ในการบริหารทรัพยากรบุคคล ข้อมูลที่สำคัญอันดับต้นๆ ที่ต้องใช้ในการบริหาร คือ ลักษณะของเนื้องาน ความรู้ (Knowledge) ทักษะ (Skills) ความสามารถ (Abilities) และความสนใจ (Interests) ที่จำเป็นต้องมีในแต่ละตำแหน่งงาน ตัวอย่างเช่น นักจิตวิทยาการปรึกษา ที่ทำหน้าที่ให้คำปรึกษาเพื่อสร้างเสริมสุขภาพจิต จำเป็นต้องมีความรู้ด้านจิตวิทยาการให้คำปรึกษา ต้องมีทักษะการพูด การทำความเข้าใจเนื้อหา ต้องมีความสามารถด้านสื่อสารอย่างชัดเจน และต้องมีความสนใจในด้านสังคม ข้อมูลเหล่านี้จะถูกนำมาใช้ในการค้นหาและคัดเลือกพนักงาน การหาความต้องการในการฝึกฝน การเลื่อนขั้น การสร้างเกณฑ์ค่าตอบแทน เป็นต้น การวิเคราะห์งานสำคัญมากถึงขนาดต้องมีนักวิเคราะห์งาน เพื่อไปสอบถามว่างานแต่ละตำแหน่งในองค์กรทำอะไร และวิเคราะห์ว่าความรู้ ทักษะ ความสามารถ ความสนใจ ที่จำเป็นในแต่ละงานคืออะไร แต่หน้าที่การวิเคราะห์งานนี้อาจถูกทดแทนด้วยปัญญาประดิษฐ์ (AI) ในอนาคต

Putka และคณะได้นำเสนองานในปี 2566 โดยพวกเขานำฐานข้อมูล O*Net ที่เป็นฐานข้อมูลการวิเคราะห์งานที่สนับสนุนโดยกระทรวงแรงงานประเทศสหรัฐอเมริกา มาใช้เป็นข้อมูลเพื่อสร้างโมเดลปัญญาประดิษฐ์ โดยพวกเขาได้นำคำอธิบายของงานมาใช้ทำนายผลที่ต้องการ 4 ประเภท คือ ความรู้ที่จำเป็นในงานนั้น (33 ด้าน) ทักษะ (35 ด้าน) ความสามารถ (52 ด้าน) และความสนใจ (6 ด้าน) โดยตำแหน่งงานที่มีในฐานข้อมูล O*Net แล้วสามารถนำมาวิเคราะห์ได้มีทั้งหมด 963 ตำแหน่ง

โมเดลที่ Putka ใช้ในการวิเคราะห์ คือ การใช้โมเดลถุงคำ (Bag of words) ในการวิเคราะห์คำอธิบายของงาน หน้าที่ ความรับผิดชอบของงานแต่ละตำแหน่ง กล่าวคือ โมเดลจะดูว่ามีคำอะไรบ้างในคำอธิบาย แล้วนำคำต่างๆ มาจับกลุ่ม ตัดคำสร้อยที่ไม่เกี่ยวข้องกับการอธิบายงานออก (เช่น the, is, which) และตัดคำที่มีความถี่ในการเกิดต่ำๆ ออก เมื่อผ่านกระบวนการเหล่านี้ จะสรุปได้ว่า งานแต่ละตำแหน่งมีคำสำคัญแต่ละคำหรือไม่ ซึ่งมีทั้งหมด 1,079 กลุ่มคำ หลังจากนั้น ผู้วิจัยก็นำคำเหล่านั้นมาทำนายตัวแปรตามทั้งทักษะ ความรู้ ความสามารถ และความสนใจ พบว่าสอดคล้องกับข้อมูล O*Net ที่จัดทำโดยผู้เชี่ยวชาญสูงมาก (ค่าสหสัมพันธ์สูงกว่า .7) โดยผู้วิจัยได้ตรวจสอบเพิ่มเติมว่าโมเดลนี้สามารถนำไปใช้กับตำแหน่งงานใหม่ๆ ได้หรือไม่ เขาจึงนำตำแหน่งงานใหม่ในสำนักข้าราชการของประเทศสหรัฐอเมริกาจำนวน 229 ตำแหน่งมาลองวิเคราะห์ โดยนำคำอธิบายงานของตำแหน่งเหล่านั้นมาใส่ในโมเดลทำนาย พบว่าสามารถวิเคราะห์งานแต่ละตำแหน่งได้อย่างน่าพึงพอใจ

ด้วยความรู้การประมวลข้อมูลภาษาตามธรรมชาติ (Natural Languange Processing) ในปัจจุบัน อาจจะมองว่าวิธีถุงคำ เป็นวิธีที่ค่อนข้างเก่า เพราะเป็นการดูคำแต่ละคำโดยไม่สนใจบริบทภายในประโยคเลย แต่เนื่องด้วยคำอธิบายงานเป็นคำที่เป็นทางการ ไม่ได้ไวต่อบริบทที่อยู่ในประโยคอื่นรอบๆ มาก เลยทำให้วิธีถุงคำเป็นวิธีที่ใช้ได้ แต่ก็น่าสนใจว่าหากใช้เทคนิคใหม่ๆ เช่น การประมวลผลด้วย LSTM หรือตัวแปลง (Transformers) จะทำให้การวิเคราะห์งานแม่นยำกว่าวิธีถุงคำหรือไม่ ซึ่งจากงานทางจิตวิทยาอื่นๆ พบผลแทบจะสอดคล้องกันหมด ว่าเทคนิคใหม่ๆ เหล่านั้น โดยเฉพาะอย่างยิ่งวิธีตัวแปลง เป็นวิธีการที่ดีกว่าถุงคำอย่างเห็นได้ชัด

การนำไปใช้เชิงปฏิบัติ การใช้ AI ในการวิเคราะห์งาน เป็นการทุ่นแรงนักวิชาชีพทรัพยากรบุคคล (HR) อย่างมาก เดิม HR บางบริษัทไม่ได้ให้ความสำคัญกับการวิเคราะห์งาน เพราะมองว่าเป็นกระบวนการที่ต้องสิ้นเปลืองทรัพยากรมาก และโลกเปลี่ยนแปลงเร็วจนอาจมองไม่เห็นประโยชน์ของการวิเคราะห์งาน แต่ด้วย AI ทำให้ HR สามารถสำรวจพนักงานบ่อยๆ ด้วยคำถามปลายเปิด ว่างานของตนเองทำอะไรบ้าง มีภาระหน้าที่อะไรบ้าง ต้องติดต่อกับใครบ้าง แล้วนำไปใส่โมเดล AI เพื่อให้ผลการวิเคราะห์งานออกมา ว่างานแต่ละงานต้องการความรู้ ทักษะ ความสามารถ และความสนใจอะไรบ้าง HR สามารถนำข้อมูลวิเคราะห์งานไปใช้ประโยชน์ในด้านต่างๆ ตามที่กล่าวในย่อหน้าแรกได้ ไม่เท่านั้น HR สามารถเปรียบเทียบพนักงานในลำดับขั้นต่างๆ ว่าหากโตขึ้นไประดับหัวหน้า หรือผู้บริหาร พนักงานแต่ละคนต้องการทักษะ ความสามารถ ความรูอะไรเพิ่มเติม สามารถสร้างแผนพัฒนาอาชีพของแต่ละบุคคลได้ 

บริการจาก MindAnalytica พวกเราสามารถนำโมเดลของ Putka และคณะมาประยุกต์ใช้เพื่อช่วยเหลือบริษัทต่างๆ ในการวิเคราะห์งาน และแนะนำวิธีการประเมินทักษะ ความรู้ ความสามารถ และความสนใจรูปแบบต่างๆ ให้กับทางบริษัท เพื่อตรวจสอบว่าพนักงานของบริษัทหรือผู้สมัครว่ามีสิ่งเหล่านี้เท่าไร อย่างไร ผลจากวิธีการประเมินของ MindAnalytica จะเป็นข้อมูลที่แม่นยำ ผ่านการทดสอบมาก่อนว่าวิธีการประเมินเหล่านั้นสามารถใช้วัดได้จริง ไม่มีอคติ ทำให้ได้ผู้สมัครที่เหมาะสมกับงาน รวมถึงได้รับทราบว่าพนักงานที่บริษัทมีอยู่ปัจจุบันต้องการการเพิ่มพูดทักษะอะไรบ้าง