Nå skal AI-teamet se på kvinner

Oljefondet håndterer globale markeder og fletter kunstig intelligens inn i alt det gjør. Men straks variabelen «kvinne» skal inn i et AI-team på ti menn, viser regnearket #VERDI!.

Oljefondssjef Nicolai Tangen har kalt kjønnsbalansen klein og sagt at det har vært vanskelig å finne dyktige kvinner. Det er et fascinerende institusjonelt mysterium: Kvinner finnes ved utdanningsinstitusjonene og ellers i fondet, men idet døren merkes «AI», blir de til mørk materie. Finansmiljøet antar at de eksisterer, men klarer ikke å observere dem direkte.

Derfor ser vi for oss at fondet innkaller til pressekonferanse for å lansere Kvinner 1.0 – visuell grunnopplæring for kapitalforvaltere. Kurset krever ingen forkunnskaper, bortsett fra dress, adgangskort og evnen til å gå raskt videre når et organisasjonsbilde blir ubehagelig.

Mangfold i presentasjonsmodus

Første modul består av å se på bilder av kvinner. Ikke for lenge, naturligvis; det kan skape forventninger om ansettelse. Deltakerne får se en kvinne med PC, en kvinne foran en tavle og, på avansert nivå, en kvinne som uttrykker en selvstendig vurdering uten først å be ti menn om tillatelse.

Etter hvert bilde skal AI-teamet trykke på én av tre knapper: «dyktig», «svært dyktig» eller «vanskelig å finne». Den siste er koblet direkte til kommunikasjonsavdelingen og produserer automatisk en melding om hvor ekstremt hardt organisasjonen arbeider med saken.

Dette er effektiv inkludering fordi ingen makt trenger å flyttes. Kvinnene får være representert som piksler, mens mennene beholder stolene, budsjettet og retten til å forklare at rekrutteringsgrunnlaget er problemet. Institusjonen kan dermed modernisere uttrykket uten at moderniseringen påvirker virkeligheten.

Fondets samlede kvinneandel har riktignok økt fra 25 til 35 prosent under Tangens ledelse. Det viser at tall kan bevege seg når noen faktisk flytter på dem. Men AI-teamets ti menn står fortsatt som en liten utstilling over ideen om at teknologisk fremskritt helst bør ligne et gruppebilde fra herregarderoben.

Talentjakt med fraværssvar

Oljefondet dro til NHH for å lokke til seg bedre søkere. Det skjedde etter at fondet hadde kritisert norske utdanningsinstitusjoner for ikke å spørre hvilken kompetanse det trengte. Flere hadde faktisk spurt, blant dem NHH, men henvendelsen stoppet hos fondets nestleder og ble ikke besvart.

Dermed fikk offentligheten se kunstig intelligensens forgjenger: naturlig ansvarsfraskrivelse. Rekrutteringssystemet ser ut til å ha to funksjoner. Når noen tar kontakt, svarer det ikke. Når de ikke dukker opp senere, genererer det setningen: «Det har vært vanskelig å finne dem.»

På NHH var det også få kvinnelige studenter i auditoriet. Det kan selvsagt brukes som bevis på manglende interesse, så lenge ingen spør hvorfor arrangementet traff som det gjorde. I moderne ledelse er interesse en naturressurs: Enten ligger den klar til utvinning, eller så er feltet tomt. Institusjonen selv trenger bare å møte opp med PowerPoint.

Kontroll før utslipp

Tangen har fortsatt sterk tro på AI, selv om det finnes dramatiske advarsler om teknologiens skadepotensial. Han mener ideelt sett at modeller bør reguleres og kontrolleres før de slippes ut. Det prinsippet kunne også brukes på rekrutteringsmodeller: Undersøk hva de faktisk gjør før påstanden om at kvinnene var umulige å finne, slippes løs.

Fondets egne systemer kunne fått oppgaven: «Finn årsaken til at AI-teamet består av ti menn, men ikke bruk svaret ‘kvinner søkte ikke’ før du har undersøkt resten.» Maskinen ville kanskje etterspurt data om utlysninger, nettverk, krav, utvelgelse og hvem som får definere hvordan en «dyktig» kandidat ser ut. Da måtte den naturligvis blitt stengt. Ingen ønsker en AI som hallusinerer strukturer som ledelsen har brukt år på å overse.

Kurset avsluttes med et nytt bilde av AI-teamet. Et digitalt mangfoldsfilter plasserer en kvinne ytterst, litt uskarp og uten tilgang til beslutningene. Alle får kursbevis, kvinneandelen i PowerPointen stiger, og fondet kan erklære at en stor jobb gjenstår.

Så går de ti mennene tilbake til arbeidet med å lære maskiner å se mønstre.

Kildegrunnlag: VG