AI ခေတ်ကြီးထဲမှာ ကော်ပိုရိတ်အလုပ်ခန့်မှုစနစ် ဘာကြောင့်ယိုယွင်းပျက်စီးနေပြီး ဘယ်လိုပြင်မလဲ

ဆယ်စုနှစ်များစွာကြာအောင် ကော်ပိုရိတ်လောကရဲ့ အလုပ်ခန့်မှုစနစ်ဆိုတာ CV လှလှလေးတွေ ပြည့်စုံနေဖို့၊ အင်တာဗျူးမေးခွန်းတွေကို စံချိန်မီမီနဲ့ တပုံစံတည်း လှလှပပ ဖြေဆိုနိုင်ဖို့တွေကိုပဲ အဓိကထားပြီး ရွေးချယ်လာခဲ့ကြပါတယ်။ ဒါပေမဲ့ Generative AI တွေ ခေတ်စားလာတဲ့အခါမှာတော့ အဲဒီအချက်တွေဟာ လျှောက် ထားသူတွေအတွက် မုန့်စားရသလို လွယ်ကူသွားပါတော့တယ်။ ကိုယ်တိုင်တကယ် တော်သည်ဖြစ်စေ၊ မတော်သည်ဖြစ်စေ AI ရဲ့ အကူအညီနဲ့ အင်တာဗျူးတွေမှာ ကောင်းကောင်းဖြေနိုင်စွမ်းဆိုတာ အလွန်အမင်း တွင်ကျယ်လာပြီး ကုန်ကျစရိတ်လည်း မရှိသလောက် နည်းပါးသွားပါပြီ။ ဒါဟာ HR လောကအတွက်တော့ အကြီးမားဆုံး ခေါင်းကိုက်စရာ ပြဿနာကြီးတစ်ခု ဖြစ်လာပါတော့တယ်။

AI ဖန်တီးထားတဲ့ CV တွေ ပုံအောလာတာက တစ်ပိုင်းဆိုပေမဲ့၊ အဲဒီထက် ပိုအန္တရာယ်ကြီးတဲ့ အပြောင်းအလဲတစ်ခုကတော့ အလုပ်ခန့်မယ့် လုပ်ငန်းစဉ်ရဲ့ နောက်ပိုင်းအဆင့်တွေမှာ ဆက်တိုက်ဆိုသလို ဖြစ်ပျက်နေတာပါပဲ။ ကိုယ်စားလှယ်လောင်းတစ်ယောက်ရဲ့ စစ်မှန်မှုကို စစ်ဆေးတဲ့ နောက်ဆုံးခံတပ်လို့ သတ်မှတ်ထားကြတဲ့ စကားပြောအင်တာဗျူး (Conversational interview) တွေဟာ တိုက်ရိုက်အချိန်နဲ့တစ်ပြေးညီ ဖောက်ထွင်းဖျက်ဆီး ခံနေရပါပြီ။ဒီပြဿနာရဲ့ အတိုင်းအတာ ဘယ် လောက်ထိ ကြီးမားလဲဆိုတာကို သိရှိနိုင်ဖို့အတွက် ကုမ္ပဏီ ၈၇ ခုက HR ခေါင်းဆောင် ၁၂၀ နဲ့ ဆွေးနွေးမှုတွေ ပြုလုပ်ခဲ့ကြသလို၊ ပထမအဆင့် စစ်ဆေးမှု မှတ်တမ်းပေါင်း ၆,၃၈၀ ကျော်ကိုပါ သေချာ လေ့လာဆန်းစစ်ခဲ့ကြပါတယ်။ အဓိက တွေ့ရှိချက်ကတော့ ကုမ္ပဏီအများစု သတိမထားမိသေးတဲ့ စနစ်ပိုင်းဆိုင်ရာ အားနည်းချက်ကြီးတစ်ခု ရှိနေတယ်ဆိုတာပါပဲ။ အစောပိုင်း အလုပ်ခန့်မှုစနစ်တွေဟာ နှစ်ဖက်စလုံးကနေ တစ်ပြိုင်နက်တည်း ပြိုလဲနေပါပြီ။ ထိပ်ဆုံးအဆင့်မှာ CV နဲ့ လျှောက်လွှာတွေဟာ AI ကြောင့် အဓိပ္ပာယ်မရှိ၊ အချက်ပြမှု မပေးနိုင်တော့သလို၊ အောက်ခြေအဆင့်မှာကျတော့ တိုက်ရိုက်ဗီဒီယိုအင်တာဗျူးတွေကို အချိန်နဲ့တစ်ပြေးညီ ကူညီပေးတဲ့ AI ကိရိယာတွေနဲ့ လိမ်လည်ဖြေဆိုလာကြပါပြီ။ဒါဟာ HR ရဲ့ သက်သက်သာသာ ခေါင်းကိုက်စရာ မဟုတ်တော့ဘဲ အရေးကြီးတဲ့ မဟာဗျူဟာမြတ် အန္တရာယ်တစ်ခု ဖြစ်လာပါပြီ။ အစောပိုင်း စစ်ဆေးမှုတွေ အလုပ်မလုပ်တော့တဲ့အခါ ကုမ္ပဏီဟာ တကယ်ကျွမ်းကျင်တဲ့သူကို ရွေးချယ်တော့တာမျိုးမဟုတ်ဘဲ၊ အလုပ်ခန့်တဲ့ လုပ်ငန်းစဉ်ကို ဟန်ဆောင်ကောင်းကောင်းနဲ့ ဖြေတတ်တဲ့သူတွေကိုပဲ စနစ်တကျ ရွေးထုတ်မိနေပါတော့တယ်။

အလုပ်ခန့်မှုစနစ် ပျက်စီးခြင်းရဲ့ တကယ့်ကုန်ကျစရိတ်

Gartner ရဲ့ ခန့်မှန်းချက်အရ ၂၀၂၈ ခုနှစ်မှာ လျှောက်ထားသူ ၄ ဦးမှာ ၁ ဦးရဲ့ ကိုယ်ရေးအချက်အလက်ဟာ တစ်စိတ်တစ်ပိုင်း ဒါမှမဟုတ် လုံးဝ အတုအယောင်ဖြစ်လာနိုင်ပါတယ်။ ဒါကို သဘောပေါက်လာတဲ့ Google နဲ့ McKinsey လို့ ကုမ္ပဏီကြီးတွေကတော့ အင်တာဗျူးတချို့အတွက် လူကိုယ်တိုင် လာရောက်တွေ့ဆုံတဲ့စနစ်ကို ပြန်လည်ကျင့်သုံးလာကြပါပြီ။ဘာကြောင့် ဒီလောက်အထိ အလေးအနက်ထားနေကြရတာလဲဆိုတော့ မသင့်လျော်တဲ့ ဝန်ထမ်းတစ်ဦးကို ခန့်မိခြင်းဟာ ငွေကြေးအရ အလွန်ကြီးမားတဲ့ ဆုံးရှုံးမှုကို ဖြစ်စေလို့ပါပဲ။ SHRM ရဲ့ စာရင်းဇယားအရ အကြီးတန်းမဟုတ်တဲ့ ရာထူးတစ်ခုအတွက် လူတစ်ယောက်ခန့်ရတာ ကုန်ကျစရိတ်က ပျမ်းမျှ ဒေါ်လာ ၅,၄၇၅ ရှိပြီး၊ အကြီးတန်းရာထူးတွေအတွက်ဆိုရင် ဒေါ်လာ ၃၆,၀၀၀ နီးပါး ရှိပါတယ်။ Gallup ရဲ့ ခန့်မှန်းချက်အရ ဝန်ထမ်းတစ်ဦးကို အစားထိုးလဲ လှယ်ရတာဟာ နှစ်စဉ်လစာရဲ့ တဝက်ကနေ နှစ်ဆလောက်အထိ ကုန်ကျနိုင်တယ်လို့ ဆိုပါတယ်။ဒါပေမဲ့ ပိုပြီးဆိုးတာကတော့ မမြင်ရတဲ့ ကုန်ကျစရိတ်ပါပဲ။ စစ် ဆေးမှုတွေ အားနည်းလာတဲ့အခါ အလုပ်ခန့်မယ့်သူတွေဟာ သိကျွမ်းပြီးသား ကွန်ရက်တွေဆီကိုပဲ ပြန်ဆုတ်သွားကြပါတော့တယ်။ အလုပ်ခန့်ရေး ခေါင်းဆောင်တစ်ဦးက “ကျွန်တော် အလုပ်ခေါ်စာဘုတ်တွေမှာ အလုပ်တင်တာ ရပ်လိုက်ပြီ။ လူတိုင်းက AI နဲ့ ပြည့်စုံအောင် လုပ်ထားတဲ့ CV တွေနဲ့ပဲ လျှောက်ကြတော့တယ်။ ဘာမှ အဓိပ္ပာယ်မရှိတော့ဘူး” လို့ ပွင့်ပွင့်လင်းလင်း ပြောဖူးပါတယ်။ ဒီလိုပြောင်းလဲလိုက်တာက ရှုပ်ထွေးမှုတွေကို လျော့ကျစေပေမဲ့ မတူကွဲပြားစုံလင်မှု (Diversity) ကိုတော့ ပျက်စီးစေပြီး တရားဝင်ဘွဲ့လက်မှတ် မရှိပေမဲ့ အရည်အချင်းရှိတဲ့သူတွေအတွက် တံခါးပိတ်သွားစေပါတယ်။

CV တွေနဲ့ အဝေးရောက်အင်တာဗျူးတွေ တန်ဖိုးကျဆင်းလာခြင်း

လျှောက်ထားသူတွေအနေနဲ့ မိနစ်ပိုင်းအတွင်းမှာတင် AI ရဲ့ အကူအညီနဲ့ လိုအပ်တဲ့ စာသားအပြည့်အစုံပါတဲ့ CV တွေကို အလွယ်တကူ ထုတ်လုပ်လာနိုင်ကြပါပြီ။ တစ်ဖက်မှာလည်း အလုပ်ခန့်သူတွေ သုံးနေတဲ့ AI စစ်ဆေးရေးကိရိယာတွေ ကိုယ်တိုင်က ကိုယ်နဲ့ပုံစံတူ ရေးထားတဲ့ CV တွေကို ပိုပြီး ဦးစားပေးတတ်တဲ့ ဘက်လိုက်မှု (Self-preference bias) တွေ ရှိနေတဲ့အတွက် CV ဆိုတာဟာ ယုံကြည်စိတ်ချရတဲ့ အချက်ပြမှုတစ်ခု မဟုတ်တော့ဘဲ ဘယ် AI မော်ဒယ်ကို သုံးခဲ့လဲဆိုတဲ့ အချက်အပေါ်မှာပဲ မူတည်နေပါတော့တယ်။ဒါ့အပြင် နည်းပညာလုပ်ငန်းအများစုမှာ စံနှုန်းတစ်ခုလို ဖြစ်လာတဲ့ ပထမအဆင့် ဗီဒီယိုအင်တာဗျူးတွေမှာလည်း Final Round AI၊ Parakeet နဲ့ Cluely လိုမျိုး အချိန်နဲ့တစ်ပြေးညီ အဖြေထုတ်ပေးတဲ့ ကိရိယာတွေကြောင့် လိမ်လည်မှုတွေ ကျယ်ပြန့်လာပါတယ်။ အချို့သော လူငယ်အသိုက်အ ဝန်းတွေမှာဆိုရင် ဒီလိုကိရိယာတွေကို သုံးတာဟာ မတရားဘူးဆိုတာထက် အသက်ဆက်ရှင်ဖို့အတွက် မဖြစ်မနေ လိုအပ်တဲ့ နည်းဗျူဟာတစ်ခုအနေနဲ့တောင် မြင်လာကြပါတော့တယ်။သုတေသန ဒေတာတွေအရ “ပဋိပက္ခတစ်ခုကို ဘယ်လိုဖြေရှင်းခဲ့ဖူးလဲ” ဆိုတဲ့ ပုံမှန်အမေးအဖြေမေးခွန်းတွေမှာ AI က အလွယ်တကူ အဖြေထုတ်ပေးနိုင်တဲ့အတွက် လိမ်လို့အလွန်လွယ်ပါတယ်။ ဒါပေမဲ့ အပြန်အလှန် ဆွေးနွေးရတဲ့ Adaptive reasoning မေးခွန်းတွေ (အခြေအနေအသစ်တွေ ပေးပြီး ချက် ချင်းဖြေခိုင်းတာမျိုး) မှာတော့ AI ရဲ့ အကူအညီက အချိန်မီ မလိုက်နိုင်ဘဲ ကိုယ်စားလှယ်လောင်းရဲ့ တကယ့်စွမ်းရည်ကို ထင်ရှားစေပါတယ်။ နည်းပညာရာထူးသစ်တွေမှာဆိုရင် ဒီလိုလိမ်လည်မှုနှုန်းက ၆၀ရာခိုင်နှုန်း နီးပါးအထိ မြင့်မားနေပါတယ်။

စာရွက်ပေါ်မှာ မကောင်းသော်လည်း လက်တွေ့တွင် ထူးချွန်သူများ

အားပျော့တဲ့ စစ်ဆေးမှုတွေက မှားယွင်းတဲ့သူတွေကို လက်ခံမိစေရုံသာမက တကယ်တော်တဲ့သူတွေကိုပါ ဖုံးကွယ်သွားစေနိုင်ပါတယ်။ ဥပမာအားဖြင့် Joanna ဆိုတဲ့ Product Designer တစ်ယောက်ဟာ စာရွက်ပေါ်မှာကြည့်ရင် နာမည်မကြီးတဲ့ ကျောင်းဆင်းဖြစ်လို့ အားနည်းတဲ့သူတစ်ယောက်လို ထင်ရပြီး အလုပ် ၁၀၀ ကျော်လျှောက်ခဲ့ပေမဲ့ အမြဲတမ်း ပယ်ချခံခဲ့ရပါတယ်။ဒါပေမဲ့ reasoning-first စစ်ဆေးမှုမှာတော့ သူမရဲ့ စွမ်းရည်က ထွက်ပေါ်လာပါတယ်။ User flow တစ်ခုကို သုံးသပ်ခိုင်းတဲ့အခါ အခြေခံ စီးပွားရေးယူဆချက်ကိုပါ ထောက်ပြပြီး အလွှာသုံးဆင့်ပါတဲ့ အပေးအယူ (Trade-off) တွေကို တင်ပြနိုင်ခဲ့ပါတယ်။ ဒီလိုအချိန်နဲ့တစ်ပြေးညီ ကိုယ်တိုင်တွေးခေါ်နိုင်စွမ်းကို AI က အလွယ်တကူ အတုမလုပ်နိုင်ပါဘူး။ သူမကို အလုပ်ခန့်ခဲ့ပြီး ၆ လအကြာမှာတော့ အဖွဲ့ရဲ့ ထိပ်တန်း စွမ်းဆောင်ရှင်တစ်ဦး ဖြစ် လာခဲ့ပါတယ်။ ဆန့်ကျင်ဘက်အနေနဲ့ စာရွက်ပေါ်မှာ အလွန်ကောင်းမွန်နေတဲ့သူတွေကတော့ အင်တာဗျူးမှာ ကိုယ်တိုင်ချက်ချင်း စဉ်းစားဖြေဆိုရတဲ့အခါ ကျပ် တည်းသွားတတ်ကြပါတယ်။

အလုပ်ခန့်မယ့်သူတွေအတွက် လုပ်ဆောင်ရမယ့် အပြောင်းအလဲ (၅) ရပ်

အရည်အချင်းဆိုတာကို အတုလုပ်ဖို့ လွယ်ကူလာတဲ့အခါ CV တွေနဲ့ ရိုးရာအင်တာဗျူးတွေကို ဆက်ပြီး အားကိုးနေမယ့် ကုမ္ပဏီတွေဟာ တကယ့်အလုပ်ကို လုပ်နိုင်သူတွေကို မဟုတ်ဘဲ အင်တာဗျူးဖြေတာကို ဟန်ဆောင်တတ်ဆုံးသူတွေကိုသာ ရွေးချယ်မိနေပါလိမ့်မယ်။ (ဥပမာ – Meta လို ကုမ္ပဏီမျိုးတွေက AI အကူအညီကိုပါ ယူခွင့်ပြုပြီး ဝေဖန်ပိုင်းခြားနိုင်စွမ်းကို စမ်းသပ်တဲ့ အင်တာဗျူးစနစ်တွေကို စတင်စမ်းသပ်နေကြပါပြီ)။

ခေါင်းဆောင်တွေအနေနဲ့ အောက်ပါ အပြောင်းအလဲ (၅) ရပ်ကို လုပ်ဆောင်ဖို့ လိုအပ်ပါတယ်။

စစ်မှန်မှုကို ကျွမ်းကျင်မှုနဲ့ ခွဲခြားစစ်ဆေးပါ

အစောပိုင်း အဆင့်တွေမှာ ကိုယ်စားလှယ်လောင်းဟာ အတုအယောင်မဟုတ်ဘဲ ကိုယ်တိုင်တွေးခေါ်နိုင်စွမ်းရှိသူ ဟုတ်မဟုတ် အရင်ဆုံး အတည်ပြုပါ။

ပထမအဆင့်ကို တကယ့် စွမ်းရည်စမ်းသပ်မှုအဖြစ် ပြောင်းလဲပါ

သာမန်မေးခွန်းဟောင်းတွေအစား တကယ့်ပြဿနာသစ်တွေ၊ အခြေအနေပြောင်းလဲမှုတွေကို ချက်ချင်းဖြေရှင်းခိုင်းတဲ့ စနစ်ကို သုံးပါ။

နောက်ပိုင်းအဆင့်တွေမှာ AI ကိုပါ အသုံးချခွင့်ပေးပါ

အလုပ်ခွဲခြမ်းစိတ်ဖြာတဲ့အခါ AI ကို ဘယ်လို ထိရောက်စွာ အသုံးချနိုင်လဲဆိုတဲ့ ဝေဖန်ပိုင်းခြားနိုင်စွမ်း (Judgment) ကို စမ်းသပ်ပါ။

စုံလင်ပြီး အမှန်အတိုင်း ရပ်တည်နိုင်မှုကို အားပေးပါ

ပြီးပြည့်စုံလွန်းတဲ့ အဖြေတွေကိုပဲ အမြဲမရှာဘဲ ကိုယ်တိုင်တွေးခေါ်ဆွေးနွေးတတ်မှုကို အားပေးပါ။

အရေးကြီးတဲ့ရာထူးများအတွက် လူကိုယ်တိုင်တွေ့ဆုံမှုကို ကျင့်သုံးပါ

အကြီးတန်းရာထူးတွေအတွက် နောက်ဆုံးအဆင့်ကို လူကိုယ်တိုင်တွေ့ဆုံပြီး အတည်ပြုစစ်ဆေးပါ။

အရည်အချင်းတစ်ခုကို အတုလုပ်ဖို့ လွယ်ကူလာတဲ့ ယနေ့ခေတ်ကြီးမှာ “ဝေဖန်ပိုင်းခြားနိုင်စွမ်း (Judgment)” ဆိုတာဟာ အရှားပါးဆုံးနဲ့ အတန်ဖိုးရှိဆုံး အလုပ်ခန့်မှု အချက်ပြမှု ဖြစ်လာပါတော့တယ်။

ကျော့ကေခိုင်

zawgyi

ဆယ္စုႏွစ္မ်ားစြာၾကာေအာင္ ေကာ္ပိုရိတ္ေလာကရဲ႕ အလုပ္ခန႔္မႈစနစ္ဆိုတာ CV လွလွေလးေတြ ျပည့္စုံေနဖို႔၊ အင္တာဗ်ဴးေမးခြန္းေတြကို စံခ်ိန္မီမီနဲ႔ တပုံစံတည္း လွလွပပ ေျဖဆိုႏိုင္ဖို႔ေတြကိုပဲ အဓိကထားၿပီး ေ႐ြးခ်ယ္လာခဲ့ၾကပါတယ္။ ဒါေပမဲ့ Generative AI ေတြ ေခတ္စားလာတဲ့အခါမွာေတာ့ အဲဒီအခ်က္ေတြဟာ ေလွ်ာက္ ထားသူေတြအတြက္ မုန႔္စားရသလို လြယ္ကူသြားပါေတာ့တယ္။ ကိုယ္တိုင္တကယ္ ေတာ္သည္ျဖစ္ေစ၊ မေတာ္သည္ျဖစ္ေစ AI ရဲ႕ အကူအညီနဲ႔ အင္တာဗ်ဴးေတြမွာ ေကာင္းေကာင္းေျဖႏိုင္စြမ္းဆိုတာ အလြန္အမင္း တြင္က်ယ္လာၿပီး ကုန္က်စရိတ္လည္း မရွိသေလာက္ နည္းပါးသြားပါၿပီ။ ဒါဟာ HR ေလာကအတြက္ေတာ့ အႀကီးမားဆုံး ေခါင္းကိုက္စရာ ျပႆနာႀကီးတစ္ခု ျဖစ္လာပါေတာ့တယ္။

AI ဖန္တီးထားတဲ့ CV ေတြ ပုံေအာလာတာက တစ္ပိုင္းဆိုေပမဲ့၊ အဲဒီထက္ ပိုအႏၲရာယ္ႀကီးတဲ့ အေျပာင္းအလဲတစ္ခုကေတာ့ အလုပ္ခန႔္မယ့္ လုပ္ငန္းစဥ္ရဲ႕ ေနာက္ပိုင္းအဆင့္ေတြမွာ ဆက္တိုက္ဆိုသလို ျဖစ္ပ်က္ေနတာပါပဲ။ ကိုယ္စားလွယ္ေလာင္းတစ္ေယာက္ရဲ႕ စစ္မွန္မႈကို စစ္ေဆးတဲ့ ေနာက္ဆုံးခံတပ္လို႔ သတ္မွတ္ထားၾကတဲ့ စကားေျပာအင္တာဗ်ဴး (Conversational interview) ေတြဟာ တိုက္႐ိုက္အခ်ိန္နဲ႔တစ္ေျပးညီ ေဖာက္ထြင္းဖ်က္ဆီး ခံေနရပါၿပီ။ဒီျပႆနာရဲ႕ အတိုင္းအတာ ဘယ္ ေလာက္ထိ ႀကီးမားလဲဆိုတာကို သိရွိႏိုင္ဖို႔အတြက္ ကုမၸဏီ ၈၇ ခုက HR ေခါင္းေဆာင္ ၁၂၀ နဲ႔ ေဆြးေႏြးမႈေတြ ျပဳလုပ္ခဲ့ၾကသလို၊ ပထမအဆင့္ စစ္ေဆးမႈ မွတ္တမ္းေပါင္း ၆,၃၈၀ ေက်ာ္ကိုပါ ေသခ်ာ ေလ့လာဆန္းစစ္ခဲ့ၾကပါတယ္။ အဓိက ေတြ႕ရွိခ်က္ကေတာ့ ကုမၸဏီအမ်ားစု သတိမထားမိေသးတဲ့ စနစ္ပိုင္းဆိုင္ရာ အားနည္းခ်က္ႀကီးတစ္ခု ရွိေနတယ္ဆိုတာပါပဲ။ အေစာပိုင္း အလုပ္ခန႔္မႈစနစ္ေတြဟာ ႏွစ္ဖက္စလုံးကေန တစ္ၿပိဳင္နက္တည္း ၿပိဳလဲေနပါၿပီ။ ထိပ္ဆုံးအဆင့္မွာ CV နဲ႔ ေလွ်ာက္လႊာေတြဟာ AI ေၾကာင့္ အဓိပၸာယ္မရွိ၊ အခ်က္ျပမႈ မေပးႏိုင္ေတာ့သလို၊ ေအာက္ေျခအဆင့္မွာက်ေတာ့ တိုက္႐ိုက္ဗီဒီယိုအင္တာဗ်ဴးေတြကို အခ်ိန္နဲ႔တစ္ေျပးညီ ကူညီေပးတဲ့ AI ကိရိယာေတြနဲ႔ လိမ္လည္ေျဖဆိုလာၾကပါၿပီ။ဒါဟာ HR ရဲ႕ သက္သက္သာသာ ေခါင္းကိုက္စရာ မဟုတ္ေတာ့ဘဲ အေရးႀကီးတဲ့ မဟာဗ်ဴဟာျမတ္ အႏၲရာယ္တစ္ခု ျဖစ္လာပါၿပီ။ အေစာပိုင္း စစ္ေဆးမႈေတြ အလုပ္မလုပ္ေတာ့တဲ့အခါ ကုမၸဏီဟာ တကယ္ကြၽမ္းက်င္တဲ့သူကို ေ႐ြးခ်ယ္ေတာ့တာမ်ိဳးမဟုတ္ဘဲ၊ အလုပ္ခန႔္တဲ့ လုပ္ငန္းစဥ္ကို ဟန္ေဆာင္ေကာင္းေကာင္းနဲ႔ ေျဖတတ္တဲ့သူေတြကိုပဲ စနစ္တက် ေ႐ြးထုတ္မိေနပါေတာ့တယ္။

အလုပ္ခန႔္မႈစနစ္ ပ်က္စီးျခင္းရဲ႕ တကယ့္ကုန္က်စရိတ္

Gartner ရဲ႕ ခန႔္မွန္းခ်က္အရ ၂၀၂၈ ခုႏွစ္မွာ ေလွ်ာက္ထားသူ ၄ ဦးမွာ ၁ ဦးရဲ႕ ကိုယ္ေရးအခ်က္အလက္ဟာ တစ္စိတ္တစ္ပိုင္း ဒါမွမဟုတ္ လုံးဝ အတုအေယာင္ျဖစ္လာႏိုင္ပါတယ္။ ဒါကို သေဘာေပါက္လာတဲ့ Google နဲ႔ McKinsey လို႔ ကုမၸဏီႀကီးေတြကေတာ့ အင္တာဗ်ဴးတခ်ိဳ႕အတြက္ လူကိုယ္တိုင္ လာေရာက္ေတြ႕ဆုံတဲ့စနစ္ကို ျပန္လည္က်င့္သုံးလာၾကပါၿပီ။ဘာေၾကာင့္ ဒီေလာက္အထိ အေလးအနက္ထားေနၾကရတာလဲဆိုေတာ့ မသင့္ေလ်ာ္တဲ့ ဝန္ထမ္းတစ္ဦးကို ခန႔္မိျခင္းဟာ ေငြေၾကးအရ အလြန္ႀကီးမားတဲ့ ဆုံးရႈံးမႈကို ျဖစ္ေစလို႔ပါပဲ။ SHRM ရဲ႕ စာရင္းဇယားအရ အႀကီးတန္းမဟုတ္တဲ့ ရာထူးတစ္ခုအတြက္ လူတစ္ေယာက္ခန႔္ရတာ ကုန္က်စရိတ္က ပ်မ္းမွ် ေဒၚလာ ၅,၄၇၅ ရွိၿပီး၊ အႀကီးတန္းရာထူးေတြအတြက္ဆိုရင္ ေဒၚလာ ၃၆,၀၀၀ နီးပါး ရွိပါတယ္။ Gallup ရဲ႕ ခန႔္မွန္းခ်က္အရ ဝန္ထမ္းတစ္ဦးကို အစားထိုးလဲ လွယ္ရတာဟာ ႏွစ္စဥ္လစာရဲ႕ တဝက္ကေန ႏွစ္ဆေလာက္အထိ ကုန္က်ႏိုင္တယ္လို႔ ဆိုပါတယ္။ဒါေပမဲ့ ပိုၿပီးဆိုးတာကေတာ့ မျမင္ရတဲ့ ကုန္က်စရိတ္ပါပဲ။ စစ္ ေဆးမႈေတြ အားနည္းလာတဲ့အခါ အလုပ္ခန႔္မယ့္သူေတြဟာ သိကြၽမ္းၿပီးသား ကြန္ရက္ေတြဆီကိုပဲ ျပန္ဆုတ္သြားၾကပါေတာ့တယ္။ အလုပ္ခန႔္ေရး ေခါင္းေဆာင္တစ္ဦးက “ကြၽန္ေတာ္ အလုပ္ေခၚစာဘုတ္ေတြမွာ အလုပ္တင္တာ ရပ္လိုက္ၿပီ။ လူတိုင္းက AI နဲ႔ ျပည့္စုံေအာင္ လုပ္ထားတဲ့ CV ေတြနဲ႔ပဲ ေလွ်ာက္ၾကေတာ့တယ္။ ဘာမွ အဓိပၸာယ္မရွိေတာ့ဘူး” လို႔ ပြင့္ပြင့္လင္းလင္း ေျပာဖူးပါတယ္။ ဒီလိုေျပာင္းလဲလိုက္တာက ရႈပ္ေထြးမႈေတြကို ေလ်ာ့က်ေစေပမဲ့ မတူကြဲျပားစုံလင္မႈ (Diversity) ကိုေတာ့ ပ်က္စီးေစၿပီး တရားဝင္ဘြဲ႕လက္မွတ္ မရွိေပမဲ့ အရည္အခ်င္းရွိတဲ့သူေတြအတြက္ တံခါးပိတ္သြားေစပါတယ္။

CV ေတြနဲ႔ အေဝးေရာက္အင္တာဗ်ဴးေတြ တန္ဖိုးက်ဆင္းလာျခင္း

ေလွ်ာက္ထားသူေတြအေနနဲ႔ မိနစ္ပိုင္းအတြင္းမွာတင္ AI ရဲ႕ အကူအညီနဲ႔ လိုအပ္တဲ့ စာသားအျပည့္အစုံပါတဲ့ CV ေတြကို အလြယ္တကူ ထုတ္လုပ္လာႏိုင္ၾကပါၿပီ။ တစ္ဖက္မွာလည္း အလုပ္ခန႔္သူေတြ သုံးေနတဲ့ AI စစ္ေဆးေရးကိရိယာေတြ ကိုယ္တိုင္က ကိုယ္နဲ႔ပုံစံတူ ေရးထားတဲ့ CV ေတြကို ပိုၿပီး ဦးစားေပးတတ္တဲ့ ဘက္လိုက္မႈ (Self-preference bias) ေတြ ရွိေနတဲ့အတြက္ CV ဆိုတာဟာ ယုံၾကည္စိတ္ခ်ရတဲ့ အခ်က္ျပမႈတစ္ခု မဟုတ္ေတာ့ဘဲ ဘယ္ AI ေမာ္ဒယ္ကို သုံးခဲ့လဲဆိုတဲ့ အခ်က္အေပၚမွာပဲ မူတည္ေနပါေတာ့တယ္။ဒါ့အျပင္ နည္းပညာလုပ္ငန္းအမ်ားစုမွာ စံႏႈန္းတစ္ခုလို ျဖစ္လာတဲ့ ပထမအဆင့္ ဗီဒီယိုအင္တာဗ်ဴးေတြမွာလည္း Final Round AI၊ Parakeet နဲ႔ Cluely လိုမ်ိဳး အခ်ိန္နဲ႔တစ္ေျပးညီ အေျဖထုတ္ေပးတဲ့ ကိရိယာေတြေၾကာင့္ လိမ္လည္မႈေတြ က်ယ္ျပန႔္လာပါတယ္။ အခ်ိဳ႕ေသာ လူငယ္အသိုက္အ ဝန္းေတြမွာဆိုရင္ ဒီလိုကိရိယာေတြကို သုံးတာဟာ မတရားဘူးဆိုတာထက္ အသက္ဆက္ရွင္ဖို႔အတြက္ မျဖစ္မေန လိုအပ္တဲ့ နည္းဗ်ဴဟာတစ္ခုအေနနဲ႔ေတာင္ ျမင္လာၾကပါေတာ့တယ္။သုေတသန ေဒတာေတြအရ “ပဋိပကၡတစ္ခုကို ဘယ္လိုေျဖရွင္းခဲ့ဖူးလဲ” ဆိုတဲ့ ပုံမွန္အေမးအေျဖေမးခြန္းေတြမွာ AI က အလြယ္တကူ အေျဖထုတ္ေပးႏိုင္တဲ့အတြက္ လိမ္လို႔အလြန္လြယ္ပါတယ္။ ဒါေပမဲ့ အျပန္အလွန္ ေဆြးေႏြးရတဲ့ Adaptive reasoning ေမးခြန္းေတြ (အေျခအေနအသစ္ေတြ ေပးၿပီး ခ်က္ ခ်င္းေျဖခိုင္းတာမ်ိဳး) မွာေတာ့ AI ရဲ႕ အကူအညီက အခ်ိန္မီ မလိုက္ႏိုင္ဘဲ ကိုယ္စားလွယ္ေလာင္းရဲ႕ တကယ့္စြမ္းရည္ကို ထင္ရွားေစပါတယ္။ နည္းပညာရာထူးသစ္ေတြမွာဆိုရင္ ဒီလိုလိမ္လည္မႈႏႈန္းက ၆၀ရာခိုင္ႏႈန္း နီးပါးအထိ ျမင့္မားေနပါတယ္။

စာ႐ြက္ေပၚမွာ မေကာင္းေသာ္လည္း လက္ေတြ႕တြင္ ထူးခြၽန္သူမ်ား

အားေပ်ာ့တဲ့ စစ္ေဆးမႈေတြက မွားယြင္းတဲ့သူေတြကို လက္ခံမိေစ႐ုံသာမက တကယ္ေတာ္တဲ့သူေတြကိုပါ ဖုံးကြယ္သြားေစႏိုင္ပါတယ္။ ဥပမာအားျဖင့္ Joanna ဆိုတဲ့ Product Designer တစ္ေယာက္ဟာ စာ႐ြက္ေပၚမွာၾကည့္ရင္ နာမည္မႀကီးတဲ့ ေက်ာင္းဆင္းျဖစ္လို႔ အားနည္းတဲ့သူတစ္ေယာက္လို ထင္ရၿပီး အလုပ္ ၁၀၀ ေက်ာ္ေလွ်ာက္ခဲ့ေပမဲ့ အၿမဲတမ္း ပယ္ခ်ခံခဲ့ရပါတယ္။ဒါေပမဲ့ reasoning-first စစ္ေဆးမႈမွာေတာ့ သူမရဲ႕ စြမ္းရည္က ထြက္ေပၚလာပါတယ္။ User flow တစ္ခုကို သုံးသပ္ခိုင္းတဲ့အခါ အေျခခံ စီးပြားေရးယူဆခ်က္ကိုပါ ေထာက္ျပၿပီး အလႊာသုံးဆင့္ပါတဲ့ အေပးအယူ (Trade-off) ေတြကို တင္ျပႏိုင္ခဲ့ပါတယ္။ ဒီလိုအခ်ိန္နဲ႔တစ္ေျပးညီ ကိုယ္တိုင္ေတြးေခၚႏိုင္စြမ္းကို AI က အလြယ္တကူ အတုမလုပ္ႏိုင္ပါဘူး။ သူမကို အလုပ္ခန႔္ခဲ့ၿပီး ၆ လအၾကာမွာေတာ့ အဖြဲ႕ရဲ႕ ထိပ္တန္း စြမ္းေဆာင္ရွင္တစ္ဦး ျဖစ္ လာခဲ့ပါတယ္။ ဆန႔္က်င္ဘက္အေနနဲ႔ စာ႐ြက္ေပၚမွာ အလြန္ေကာင္းမြန္ေနတဲ့သူေတြကေတာ့ အင္တာဗ်ဴးမွာ ကိုယ္တိုင္ခ်က္ခ်င္း စဥ္းစားေျဖဆိုရတဲ့အခါ က်ပ္ တည္းသြားတတ္ၾကပါတယ္။

အလုပ္ခန႔္မယ့္သူေတြအတြက္ လုပ္ေဆာင္ရမယ့္ အေျပာင္းအလဲ (၅) ရပ္

အရည္အခ်င္းဆိုတာကို အတုလုပ္ဖို႔ လြယ္ကူလာတဲ့အခါ CV ေတြနဲ႔ ႐ိုးရာအင္တာဗ်ဴးေတြကို ဆက္ၿပီး အားကိုးေနမယ့္ ကုမၸဏီေတြဟာ တကယ့္အလုပ္ကို လုပ္ႏိုင္သူေတြကို မဟုတ္ဘဲ အင္တာဗ်ဴးေျဖတာကို ဟန္ေဆာင္တတ္ဆုံးသူေတြကိုသာ ေ႐ြးခ်ယ္မိေနပါလိမ့္မယ္။ (ဥပမာ – Meta လို ကုမၸဏီမ်ိဳးေတြက AI အကူအညီကိုပါ ယူခြင့္ျပဳၿပီး ေဝဖန္ပိုင္းျခားႏိုင္စြမ္းကို စမ္းသပ္တဲ့ အင္တာဗ်ဴးစနစ္ေတြကို စတင္စမ္းသပ္ေနၾကပါၿပီ)။

ေခါင္းေဆာင္ေတြအေနနဲ႔ ေအာက္ပါ အေျပာင္းအလဲ (၅) ရပ္ကို လုပ္ေဆာင္ဖို႔ လိုအပ္ပါတယ္။

စစ္မွန္မႈကို ကြၽမ္းက်င္မႈနဲ႔ ခြဲျခားစစ္ေဆးပါ

အေစာပိုင္း အဆင့္ေတြမွာ ကိုယ္စားလွယ္ေလာင္းဟာ အတုအေယာင္မဟုတ္ဘဲ ကိုယ္တိုင္ေတြးေခၚႏိုင္စြမ္းရွိသူ ဟုတ္မဟုတ္ အရင္ဆုံး အတည္ျပဳပါ။

ပထမအဆင့္ကို တကယ့္ စြမ္းရည္စမ္းသပ္မႈအျဖစ္ ေျပာင္းလဲပါ

သာမန္ေမးခြန္းေဟာင္းေတြအစား တကယ့္ျပႆနာသစ္ေတြ၊ အေျခအေနေျပာင္းလဲမႈေတြကို ခ်က္ခ်င္းေျဖရွင္းခိုင္းတဲ့ စနစ္ကို သုံးပါ။

ေနာက္ပိုင္းအဆင့္ေတြမွာ AI ကိုပါ အသုံးခ်ခြင့္ေပးပါ

အလုပ္ခြဲျခမ္းစိတ္ျဖာတဲ့အခါ AI ကို ဘယ္လို ထိေရာက္စြာ အသုံးခ်ႏိုင္လဲဆိုတဲ့ ေဝဖန္ပိုင္းျခားႏိုင္စြမ္း (Judgment) ကို စမ္းသပ္ပါ။

စုံလင္ၿပီး အမွန္အတိုင္း ရပ္တည္ႏိုင္မႈကို အားေပးပါ

ၿပီးျပည့္စုံလြန္းတဲ့ အေျဖေတြကိုပဲ အၿမဲမရွာဘဲ ကိုယ္တိုင္ေတြးေခၚေဆြးေႏြးတတ္မႈကို အားေပးပါ။

အေရးႀကီးတဲ့ရာထူးမ်ားအတြက္ လူကိုယ္တိုင္ေတြ႕ဆုံမႈကို က်င့္သုံးပါ

အႀကီးတန္းရာထူးေတြအတြက္ ေနာက္ဆုံးအဆင့္ကို လူကိုယ္တိုင္ေတြ႕ဆုံၿပီး အတည္ျပဳစစ္ေဆးပါ။

အရည္အခ်င္းတစ္ခုကို အတုလုပ္ဖို႔ လြယ္ကူလာတဲ့ ယေန႔ေခတ္ႀကီးမွာ “ေဝဖန္ပိုင္းျခားႏိုင္စြမ္း (Judgment)” ဆိုတာဟာ အရွားပါးဆုံးနဲ႔ အတန္ဖိုးရွိဆုံး အလုပ္ခန႔္မႈ အခ်က္ျပမႈ ျဖစ္လာပါေတာ့တယ္။

ေက်ာ့ေကခိုင္