読者です 読者をやめる 読者になる 読者になる

アラカン"BOKU"のITな日常

人事評価と人工知能について考えたことがメインテーマです。

人事評価する人工知能をつくるとして、評価対象となる行動の前提というものを考えてみた

はじめの思いつき

人事評価する人工知能について、最初の思いつきで書いたイメージを訂正しつつ、もう少しあれこれ考えてみたことについて書きます。

 

修正したイメージは、こんな感じです。

f:id:arakan_no_boku:20161015144348j:plain

 

変更点は以下の通りです。

  1. 人工知能⇒評価エンジンに名称を変更
  2. 各行動データに対応した評価エンジンを個別に定義

 

変更の理由は、勉強した結果として、行動データといっても色々なバリエーションがあるし、それらすべてのデータをひとつのアプローチで一元的に処理するのは、ありえないという当たり前のことに気づいたからです。

 

分析すべき行動データによっては、人工知能でないアプローチが適切な場合があるかもしれませんしね。

 

イメージを修正しながら、行動データについて、崩してはいけない前提というのをきっちり意識しとかないと、アプローチの検討時にぶれるかもしれないなということに気づきました。

 

まあ、評価の対象を「行動データ」という単一のくくりで表現していること自体が現実的ではないのですけど、思いつきをこねくり回している今の段階であれこれ手をひろげても仕方ないという割り切りでやってます。

 

さて、「評価対象になる行動データ」で、崩してはいけないことは何なのかという話に戻ります。

 

今思いつくのは、以下の2つです。

  • 評価される者が意識的に操作できてはいけない
  • 評価する者が意識的に調整できてはいけない。(さじ加減NG)

 

まあ、当たり前のことですね。仕組みを知って、こういう風にしたら評価がよくなるみたいな馬鹿げたノウハウを知っている者が有利になるような仕組みなら、本来評価すべき人たちのモチベーションを落とす逆効果になってしまいます。

 

後者も同じです。評価する者のさじ加減を許す脇の甘さがあると、へんな権益をうんで、あまり良い結果にならないのは歴史が証明しています。

 

だから、「評価する者、される者のどちらも意識せず、普段通りに行動した結果を自動的にすいあげて評価に利用する。」ということは大前提ということで良いんじゃないでしょうか。

 

2017年2月25日追記

この記事は勉強をはじめる前の初期のころに書きました。今は、このころより、少しわかってきたので、少し方向修正してます。

 

この思いつきから派生したカテゴリがこちらです。

人事評価そのものについて、もう一度考え直してみる。

ディープラーニングについて、もう少し勉強してみる。

システムを開発する言語やフレームワークについて試してみる。

 

あと、それ以外にもいくつかカテゴリをわけて書いてます。

ホワイトカラーの仕事のやり方で思うことを書いてみる

お昼休みとかの時間つぶしにやった頭の体操的なことを書いてみる。

人工知能と仕事などに関連して興味を持ったことを書いてみる。

 

よければ、読んでやってください。