Faida:
- Uwezo wa kufanya muhtasari wa CVs katika muundo ulioandaliwa na kulinganishwa kulingana na vigezo vinavyohusiana na kazi
- Uwezo wa kutambua hatari za upendeleo na ubaguzi katika uchunguzi unaoungwa mkono na AI na kuzipunguza kwa njia madhubuti.
- Uwezo wa kuanzisha mchakato unaoweza kufuatiliwa ambao unahitaji udhibiti wa mwanadamu katika uamuzi wa mwisho wa kuondoa
Hatua inayotumia muda mwingi, inayochosha na pia hatari zaidi ya kuajiri ni uchunguzi wa CV. Ingechukua masaa kusoma na kulinganisha CV 300 kwa chapisho moja baada ya nyingine; Uchovu unapoongezeka, ubora wa maamuzi unapungua na CV ya mwisho kusomwa hatathminiwi kwa uangalifu sawa na CV ya kwanza iliyosomwa. Akili Bandia (AI) hutoa mchapuko mkubwa katika hatua hii. Lakini hii ndio sehemu hatari zaidi: AI inaweza kujifunza na kuzaliana upendeleo wa kibinadamu katika data ambayo imefunzwa. Katika kitengo hiki, tutajifunza jinsi ya kufanya muhtasari wa CV kwa njia iliyopangwa na vigezo vinavyohusiana na kazi, kupunguza hatari ya upendeleo kwa mbinu madhubuti, na kuanzisha mchakato unaoweza kufuatiliwa ambao huweka uamuzi wa mwisho mikononi mwa watu.
Hebu tufafanue masharti. Upendeleo ni kupotoka kwa utaratibu kwa uamuzi kutokana na sifa ambayo haihusiani na kazi (kama vile jina, jinsia, umri, mji wa nyumbani, shule iliyohitimu). Muhtasari uliopangwa ni muhtasari wa kila CV chini ya vichwa sawa, kwa mpangilio sawa; Kwa njia hii, watahiniwa hulinganishwa tufaha na tufaha. Uchunguzi wa upofu ni mchakato wa uchunguzi ambao huficha habari inayomtambulisha mgombea lakini haina uhusiano wowote na kazi. Kigezo kinachohusiana na kazi ni umahiri uliofafanuliwa kwenye tangazo ambao kwa hakika unahitajika kufanya kazi hiyo. Hatimaye, kuona ni wakati AI inazalisha taarifa ambayo haipo (kwa mfano, cheti ambacho hakijajumuishwa kwenye CV).
Kwa nini AI Inazalisha Upendeleo?
AI hujifunza kutoka kwa mamilioni ya maandishi, na maandishi haya yanajumuisha maamuzi ya zamani ya mwanadamu. Ikiwa kikundi fulani kimebaguliwa hapo awali, AI inaweza kukosea muundo huu kuwa "kawaida." Zaidi ya hayo, vidokezo katika CV kama vile jina, anwani au shule hutoa ishara zisizo za moja kwa moja kwa modeli kuhusu jinsia, kabila au hali ya kijamii na kiuchumi. Mfano maarufu: zana ya kukagua ambayo kampuni kubwa ya kiteknolojia ilifunza data ya wasifu wa kihistoria ilisisitiza watahiniwa wa kike kwa utaratibu kwa sababu data ilitawaliwa na wanaume, na zana ilikomeshwa. Somo liko wazi: AI haina upande wowote; Unaanzisha kutopendelea kupitia muundo wa mchakato.
Wajibu na Kikomo cha AI
Sentensi muhimu zaidi ya kitengo hiki ni: AI haiondoi CV, ni muhtasari wa CV. Ukiweka AI kama "kikataa kiotomatiki," una hatari ya kisheria (madai ya ubaguzi) na hatari ya sifa; Kwa kuongeza, unaweza kufanya mgombea mzuri kutoweka kutoka kwa mtazamo. Usanidi sahihi ni kutumia AI kama msaidizi wa usomaji na muundo wa kasi.
Hatua kwa hatua mchakato wa kuondoa salama:
- Bainisha vigezo vinavyohusiana na kazi mapema. Kabla ya kuanza kuondoa, andika ni vigezo gani 5-8 ni muhimu (uzoefu, ujuzi maalum, vyeti, sekta) na uwafungie.
- Mask maeneo yasiyofaa. Ondoa sehemu kama vile jina, picha, umri, hali ya ndoa, mahali pa kuzaliwa, jina la shule kwenye tathmini.
- Omba muhtasari uliopangwa. Chapisha umbizo sawa kwa kila CV.
- Uliza ushahidi, sio maamuzi. "Je, mgombea huyu anafaa?" badala ya "Je, mgombea huyu anakidhi vigezo, ni mstari gani wa CV?" tatizo.
- Mwanadamu hufanya uamuzi wa mwisho na kuurekodi. AI hufanya muhtasari / kulinganisha, sio kuondoa; Watu huchagua na kuandika sababu zao.
Jukumu lako: mchambuzi wa uajiri bila upendeleo. Tathmini CV ifuatayo TU kwa kuzingatia vigezo vifuatavyo vinavyohusiana na kazi. FIKIRIA jina, jinsia, umri, picha, hali ya ndoa na ufahari wa shule. Angalia tu uzoefu na ujuzi.Vigezo:1) Miaka 3+ ya uzoefu wa mauzo2) CRM (k.m. Salesforce/HubSpot) matumizi3) Uzoefu wa mauzo wa B2B4) Ushahidi wa mafanikio yaliyolengwa ya kila mwaka (nambari, mapendeleo)Muundo wa matokeo (mstari mmoja kwa kila kigezo):- Vigezo | Hukutana (Ndiyo/Sehemu/Hapana) | Ushahidi kutoka kwa CV (dondoo)Uchunguzi: habari inayokosekana na maswali 2 ya kuuliza katika mahojiano.<cv>[Nakala ya CV]</cv>
Tahadhari: Ni muhimu kuwaambia AI "usiangalie ufahari wa shule." Wanamitindo wanaweza kuwa wamejifunza njia za mkato za kibaguzi kama vile "chuo kikuu kizuri = mgombea mzuri"; huu ni ubaguzi usio wa moja kwa moja dhidi ya makundi mbalimbali ya kijamii na kiuchumi.
Mbinu Zege za Kupunguza Ubaguzi
Ubaguzi sio wasiwasi wa kufikirika; inaweza kupimwa na kupunguzwa na:
- Kuondolewa kwa upofu. Ondoa jina, picha, tarehe ya kuzaliwa na jina la shule kwenye CV.
- Orodha ya vigezo vilivyowekwa. Andika vigezo na uvifungie kabla ya kuondolewa kuanza; Usiibadilishe katikati ya mchakato.
- Ujumbe sawa, umbizo sawa. Tathmini CV zote kwa maagizo sawa.
- Wajibu wa sentensi ya ushahidi. Kila "Ndiyo" lazima itegemee nukuu; hii inaonyesha hallucination.
- Mtihani wa vipofu mara mbili. Wasilisha CV sawa na toleo la "jina la kike" na toleo la "jina la kiume" na uangalie ikiwa alama zimebadilika.
- Msalaba hundi. Soma tena CV chache zilizo na alama za juu na za chini kwa macho ya kibinadamu.
Nitakupa CV mbili: yaliyomo ni sawa, ni majina tu tofauti. Tathmini zote mbili kulingana na vigezo hapo juu. Kisha linganisha tathmini hizo mbili; Ikiwa kuna tofauti kati yao, eleza ni habari gani kuhusu kazi tofauti hii inatokana. Ikiwa utapata tofauti ambayo haihusiani na kazi, weka alama wazi.
Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu
Kidokezo dhaifu: Soma CV hizi 40 na uchague watahiniwa 5 bora.
Matokeo: AI inasema "bora zaidi" bila kueleza kwa nini ilichagua, ikiwezekana kwa kutumia ishara zisizo na maana kama vile jina/shule. Huwezi kudhibiti uamuzi.
Kidokezo chenye nguvu: Tathmini CV hizi dhidi ya [vigezo 5-8 vinavyohusiana na kazi]. Puuza jina/umri/jinsia/jina la shule. Kwa kila kigezo, toa Ndiyo/Sehemu/Hapana + nukuu ya uthibitisho kutoka kwa wasifu wako. Kufanya maamuzi; toa tu ulinganisho wa uwazi.
Matokeo: matokeo yanayoonekana, yanayoweza kukaguliwa na tayari kuhukumiwa na binadamu ya kwa nini kila mtahiniwa yuko wapi.
Ikabidhi kwa AI
Usiruhusu AI ifanye
Muhtasari kwa vigezo vinavyohusiana na kazi
Kubali/kataa uamuzi kiotomatiki
Ulinganisho katika muundo sawa
Panga kwa jina/jinsia/umri
Weka alama kwenye maelezo yanayokosekana
Uamuzi usio na kipimo kama "kufaa kitamaduni"
Pendekeza maswali ya mahojiano
Utabiri wa utu/wahusika
Dondoo ushahidi (nukuu)
Ninafikiria kutoka kwa picha
Kidokezo: Kwa ulinganishaji uliopangwa wa jumla, wape watahiniwa misimbo isiyojulikana kama vile "Mgombea-1, Mgombea-2". Jedwali la upande kwa upande ni la haraka na la haki kuliko kuzisoma moja baada ya nyingine; kwa sababu kila mtu anatathminiwa na safuwima sawa.
Kesi Tatu Ndogo
Kesi ya 1 - Upendeleo wa jina uliofichwa. Kampuni moja iligundua kuwa watahiniwa 9 kati ya 10 bora walikuwa wanaume walipotoa CV mbichi za AI (pamoja na majina) na kuwafanya wazipange. Majina yalipofichwa na kutathminiwa upya kulingana na tajriba na ujuzi pekee, orodha hiyo ilisawazishwa na watahiniwa 3 wa kike waliohitimu ambao hawakuonekana hapo awali waliingia katika 10 bora. Kampuni iliongeza hili kwenye utaratibu rasmi kama kifungu cha "lazima cha kutokomeza".
Kesi 2 - Muda umehifadhiwa, udhibiti uliolindwa. Kituo cha simu kilifanya muhtasari wa CV 220 kulingana na vigezo 4 vinavyohusiana na kazi kwa kutumia AI. Kipindi cha kufuzu kabla kilipungua kutoka siku 3 hadi masaa 4. Jambo muhimu: AI haikuondoa mtu yeyote; Mwajiri huyo aliwachunguza kibinafsi watahiniwa 34 ambao AI ilisema "ilikutana kwa sehemu" na kuwaalika 11 kati yao kwa mahojiano. Uamuzi ulibaki kwa mtu, wakati wa kuajiri ulifupishwa na 35%.
Kesi ya 3 - asili iliyoundwa. AI iliandika "Vyeti vya PMP" katika muhtasari wa CV, ambayo mgombea hakuwa nayo (hallucination). Kwa sababu Recruiter aliomba nukuu ya uthibitisho, AI haikuweza kutaja chanzo na hitilafu ikapatikana. Kanuni ya "omba nukuu ya CV kwa kila dai" ndiyo njia rahisi zaidi ya usalama inayofanya uzushi kama huo uonekane.
Makosa ya kawaida
- Wacha AI iamue. Kusema "chagua 5 bora" ni kupitisha jukumu kwa mashine; AI hufanya muhtasari, mwanadamu huchagua.
- Kutoa CV mbichi kama ilivyo. Jina, picha, umri, jina la shule ni ishara za upendeleo; mask.
- Sio kuomba ushahidi. Ikiwa hautauliza nukuu, AI itaunda maelezo na hautagundua.
- Vigezo visivyoeleweka kama vile "kifafa cha kitamaduni". Hii mara nyingi inamaanisha "kama sisi" na inahalalisha ubaguzi; Weka vigezo vinavyofungamana na kazi na uonekane.
- Kubadilisha vigezo katikati ya mchakato. Inaharibu haki; Kigezo kimefungwa tangu mwanzo.
- Kusahau KVKK. CV ni data ya kibinafsi; Ni hatari kuituma bila kuficha macho kwa magari ambayo hayana uhakikisho wa kitaasisi (angalia kitengo cha KVKK).
Kwa muhtasari
AI hutoa kasi kubwa katika uchunguzi wa CV, lakini pia inaweza kuongeza kasi ya upendeleo. Matumizi salama yanategemea sheria tatu: (1) tathmini kwa kutumia vigezo vinavyohusiana na kazi pekee, kuficha maeneo yasiyohusika; (2) kuomba muhtasari na ulinganisho na ushahidi, si uamuzi; (3) siku zote acha wanadamu wafanye na kuhalalisha uamuzi wa mwisho wa kuondoa. AI hurahisisha uhitimu wa awali; Unawajibika kwa haki na uhalali.
Jukumu la maombi
Pata sampuli 5-6 (au zisizotambulishwa halisi) CV. (1) Bainisha na ufunge vigezo 5-8 vinavyohusiana na kazi. (2) Funga jina/umri/picha/shule na utumie kidokezo cha tathmini kwa njia ile ile kwa kila CV, ukiomba nukuu ya uthibitisho. (3) Jaribu jaribio la upofu mara mbili kwenye CV (kubadilisha jina tu). (4) Jedwali la ulinganisho la jumla litolewe. (5) Soma tena CV yenye alama za juu na za chini kwa macho ya kibinadamu. (6) Amua mwenyewe ni nani utakayemwalika kwa mahojiano na urekodi sababu yako.
orodha ya ukaguzi
- [ ] Je, tathmini ilifanywa tu kwa vigezo vinavyohusiana na kazi na vilivyofungiwa ndani?
- [ ] Je, jina, umri, jinsia, picha, ufahari wa shule ulifichwa/kutengwa?
- [ ] Je, nukuu ya uthibitisho wa CV ilihitajika kwa kila dai?
- [ ] Je, AI ilifanywa kufanya muhtasari/ulinganisho, si uamuzi?
- [ ] Je, CV za mwisho zimekaguliwa na wanadamu?
- [ ] Je, mwanadamu alifanya uamuzi wa mwisho wa kuondoa na kurekodi sababu?
- [ ] Je, data ilichakatwa kwa usalama kulingana na KVKK?