THEPOWERGAME
Ενώ η περαιτέρω εισαγωγή της Τεχνητής Νοημοσύνης σε όλες τις πρακτικές πρόσληψης θα μπορούσε να λύσει ορισμένα προβλήματα, οι ειδικοί λένε ότι η τεχνολογία δεν θα πρέπει να αναμένεται να μεταμορφώσει πλήρως τον τρόπο με τον οποίο οι εταιρείες φέρνουν νέους εργαζόμενους.
Σήμερα, μόλις το 12% των επαγγελματιών που κάνουν προσλήψεις αναφέρουν ότι χρησιμοποιούν τεχνητή νοημοσύνη στις διαδικασίες πρόσληψης ή διαχείρισης ταλέντων, σύμφωνα με την έκθεση αναφοράς 2023 Hiring Benchmark Report της εταιρείας λογισμικού και επιτυχίας ταλέντων Criteria. Αλλά οι λύσεις τεχνητής νοημοσύνης, για τα πάντα, από τον εξορθολογισμό της αναζήτησης μέχρι τη λήψη τεκμηριωμένων αποφάσεων επιλογής, «προωθούνται πολύ ενεργά στην αγορά», δήλωσε ο ιδρυτής και διευθύνων σύμβουλος της Criteria, Josh Millet στο cnbc.
Μια κρίσιμη διαδικασία όπως η πρόσληψη – η οποία δεσμεύεται από νομικές, πολιτιστικές και επιχειρηματικές επιπτώσεις – πρέπει να καινοτομεί με προσοχή. Η εισαγωγή, ή ίσως η αποτυχία μετριασμού της προκατάληψης στον αγωγό απόκτησης ταλέντων έχει κόστος. Καθώς οι επιχειρήσεις εφαρμόζουν τεχνητή νοημοσύνη στις προσλήψεις, πρέπει να κερδίσουν και να διατηρήσουν την εμπιστοσύνη ότι αυτές οι διαδικασίες λειτουργούν όπως πρέπει.
Ενώ οι οργανισμοί περιμένουν να επεκταθούν και αλλού νομικές επιπτώσεις όπως ο νόμος της Νέας Υόρκης για την προκατάληψη της ΤΝ, το Κέντρο για την Αυτορρύθμιση της Βιομηχανίας (CISR), το μη κερδοσκοπικό ίδρυμα 501(c)(3) του BBB National Programs, δημοσίευσε μια σειρά αρχών και πρωτοκόλλων για την αξιόπιστη ΤΝ στην πρόσληψη και την πρόσληψη.
Σε συνεργασία με εταιρείες όπως η Amazon, η Unilever, η Koch Industries και η Microsoft, οι αρχές αφορούν τη διαφάνεια, τη δικαιοσύνη, τη μη διάκριση, την τεχνική ευρωστία, την ασφάλεια, τη διακυβέρνηση και τη λογοδοσία με τη χρήση της τεχνητής νοημοσύνης στις προσλήψεις. Παράλληλα, τα πρωτόκολλα καθορίζουν τα κριτήρια για την πιστοποίηση προμηθευτών ΤΝ από τρίτους για την προώθηση της λογοδοσίας πέραν του εργοδότη.
Πώς χρησιμοποιείται η τεχνητή νοημοσύνη στην αγορά εργασίας
Όπως έχει διαμορφωθεί, η ΤΝ χρησιμοποιείται στη διαδικασία πρόσληψης και στρατολόγησης για την ανάπτυξη περιγραφών θέσεων εργασίας, την εξεύρεση ταλέντων, τη δημιουργία και βαθμολόγηση αξιολογήσεων, την εξέταση νέων υποψηφίων, την επικοινωνία με τους υποψηφίους και την εκπαίδευση νέων εργαζομένων, αναφέρει η έκθεση Hiring Benchmark της Criteria. Εργαλεία όπως το ChatGPT της OpenAI, το Bard της Google, τα chatbots πρόσληψης και οι ιδιόκτητες λύσεις βοηθούν σε αυτό.
«Όταν τα εργαλεία τεχνητής νοημοσύνης σχεδιάζονται, αναπτύσσονται και παρακολουθούνται σωστά, η τεχνολογία έχει τη δυνατότητα να μετριάσει τις διακρίσεις και τις προκαταλήψεις σε ευρύτερη κλίμακα», δήλωσε ο Eric Reicin, πρόεδρος και διευθύνων σύμβουλος των εθνικών προγραμμάτων BBB.
Ο Reicin λέει ότι οι βασικοί στόχοι του καθορισμού και της δημοσίευσης των αρχών και των πρωτοκόλλων για την αξιόπιστη τεχνητή νοημοσύνη στις προσλήψεις ήταν να διασφαλιστούν έγκυρα και αξιόπιστα συστήματα, να προωθηθεί η διαφάνεια και η λογοδοσία και να επιδιωχθούν συστήματα που είναι ασφαλή, ανθεκτικά και επεκτάσιμα.
Ο στόχος είναι να γίνουν δυνατές οι υποσχέσεις της τεχνητής νοημοσύνης στις προσλήψεις και ταυτόχρονα να διαχειριστεί ο αναπόφευκτος κίνδυνος. Η τεχνητή νοημοσύνη υποτίθεται ότι επιτρέπει στους οργανισμούς να διευρύνουν ισότιμα τη δεξαμενή των υποψηφίων τους: Ένας οργανισμός στο πλαίσιο της θερμοκοιτίδας του CISR έλαβε 20 εκατομμύρια αιτήσεις πέρυσι, σύμφωνα με τον Reicin. «Δεν υπάρχει περίπτωση οι άνθρωποι να μπορούσαν να δώσουν δίκαιη αντιμετώπιση σε όλους αυτούς τους αιτούντες», δήλωσε.
Ωστόσο, ο Reicin σημειώνει ότι ό,τι είναι παράνομο χωρίς τεχνολογία είναι επίσης παράνομο με τεχνολογία. “Οι εργοδότες είναι υποχρεωμένοι, είτε χρησιμοποιούν έναν προμηθευτή είτε όχι, να διασφαλίσουν τη μη διάκριση βάσει της σχετικής νομοθεσίας”, δήλωσε.
Επισήμανε την πρόσφατη απόφαση Rains vs. U.S. Healthworks Medical Group, στην οποία το Ανώτατο Δικαστήριο της Καλιφόρνιας επέκτεινε την ευθύνη της πολιτείας για τον νόμο περί δίκαιης απασχόλησης και στέγασης σε ορισμένους προμηθευτές, όχι μόνο στους εργοδότες.
Ένα τεράστιο πρόβλημα μεροληψίας στις προσλήψεις
Είτε οι εργοδότες χρησιμοποιούν είτε όχι έναν προμηθευτή για την παροχή βοήθειας κατά την πρόσληψη μέσω της τεχνολογίας, το πρόβλημα της ρητής και σιωπηρής προκατάληψης εξακολουθεί να υφίσταται παρά τις προσπάθειες εξάλειψής του.
«Σχεδόν δεν θα μπορούσαμε να τα πάμε χειρότερα», δήλωσε ο Millet σχετικά με την κατάσταση των προσλήψεων. «Ναι, πρέπει να είμαστε προσεκτικοί, σκόπιμοι, μετρημένοι όσον αφορά την εφαρμογή των συστημάτων [τεχνητής νοημοσύνης]. Αλλά αυτό δεν θα πρέπει να επισκιάζει το γεγονός ότι υπάρχει ένα τεράστιο πρόβλημα».
Η τελευταία έκθεση της Criteria για την εμπειρία των υποψηφίων αναφέρει ότι το 39% των υποψηφίων έχουν υποστεί ghosting τον τελευταίο χρόνο. Μια μελέτη του 2021 από το Εθνικό Γραφείο Οικονομικών Ερευνών διαπίστωσε ότι τα διακριτικά μαύρα ονόματα μειώνουν την πιθανότητα επαφής με τον εργοδότη κατά 2,1% σε σχέση με τα διακριτικά λευκά ονόματα. Πρόσφατα, η κινεζική iTutorGroup αναγκάστηκε να καταβάλει διακανονισμό ύψους 365.000 δολαρίων στην Επιτροπή Ίσων Ευκαιριών Απασχόλησης των ΗΠΑ για παραβίαση του νόμου περί διακρίσεων λόγω ηλικίας στην απασχόληση, εκπαιδεύοντας την τεχνητή νοημοσύνη της να ξεχωρίζει άτομα άνω των 60 ετών.
«Μπορούμε να χρησιμοποιήσουμε προσεγγίσεις βασισμένες σε αποδείξεις για να βοηθήσουμε στην εξάλειψη ορισμένων προκαταλήψεων από τη διαδικασία επιλογής ή από τη διαδικασία αξιολόγησης ταλέντων», δήλωσε ο Millet. «Αυτή είναι η υπόσχεση».
Αλλά τα υποσχόμενα αποτελέσματα της τεχνητής νοημοσύνης δεν είναι δεδομένα, πρόσθεσε ο Millet. «Προσπαθώντας να αφαιρέσουμε την προκατάληψη, στην πραγματικότητα μερικές φορές μπορούμε να έχουμε τον αντίθετο αντίκτυπο και να την ενισχύσουμε», είπε.
Πριν από σχεδόν μια δεκαετία, η Amazon προσπάθησε να αυτοματοποιήσει τις προσλήψεις, αλλά απέσυρε το έργο επειδή το εργαλείο «δεν βαθμολογούσε τους υποψηφίους για θέσεις εργασίας προγραμματιστών λογισμικού και άλλες τεχνικές θέσεις με ουδέτερο ως προς το φύλο τρόπο», σύμφωνα με έκθεση του Reuters το 2018.
Η Τεχνητή Νοημοσύνη κρύβει σημαντικές δυνατότητες, αλλά το κατά πόσον αυτές οι δυνατότητες κινούνται σε θετική τροχιά εξαρτάται από τον τρόπο χρήσης της, λένε οι ειδικοί. Οι αρχές και τα πρωτόκολλα για την αξιόπιστη ΤΝ στις προσλήψεις είναι μόνο μια προσπάθεια για τον μετριασμό του κινδύνου και τη μεγιστοποίηση των υποσχέσεων.
Διατήρηση των ανθρώπων στο βρόχο της πρόσληψης
Ορισμένες χρήσεις της ΤΝ στη διαδικασία πρόσληψης είναι σχετικά αδιαμφισβήτητες, όπως η χρήση έξυπνου προγραμματισμού συνεντεύξεων και ρομπότ συνομιλίας που βοηθούν στην ομαλότερη προώθηση των ανθρώπων στη χοάνη, δήλωσε ο Millet. Ωστόσο, οι αποφάσεις υψηλού ρίσκου ή οι περιπτώσεις χρήσης πλούσιων σε δεδομένα είναι ένα διαφορετικό παιχνίδι μπάλας.
Ο Reicin συνιστά την τακτική ανάλυση των προμηθευτών, που σημαίνει να θέτετε ερωτήσεις όπως: Τι προσπάθειες αποβλάκωσης καταβάλλουν οι προμηθευτές σας; Από ποιον είναι πιστοποιημένος ο πωλητής σας και τι σημαίνει αυτή η πιστοποίηση; Πώς συλλέγουν, προστατεύουν και χρησιμοποιούν τα δεδομένα;
Για τον εργοδότη, το να γνωρίζει πού υπάρχει η ανθρώπινη εποπτεία στη διαδικασία με την ΤΝ είναι κρίσιμο, δήλωσε ο Reicin. «Έχετε τη σωστή καταπακτή διαφυγής για τους υποψηφίους επειδή μπορεί να χρειάζονται, σε συνδυασμό με τον νόμο περί Αμερικανών με αναπηρία ή για οποιονδήποτε άλλο λόγο, κάποια ανθρώπινη εμπλοκή ως μέρος αυτής της διαδικασίας;» πρόσθεσε.
Στη συνέχεια, υπάρχουν ανακοινώσεις για τη συλλογή δεδομένων για τους υποψηφίους. «Ως βέλτιστη πρακτική, οι εργοδότες πρέπει να παρέχουν αρκετές πληροφορίες σχετικά με τη διαδικασία για τον υποψήφιο, ώστε να μπορεί να ζητήσει μια διευκόλυνση ή να εξαιρεθεί από τη διαδικασία, αλλά και να έχει μια αίσθηση του πού πηγαίνουν τα δεδομένα του και τι πραγματικά λαμβάνεται», δήλωσε ο Reicin.
Ανέφερε τις πιθανές επιπτώσεις μιας συνέντευξης με βίντεο, όπου η τεχνολογία ΤΝ θα μπορούσε να συλλέξει δεδομένα σχετικά με τη φωνή, την κλίση και τις κινήσεις των ματιών του υποψηφίου. Τι γίνεται αν ο υποψήφιος δεν γνωρίζει ότι αυτό συμβαίνει;
«Εάν χρησιμοποιείτε οποιαδήποτε δεδομένα για έναν υποψήφιο που δεν γνωρίζει ότι χρησιμοποιούνται, αυτό είναι βαθιά προβληματικό», δήλωσε ο Millet, προσθέτοντας ότι οι εργοδότες και οι προμηθευτές θα πρέπει να χρησιμοποιούν τα δεδομένα για έναν λογικό και προβλεπόμενο σκοπό. Τελικά, λέει ότι η επικοινωνία και η συγκατάθεση για εύλογη χρήση είναι δύο βέλτιστες πρακτικές για την ΤΝ στις προσλήψεις που οι εργοδότες δεν πρέπει να παραλείπουν.
Ο Millet δήλωσε ότι οι εταιρείες θα πρέπει να εξοικειωθούν με τους αλγόριθμους «glass box», οι οποίοι είναι διαφανείς ως προς τον τρόπο με τον οποίο καταλήγουν σε συμπεράσματα και μπορούν να καταπολεμήσουν τα προβλήματα που σχετίζονται με τους αλγόριθμους «black box», οι οποίοι είναι αδιαφανείς και μπορούν να διαβρώσουν την εμπιστοσύνη ή να αποτύχουν να οικοδομήσουν καθόλου εμπιστοσύνη.
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!
