Τέσσερις τρόποι με τους οποίους η τεχνητή νοημοσύνη μπορεί να προωθήσει την ποικιλομορφία στις προσλήψεις

Τέσσερις τρόποι με τους οποίους η τεχνητή νοημοσύνη μπορεί να προωθήσει την ποικιλομορφία στις προσλήψεις
Για κάποιους, η τεχνητή νοημοσύνη είναι ένα «μαύρο κουτί» - μυστηριώδες και αρκετά εκφοβιστικό. Όμως νέες εφαρμογές της συγκεκριμένης τεχνολογίας ξεφυτρώνουν σαν μανιτάρια, ειδικά στον χώρο των προσλήψεων.

της Anne Fisher

Όμως, καθώς οι εργοδότες προσπαθούν όλο και περισσότερο να κάνουν το εργατικό δυναμικό τους πιο ποικιλόμορφο, ο κλάδος της τεχνητής νοημοσύνης κατηγορείται ότι είναι αποκλειστικά «λευκός» και «αρσενικός». Για παράδειγμα, μια πρόσφατη μελέτη από ερευνητές του Πανεπιστημίου της Νέας Υόρκης επισημαίνει ότι σε τεχνολογικούς γίγαντες όπως το Facebook και η Google, τα ποσοστά των γυναικών στο εργατικό δυναμικό είναι τόσο μικρά που ολόκληρος ο κλάδος φαίνεται να αντιμετωπίζει μια «κρίση ποικιλομορφίας».

Η ειρωνεία είναι ότι η τεχνητή νοημοσύνη, όταν χρησιμοποιείται σωστά, «είναι καλύτερη στη λήψη αποφάσεων απ’ ό,τι εμείς οι άνθρωποι, ειδικά στις προσλήψεις», λέει η Aleksandra Mojsilovic, ερευνήτρια στην IBM. Η ίδια κατέχει 16 διπλώματα ευρεσιτεχνίας στη μηχανική μάθηση και βοήθησε στην ανάπτυξη αλγορίθμων που μπορούν να ελέγξουν άλλους αλγόριθμους για ακούσια μεροληψία. Ένα ουσιαστικό μέρος της χρήσης της τεχνητής νοημοσύνης για την προώθηση της ποικιλομορφίας, σημειώνει, αφορά τη διασφάλιση ότι οι ομάδες που κατασκευάζουν ό,τι πηγαίνει στο «μαύρο κουτί» θα είναι οι ίδιες ποικιλόμορφες, με ποικίλα υπόβαθρα και απόψεις.

«Οποιαδήποτε εργαλείο τεχνητής νοημοσύνης μπορεί να είναι τόσο καλό – και αμερόληπτο – όσο τα δεδομένα που προσθέτουμε σ’ αυτό», λέει η Mojsilovic. «Δεν υποκαθιστούμε την ανθρώπινη νοημοσύνη, αλλά τη συμπληρώνουμε».

Η τεχνητή νοημοσύνη έχει βοηθήσει τις εταιρείες να βρίσκουν και να προσελκύουν ταλαντούχους υποψήφιους εργαζομένους όλων των φύλων, των ηλικιών και των εθνικοτήτων. Ιδού με ποιους τρόπους το κάνει αυτό:

Καταρχήν, η τεχνητή νοημοσύνη ξέρει πώς να μιλήσει στους καλύτερους υποψηφίους σας. Οι λέξεις στις αγγελίες εργασίας έχουν σημασία, κυρίως διότι συχνά αποθαρρύνουν τους υποψηφίους από το να υποβάλλουν αίτηση. «Εμείς, ως άνθρωποι, προσπαθούμε να μαντέψουμε τι ακούγεται καλύτερα στα αυτιά όσων αναζητούν εργασία, αλλά συχνά κάνουμε λάθος», σημειώνει η Kieran Snyder, συνιδρύτρια και διευθύνουσα σύμβουλος της εταιρείας τεχνητής νοημοσύνης Textio.

Χρησιμοποιώντας ένα σύνολο δεδομένων περίπου 500 εκατομμυρίων πραγματικών αγγελιών εργασίας και τεχνητή νοημοσύνη που αναλύει τις απαντήσεις που ελήφθησαν στην πραγματική ζωή, η Textio συμβουλεύει τις εταιρείες ως προς το ποιες λέξεις να χρησιμοποιούν – και να αποφεύγουν. Στο eBay, για παράδειγμα, η φράση «προηγούμενη εμπειρία» αύξησε κατά 50% τον αριθμό των ανδρών που ασχολήθηκαν με την αγγελία. Αντίθετα, η φράση «αποδεδειγμένη ικανότητα» προσέλκυσε 40% περισσότερες γυναίκες, παρόλο που ουσιαστικά σημαίνει το ίδιο πράγμα, λέει ο Snyder.

Η γλώσσα που είναι ουδέτερη σε σχέση με τα φύλα, τις φυλές και τις εθνικότητες «αλλάζει γρήγορα. Δεν υπάρχει μια δεδομένη λίστα» προσθέτει. «Όμως, η σωστή λέξη στη σωστή στιγμή προσελκύει την πιο ποικιλόμορφη πιθανή ομάδα υποψηφίων».

Παράλληλα, η τεχνητή νοημοσύνη διευρύνει τη δεξαμενή πιθανών υποψηφίων, προσφέροντας πρόσβαση σε πολλαπλές «γεωγραφίες». Πάρτε, για παράδειγμα, την πρόσληψη φοιτητών από πανεπιστήμια. Οι εργοδότες μπορούν να στείλουν έναν πεπερασμένο αριθμό ανθρώπων σε έναν πεπερασμένο αριθμό πανεπιστημίων. Τι γίνεται όμως σε περίπτωση που ο τέλειος υποψήφιος δεν πήγε στην έκθεση καριέρας, ή πηγαίνει σε άλλο κολλέγιο στο οποίο η εταιρεία δεν έχει πρόσβαση;

«Ένας φοιτητής σε ένα άγνωστο κολέγιο όπου δεν έχετε στείλει ποτέ κάποιον κυνηγό ταλέντων θα μπορούσε να είναι καλύτερος από τους αποφοίτους των ‘σωστών’ σχολείων», παρατηρεί η Loren Larsen, επικεφαλής τεχνολογίας στην εταιρεία τεχνητής νοημοσύνης HireVue, στο πελατολόγιο της οποίας συναντάμε εταιρείες όπως οι Intel, Oracle, Dow Jones, Dunkin’ Brands και πολλές άλλες.

 

Στο παρελθόν, λέει η Larsen, αυτός ο φοιτητής δεν θα είχε ποτέ μια δεύτερη ευκαιρία – ή μάλλον ούτε πρώτη, για την ακρίβεια. Όμως, χρησιμοποιώντας την τεχνητή νοημοσύνη για την αναζήτηση υποψηφίων και σύγχρονα εργαλεία όπως το βίντεο chat, μπορείτε να προσεγγίσετε τέτοιους υποψηφίους με ευκολία. «Με αυτόν τον τρόπο, πολύ περισσότεροι άνθρωποι εισέρχονται στο σύστημα με βάση τα πλεονεκτήματά τους, και έτσι καταλήγετε να ‘συναντάτε’ και να αξιολογείτε μια πολύ πιο ποικιλόμορφη ομάδα υποψηφίων», προσθέτει η Larsen.

Η τεχνητή νοημοσύνη μπορεί, επιπλέον, να εντοπίζει ταλέντα και δεξιότητες με περισσότερη αποτελεσματικότητα. Καλά είναι τα βιογραφικά σημειώματα, αλλά «εάν επικεντρωθείτε σε αυτό που λέει το βιογραφικό σημείωμα κάποιου, κινδυνεύετε να καταλήξετε να αγνοείτε έναν τεράστιο αριθμό ανθρώπων», λέει η Irina Novoselsky, διευθύνουσα σύμβουλος της CareerBuilder, της οποίας η ηγετική ομάδα αποτελείται κατά 70% από γυναίκες και μέλη μειονοτήτων.

Ο ιστότοπος χρησιμοποιεί την τεχνητή νοημοσύνη για να βοηθά τους εργοδότες και όσους αναζητούν εργασία να βρίσκουν αυτό που ψάχνουν, με μια βάση δεδομένων που περιλαμβάνει περισσότερες από 2,3 εκατομμύρια αγγελίες εργασίας, 10 εκατομμύρια θέσεις εργασίας και, 1,3 δισεκατομμύρια δεξιότητες. Οι αλγόριθμοι εστιάζουν ακριβώς στις δεξιότητες εκείνες που απαιτεί μια δουλειά και βρίσκουν υποψήφιους που τις διαθέτουν – οι οποίοι μπορεί όμως να κάνουν αίτηση για μια εντελώς διαφορετική δουλειά.

«Το προφίλ ενός βιογραφικού σημειώματος ή ο πιο πρόσφατος ρόλος ίσως να μην μεταφράζεται αναγκαστικά στο τι άλλο μπορούν να κάνουν», λέει η Novoselsky. Οι υπεύθυνοι εξυπηρέτησης πελατών χρειάζονται, για παράδειγμα, υπομονή και ικανότητα επίλυσης προβλημάτων και «διαπιστώσαμε ότι οι εργαζόμενοι στον χώρο της κατ’ οίκον παροχής υγειονομικής περίθαλψης μοιράζονται αυτές τις δεξιότητες. Χωρίς την τεχνητή νοημοσύνη, το ταίριασμα αυτό θα ήταν αδύνατο».

Η αυστηρή εστίαση στις δεξιότητες «φυσικά οδηγεί σε περισσότερη ποικιλομορφία, επειδή τα κριτήρια πρόσληψης είναι ακριβώς τα ίδια για κάθε υποψήφιο, ανεξαρτήτως φύλου, φυλής, εθνικότητας, ηλικίας ή οτιδήποτε άλλο. Η τεχνητή νοημοσύνη βάζει στην άκρη όλους αυτούς τους εξωτερικούς παράγοντες», τονίζει η Loren Larsen της HireVue. Διάφορες έρευνες επιβεβαιώνουν το γεγονός ότι οι αποκαλούμενες «ημι-δομημένες» συνεντεύξεις, όπου οι υπεύθυνοι προσλήψεων θέτουν ακριβώς τα ίδια ερωτήματα σε κάθε υποψήφιο και ψάχνουν για τις ίδιες ακριβώς απαντήσεις, συμβάλλουν περισσότερο στην εξάλειψη της μη συνειδητής μεροληψίας.