Θεωρία: Ψηφιοποίηση του ανθρώπινου δυναμικού

Παραβίαση Απορρήτου – Ο αυξημένος κίνδυνος παραβιάσεων της ιδιωτικής ζωής είναι ένα από τα κύρια μειονεκτήματα της αυτοματοποίησης των δραστηριοτήτων του ΑΔ (Faber, 2017). Το απόρρητο των εργαζομένων στη βάση δεδομένων μίας εταιρείας προστατεύεται από πολλαπλούς νόμους και κανονισμούς. Ωστόσο, εάν κάποιοι χάκερ, ή κάποιος τρίτος, αποκτήσουν πρόσβαση στη βάση δεδομένων, η αποκάλυψη των προσωπικών δεδομένων των εργαζομένων αποτελεί έναν υπαρκτό κίνδυνο. Ένας κωδικός πρόσβασης από μόνος του δεν μπορεί να προστατεύσει την ασφάλεια των δεδομένων τους, καθώς τεχνικά καταρτισμένα άτομα μπορούν να τον προσπεράσουν με συνοπτικές διαδικασίες. Η βάση δεδομένων λοιπόν  θα πρέπει να προστατεύεται τόσο εντός όσο και εκτός της εταιρίας.  

Εσφαλμένη Αξιολόγηση Εργαζομένων – Οι αξιολογήσεις των εργαζομένων μπορούν να λειτουργήσουν καλά και αποτελεσματικά από τις αυτοματοποιημένες λειτουργίες του ΑΔ. Τα αυτοματοποιημένα συστήματα βασίζονται σε μια ποικιλία δεδομένων, όπως αξιολογήσεις απόδοσης, ικανοτήτων και δεξιοτήτων. Ωστόσο, ο αυτοματισμός τέτοιου τύπου δεν συνυπολογίζει τον ανθρώπινο παράγοντα σε αυτήν την αξιολόγηση (Faber, 2017). Ένα αυτοματοποιημένο σύστημα ενδέχεται να καταγράφει υψηλές βαθμολογίες και επιτεύγματα στο μάρκετινγκ, τις πωλήσεις και την εύρεση νέων πελατών, αλλά να αποτυγχάνει να καταγράψει την τάση ενός υπαλλήλου να αντιμετωπίζει τους πελάτες με λάθος τρόπο. 

Απουσία Υποκειμενικότητας – Τα ανώτερα στελέχη είναι πιθανό να μπουν στον πειρασμό να προωθήσουν υπαλλήλους με βάση τα αμερόληπτα δεδομένα που παρέχει το σύστημα, καθώς τα συστήματα ψηφιακής διαχείρισης του ΑΔ κάνουν εξαιρετική δουλειά στην εμφάνιση των επιτευγμάτων, των πιστοποιήσεων και των πτυχίων των εργαζομένων (Johnston, 2019). Αυτό όμως μπορεί να αποτρέψει τα στελέχη από το να αφιερώσουν χρόνο στην αξιολόγηση της δυνητικής συνεισφοράς του κάθε εργαζομένου στην επιχείρηση μέσω της δια ζώσης επαφής. Το γεγονός είναι ότι ένας υπολογιστής σας παρέχει μόνο μετρήσιμες πληροφορίες που δεν είναι απαραίτητα ακριβείς. Στην πραγματικότητα, η αποκλειστική χρήση αυτοματοποιημένων αξιολογήσεων των εργαζομένων δύναται να οδηγήσει σε απρόσωπες αξιολογήσεις απόδοσης που αποτυγχάνουν να αναγνωρίσουν τη θετική στάση και τον συνεργατικό τρόπο εργασίας ενός εργαζόμενου,  βασικά συστατικά ενός επιτυχημένου εργασιακού περιβάλλοντος (Τζόνστον, 2019). 

Δυσκολία Ανάλυσης – Το σύστημα μπορεί να περιλαμβάνει τόσα πολλά δεδομένα που να είναι δύσκολο τελικά να αναλυθούν (Johnston, 2019). Απλά για να ταξινομήσετε τα δεδομένα σε ενότητες που έχουν λόγο ύπαρξης, είναι πιθανό να χρειαστείτε ένα διαφορετικό σύστημα ανάλυσης δεδομένων. Για παράδειγμα, εάν το σύστημα δεν είναι αρκετά περίπλοκο και πρέπει να αναλύσετε την εναλλαγή των εργαζομένων σε σχέση με το επίπεδο αμοιβής τους, ενδέχεται να έχετε πρόβλημα με την παραγωγή τεχνικών αναφορών που να υποδεικνύουν μοτίβα. Αυτό θα απαιτούσε τη βοήθεια εργαλείων αιχμής που δεν περιλαμβάνονται στο σύστημα διαχείρισης του ΑΔ σας και είναι κάτι που θα συνεπαγόταν πρόσθετο κόστος.