What kind of a “Tinder for professional life” would you like to use?
The universal ambition of social networking is significantly hampered by the continuing physical separation and remote work. Without the serendipitous encounters at offices and events, how can we in the future best find new professional ties? How could IT perhaps help find better matches — new collaborators, more fit recruitments, and world-class teams?
Building on a recent Business Finland project, I want to point to our exciting article on computational social matching in professional life, published in the Communications of the ACM. The paper problematizes the topic from two central yet paradoxical viewpoints: human vs. computational decision-making.
On the one hand, computational support appears useful because the conventional human-driven matching is prone to biases in decision-making and the boundedly rational understanding of the breadth of alternatives. Human decision-making can result in homophily, the preference of like-minded others, and typically leans on the geographically limited pool of candidates. This may result in suboptimal collaboration and untapped co-creative potential, particularly in knowledge work and creative industries that demand cross-pollination of ideas and perspectives.
On the other hand, algorithmic matching is hardly a panacea to the challenge of finding “perfect matches”. It involves risks of strengthening the human biases due to biased training data for machine learning-based solutions, and of disregarding nuanced contextual details and human characteristics that would be relevant to the matchmaking decision. For example, the notion of a perfect match does not generalize across individuals, and the same well-regarded individuals cannot practically be recommended to everybody (that is, the Matthew effect). The article reminds us that directly applying the prevailing algorithmic models can introduce new risks with detrimental effects on the performance, wellbeing, and collaboration practices in work life.
Minkälaista ”työelämän Tinderiä” sinä haluaisit käyttää?
Sosiaalinen verkostoitumista pidetään itseisarvoisen tärkeänä työelämässä, mutta se on merkittävästi hankaloitunut näin etätyöaikakaudella. Ilman serendipiteettiä eli onnekkaita sattumia toimistoilla ja tapahtumissa, kuinka jatkossa löydämme uusia kontakteja? Miten IT voisi kenties auttaa tekemään parempaa ”matchmakingiä” yhteistyökumppaneita haettaessa, rekrytoinnissa ja työtiimejä muodostaessa?
Haluan mainostaa aiemmassa Business Finland -projektissa kirjoitettua artikkelia ohjelmallisesta sosiaalisesta sovittamisesta työelämässä (julkaistu Communications of the ACM -lehdessä). Artikkeli problematisoi tätä sovellusaluetta kahdesta paradoksaalisesta näkökulmasta: ihmisen vs. koneen päätöksenteko.
Yhtäältä, ohjelmallinen apu vaikuttaisi olevan tarpeen, koska perinteinen ihmisen matchmaking on altis päätöksenteon vinoumille ja rajoitteille käsityksessämme vaihtoehtojen avaruudesta. Ihmisen päätöksenteko voi noudatella homofiliaa eli mieltymystä samankaltaisuuteen ja toisaalta usein nojaa geografisesti hyvin rajalliseen joukkoon vaihtoehtoja. Nämä voivat johtaa epäoptimaaliseen yhteistyöhön ja hyödyntämättömään luovaan potentiaaliin, erityisesti tietotyössä ja luovilla aloilla, jotka kaipaavat ideoiden ja näkökulmien ristiinpölyttymistä.
Toisaalta, algoritminen matchmaking ei sekään ole yleisrohto haasteeseen löytää täydellisiä ”osumia”. Siihen sisältyy riski yhtäältä vahvistaa ihmisen vinoumia, jos käytetään koneoppimispohjaisia ratkaisuja ja niille tarjotaan ihmisten päätöksenteon vinoumilla kyllästettyjä opetusaineistoja ja toisaalta riski suosituksissaan jättää huomiotta lukuisia hankalasti mallinnettavia kontekstiin tai yksilöiden piirteisiin liittyviä nyansseja. Esimerkiksi määritelmä täydellisestä mätchistä ei oikein yleisty yksilöiden välillä ja samoja keskeisiä yksilöidä ei käytännössä voida suositella kaikille (viitaten usein toteutuvaan Matteus-efektiin). Artikkeli siis huomauttaa, että monien nykyisin paljon käytettyjen algoritmisten ratkaisujen soveltaminen tälle alueelle aiheuttaa uusia riskejä ja voi haitata työelämän yhteistyön tuottavuutta, hyvinvointia ja käytäntöjä.
Associate Professor in Human-Technology Interaction at Tampere University