Данные сотрудников и ИИ: что компании знают о вас и где проходит граница дозволенного

AI data work

Каждый день вы оставляете на работе цифровой след, о котором, возможно, даже не задумываетесь: письма, переписка в мессенджерах, документы, календарь встреч, время входа в систему, оценки коллег. Для вас это обычная рутина, а для компаний, которые строят системы на основе искусственного интеллекта, это сырье, и оно с каждым годом становится ценнее. Вопрос в том, кто и на каких условиях вправе им пользоваться.

Разговор о данных сотрудников давно вышел за пределы кабинетов юристов и отделов кадров. Он касается каждого, кто работает по найму, и каждого руководителя, который решает, как внедрять ИИ, не потеряв при этом доверие команды. В этой статье разберем, какие данные о работниках собирают, зачем их скармливают алгоритмам, что говорят законы и как вести себя, чтобы не оказаться крайним.

Данные сотрудников и искусственный интеллект: почему тема стала острой

Еще недавно корпоративные данные служили для отчетов и аудита. Сегодня они становятся топливом для моделей, которые оценивают эффективность, прогнозируют увольнения, подбирают кандидатов и даже пишут тексты от имени компании. Чем больше информации получает алгоритм, тем точнее он работает, и именно поэтому у бизнеса возникает соблазн собирать все подряд.

Масштаб впечатляет. По оценке аналитиков Gartner, доля крупных работодателей, которые используют инструменты мониторинга сотрудников, выросла примерно с тридцати процентов в 2019 году до шестидесяти процентов в 2022 году, а дальше прогнозировался дальнейший рост. То есть то, что раньше выглядело экзотикой, превратилось в норму.

Какие данные о работниках попадают в поле зрения алгоритмов

Список шире, чем принято думать, и далеко не все пункты очевидны даже самим сотрудникам. Вот что чаще всего оказывается в хранилищах компаний:

  • Рабочая переписка и документы в корпоративной почте, чатах и облачных дисках.
  • Метаданные активности, то есть время входа, длительность сессий, частота встреч и скорость ответов.
  • Результаты оценок, отзывы руководителей, цели и показатели эффективности.
  • Данные из резюме и собеседований, включая записи видеоинтервью.
  • Биометрия и геолокация там, где она используется для пропусков или учета смен.

Каждая из этих категорий по отдельности выглядит безобидно. Но когда их соединяют в одну модель, получается подробный портрет человека, из которого можно делать выводы о его привычках, настроении и планах.

Зачем бизнесу эти сведения

Причины у работодателей вполне рациональные, и было бы нечестно изображать их злодеями. Компании хотят ускорить найм, снизить текучесть, найти узкие места в процессах и обучить внутренних ассистентов, которые отвечают на вопросы коллег по корпоративным правилам. Модель, обученная на реальных рабочих материалах, действительно работает лучше, чем универсальная.

Однако у этой медали есть оборотная сторона. Когда данные, собранные для одной цели, начинают служить другой, возникает то, что юристы называют расширением цели обработки, а сотрудники называют просто неприятным сюрпризом.

Где проходит граница между пользой и слежкой

Граница не нарисована одной четкой линией, она скорее напоминает береговую полосу, которую то заливает, то обнажает приливом. Тем не менее несколько ориентиров существуют, и их стоит знать как работникам, так и руководителям.

Что говорит закон в Европе

Общий регламент по защите данных GDPR требует, чтобы личные данные обрабатывались для заранее определенных целей и в минимально необходимом объеме. Отдельная статья регламента позволяет странам Евросоюза вводить особые правила для обработки данных в трудовых отношениях. Кроме того, Закон ЕС об искусственном интеллекте относит к системам высокого риска те, что применяются при найме, оценке работы, распределении задач и наблюдении за сотрудниками, а значит, для них предусмотрены повышенные требования к прозрачности и контролю.

Что это значит на практике

  • Работодатель обязан объяснять, какие данные собирает и зачем.
  • Решения, влияющие на карьеру, не должны приниматься исключительно машиной без участия человека.
  • Система должна поддаваться проверке на предвзятость и ошибки.

Как обстоят дела в США

Единого федерального закона о данных сотрудников там нет, поэтому правила складываются из норм отдельных штатов и городов. Например, в Нью-Йорке действует местный закон 144, который обязывает работодателей проводить независимый аудит на предвзятость для автоматизированных инструментов отбора кандидатов и уведомлять об их использовании. Штат Иллинойс известен жестким законом о биометрических данных, по которому уже заключались крупные мировые соглашения.

Урок, который бизнес выучил на ошибках

Одна из самых показательных историй связана с Amazon. По сообщению агентства Reuters в 2018 году, компания отказалась от экспериментального инструмента подбора персонала, потому что он обучался на резюме прошлых лет и начал занижать оценки кандидаткам. Алгоритм не был злонамеренным, он просто честно повторил перекос, заложенный в исторических данных. Мораль проста: если на входе предвзятость, то на выходе она же, только с видом объективной математики.

Что делать сотруднику, чтобы не остаться в неведении

Пассивность здесь обходится дороже всего. Многие подписывают пачку документов при приеме на работу, не читая раздел об обработке данных, а потом удивляются, что у компании оказалось больше прав, чем они предполагали. Исправить это проще, чем кажется.

Пять вопросов, которые стоит задать работодателю

  1. Какие именно данные обо мне собираются и где они хранятся?
  2. Используются ли они для обучения моделей искусственного интеллекта, внутренних или внешних?
  3. Кто имеет к ним доступ и как долго они сохраняются?
  4. Влияют ли выводы алгоритмов на оценку моей работы, премии или увольнение?
  5. Как я могу запросить копию своих данных или оспорить решение?

Даже если вы получите не все ответы, сам факт вопроса меняет расстановку сил. Компании внимательнее относятся к тем темам, о которых их спрашивают регулярно.

Простые привычки цифровой гигиены

  • Разделяйте личное и рабочее, не ведите частных разговоров в корпоративных чатах.
  • Читайте политики использования техники и сервисов, даже если они скучные.
  • Не загружайте конфиденциальные материалы в сторонние чат-боты без разрешения.
  • Сохраняйте письменные подтверждения договоренностей о том, как используются ваши данные.

Что делать руководителю, который хочет внедрять ИИ без потери доверия

Доверие в команде похоже на кредитную историю: годами зарабатываешь, а портишь одним громким эпизодом. Если сотрудники узнают из новостей, а не от вас, что их переписка стала учебным материалом для модели, никакие красивые презентации уже не помогут.

Принципы прозрачного подхода

  • Минимизация. Собирайте только то, без чего задача не решается.
  • Понятные цели. Объясните людям простым языком, зачем нужны данные.
  • Право на отказ. Где это возможно, предлагайте выбор, а не ставьте перед фактом.
  • Человек в контуре. Важные решения о людях принимает человек, а алгоритм лишь подсказывает.
  • Регулярный аудит моделей на ошибки и предвзятость.

Почему это выгодно, а не только правильно

Прозрачность не тормозит внедрение технологий, а наоборот, ускоряет его. Команда, которая понимает правила игры, охотнее пользуется новыми инструментами, делится обратной связью и не прячет проблемы. К тому же соблюдение требований регуляторов обходится значительно дешевле, чем штрафы и репутационный ущерб.

Куда движется рынок и чего ждать дальше

Регулирование явно будет ужесточаться, а вместе с ним вырастут и ожидания самих работников. Поколение, привыкшее к настройкам приватности в телефоне, не захочет мириться с туманными формулировками в трудовом договоре. Компании, которые первыми построят честную модель работы с данными, получат конкурентное преимущество в борьбе за таланты.

При этом технологии не остановятся, и ИИ все глубже проникнет в повседневные процессы. Поэтому главным навыком ближайших лет станет не умение обходить правила, а умение договариваться о них заранее: между работником и работодателем, между инновацией и приватностью.

Ваш следующий шаг

Данные о сотрудниках уже стали одним из самых ценных активов современного бизнеса, и вопрос не в том, будут ли их использовать для обучения ИИ, а в том, на каких условиях. Тот, кто разбирается в теме, защищает себя лучше, а тот, кто выстраивает прозрачные правила, защищает свою компанию.

Прямо сегодня найдите в своей компании политику обработки персональных данных и прочитайте раздел об использовании информации для автоматизированных систем. Если вы руководитель, проведите короткий аудит того, какие данные собираете и зачем. А если материал оказался полезным, поделитесь им с коллегами и подпишитесь на обновления, чтобы не пропустить следующие разборы о том, как технологии меняют работу и бизнес.

Добавить комментарий

BACK TO TOP