アラカン"BOKU"のITな日常

あれこれ興味をもって考えたことを書いてます

人事評価する人工知能で扱える評価について分類・整理して考える

今回は行動と対になる「評価」について考えたことを書いてみようと思います。

 

とっかかりとして、「評価」を無理やり分類しつつ、頭の中の整理をここと見てみました。最初なので、極力大きな粒度でざっくり分けてみたいのですが、さすがに一つだけにスパッと分類はできず、2つの異なる視点での分類になりました。

 

「評価の対象」視点の分類がひとつめです。

  1. 人そのものを評価する
  2. (その人の)行動を評価する
  3. (その人の達成した)結果を評価する。

 

「評価の尺度」視点の分類が二つ目です。

  1. 絶対的基準に基づき評価する
  2. 相対的に評価する

 

さらに「評価」には、難しいなと思う2つの懸念事項があります。

  • 中心軸や基点が定まらず、不安定になりがちなこと
  • 同じ対象に対する「ブレ」が大きく、正解がないこと

がそれです。

 

評価の分類の部分が、箇条書きだけだとイメージしずらいので、前回のブログで、行動のイメージとした例をそのまま流用して、上記の分類にあてはめてみます。

 

こんなシンプルな行動ですら、「評価の対象」視点の分類が混在していますという例になりました。

  1. これをやってほしいんだけど ⇒ 人の評価
  2. わかりました。私がやります。
  3. セコセコ(仕事している擬音)
  4. できた。できた。
  5. できましたよ。
  6. ありがとう。⇒ 行動の評価
  7. これでOKです。 ⇒ 結果の評価

 

「評価の対象」という分類視点で見ると、依頼する人を選ぶときに「人を評価」して、選別していますよね。

 

そして、(おそらく期限通りに)実施してくれたという「行動の評価」を行い、さらにその「結果の評価」をしています。

 

「評価の尺度」の分類視点で見ても、「絶対評価」と「相対評価」が混在します。

 

例えば、「これをやってほしいんだけど」と依頼する空相手の人を選択する時も、「絶対評価(この人だ)」で選ぶ場合もあれば、「相対評価(一番マシ)」で選ぶ場合もあります。

 

「これでOKだよ」と結果を評価するときにも、やった人によって「素晴らしい出来」の評価になったり、「普通」や「劣っている」の評価になったりもします。

 

こんな単純なモデルでも、こうしてみると、いろんなイメージがわきますね。

 

懸念事項はイメージしやすいです。同じ人・同じ行動を見ても、人によって評価が異なるのは、現実に嫌というほど見ていますから。

 

評価研修も何回か受けましたけど、そのとき、皆でビデオを見て、この社員の行動をどう評価しますか?を意見交換するワークをやると、まあ、見事にバラバラな意見が飛び交います。

 

同じ行動を見て、「素晴らしい」という人もいれば、「けしからん」という人もいるわけです。

 

よく、人事評価について書いている文章で、「公平な評価」という言葉が書いてありますが、「絶対ありえないよな」と、ずっと思っていました。

 

「人事評価する人工知能」を考える以上、ここは避けて通れません。

 

この評価する人による「ブレ」をどう人工知能を使って正規化するか=どうやって数式またはアルゴリズムで解決するのか・・だんだんと具体的な課題のイメージがでてきました。

 

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。