Ieguvumi:
- Spēja apkopot CV strukturētā un salīdzināmā formātā atbilstoši ar darbu saistītajiem kritērijiem
- Spēja atpazīt neobjektivitātes un diskriminācijas riskus AI atbalstītā skrīningā un samazināt tos ar konkrētām metodēm
- Spēja izveidot izsekojamu procesu, kam nepieciešama cilvēka kontrole galīgajā lēmumā par likvidēšanu
Vislaikietilpīgākais, nogurdinošākais un arī riskantākais personāla atlases solis ir CV pārbaude. Lai vienu pēc otra izlasītu un salīdzinātu 300 CV publicēšanai, būtu vajadzīgas stundas; Pieaugot nogurumam, lēmumu kvalitāte pasliktinās, un pēdējais nolasītais CV netiek novērtēts ar tādu pašu rūpību kā pirmais lasītais CV. Mākslīgais intelekts (AI) nodrošina milzīgu paātrinājumu šajā solī. Bet šeit ir visbīstamākā daļa: AI var mācīties un reproducēt cilvēku aizspriedumus datos, uz kuriem tas ir apmācīts. Šajā nodaļā mēs uzzināsim, kā strukturētā veidā apkopot CV, izmantojot ar darbu saistītos kritērijus, ar konkrētām metodēm samazināt neobjektivitātes risku un izveidot izsekojamu procesu, kas gala lēmumu patur cilvēku rokās.
Precizēsim noteikumus. Neobjektivitāte ir sistemātiska lēmuma novirze kāda ar darbu nesaistīta rakstura dēļ (piemēram, vārds, dzimums, vecums, dzimtā pilsēta, absolvētā skola). Strukturētais kopsavilkums ir apkopot katru CV ar tiem pašiem virsrakstiem, tādā pašā secībā; Tādā veidā kandidāti tiek salīdzināti āboli ar āboliem. Aklā pārbaude ir skrīninga process, kas slēpj informāciju, kas identificē kandidātu, bet kam nav nekāda sakara ar darbu. Ar darbu saistītais kritērijs ir sludinājumā definētā kompetence, kas faktiski nepieciešama šī darba veikšanai. Visbeidzot, halucinācijas ir tad, kad AI rada informāciju, kas patiesībā neeksistē (piemēram, sertifikāts, kas nav iekļauts CV).
Kāpēc AI rada novirzes?
AI mācās no miljoniem tekstu, un šie teksti ietver pagātnes cilvēku lēmumus. Ja kāda noteikta grupa iepriekš ir tikusi diskriminēta, AI var sajaukt šo modeli ar “normālu”. Turklāt norādes CV, piemēram, vārds, adrese vai skola, dod modelim netiešus signālus par dzimumu, etnisko piederību vai sociālekonomisko statusu. Slavens piemērs: skrīninga rīks, ko liels tehnoloģiju uzņēmums apmācīja par vēsturiskiem CV datiem, sistemātiski uzsvēra sievietes, jo datos dominēja vīrieši, un rīks tika pārtraukts. Mācība ir skaidra: AI nav neitrāls; Jūs izveidojat objektivitāti, izstrādājot procesu.
AI loma un ierobežojumi
Šīs vienības kritiskākais teikums ir: AI neizslēdz CV, tas apkopo CV. Ja AI iestatāt kā “automātisko noraidītāju”, jūs riskējat gan ar juridisku risku (prasība par diskrimināciju), gan ar reputācijas risku; Turklāt jūs varat likt patiešām labam kandidātam pazust no redzesloka. Pareizā iestatīšana ir izmantot AI kā ātrlasīšanas un strukturēšanas palīgu.
Soli pa solim drošs likvidēšanas process:
- Iepriekš definējiet ar darbu saistītos kritērijus. Pirms izslēgšanas uzsākšanas pierakstiet, kuri 5-8 kritēriji ir svarīgi (pieredze, specifiskas prasmes, sertifikācija, nozare) un nofiksējiet tos.
- Maskējiet neatbilstošās zonas. Izslēdziet no vērtēšanas tādus laukus kā vārds, fotoattēls, vecums, ģimenes stāvoklis, dzimšanas vieta, skolas nosaukums.
- Pieprasiet strukturētu kopsavilkumu. Izdrukājiet katram CV tieši tādā pašā formātā.
- Lūdziet pierādījumus, nevis lēmumus. "Vai šis kandidāts ir piemērots?" vietā "Vai šis kandidāts atbilst kritērijiem, uz kādu CV rindiņu tas ir balstīts?" problēma.
- Cilvēks pieņem galīgo lēmumu un reģistrē to. AI apkopo/salīdzina, nevis izslēdz; Cilvēki izvēlas un raksta savus iemeslus.
Jūsu loma: objektīvs personāla atlases analītiķis. Novērtējiet šo CV, TIKAI pamatojoties uz tālāk norādītajiem ar darbu saistītajiem kritērijiem. ŅEMIET VĒRĀ vārdu, dzimumu, vecumu, fotogrāfiju, ģimenes stāvokli un skolas prestižu. Paskatieties uz pieredzi un prasmēm.Kritēriji:1) 3+ gadu pieredze pārdošanā2) CRM (piem., Salesforce/HubSpot) lietojums3) B2B pārdošanas pieredze4)Ikgadējā mērķa sasniegšanas pierādījums (skaitlis, priekšroka)Izvades formāts (viena rinda katram kritērijam):- Kritēriji | Atbilst (jā/daļēji/nē) | Pierādījumi no CV (izvilkums)Izpēte: trūkst informācijas un 2 jautājumi, kas jāuzdod intervijā.<cv>[CV teksts]</cv>
Uzmanību: Ir svarīgi pateikt AI "nerūpējieties par skolas prestižu". Modeļi, iespējams, ir iemācījušies diskriminējošus īsceļus, piemēram, “laba universitāte = labs kandidāts”; tā ir netieša dažādu sociālekonomisko grupu diskriminācija.
Konkrētas metodes aizspriedumu mazināšanai
Aizspriedumi nav abstrakts jautājums; var izmērīt un samazināt ar:
- Aklā likvidēšana. Noņemiet no CV vārdu, fotoattēlu, dzimšanas datumu un skolas nosaukumu.
- Fiksēto kritēriju saraksts. Uzrakstiet kritērijus un bloķējiet tos pirms izslēgšanas sākuma; Nemainiet to procesa vidū.
- Tāda pati uzvedne, tāds pats formāts. Novērtējiet visus CV ar tieši tādām pašām instrukcijām.
- Pierādījumu sniegšanas pienākums. Katram "Jā" ir jābūt citātam; tas atklāj halucinācijas.
- Dubultakls tests. Iesniedziet vienu un to pašu CV ar versiju "sieviešu vārds" un "vīrieša vārds" un pārbaudiet, vai atzīmes ir mainījušās.
- Šķērspārbaude. Pārlasiet dažus CV ar augstākajiem un zemākajiem rādītājiem ar cilvēka acīm.
Es jums iedošu divus CV: saturs ir pilnīgi vienāds, tikai vārdi atšķiras. Novērtējiet abus pēc iepriekš minētajiem kritērijiem. Pēc tam salīdziniet abus vērtējumus; Ja starp tām ir atšķirība, paskaidrojiet, no kādas informācijas par darbu šī atšķirība izriet. Ja atrodat atšķirību, kas nav saistīta ar darbu, skaidri atzīmējiet to.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne: izlasiet šos 40 CV un izvēlieties 5 labākos kandidātus.
Rezultāts: AI saka "labākais", nepaskaidrojot, kāpēc tas izvēlējās, iespējams, izmantojot neatbilstošus signālus, piemēram, vārdu/skolu. Jūs nevarat kontrolēt lēmumu.
Spēcīgs aicinājums: novērtējiet šos CV pēc [5–8 ar darbu saistītiem kritērijiem]. Ignorēt vārdu/vecumu/dzimumu/skolas nosaukumu. Katram kritērijam norādiet Jā/Daļēji/Nē + apliecinājuma citātu no sava CV. Lēmumu pieņemšana; vienkārši izveidojiet pārredzamu salīdzinājumu.
Rezultāts: redzams, pārbaudāms un cilvēka spriedumam gatavs rezultāts par to, kāpēc katrs kandidāts ir kur.
Ārējus AI
Neļaujiet AI to darīt
Apkopojot pēc ar darbu saistītajiem kritērijiem
Automātisks pieņemšanas/noraidīšanas lēmums
Salīdzinājums tajā pašā formātā
Kārtot pēc vārda/dzimuma/vecuma
Atzīmējiet trūkstošo informāciju
Neizmērojams spriedums, piemēram, "kultūras atbilstība"
Iesakiet intervijas jautājumus
Personības / rakstura prognozēšana
Pierādījumu iegūšana (atsauce)
Es secinu no fotoattēla
Padoms. Lai veiktu strukturētu apkopojumu salīdzināšanu, norādiet kandidātiem anonimizētus kodus, piemēram, “Candidate-1, Candidate-2”. Blakus tabula ir gan ātrāka, gan godīgāka, nekā tos lasīt pa vienam; jo visi tiek vērtēti ar vienādām ailēm.
Trīs mini futrāļi
1. gadījums — slēptā vārda novirze. Viens uzņēmums pamanīja, ka 9 no 10 labākajiem kandidātiem bija vīrieši, kad viņi sniedza AI neapstrādātus CV (tostarp vārdus) un lika viņiem tos sakārtot. Kad vārdi tika maskēti un atkārtoti novērtēti, pamatojoties tikai uz pieredzi un prasmēm, saraksts tika līdzsvarots, un 3 iepriekš neredzētas kvalificētas sievietes iekļuva labāko 10. Uzņēmums to pievienoja oficiālajai procedūrai kā klauzulu "aklā izslēgšana obligāta".
2. gadījums — ietaupīts laiks, aizsargāta vadība. Zvanu centrs apkopoja 220 CV, pamatojoties uz 4 ar darbu saistītiem kritērijiem, izmantojot AI. Pirmskvalifikācijas periods samazinājās no 3 dienām līdz 4 stundām. Izšķirošais punkts: AI nevienu neizslēdza; Vervētājs personīgi pārbaudīja 34 kandidātus, par kuriem AI teica, ka "daļēji tikās", un uzaicināja 11 no viņiem uz interviju. Lēmums palika pie personas, darbā pieņemšanas laiks tika saīsināts par 35%.
3. gadījums — izdomāts raksturs. AI CV kopsavilkumā ierakstīja "PMP sertifikācija", kuras kandidātam nebija (halucinācijas). Tā kā Recruiter pieprasīja pierādījumu citātu, AI nevarēja norādīt avotu un kļūda tika konstatēta. Noteikums “jautājiet CV cenu par katru prasību” ir vienkāršākais drošības tīkls, kas padara šādus izdomājumus redzamus.
Biežas kļūdas
- Ļaujiet AI izlemt. Sakot "izvēlies labākos 5" nozīmē atbildības nodošanu mašīnai; AI rezumē, cilvēks izvēlas.
- Sniedzot neapstrādātu CV tādu, kāds tas ir. Vārds, fotogrāfija, vecums, skolas nosaukums ir neobjektivitātes signāli; maska.
- Neprasa pierādījumus. Ja jūs neprasīsit citātus, AI izdomās attiecinājumu, un jūs to nepamanīsit.
- Neskaidri kritēriji, piemēram, "piemērots kultūrai". Tas bieži nozīmē “līdzīgi mums” un leģitimizē diskrimināciju; Saglabājiet kritērijus, kas saistīti ar darbu un ir novērojami.
- Kritēriju maiņa procesa vidū. Tas sabojā taisnīgumu; Kritērijs ir bloķēts no paša sākuma.
- Aizmirstot KVKK. CV ir personas dati; Ir riskanti to nosūtīt bez maskēšanas uz transportlīdzekļiem, kuriem nav institucionālas garantijas (sk. KVKK nodaļu).
Rezumējot
AI nodrošina lielu CV pārbaudes ātrumu, taču tas var arī paātrināt novirzes. Drošas lietošanas pamatā ir trīs noteikumi: (1) vērtēt tikai pēc ar darbu saistītiem kritērijiem, maskējot nebūtiskas jomas; (2) lūgt kopsavilkumu un salīdzinājumu ar pierādījumiem, nevis spriedumu; (3) vienmēr ļaut cilvēkiem pieņemt un pamatot galīgo lēmumu par likvidēšanu. AI atvieglo iepriekšēju kvalifikāciju; Jūs esat atbildīgs par taisnīgumu un likumību.
Lietojumprogrammas uzdevums
Iegūstiet 5-6 CV paraugus (vai reālus anonimizētus). (1) Definējiet un bloķējiet 5–8 ar darbu saistītus kritērijus. (2) Maskējiet vārdu/vecumu/foto/skolu un pielietojiet novērtējuma uzvedni tādā pašā veidā katram CV, pieprasot pierādījumu citātu. (3) Izmēģiniet dubultaklo testu ar CV (mainot tikai vārdu). (4) Izveidojiet apkopotu salīdzināšanas tabulu. (5) Pārlasiet CV ar augstāko un zemāko atzīmi cilvēka acīm. (6) Izlemiet pats, kuru uzaicināt uz interviju, un pierakstiet iemeslu.
kontrolsaraksts
- [ ] Vai novērtējums tika veikts tikai pēc ar darbu saistītiem un bloķētiem kritērijiem?
- [ ] Vai vārds, vecums, dzimums, fotoattēls, skolas prestižs tika maskēts/izslēgts?
- [ ] Vai katrai prasībai bija nepieciešams CV apliecinājuma piedāvājums?
- [ ] Vai mākslīgais intelekts tika izveidots, lai izveidotu kopsavilkumu/salīdzinājumu, nevis pieņemtu lēmumu?
- [ ] Vai cilvēki ir pārbaudījuši CV piezīmju beigās?
- [ ] Vai cilvēks pieņēma galīgo lēmumu par izslēgšanu un pierakstīja iemeslus?
- [ ] Vai dati tika apstrādāti droši, ņemot vērā KVKK?