Combining this information with human knowledge about their company culture, businesses can pull together hard-to-rival packages for their workforce.

Disciplinaries

We asked respondents how they’d feel if an AI was involved in their employer’s disciplinary process (such as flagging if a person was frequently late.) Surprisingly, 65% said they were comfortable with it, with a quarter of these respondents saying they’d prefer humans not to be involved at all.

Importantly, however, 28% of millennials would prefer a human HR professional to handle disciplinary tasks without the assistance of AI.

The verdict: Machines can help identify problems, but humans should address them

The results indicate there is still a place for human agents when it comes to disciplinary practices. While machines can help to flag issues that need attention, a human-to-human meeting is likely to be more effective when it comes to taking action.

The final verdict: AI won’t replace humans in HR

With the HR tech solutions market coming in at around $148 billion according to global research by PWC, its role in the department will continue to increase. But what does this mean for HR professionals?

The reality of HR technology adoption increasing is that the role of HR professionals will change. It’s likely that uniquely human skills will grow in importance as a consequence. According to World Economic Forum predictions,  75 million current jobs will be displaced as the role of AI increases in human resources. However, in the same vein, the forum forecast that 133 million new jobs will be created by 2022.

Skills in both emotional intelligence and technical intelligence, like technology design and programming, will be important while analytical skills and the ability to operationalise change will be less important.

Looking for HR software? Check out our catalogue.

*Survey methodology

To understand the opinions of millennials in Australia with regards to artificial intelligence in HR, we conducted an online survey between 3rd March – 8th March. 

We surveyed people living in Australia from the generational group (aged between 24 to 39 in 2020) who work full-time, part-time, or are actively job-seeking. To mitigate the potential for bias, we screened out survey participants that worked within HR and recruitment. This left us with our final number of respondents for the survey: 516.

5 SaaS-toolkits om explainable AI te maken

explainable AI

Met explainable AI kunnen techteams bias voorkomen en eerlijke, nauwkeurige algoritmen maken. Deze SaaS-toolkits helpen je daarbij.

explainable AI

Steeds meer zakelijke beslissingen worden genomen op basis van zelflerende algoritmes. Hoe een AI-systeem tot zijn besluit komt is vaak onduidelijk, waardoor de vraag naar transparantere algoritmes toeneemt.  Explainable AI (XAI) kan in die behoefte voorzien. Ontwikkelaars van machine learning (ML) kunnen hiermee tijdens het hele trainingsproces van algoritmen zien wat de mogelijkheden en beperkingen van die algoritmen zijn. Het risico op bias wordt hierdoor kleiner.

Bias in algoritmen kan grote gevolgen hebben voor eindgebruikers. De consequenties van niet weten hoe AI werkt, zijn uitgebreid gedocumenteerd. Denk bijvoorbeeld aan creditcards met een lagere bestedingslimiet voor vrouwen of het koppelen van recidive aan ras. XAI is dan ook niet langer optioneel.

Als jij AI wilt maken en toepassen in jouw bedrijf, verwacht iedereen, van senior stakeholders tot klanten, dat je kunt uitleggen hoe het werkt. Het goede nieuws? Doordat de vraag naar XAI stijgt, komen er ook steeds meer tools en technieken die je technische team kan gebruiken om aan de slag te gaan met explainable AI. 

Bij het evalueren van de verschillende tools en toolkits:

  • Documenteer eerst de vereisten voor je algoritmes. Bepaal van te voren welke methoden voor eerlijkheid je gaat gebruiken en hoe je deze wilt prioriteren.
  • Probeer niet de perfecte toolkit te vinden voor explainable AI, maar ga voor incrementele implementatie met meerdere tools.
  • Bekijk hoe elke toolkit aansluit bij het zakelijke probleem dat jouw algoritme moet oplossen. De verschillende toolkits ondersteunen verschillende vereisten voor verklaarbaarheid. Als je bijvoorbeeld een algoritme wilt maken om klantbeslissingen te verklaren, moet je geen toolkit gebruiken die bedoeld is voor vereisten op het gebied van wet- en regelgeving.

5 SaaS tools die jij kunt gebruiken om explainable AI te maken

Deze vijf Saas-tools (Software-as-a-Service) kunnen je technische team helpen bij explainable AI. (Ze werden in een recent Gartner-artikel genoemd als voorbeeldtechnieken en -methodologieën die kunnen helpen bij het bouwen van XAI. Het volledige onderzoek is beschikbaar voor klanten van Gartner.)

Let bij de toolkits hieronder met name op de functionaliteit die gericht is op verklaarbaarheid en interpreteerbaarheid. Met het eerste kun je je model controleren tijdens de algoritmetraining en met het tweede kun je de resultaten van het model uitleggen aan stakeholders en klanten. (De producten worden in alfabetische volgorde weergegeven.) 

1. DataRobot

Datarobot AI-voorspelling
Verklaring van voorspellingen door DataRobot (bron)

Met de software van DataRobot kunnen teams intern hun eigen AI-modellen maken en implementeren, zonder hierbij expliciet te programmeren. Als je nog geen data scientist hebt (of je bedrijf zich die niet kan veroorloven), kan DataRobot hiervoor als vervanging fungeren. De tool automatiseert standaard data science taken en helpt klanten specifieke zakelijke problemen op te lossen. United Airlines gebruikte DataRobot bijvoorbeeld om te voorspellen welke klanten de meeste kans hebben op een tassencontrole bij de gate.

Omdat DataRobot machine learning automatiseert, ondersteunt het ook interpreteerbare modellen. De tool beschikt over een modelblauwdruk die laat zien welke verwerkingsstappen elk model vooraf gebruikt om tot de conclusies te komen. Hierdoor is DataRobot met name een goede optie voor teams die modellen maken die moeten voldoen aan regelgeving.

Daarnaast biedt DataRobot verklaringen van voorspellingen, waarin de belangrijkste variabelen worden weergegeven die van invloed zijn op het resultaat van het model voor elke record. Dit is cruciaal, omdat algoritmen tijdens het hele trainingsproces verschillende gewichten toewijzen aan verschillende datapunten, wat dan weer van invloed is op de aanbevelingen. De verklaring van voorspellingen voorkomt mogelijke bias doordat wordt uitgelegd hoe de conclusies van elk algoritme tot stand zijn gekomen.

Prijs: DataRobot biedt aangepaste contracten voor drie jaar op basis van je zakelijke doelen. Bij de keuze voor jouw specifieke softwareconfiguratie word je persoonlijk geholpen door iemand van het data science team van DataRobot.

Meer informatie

2. Google Cloud Platform

transparant AI on Google Cloud Platform
Visualisatie van functiewaarden en interferentiescores in What-If tool (bron)

De Google Cloud-platformservices worden door een miljard mensen gebruikt en zijn dus qua grootte en reikwijdte moeilijk te evenaren. Het platform beschikt ook over een robuuste suite van  tools voor AI en machine learning. In november 2019 is er een explainable AI service bijgekomen, die algoritmische modellen tijdens de hele levenscyclus van het product evalueert.

Functies zoals AutoML Tables en AI Platform bieden transparantie voor de gebruikers, die zo kunnen zien of ze de datasets en/of architectuur van hun modellen moeten verbeteren. Met AutoML Tables of AI Platform krijg je realtime scores voor je modellen, die aangeven hoe bepaalde factoren van invloed zijn op de uiteindelijke resultaten. Als je dit combineert met de functie voor continue feedback van Google Cloud, kun je modelvoorspellingen vergelijken en de prestaties optimaliseren.

De What-If tool van Google Cloud geeft interactieve dashboards weer waarmee gebruikers de voorspellingsmodellen van het AI-platform kunnen bekijken. Deze tool werkt samen met Jupyter en Colab notebooks, en is vooraf geïnstalleerd op AI Platform Notebooks Tensorflow-exemplaren. Als de outputs van je modellen niet overeenkomen met de vereisten van de What-If tool, kun je aanpassingsfuncties in je code definiëren.

Prijs: De explainable AI tools van Google Cloud zijn gratis voor mensen die AutoML Tables of AI Platform al gebruiken.

Meer informatie

3. H2O Driverless AI

Machine learning Driverless
Interpreteerbaarheidsdashboard voor machine learning van H2O Driverless AI (bron)

H20 Driverless AI automatiseert verschillende aspecten van de ML-workflow, zoals validering, tuning, selectie en implementatie van modellen. Het werkt op standaardhardware en is ontworpen voor gebruik met grafische processing units (GPU’s). Dit is een belangrijk verkooppunt, omdat GPU’s een cruciale rol spelen bij deep learning.

Verder biedt H20 Driverless AI machine learning interpretability (MLI) als kernfunctionaliteit. De applicatie biedt het volgende:

  • Shapely (dat laat zien hoe functies rechtstreeks van invloed zijn op de unieke voorspelling van elke rij)
  • k-LIME (dat redencodes en uitleg in het Engels kan genereren voor complexere modellen)
  • Surrogaat beslisbomen (een stroomdiagram dat laat zien hoe een model beslissingen heeft genomen op basis van de oorspronkelijke functies)
  • Partial Dependence plots (met gemiddelde modelvoorspellingen en standaardafwijkingen voor de eerste waarden van functies)

H20 Driverless AI biedt ook de functie ‘disparate impact analysis’. Als een model negatieve effecten oplevert voor specifieke groepen gebruikers, kun je dat model met deze analysefunctie testen op een mogelijke bias. Dit een essentiële functie, omdat bias op verschillende punten tijdens de training van algoritmen in modellen kan binnensluipen.

Prijs: H20 is een open source ML-platform en het gebruik ervan is dus gratis. Driverless AI is een standalone product voor ondernemingen en hiervoor moet wel worden betaald. Het gebruik van dit systeem op Google Cloud kost ongeveer $ 2.281 (circa € 2025) per maand.

Meer informatie

4. IBM Watson OpenScale

AI explainablility
AI explainability 360 open source toolkit van IBM (bron)

Watson is een vraag-en-antwoordsysteem dat door IBM is ontwikkeld. Het schokte de wereld toen het jaren geleden twee ervaren menselijke deelnemers aan het spelprogramma Jeopardy versloeg en daarmee een prijs van $ 1 miljoen won. Tegenwoordig gebruiken bedrijven IBM Watson OpenScale om modellen te bouwen voor het voorspellen van kredietrisico, defecten in activa, claimsverwerking enzovoort.

Watson OpenScale biedt verschillende beheerfuncties voor modellen. Gebruikers worden bijvoorbeeld gewaarschuwd wanneer ‘drift’ wordt aangetroffen in een AI-model. Dat gebeurt wanneer modellen in de productiefase data tegenkomen die verschillen van de data waarop ze zijn getraind. Dergelijke waarschuwingen zijn van groot belang, omdat je bij ‘model drift’ het risico loopt dat er bias wordt geïntroduceerd in een model.

Watson OpenScale biedt ook contrastieve verklaringen voor de classificatiemodellen die je bouwt. Dat betekent dat er pertinente positieven en pertinente negatieven worden weergegeven, die allebei nuttig zijn om het gedrag van elk model te verklaren. Twee typen de-biasing (passief en actief) zijn ook beschikbaar.

Prijs: Watson OpenScale biedt twee soorten abonnementen, op basis van het aantal modellen dat je wilt implementeren en monitoren. De Lite-service is gratis, maar wordt na dertig dagen inactiviteit verwijderd.

Meer informatie

5. Microsoft Azure

explainable AI Microsoft Azure
Explainability framework SDK dashboard van Microsoft Azure (bron)

Microsoft Azure is een cloud computing service waarmee gebruikers applicaties kunnen bouwen, testen, implementeren en beheren. Het ondersteunt een breed scala aan programmeertalen, tools en frameworks binnen en buiten het Microsoft-ecosysteem. Azure bestaat al tien jaar en ondersteunt inmiddels meer dan 600 services.

Gebruikers van de Basic en Enterprise editie van Azure hebben toegang tot de modelinterpreteerbaarheid van het platform. Volgens de documentatie van Azure heeft dit de volgende drie belangrijke voordelen voor gebruikers:

  • Waarden voor het belang van de functie voor ruwe en speciale functies
  • Interpreteerbaarheid op schaal, op echte datasets in de praktijk, tijdens de trainings- en inferentiefasen
  • Interactieve visualisaties om patronen te ontdekken binnen data

Met Azure kun je deze functies globaal op alle data toepassen of alleen op specifieke lokale datapunten. Ook kun je interpreteerbaarheidsmethoden toepassen op globaal gedrag of specifieke voorspellingen.

De modelinterpreteerbaarheid van Azure biedt negen verklaringstechnieken waaruit je kunt kiezen. Zo kun je de verklaringstechniek afstemmen op de techniek die jouw team heeft gebruikt om je model te trainen. Als je bijvoorbeeld de deep learning techniek hebt gebruikt, kun je de SHAP Deep Explainer gebruiken om te kijken wat er precies gebeurt.

Prijs: Azure heeft abonnementen op basis van gebruik, afhankelijk van de regio, het type gebruik, soort facturering enzovoort. Op de website van Azure vind je prijscalculators, prijzen per product en meer. Er is een apart tabblad voor de AI- en machine learning producten van Azure.

Meer informatie

Wil je meer weten? Bekijk dan onze online catalogus met een uitgebreid aanbod aan AI-software.