ਲਾਭ:
- ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡਾਂ ਦੇ ਅਨੁਸਾਰ ਇੱਕ ਢਾਂਚਾਗਤ ਅਤੇ ਤੁਲਨਾਤਮਕ ਫਾਰਮੈਟ ਵਿੱਚ ਸੀਵੀ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਏਆਈ-ਸਮਰਥਿਤ ਸਕ੍ਰੀਨਿੰਗ ਵਿੱਚ ਪੱਖਪਾਤ ਅਤੇ ਵਿਤਕਰੇ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਠੋਸ ਤਰੀਕਿਆਂ ਨਾਲ ਘਟਾਉਣ ਦੀ ਸਮਰੱਥਾ
- ਇੱਕ ਖੋਜਣ ਯੋਗ ਪ੍ਰਕਿਰਿਆ ਸਥਾਪਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਜਿਸ ਲਈ ਅੰਤਮ ਖਾਤਮੇ ਦੇ ਫੈਸਲੇ ਵਿੱਚ ਮਨੁੱਖੀ ਨਿਯੰਤਰਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਰਬਾਦ ਕਰਨ ਵਾਲਾ, ਸਭ ਤੋਂ ਥਕਾਵਟ ਵਾਲਾ ਅਤੇ ਭਰਤੀ ਦਾ ਸਭ ਤੋਂ ਜੋਖਮ ਭਰਿਆ ਕਦਮ ਸੀਵੀ ਸਕ੍ਰੀਨਿੰਗ ਹੈ। ਇੱਕ-ਇੱਕ ਕਰਕੇ ਪੋਸਟ ਕਰਨ ਲਈ 300 CV ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਤੁਲਨਾ ਕਰਨ ਵਿੱਚ ਘੰਟੇ ਲੱਗ ਜਾਣਗੇ; ਜਿਵੇਂ-ਜਿਵੇਂ ਥਕਾਵਟ ਵਧਦੀ ਹੈ, ਫੈਸਲੇ ਦੀ ਗੁਣਵੱਤਾ ਘੱਟ ਜਾਂਦੀ ਹੈ ਅਤੇ ਆਖਰੀ CV ਪੜ੍ਹੇ ਜਾਣ ਦਾ ਮੁਲਾਂਕਣ ਉਸੇ ਤਰ੍ਹਾਂ ਦੀ ਦੇਖਭਾਲ ਨਾਲ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਪਹਿਲੀ CV ਪੜ੍ਹੀ ਗਈ ਸੀ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਇਸ ਕਦਮ ਵਿੱਚ ਇੱਕ ਵਿਸ਼ਾਲ ਪ੍ਰਵੇਗ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਪਰ ਇੱਥੇ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਹਿੱਸਾ ਹੈ: AI ਉਸ ਡੇਟਾ ਵਿੱਚ ਮਨੁੱਖੀ ਪੱਖਪਾਤ ਨੂੰ ਸਿੱਖ ਸਕਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ 'ਤੇ ਇਸ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ। ਇਸ ਇਕਾਈ ਵਿੱਚ, ਅਸੀਂ ਸਿਖਾਂਗੇ ਕਿ ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡਾਂ ਦੇ ਨਾਲ ਇੱਕ ਢਾਂਚਾਗਤ ਤਰੀਕੇ ਨਾਲ CV ਦਾ ਸੰਖੇਪ ਕਿਵੇਂ ਕਰਨਾ ਹੈ, ਠੋਸ ਤਰੀਕਿਆਂ ਨਾਲ ਪੱਖਪਾਤ ਦੇ ਜੋਖਮ ਨੂੰ ਕਿਵੇਂ ਘਟਾਇਆ ਜਾਵੇ, ਅਤੇ ਇੱਕ ਖੋਜਣ ਯੋਗ ਪ੍ਰਕਿਰਿਆ ਸਥਾਪਤ ਕੀਤੀ ਜਾਵੇ ਜੋ ਅੰਤਿਮ ਫੈਸਲਾ ਲੋਕਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਰੱਖਦੀ ਹੈ।
ਆਓ ਸ਼ਰਤਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੀਏ। ਪੱਖਪਾਤ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਕਾਰਨ ਇੱਕ ਫੈਸਲੇ ਦਾ ਯੋਜਨਾਬੱਧ ਭਟਕਣਾ ਹੈ ਜੋ ਨੌਕਰੀ ਨਾਲ ਸੰਬੰਧਿਤ ਨਹੀਂ ਹੈ (ਜਿਵੇਂ ਕਿ ਨਾਮ, ਲਿੰਗ, ਉਮਰ, ਜੱਦੀ ਸ਼ਹਿਰ, ਗ੍ਰੈਜੂਏਟ ਸਕੂਲ)। ਸਟ੍ਰਕਚਰਡ ਸਾਰਾਂਸ਼ ਹਰੇਕ ਸੀਵੀ ਨੂੰ ਉਸੇ ਸਿਰਲੇਖਾਂ ਦੇ ਤਹਿਤ, ਉਸੇ ਕ੍ਰਮ ਵਿੱਚ ਸੰਖੇਪ ਕਰਨਾ ਹੈ; ਇਸ ਤਰ੍ਹਾਂ, ਉਮੀਦਵਾਰਾਂ ਦੀ ਤੁਲਨਾ ਸੇਬਾਂ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਬਲਾਇੰਡ ਸਕ੍ਰੀਨਿੰਗ ਇੱਕ ਸਕ੍ਰੀਨਿੰਗ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜੋ ਜਾਣਕਾਰੀ ਨੂੰ ਲੁਕਾਉਂਦੀ ਹੈ ਜੋ ਉਮੀਦਵਾਰ ਦੀ ਪਛਾਣ ਕਰਦੀ ਹੈ ਪਰ ਨੌਕਰੀ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ। ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡ ਇਸ਼ਤਿਹਾਰ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਯੋਗਤਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਉਸ ਨੌਕਰੀ ਲਈ ਲੋੜੀਂਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ, ਭਰਮ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ AI ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਸਰਟੀਫਿਕੇਟ ਜੋ CV ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ)।
AI ਪੱਖਪਾਤ ਕਿਉਂ ਪੈਦਾ ਕਰਦਾ ਹੈ?
AI ਲੱਖਾਂ ਟੈਕਸਟਾਂ ਤੋਂ ਸਿੱਖਦਾ ਹੈ, ਅਤੇ ਇਹਨਾਂ ਟੈਕਸਟਾਂ ਵਿੱਚ ਪਿਛਲੇ ਮਨੁੱਖੀ ਫੈਸਲੇ ਸ਼ਾਮਲ ਹਨ। ਜੇਕਰ ਅਤੀਤ ਵਿੱਚ ਕਿਸੇ ਖਾਸ ਸਮੂਹ ਨਾਲ ਵਿਤਕਰਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਤਾਂ AI ਇਸ ਪੈਟਰਨ ਨੂੰ "ਆਮ" ਲਈ ਗਲਤ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, CV ਵਿਚਲੇ ਸੁਰਾਗ ਜਿਵੇਂ ਕਿ ਨਾਮ, ਪਤਾ ਜਾਂ ਸਕੂਲ ਲਿੰਗ, ਨਸਲੀ ਜਾਂ ਸਮਾਜਕ-ਆਰਥਿਕ ਸਥਿਤੀ ਬਾਰੇ ਮਾਡਲ ਨੂੰ ਅਸਿੱਧੇ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ। ਇੱਕ ਮਸ਼ਹੂਰ ਉਦਾਹਰਨ: ਇੱਕ ਸਕ੍ਰੀਨਿੰਗ ਟੂਲ ਜਿਸ ਨੂੰ ਇੱਕ ਵੱਡੀ ਤਕਨੀਕੀ ਕੰਪਨੀ ਨੇ ਇਤਿਹਾਸਕ ਰੈਜ਼ਿਊਮੇ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਸੀ, ਨੇ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਮਹਿਲਾ ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਅੰਡਰਸਕੋਰ ਕੀਤਾ ਕਿਉਂਕਿ ਡੇਟਾ ਪੁਰਸ਼-ਪ੍ਰਧਾਨ ਸੀ, ਅਤੇ ਟੂਲ ਨੂੰ ਬੰਦ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਸਬਕ ਸਪੱਸ਼ਟ ਹੈ: AI ਨਿਰਪੱਖ ਨਹੀਂ ਹੈ; ਤੁਸੀਂ ਪ੍ਰਕਿਰਿਆ ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਨਿਰਪੱਖਤਾ ਸਥਾਪਤ ਕਰਦੇ ਹੋ.
ਏਆਈ ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਸੀਮਾ
ਇਸ ਯੂਨਿਟ ਦਾ ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਵਾਕ ਹੈ: AI CV ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦਾ, ਇਹ CV ਨੂੰ ਸੰਖੇਪ ਕਰਦਾ ਹੈ। ਜੇ ਤੁਸੀਂ AI ਨੂੰ "ਆਟੋ-ਰੈਜੈਕਟਰ" ਵਜੋਂ ਸੈਟ ਅਪ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਕਨੂੰਨੀ ਜੋਖਮ (ਭੇਦਭਾਵ ਦਾ ਦਾਅਵਾ) ਅਤੇ ਪ੍ਰਤਿਸ਼ਠਾਤਮਕ ਜੋਖਮ ਦੋਵੇਂ ਚਲਾਉਂਦੇ ਹੋ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਇੱਕ ਚੰਗੇ ਉਮੀਦਵਾਰ ਨੂੰ ਦ੍ਰਿਸ਼ ਤੋਂ ਅਲੋਪ ਕਰ ਸਕਦੇ ਹੋ. ਸਹੀ ਸੈਟਅਪ ਏਆਈ ਨੂੰ ਸਪੀਡ ਰੀਡਿੰਗ ਅਤੇ ਸਟ੍ਰਕਚਰਿੰਗ ਸਹਾਇਕ ਵਜੋਂ ਵਰਤਣਾ ਹੈ।
ਕਦਮ-ਦਰ-ਕਦਮ ਸੁਰੱਖਿਅਤ ਖਾਤਮੇ ਦੀ ਪ੍ਰਕਿਰਿਆ:
- ਨੌਕਰੀ ਨਾਲ ਸਬੰਧਤ ਮਾਪਦੰਡ ਪਹਿਲਾਂ ਤੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਖਾਤਮੇ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਲਿਖੋ ਕਿ ਕਿਹੜੇ 5-8 ਮਾਪਦੰਡ ਮਹੱਤਵਪੂਰਨ ਹਨ (ਅਨੁਭਵ, ਖਾਸ ਹੁਨਰ, ਪ੍ਰਮਾਣੀਕਰਨ, ਉਦਯੋਗ) ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਲਾਕ ਕਰੋ।
- ਅਪ੍ਰਸੰਗਿਕ ਖੇਤਰਾਂ ਨੂੰ ਮਾਸਕ ਕਰੋ। ਮੁਲਾਂਕਣ ਤੋਂ ਨਾਮ, ਫੋਟੋ, ਉਮਰ, ਵਿਆਹੁਤਾ ਸਥਿਤੀ, ਜਨਮ ਸਥਾਨ, ਸਕੂਲ ਦਾ ਨਾਮ ਵਰਗੇ ਖੇਤਰਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢੋ।
- ਇੱਕ ਢਾਂਚਾਗਤ ਸੰਖੇਪ ਦੀ ਬੇਨਤੀ ਕਰੋ। ਹਰੇਕ CV ਲਈ ਬਿਲਕੁਲ ਉਸੇ ਫਾਰਮੈਟ ਨੂੰ ਛਾਪੋ।
- ਸਬੂਤ ਮੰਗੋ, ਫੈਸਲੇ ਨਹੀਂ। "ਕੀ ਇਹ ਉਮੀਦਵਾਰ ਢੁਕਵਾਂ ਹੈ?" ਇਸ ਦੀ ਬਜਾਏ "ਕੀ ਇਹ ਉਮੀਦਵਾਰ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ, ਇਹ ਸੀਵੀ ਦੀ ਕਿਸ ਲਾਈਨ 'ਤੇ ਅਧਾਰਤ ਹੈ?" ਸਮੱਸਿਆ
- ਮਨੁੱਖ ਅੰਤਮ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਰਿਕਾਰਡ ਕਰਦਾ ਹੈ। AI ਸੰਖੇਪ/ਤੁਲਨਾ ਕਰਦਾ ਹੈ, ਖਤਮ ਨਹੀਂ ਕਰਦਾ; ਲੋਕ ਆਪਣੇ ਕਾਰਨ ਚੁਣਦੇ ਅਤੇ ਲਿਖਦੇ ਹਨ।
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ ਨਿਰਪੱਖ ਭਰਤੀ ਵਿਸ਼ਲੇਸ਼ਕ। ਹੇਠਾਂ ਦਿੱਤੇ ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਸਿਰਫ਼ ਹੇਠਾਂ ਦਿੱਤੀ ਸੀਵੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ। ਨਾਮ, ਲਿੰਗ, ਉਮਰ, ਫੋਟੋ, ਵਿਆਹੁਤਾ ਸਥਿਤੀ ਅਤੇ ਸਕੂਲ ਦੀ ਪ੍ਰਤਿਸ਼ਠਾ 'ਤੇ ਵਿਚਾਰ ਕਰੋ। ਸਿਰਫ਼ ਅਨੁਭਵ ਅਤੇ ਹੁਨਰ ਦੇਖੋ। ਮਾਪਦੰਡ: 1) 3+ ਸਾਲਾਂ ਦਾ ਫੀਲਡ ਸੇਲਜ਼ ਅਨੁਭਵ2) CRM (ਉਦਾਹਰਨ ਲਈ Salesforce/HubSpot) ਵਰਤੋਂ3) B2B ਵਿਕਰੀ ਅਨੁਭਵ4) ਸਾਲਾਨਾ ਟੀਚਾ ਪ੍ਰਾਪਤੀ ਦਾ ਸਬੂਤ (ਅੰਕ, ਤਰਜੀਹ) ਆਉਟਪੁੱਟ ਫਾਰਮੈਟ (ਹਰੇਕ ਮਾਪਦੰਡ ਲਈ ਸਿੰਗਲ ਲਾਈਨ):- ਮਾਪਦੰਡ | ਮਿਲਦਾ ਹੈ (ਹਾਂ/ਅੰਸ਼ਕ/ਨਹੀਂ) | CV (ਅੰਤਰ) ਪੜਤਾਲ ਤੋਂ ਸਬੂਤ: ਗੁੰਮ ਜਾਣਕਾਰੀ ਅਤੇ ਇੰਟਰਵਿਊ ਵਿੱਚ ਪੁੱਛਣ ਲਈ 2 ਸਵਾਲ।<cv>[CV text]</cv>
ਸਾਵਧਾਨ: AI ਨੂੰ ਇਹ ਦੱਸਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ "ਸਕੂਲ ਦੀ ਪ੍ਰਤਿਸ਼ਠਾ ਦਾ ਧਿਆਨ ਨਾ ਰੱਖੋ।" ਮਾਡਲਾਂ ਨੇ "ਚੰਗੀ ਯੂਨੀਵਰਸਿਟੀ = ਚੰਗੇ ਉਮੀਦਵਾਰ" ਵਰਗੇ ਪੱਖਪਾਤੀ ਸ਼ਾਰਟਕੱਟ ਸਿੱਖੇ ਹੋ ਸਕਦੇ ਹਨ; ਇਹ ਵੱਖ-ਵੱਖ ਸਮਾਜਿਕ-ਆਰਥਿਕ ਸਮੂਹਾਂ ਵਿਰੁੱਧ ਅਸਿੱਧਾ ਵਿਤਕਰਾ ਹੈ।
ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਠੋਸ ਤਰੀਕੇ
ਪੱਖਪਾਤ ਕੋਈ ਅਮੂਰਤ ਚਿੰਤਾ ਨਹੀਂ ਹੈ; ਇਹਨਾਂ ਦੁਆਰਾ ਮਾਪਿਆ ਅਤੇ ਘਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ:
- ਅੰਨ੍ਹਾ ਖਾਤਮਾ. CVs ਵਿੱਚੋਂ ਨਾਮ, ਫੋਟੋ, ਜਨਮ ਮਿਤੀ ਅਤੇ ਸਕੂਲ ਦਾ ਨਾਮ ਹਟਾਓ।
- ਸਥਿਰ ਮਾਪਦੰਡ ਸੂਚੀ. ਮਾਪਦੰਡ ਲਿਖੋ ਅਤੇ ਖਾਤਮੇ ਦੇ ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਲਾਕ ਕਰੋ; ਇਸਨੂੰ ਮੱਧ-ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਨਾ ਬਦਲੋ।
- ਉਹੀ ਪ੍ਰੋਂਪਟ, ਉਹੀ ਫਾਰਮੈਟ। ਸਾਰੇ CV ਦਾ ਮੁਲਾਂਕਣ ਬਿਲਕੁਲ ਇੱਕੋ ਜਿਹੀਆਂ ਹਦਾਇਤਾਂ ਨਾਲ ਕਰੋ।
- ਸਬੂਤ ਸਜ਼ਾ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ। ਹਰ "ਹਾਂ" ਇੱਕ ਹਵਾਲੇ 'ਤੇ ਅਧਾਰਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਇਹ ਭੁਲੇਖੇ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ।
- ਡਬਲ ਅੰਨ੍ਹਾ ਟੈਸਟ. "ਔਰਤ ਨਾਮ" ਸੰਸਕਰਣ ਅਤੇ "ਪੁਰਸ਼ ਨਾਮ" ਸੰਸਕਰਣ ਦੇ ਨਾਲ ਉਹੀ CV ਜਮ੍ਹਾਂ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਗ੍ਰੇਡ ਬਦਲ ਗਏ ਹਨ।
- ਕਰਾਸ ਚੈੱਕ. ਮਨੁੱਖੀ ਅੱਖਾਂ ਨਾਲ ਸਭ ਤੋਂ ਵੱਧ ਅਤੇ ਸਭ ਤੋਂ ਘੱਟ ਸਕੋਰਾਂ ਵਾਲੇ ਕੁਝ CV ਨੂੰ ਦੁਬਾਰਾ ਪੜ੍ਹੋ।
ਮੈਂ ਤੁਹਾਨੂੰ ਦੋ CV ਦੇਵਾਂਗਾ: ਸਮੱਗਰੀ ਬਿਲਕੁਲ ਇੱਕੋ ਜਿਹੀ ਹੈ, ਸਿਰਫ਼ ਨਾਮ ਵੱਖਰੇ ਹਨ। ਉਪਰੋਕਤ ਮਾਪਦੰਡਾਂ ਦੇ ਅਨੁਸਾਰ ਦੋਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ। ਫਿਰ ਦੋ ਮੁਲਾਂਕਣਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ; ਜੇਕਰ ਉਹਨਾਂ ਵਿਚਕਾਰ ਕੋਈ ਅੰਤਰ ਹੈ, ਤਾਂ ਦੱਸੋ ਕਿ ਨੌਕਰੀ ਬਾਰੇ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਇਹ ਅੰਤਰ ਪੈਦਾ ਹੋਇਆ ਹੈ। ਜੇ ਤੁਹਾਨੂੰ ਕੋਈ ਫਰਕ ਮਿਲਦਾ ਹੈ ਜੋ ਨੌਕਰੀ ਨਾਲ ਸਬੰਧਤ ਨਹੀਂ ਹੈ, ਤਾਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਇਸ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: ਇਹ 40 CV ਪੜ੍ਹੋ ਅਤੇ ਚੋਟੀ ਦੇ 5 ਉਮੀਦਵਾਰਾਂ ਦੀ ਚੋਣ ਕਰੋ।
ਨਤੀਜਾ: AI ਇਹ ਦੱਸੇ ਬਿਨਾਂ "ਸਭ ਤੋਂ ਵਧੀਆ" ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਸਨੇ ਕਿਉਂ ਚੁਣਿਆ, ਸੰਭਵ ਤੌਰ 'ਤੇ ਨਾਮ/ਸਕੂਲ ਵਰਗੇ ਅਪ੍ਰਸੰਗਿਕ ਸੰਕੇਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਤੁਸੀਂ ਫੈਸਲੇ ਨੂੰ ਕੰਟਰੋਲ ਨਹੀਂ ਕਰ ਸਕਦੇ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ: [5-8 ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡ] ਦੇ ਵਿਰੁੱਧ ਇਹਨਾਂ CVs ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ। ਨਾਮ/ਉਮਰ/ਲਿੰਗ/ਸਕੂਲ ਦੇ ਨਾਮ ਨੂੰ ਅਣਡਿੱਠ ਕਰੋ। ਹਰੇਕ ਮਾਪਦੰਡ ਲਈ, ਆਪਣੇ ਸੀਵੀ ਤੋਂ ਹਾਂ/ਅੰਸ਼ਕ/ਨਹੀਂ + ਸਬੂਤ ਹਵਾਲਾ ਪ੍ਰਦਾਨ ਕਰੋ। ਫੈਸਲਾ ਲੈਣਾ; ਸਿਰਫ਼ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਤੁਲਨਾ ਪੈਦਾ ਕਰੋ।
ਨਤੀਜਾ: ਹਰੇਕ ਉਮੀਦਵਾਰ ਕਿੱਥੇ ਹੈ ਇਸ ਬਾਰੇ ਇੱਕ ਦ੍ਰਿਸ਼ਮਾਨ, ਆਡਿਟਯੋਗ ਅਤੇ ਮਨੁੱਖੀ-ਨਿਰਣੇ ਲਈ ਤਿਆਰ ਆਉਟਪੁੱਟ।
ਇਸਨੂੰ AI ਨੂੰ ਆਊਟਸੋਰਸ ਕਰੋ
AI ਨੂੰ ਅਜਿਹਾ ਨਾ ਕਰਨ ਦਿਓ
ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡ ਦੁਆਰਾ ਸੰਖੇਪ
ਆਟੋਮੈਟਿਕ ਸਵੀਕਾਰ / ਅਸਵੀਕਾਰ ਫੈਸਲੇ
ਸਮਾਨ ਫਾਰਮੈਟ ਵਿੱਚ ਤੁਲਨਾ
ਨਾਮ/ਲਿੰਗ/ਉਮਰ ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ ਕਰੋ
ਗੁੰਮ ਹੋਈ ਜਾਣਕਾਰੀ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ
ਬੇਅੰਤ ਨਿਰਣਾ ਜਿਵੇਂ ਕਿ "ਸੱਭਿਆਚਾਰਕ ਫਿਟ"
ਇੰਟਰਵਿਊ ਸਵਾਲ ਸੁਝਾਓ
ਸ਼ਖਸੀਅਤ/ਚਰਿੱਤਰ ਦੀ ਭਵਿੱਖਬਾਣੀ
ਐਬਸਟਰੈਕਟ ਸਬੂਤ (ਹਵਾਲਾ)
ਮੈਂ ਫੋਟੋ ਤੋਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹਾਂ
ਨੁਕਤਾ: ਢਾਂਚਾਗਤ ਸਮੁੱਚੀ ਤੁਲਨਾ ਲਈ, ਉਮੀਦਵਾਰਾਂ ਨੂੰ ਅਗਿਆਤ ਕੋਡ ਦਿਓ ਜਿਵੇਂ ਕਿ "ਉਮੀਦਵਾਰ-1, ਉਮੀਦਵਾਰ-2"। ਸਾਈਡ-ਬਾਈ-ਸਾਈਡ ਟੇਬਲ ਉਹਨਾਂ ਨੂੰ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਪੜ੍ਹਨ ਨਾਲੋਂ ਤੇਜ਼ ਅਤੇ ਨਿਰਪੱਖ ਹੈ; ਕਿਉਂਕਿ ਹਰੇਕ ਦਾ ਮੁਲਾਂਕਣ ਇੱਕੋ ਕਾਲਮ ਨਾਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ
ਕੇਸ 1 - ਲੁਕਿਆ ਨਾਮ ਪੱਖਪਾਤ। ਇੱਕ ਕੰਪਨੀ ਨੇ ਦੇਖਿਆ ਕਿ ਚੋਟੀ ਦੇ 10 ਉਮੀਦਵਾਰਾਂ ਵਿੱਚੋਂ 9 ਪੁਰਸ਼ ਸਨ ਜਦੋਂ ਉਹਨਾਂ ਨੇ AI ਕੱਚੇ CV (ਨਾਂ ਸਮੇਤ) ਦਿੱਤੇ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਛਾਂਟਣ ਲਈ ਕਿਹਾ। ਜਦੋਂ ਨਾਵਾਂ ਨੂੰ ਇਕੱਲੇ ਤਜ਼ਰਬੇ ਅਤੇ ਹੁਨਰ ਦੇ ਆਧਾਰ 'ਤੇ ਮਾਸਕ ਕੀਤਾ ਗਿਆ ਅਤੇ ਮੁੜ-ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ, ਤਾਂ ਸੂਚੀ ਸੰਤੁਲਿਤ ਸੀ ਅਤੇ 3 ਪਹਿਲਾਂ ਅਣਦੇਖੀ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਮਹਿਲਾ ਉਮੀਦਵਾਰਾਂ ਨੇ ਇਸ ਨੂੰ ਸਿਖਰਲੇ 10 ਵਿੱਚ ਬਣਾਇਆ। ਕੰਪਨੀ ਨੇ ਇਸਨੂੰ "ਅੰਨ੍ਹੇ ਹਟਾਉਣ ਲਾਜ਼ਮੀ" ਧਾਰਾ ਵਜੋਂ ਅਧਿਕਾਰਤ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ।
ਕੇਸ 2 - ਸਮਾਂ ਬਚਾਇਆ, ਸੁਰੱਖਿਅਤ ਨਿਯੰਤਰਣ। ਇੱਕ ਕਾਲ ਸੈਂਟਰ ਨੇ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ 4 ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡਾਂ ਦੇ ਆਧਾਰ 'ਤੇ 220 CV ਦਾ ਸਾਰ ਦਿੱਤਾ। ਪੂਰਵ-ਯੋਗਤਾ ਦੀ ਮਿਆਦ 3 ਦਿਨਾਂ ਤੋਂ ਘਟ ਕੇ 4 ਘੰਟੇ ਹੋ ਗਈ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਬਿੰਦੂ: ਏਆਈ ਨੇ ਕਿਸੇ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕੀਤਾ; ਭਰਤੀ ਕਰਨ ਵਾਲੇ ਨੇ ਨਿੱਜੀ ਤੌਰ 'ਤੇ 34 ਉਮੀਦਵਾਰਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਨੇ ਕਿਹਾ ਕਿ "ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਮਿਲੇ" ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ 11 ਨੂੰ ਇੰਟਰਵਿਊ ਲਈ ਸੱਦਾ ਦਿੱਤਾ। ਫੈਸਲਾ ਵਿਅਕਤੀ ਕੋਲ ਹੀ ਰਿਹਾ, ਭਰਤੀ ਦਾ ਸਮਾਂ 35% ਘਟਾ ਦਿੱਤਾ ਗਿਆ।
ਕੇਸ 3 - ਬਣੀ ਹੋਈ ਕੁਦਰਤ। AI ਨੇ ਇੱਕ CV ਸੰਖੇਪ ਵਿੱਚ "PMP ਪ੍ਰਮਾਣੀਕਰਣ" ਲਿਖਿਆ, ਜੋ ਉਮੀਦਵਾਰ ਕੋਲ ਨਹੀਂ ਸੀ (ਭਰਮ)। ਕਿਉਂਕਿ ਭਰਤੀ ਕਰਨ ਵਾਲੇ ਨੇ ਸਬੂਤ ਦੇ ਹਵਾਲੇ ਦੀ ਬੇਨਤੀ ਕੀਤੀ ਸੀ, AI ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਦੇਣ ਵਿੱਚ ਅਸਮਰੱਥ ਸੀ ਅਤੇ ਗਲਤੀ ਫੜੀ ਗਈ ਸੀ। "ਹਰੇਕ ਦਾਅਵੇ ਲਈ ਇੱਕ CV ਹਵਾਲਾ ਮੰਗੋ" ਦਾ ਨਿਯਮ ਸਭ ਤੋਂ ਸਰਲ ਸੁਰੱਖਿਆ ਜਾਲ ਹੈ ਜੋ ਅਜਿਹੀਆਂ ਮਨਘੜਤ ਚੀਜ਼ਾਂ ਨੂੰ ਦਿਸਦਾ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- AI ਨੂੰ ਫੈਸਲਾ ਕਰਨ ਦਿਓ। "ਸਭ ਤੋਂ ਵਧੀਆ 5 ਚੁਣੋ" ਕਹਿਣਾ ਮਸ਼ੀਨ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਸੌਂਪ ਰਿਹਾ ਹੈ; AI ਸੰਖੇਪ, ਮਨੁੱਖ ਚੁਣਦਾ ਹੈ.
- ਕੱਚਾ ਸੀਵੀ ਦੇਣਾ ਜਿਵੇਂ ਹੈ। ਨਾਮ, ਫੋਟੋ, ਉਮਰ, ਸਕੂਲ ਦਾ ਨਾਮ ਪੱਖਪਾਤ ਦੇ ਸੰਕੇਤ ਹਨ; ਮਾਸਕ
- ਸਬੂਤ ਨਹੀਂ ਮੰਗ ਰਿਹਾ। ਜੇਕਰ ਤੁਸੀਂ ਕੋਟਸ ਲਈ ਨਹੀਂ ਪੁੱਛਦੇ ਹੋ, ਤਾਂ AI ਵਿਸ਼ੇਸ਼ਤਾ ਬਣਾਏਗਾ ਅਤੇ ਤੁਹਾਨੂੰ ਨੋਟਿਸ ਨਹੀਂ ਹੋਵੇਗਾ।
- ਅਸਪਸ਼ਟ ਮਾਪਦੰਡ ਜਿਵੇਂ ਕਿ "ਸੱਭਿਆਚਾਰਕ ਫਿੱਟ"। ਇਸਦਾ ਅਕਸਰ ਮਤਲਬ ਹੁੰਦਾ ਹੈ "ਸਾਡੇ ਵਾਂਗ" ਅਤੇ ਵਿਤਕਰੇ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦਾ ਹੈ; ਨੌਕਰੀ ਨਾਲ ਜੁੜੇ ਮਾਪਦੰਡ ਅਤੇ ਦੇਖਣਯੋਗ ਰੱਖੋ।
- ਮੱਧ-ਪ੍ਰਕਿਰਿਆ ਦੇ ਮਾਪਦੰਡ ਨੂੰ ਬਦਲਣਾ। ਇਹ ਨਿਆਂ ਨੂੰ ਭ੍ਰਿਸ਼ਟ ਕਰਦਾ ਹੈ; ਮਾਪਦੰਡ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਬੰਦ ਹੈ।
- ਕੇਵੀਕੇਕੇ ਨੂੰ ਭੁੱਲਣਾ। CV ਨਿੱਜੀ ਡਾਟਾ ਹੈ; ਇਸ ਨੂੰ ਉਹਨਾਂ ਵਾਹਨਾਂ ਨੂੰ ਬਿਨਾਂ ਮਾਸਕ ਦੇ ਭੇਜਣਾ ਜੋਖਮ ਭਰਿਆ ਹੈ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸੰਸਥਾਗਤ ਭਰੋਸਾ ਨਹੀਂ ਹੈ (ਦੇਖੋ KVKK ਯੂਨਿਟ)।
ਸੰਖੇਪ ਵਿੱਚ
AI CV ਸਕ੍ਰੀਨਿੰਗ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਗਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਪੱਖਪਾਤ ਨੂੰ ਵੀ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਤਿੰਨ ਨਿਯਮਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ: (1) ਸਿਰਫ਼ ਨੌਕਰੀ-ਸੰਬੰਧੀ ਮਾਪਦੰਡਾਂ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰੋ, ਅਪ੍ਰਸੰਗਿਕ ਖੇਤਰਾਂ ਨੂੰ ਮਾਸਕਿੰਗ; (2) ਸਾਰ ਲਈ ਪੁੱਛੋ ਅਤੇ ਸਬੂਤ ਨਾਲ ਤੁਲਨਾ ਕਰੋ, ਨਾ ਕਿ ਫੈਸਲੇ; (3) ਹਮੇਸ਼ਾ ਮਨੁੱਖਾਂ ਨੂੰ ਅੰਤਮ ਖਾਤਮੇ ਦਾ ਫੈਸਲਾ ਕਰਨ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ ਦਿਓ। AI ਪ੍ਰੀ-ਕੁਆਲੀਫਾਇੰਗ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ; ਤੁਸੀਂ ਨਿਆਂ ਅਤੇ ਕਾਨੂੰਨੀਤਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
5-6 ਨਮੂਨੇ (ਜਾਂ ਅਸਲ ਅਗਿਆਤ) CV ਪ੍ਰਾਪਤ ਕਰੋ। (1) 5-8 ਨੌਕਰੀ-ਸਬੰਧਤ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਅਤੇ ਲਾਕ ਕਰੋ। (2) ਨਾਮ/ਉਮਰ/ਫੋਟੋ/ਸਕੂਲ ਨੂੰ ਮਾਸਕ ਕਰੋ ਅਤੇ ਹਰੇਕ CV 'ਤੇ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਮੁਲਾਂਕਣ ਪ੍ਰੋਂਪਟ ਲਾਗੂ ਕਰੋ, ਸਬੂਤ ਦਾ ਹਵਾਲਾ ਮੰਗੋ। (3) CV 'ਤੇ ਡਬਲ ਬਲਾਈਂਡ ਟੈਸਟ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ (ਸਿਰਫ ਨਾਮ ਬਦਲਣਾ)। (4) ਇੱਕ ਕੁੱਲ ਤੁਲਨਾ ਸਾਰਣੀ ਤਿਆਰ ਕਰੋ। (5) ਮਨੁੱਖੀ ਅੱਖਾਂ ਨਾਲ ਸਭ ਤੋਂ ਉੱਚੇ ਅਤੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਅੰਕਾਂ ਵਾਲੇ ਸੀਵੀ ਨੂੰ ਦੁਬਾਰਾ ਪੜ੍ਹੋ। (6) ਖੁਦ ਫੈਸਲਾ ਕਰੋ ਕਿ ਇੰਟਰਵਿਊ ਲਈ ਕਿਸ ਨੂੰ ਸੱਦਾ ਦੇਣਾ ਹੈ ਅਤੇ ਆਪਣਾ ਕਾਰਨ ਦਰਜ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਕੀ ਮੁਲਾਂਕਣ ਸਿਰਫ ਨੌਕਰੀ ਨਾਲ ਸਬੰਧਤ ਅਤੇ ਲਾਕ-ਇਨ ਮਾਪਦੰਡਾਂ ਨਾਲ ਕੀਤਾ ਗਿਆ ਸੀ?
- [ ] ਕੀ ਨਾਮ, ਉਮਰ, ਲਿੰਗ, ਫੋਟੋ, ਸਕੂਲ ਦੀ ਪ੍ਰਤਿਸ਼ਠਾ ਨੂੰ ਨਕਾਬਬੰਦ/ਬਾਹਰ ਰੱਖਿਆ ਗਿਆ ਸੀ?
- [ ] ਕੀ ਹਰੇਕ ਦਾਅਵੇ ਲਈ CV ਪਰੂਫ਼ ਹਵਾਲੇ ਦੀ ਲੋੜ ਸੀ?
- [ ] ਕੀ AI ਨੂੰ ਸੰਖੇਪ/ਤੁਲਨਾ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਫੈਸਲਾ ਨਹੀਂ?
- [ ] ਕੀ ਅੰਤ-ਨੋਟ CVs ਦੀ ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਜਾਂਚ ਕੀਤੀ ਗਈ ਹੈ?
- ਕੀ ਮਨੁੱਖ ਨੇ ਅੰਤਮ ਖਾਤਮੇ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਅਤੇ ਕਾਰਨਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ?
- [ ] ਕੀ KVKK ਦੇ ਰੂਪ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਗਿਆ ਸੀ?