Rozdiely v odmeňovaní sa nedajú vyriešiť len upozorňovaním na problém

Diskusia 4  
Rozdiely v odmeňovaní sa nedajú vyriešiť len upozorňovaním na problém
Zdroj: QZ
Foto: SITA/AP;getty images;pipeline


8. 2. 2019 - Pokrok k odstráneniu rozdielov v odmeňovaní mužov a žien je celosvetovo pomalý. Nie je to kvôli nedostatku úsilia, veď mnoho spoločností a vlád má vo svojich agendách túto problematiku a vynakladá konkrétne úsilie na jej vyriešenie. Z nejakého dôvodu to však nefunguje.

Pozrime sa na príklad z Veľkej Británie, kde od roku 2017 platí nariadenie, aby spoločnosti s viac ako 250 zamestnancami vykazovali, aké sú u nich rozdiely v odmeňovaní. Takéto zverejňovanie by malo slúžiť ako odstrašujúci príklad. Len druhý rok od povinného predkladania údajov, sa priepasť v mzdách medzi pohlaviami výraznejšie nezmenila, v niektorých prípadoch, ako je banka HSBC a Virgin Atlantic, dokonca vzrástla.

Vynára sa otázka, či vôbec dokážeme nájsť spôsob, ako riešiť problém rozdielneho odmeňovania mužov a žien.

Katica Royová je generálnou riaditeľkou startupu Pipeline, ktorý ponúka firmám softvér na sledovanie ich metriky rodovej rovnosti. Sama dlho rozmýšľala nad tým, ako sa postaviť k problematike rozdielneho odmeňovania mužov a žien na pracovisku a dospela k záveru, že ide o niečo oveľa komplexnejšie, než sú samotné vyjednávania o budúcom plate. "Nešvár začína už na úrovni, keď sa rozhoduje o tom, kto má potenciál, kto má byť povýšený a ako sa určuje hodnota každého zamestnanca," hovorí. Tieto veci sú ovplyvnené hlbokými predsudkami, ktoré môžu byť zakorenené vo firemnej kultúre alebo v spoločnosti samotnej a ktoré nie je možné vždy ľahko identifikovať.

Rozdiely v odmeňovaní sa nedajú vyriešiť len upozorňovaním na problém

Nástroj, ktorý Royová vytvorila, sa prepája s platformami, ktoré využívajú oddelenia ľudských zdrojov. Pracuje na pozadí a vyhľadáva v interných databázach informácií o zamestnancoch, kto by mohol byť vhodný pre nové výzvy a úlohy, alebo pripravený na povýšenie. Systém každému kandidátovi priradí skóre založené na jeho zručnostiach a skúsenostiach, dodá prehľad výkonnosti a zloženie tímu, do ktorého by sa mohol zapojiť. Nástroj využíva umelú inteligenciu na pomoc firmám pri odstraňovaní mzdovej priepasti. Podľa Royovej sa rovnováha algoritmov kontroluje a softvér ponúka dostatočnú ochranu pred "nepriaznivým výberom", kde sú kandidáti uprednostnení jednoducho kvôli ich pohlaviu. Nástroj je navrhnutý tak, aby riešil nevedomú zaujatosť, bez toho, aby dal priestor vlastnému predsudku.

Rozdiely v odmeňovaní sa nedajú vyriešiť len upozorňovaním na problém

Royová patrí k tým, ktorí dlhodobejšie hlásajú potrebu obsadzovať aj tie najvyššie miesta ženami. V posledných rokoch došlo k celosvetovému prebudeniu v tomto smere, čoraz častejšie sa hovorí o potrebe podporovať zamestnankyne v priemyselných odvetviach doteraz ovládaných mužmi. Musí sa zabezpečiť, aby sa ženy kvôli starostlivosti o deti nevzdávali svojej profesionálnej kariéry, aby po skončení materskej mali možnosť pokračovať, aby postupovali v kariérnom rebríčku rovnakým tempom ako muži. A ešte pred začatím kariéry, by sa mala pozornosť zamerať na nedostatok žien, ktoré študujú v oblastiach ako je strojárstvo, či matematika. Mali by sa zvoliť programy na podporu štúdia predmetov, ktoré budú lepšie vzdelávať a pripravovať nežné pohlavie pre budúce pracovné miesta.

Pipeline je len jednou z množstva firiem, ktoré navrhujú riešenia využívajúce umelú inteligenciu. Podobne aj startup Pymetrics spája nástroje založené na neurovede so strojovým učením, pričom testuje svoje algoritmy na dátovom súbore 50 000 profilov kandidátov, aby sa ubezpečil, že samotný systém dokáže pracovať bez predsudkov.

Rozdiely v odmeňovaní sa nedajú vyriešiť len upozorňovaním na problém

Dobrým príkladom je Amazon, ktorý sa od roku 2014 do roku 2017 pokúšal vybudovať nástroj, ktorý využíva umeleckú inteligenciu na hodnotenie najlepších uchádzačov o zamestnanie. Podobne ako hodnotí produkty na svojich webových stránkach, od jednej až po päť hviezdičiek. Ale nakoniec si  programátori uvedomili, že ich algoritmický systém nebol dobrý pri identifikovaní pracovného potenciálu ľudí, jednoducho uprednostňoval mužov. Takéto systémy zvyčajne vyžadujú veľa údajov, aby sa potrebné veci naučili. Na rozlíšenie obrazu mačky a koňa sú potrebné gigabajty obrazových údajov a podobne by aj Amazon potreboval prístup k údajom, aby zistil, ktorý kandidát je lepší. Tím sa rozhodol nakŕmiť systém životopismi za posledných 10 rokov, ktoré prišli do Amazonu. Problém ale bol, že šlo väčšinou o mužov. Keď mal algoritmus nakoniec vytvoriť závery o tom, čo by bolo dobré a čo by na potenciálnom žiadateľovi nevyhovovalo, odzrkadli sa náskok mužov. Aj keď sa pokúsili algoritmus upraviť, už neexistovala žiadna záruka, že by bol v skutočnosti menej zaujatý.

Rozdiely v odmeňovaní sa nedajú vyriešiť len upozorňovaním na problém

Napriek všetkej diskusii neexistujú osvedčené postupy či smernice na vývoj technológie bez predsudkov. Aj Royovej tím dal počítačom spracovať recenziu výkonnosti tisícky zamestnancov. Zistila, že pri rovnakej recenzii u oboch pohlaví, muži nakoniec získali vyššie skóre než ženy. Ide o druh zaujatosti, ktorý je veľmi ťažké odhaliť. Dokonca aj pre človeka, ktorý sa snaží byť spravodlivý vo svojich rozhodnutiach. Pomôcť by mal tzv. processing prirodzeného jazyka, ako nástroj umelej inteligencie.

"Je skvelé, že máme tréningy na odstránenie predpojatosti, je skvelé, že máme na to programy, ale ak by to problém riešilo, už by sme ho tu dávno nemali," hovorí. Poukazuje pri tom na spoločnosť Google, ktorá v roku 2015 vynaložila 150 miliónov dolárov na vzdelávanie v tejto oblasti pričom stále má s rovnosťou odmeňovania problémy. Svedčia o tom aj štrajky zamestnancov firmy z novembra 2018. Možno, že technológie založené na umelej inteligencii sú len jedným nástrojom, ale problém je zakorenený tak hlboko, že to vyzerá tak, že budeme potrebovať omnoho komplexnejší arzenál.