กำไร:
- ความสามารถในการสรุป CV ในรูปแบบที่มีโครงสร้างและเปรียบเทียบได้ตามเกณฑ์ที่เกี่ยวข้องกับงาน
- ความสามารถในการรับรู้ความเสี่ยงของอคติและการเลือกปฏิบัติในการคัดกรองที่สนับสนุน AI และลดปัญหาเหล่านี้ด้วยวิธีการที่เป็นรูปธรรม
- ความสามารถในการสร้างกระบวนการที่ตรวจสอบย้อนกลับได้ซึ่งจำเป็นต้องมีการควบคุมโดยมนุษย์ในการตัดสินใจกำจัดขั้นสุดท้าย
ขั้นตอนที่ใช้เวลานานที่สุด เหนื่อยที่สุด และเสี่ยงที่สุดในการสรรหาบุคลากรก็คือการคัดกรอง CV อาจต้องใช้เวลาหลายชั่วโมงในการอ่านและเปรียบเทียบ 300 CV สำหรับการโพสต์ทีละรายการ เมื่อความเหนื่อยล้าเพิ่มขึ้น คุณภาพการตัดสินใจจะลดลง และการอ่าน CV ครั้งสุดท้ายจะไม่ได้รับการประเมินด้วยความระมัดระวังเช่นเดียวกับการอ่าน CV ครั้งแรก ปัญญาประดิษฐ์ (AI) ช่วยเร่งความเร็วอย่างมากในขั้นตอนนี้ แต่นี่คือส่วนที่อันตรายที่สุด: AI สามารถเรียนรู้และสร้างอคติของมนุษย์ในข้อมูลที่ได้รับการฝึกอบรม ในหน่วยนี้ เราจะได้เรียนรู้วิธีสรุป CV ในลักษณะที่มีโครงสร้างพร้อมเกณฑ์ที่เกี่ยวข้องกับงาน ลดความเสี่ยงของอคติด้วยวิธีการที่เป็นรูปธรรม และสร้างกระบวนการที่ตรวจสอบย้อนกลับได้ซึ่งเก็บการตัดสินใจขั้นสุดท้ายไว้ในมือของผู้คน
มาชี้แจงเงื่อนไขกัน อคติคือการเบี่ยงเบนอย่างเป็นระบบในการตัดสินใจเนื่องจากลักษณะที่ไม่เกี่ยวข้องกับงาน (เช่น ชื่อ เพศ อายุ บ้านเกิด ที่สำเร็จการศึกษา) บทสรุปที่มีโครงสร้างคือการสรุป CV แต่ละรายการภายใต้หัวข้อเดียวกันในลำดับเดียวกัน ด้วยวิธีนี้ ผู้สมัครจะถูกเปรียบเทียบแอปเปิ้ลกับแอปเปิ้ล Blind Screening เป็นกระบวนการคัดกรองที่ซ่อนข้อมูลที่ระบุตัวผู้สมัครแต่ไม่เกี่ยวข้องกับงาน เกณฑ์ที่เกี่ยวข้องกับงานคือความสามารถที่กำหนดไว้ในโฆษณาซึ่งจำเป็นจริงๆ ในการทำงานนั้น สุดท้าย อาการประสาทหลอนเกิดขึ้นเมื่อ AI สร้างข้อมูลที่ไม่มีอยู่จริง (เช่น ใบรับรองที่ไม่รวมอยู่ใน CV)
เหตุใด AI จึงสร้างอคติ?
AI เรียนรู้จากข้อความนับล้าน และข้อความเหล่านี้รวมถึงการตัดสินใจของมนุษย์ในอดีตด้วย หากกลุ่มใดกลุ่มหนึ่งถูกเลือกปฏิบัติในอดีต AI อาจเข้าใจผิดรูปแบบนี้ว่าเป็น “ปกติ” นอกจากนี้ เบาะแสใน CV เช่น ชื่อ ที่อยู่ หรือโรงเรียน ยังส่งสัญญาณทางอ้อมแก่โมเดลเกี่ยวกับเพศ ชาติพันธุ์ หรือสถานะทางเศรษฐกิจและสังคม ตัวอย่างที่มีชื่อเสียง: เครื่องมือคัดกรองที่บริษัทเทคโนโลยีขนาดใหญ่ได้รับการฝึกอบรมเกี่ยวกับข้อมูลเรซูเม่ในอดีตโดยเน้นย้ำผู้สมัครที่เป็นผู้หญิงอย่างเป็นระบบ เนื่องจากข้อมูลดังกล่าวเน้นไปที่ผู้ชาย และเครื่องมือดังกล่าวก็ถูกยกเลิกไป บทเรียนมีความชัดเจน: AI ไม่เป็นกลาง คุณสร้างความเป็นกลางผ่านการออกแบบกระบวนการ
บทบาทและขีดจำกัดของ AI
ประโยคที่สำคัญที่สุดของหน่วยนี้คือ AI ไม่ได้กำจัด CV แต่เป็นการสรุป CV หากคุณตั้งค่า AI เป็น “ตัวปฏิเสธอัตโนมัติ” คุณจะต้องเผชิญกับความเสี่ยงทางกฎหมาย (การเรียกร้องการเลือกปฏิบัติ) และความเสี่ยงด้านชื่อเสียง ยิ่งกว่านั้น คุณยังสามารถทำให้ผู้สมัครที่ดีจริงๆ หายไปจากสายตาได้ การตั้งค่าที่ถูกต้องคือการใช้ AI เป็นตัวช่วยในการอ่านและจัดโครงสร้างที่รวดเร็ว
กระบวนการกำจัดอย่างปลอดภัยทีละขั้นตอน:
- กำหนดเกณฑ์ที่เกี่ยวข้องกับงานล่วงหน้า ก่อนที่จะเริ่มการคัดเลือก ให้จดเกณฑ์ 5-8 ข้อที่สำคัญ (ประสบการณ์ ทักษะเฉพาะ การรับรอง อุตสาหกรรม) และล็อคเกณฑ์เหล่านั้น
- ปกปิดบริเวณที่ไม่เกี่ยวข้อง ไม่รวมฟิลด์ต่างๆ เช่น ชื่อ รูปถ่าย อายุ สถานภาพการสมรส สถานที่เกิด ชื่อโรงเรียน จากการประเมิน
- ขอสรุปแบบมีโครงสร้าง พิมพ์รูปแบบเดียวกันทุกประการสำหรับ CV แต่ละรายการ
- ขอหลักฐานไม่ใช่การตัดสินใจ “ผู้สมัครรายนี้เหมาะสมหรือไม่” แทนที่จะเป็น "ผู้สมัครรายนี้มีคุณสมบัติตรงตามเกณฑ์หรือไม่ CV ยึดตามบรรทัดไหน" ปัญหา.
- มนุษย์ทำการตัดสินใจขั้นสุดท้ายและบันทึกมันไว้ AI สรุป/เปรียบเทียบ ไม่ใช่กำจัด ผู้คนเลือกและเขียนเหตุผลของตน
บทบาทของคุณ: นักวิเคราะห์การจัดหางานที่เป็นกลาง ประเมิน CV ต่อไปนี้ตามเกณฑ์ที่เกี่ยวข้องกับงานต่อไปนี้เท่านั้น พิจารณาชื่อ เพศ อายุ ภาพถ่าย สถานภาพการสมรส และศักดิ์ศรีของโรงเรียน เพียงแค่ดูที่ประสบการณ์และทักษะ เกณฑ์:1) ประสบการณ์การขายภาคสนาม 3 ปีขึ้นไป2) การใช้งาน CRM (เช่น Salesforce/HubSpot)3) ประสบการณ์การขาย B2B4) หลักฐานความสำเร็จตามเป้าหมายประจำปี (ตัวเลข ความชอบ)รูปแบบผลลัพธ์ (บรรทัดเดียวสำหรับแต่ละเกณฑ์):- เกณฑ์ | ตรงตาม (ใช่/บางส่วน/ไม่ใช่) | หลักฐานจาก CV (ข้อความที่ตัดตอนมา)Probe: ข้อมูลขาดหายไปและคำถาม 2 ข้อที่ต้องถามในการสัมภาษณ์<cv>[ข้อความ CV]</cv>
ข้อควรระวัง: สิ่งสำคัญคือต้องบอก AI ว่า "อย่าดูหมิ่นศักดิ์ศรีของโรงเรียน" โมเดลอาจได้เรียนรู้ทางลัดในการเลือกปฏิบัติ เช่น “มหาวิทยาลัยที่ดี = ผู้สมัครที่ดี”; นี่เป็นการเลือกปฏิบัติทางอ้อมต่อกลุ่มเศรษฐกิจสังคมต่างๆ
วิธีที่เป็นรูปธรรมในการลดอคติ
อคติไม่ใช่ความกังวลที่เป็นนามธรรม สามารถวัดและลดได้โดย:
- การกำจัดคนตาบอด ลบชื่อ รูปถ่าย วันเกิด และชื่อโรงเรียนออกจาก CV
- รายการเกณฑ์คงที่ เขียนเกณฑ์และล็อคไว้ก่อนเริ่มการกำจัด อย่าเปลี่ยนมันระหว่างกระบวนการ
- พรอมต์เดียวกันรูปแบบเดียวกัน ประเมิน CV ทั้งหมดด้วยคำแนะนำเดียวกันทุกประการ
- ภาระผูกพันในการพิพากษาเป็นพยานหลักฐาน ทุก "ใช่" จะต้องเป็นไปตามคำพูด สิ่งนี้เผยให้เห็นภาพหลอน
- การทดสอบตาบอดสองครั้ง ส่ง CV เดียวกันกับเวอร์ชัน "ชื่อหญิง" และเวอร์ชัน "ชื่อชาย" และตรวจสอบว่าเกรดมีการเปลี่ยนแปลงหรือไม่
- ตรวจสอบข้าม อ่าน CV อีกครั้งด้วยคะแนนสูงสุดและต่ำสุดด้วยสายตามนุษย์
ฉันจะให้ CV สองฉบับแก่คุณ: เนื้อหาเหมือนกันทุกประการ มีเพียงชื่อเท่านั้นที่แตกต่างกัน ประเมินทั้งสองตามเกณฑ์ข้างต้น จากนั้นเปรียบเทียบการประเมินทั้งสองรายการ หากมีความแตกต่างระหว่างกัน ให้อธิบายว่าความแตกต่างนี้เกิดจากข้อมูลอะไรเกี่ยวกับงาน หากพบข้อแตกต่างที่ไม่เกี่ยวข้องกับงานให้ทำเครื่องหมายให้ชัดเจน
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
ข้อความเตือนที่อ่อนแอ: อ่าน CV 40 เหล่านี้และเลือกผู้สมัคร 5 อันดับแรก
ผลลัพธ์: AI บอกว่า "ดีที่สุด" โดยไม่อธิบายว่าเหตุใดจึงเลือก ซึ่งอาจใช้สัญญาณที่ไม่เกี่ยวข้อง เช่น ชื่อ/โรงเรียน คุณไม่สามารถควบคุมการตัดสินใจได้
พร้อมท์ที่มีประสิทธิภาพ: ประเมิน CV เหล่านี้กับ [เกณฑ์ที่เกี่ยวข้องกับงาน 5-8 ข้อ] งดเว้นชื่อ/อายุ/เพศ/ชื่อโรงเรียน สำหรับแต่ละเกณฑ์ ให้ระบุใบเสนอราคาใช่/บางส่วน/ไม่ใช่ + หลักฐานจาก CV ของคุณ การตัดสินใจ เพียงแค่สร้างการเปรียบเทียบที่โปร่งใส
ผลลัพธ์: ผลลัพธ์ที่มองเห็น ตรวจสอบได้ และพร้อมสำหรับการตัดสินโดยมนุษย์ ว่าทำไมผู้สมัครแต่ละคนถึงอยู่จุดไหน
จ้าง AI ออกไป
อย่าปล่อยให้ AI ทำมัน
สรุปตามเกณฑ์ที่เกี่ยวข้องกับงาน
การตัดสินใจยอมรับ/ปฏิเสธโดยอัตโนมัติ
เปรียบเทียบในรูปแบบเดียวกัน
เรียงตามชื่อ/เพศ/อายุ
ทำเครื่องหมายข้อมูลที่ขาดหายไป
การตัดสินที่ประเมินค่าไม่ได้เช่น "ความพอดีทางวัฒนธรรม"
เสนอคำถามสัมภาษณ์
การทำนายบุคลิกภาพ/ตัวละคร
ดึงหลักฐาน (อ้างอิง)
ผมอนุมานได้จากภาพถ่ายครับ
เคล็ดลับ: สำหรับการเปรียบเทียบแบบรวมที่มีโครงสร้าง ให้ระบุรหัสที่ไม่ระบุชื่อแก่ผู้สมัคร เช่น "Candidate-1, Candidate-2" โต๊ะข้างกันนั้นทั้งเร็วและยุติธรรมกว่าการอ่านทีละโต๊ะ เพราะทุกคนถูกประเมินด้วยคอลัมน์เดียวกัน
มินิเคสสามอัน
กรณีที่ 1 — อคติชื่อที่ซ่อนอยู่ บริษัท หนึ่งสังเกตเห็นว่าผู้สมัคร 9 ใน 10 อันดับแรกเป็นผู้ชายเมื่อพวกเขาให้ CV ดิบของ AI (รวมถึงชื่อ) และให้พวกเขาจัดเรียง เมื่อมีการปกปิดชื่อและประเมินใหม่โดยพิจารณาจากประสบการณ์และทักษะเพียงอย่างเดียว รายชื่อนั้นก็สมดุลกัน และผู้สมัครหญิงที่ผ่านเข้ารอบ 3 คนก่อนหน้านี้ก็ติดอันดับ 10 อันดับแรก บริษัทได้เพิ่มสิ่งนี้ลงในขั้นตอนอย่างเป็นทางการเป็นข้อกำหนด "บังคับคัดออกโดยคัดออก"
กรณีที่ 2 — ประหยัดเวลา มีการป้องกันการควบคุม ศูนย์บริการทางโทรศัพท์สรุป 220 CV ตามเกณฑ์ที่เกี่ยวข้องกับงาน 4 ประการโดยใช้ AI ระยะเวลาการคัดเลือกเบื้องต้นลดลงจาก 3 วันเป็น 4 ชั่วโมง จุดสำคัญ: AI ไม่ได้กำจัดใครเลย เจ้าหน้าที่สรรหาได้ตรวจสอบผู้สมัคร 34 คนเป็นการส่วนตัว ซึ่ง AI บอกว่า "พบกันบางส่วน" และเชิญ 11 คนในนั้นมาสัมภาษณ์ การตัดสินใจยังคงอยู่กับบุคคล ระยะเวลาในการรับสมัครลดลง 35%
กรณีที่ 3 — ธรรมชาติที่ถูกสร้างขึ้น AI เขียน "การรับรอง PMP" ในบทสรุป CV ซึ่งผู้สมัครไม่มี (ภาพหลอน) เนื่องจาก Recruiter ขอใบเสนอราคาเป็นหลักฐาน AI จึงไม่สามารถอ้างอิงแหล่งที่มาได้และตรวจพบข้อผิดพลาดได้ กฎของ “ขอใบเสนอราคา CV สำหรับทุกการเรียกร้อง” เป็นแนวทางความปลอดภัยที่ง่ายที่สุดที่ทำให้มองเห็นการประดิษฐ์ดังกล่าวได้
ข้อผิดพลาดทั่วไป
- ให้เอไอตัดสินใจ การพูดว่า "เลือก 5 อันดับที่ดีที่สุด" เป็นการส่งต่อความรับผิดชอบให้กับเครื่องจักร AI สรุป มนุษย์เลือก
- ให้ CV ดิบตามที่เป็นอยู่ ชื่อ รูปถ่าย อายุ ชื่อโรงเรียนเป็นสัญญาณของอคติ หน้ากาก.
- ไม่ขอหลักฐาน.. หากคุณไม่ขอใบเสนอราคา AI จะระบุแหล่งที่มาและคุณจะไม่สังเกตเห็น
- เกณฑ์ที่คลุมเครือ เช่น "ความพอดีทางวัฒนธรรม" ซึ่งมักหมายถึง "เหมือนเรา" และทำให้การเลือกปฏิบัติถูกต้องตามกฎหมาย เก็บเกณฑ์ผูกมัดกับงานและสังเกตได้
- การเปลี่ยนแปลงเกณฑ์กลางกระบวนการ มันทำลายความยุติธรรม เกณฑ์ถูกล็อคตั้งแต่ต้น
- ลืม KVKK CV คือข้อมูลส่วนบุคคล มีความเสี่ยงที่จะส่งโดยไม่ปิดบังยานพาหนะที่ไม่มีการรับประกันจากสถาบัน (ดูหน่วย KVKK)
โดยสรุป
AI ให้ความเร็วที่ยอดเยี่ยมในการคัดกรอง CV แต่ก็สามารถเร่งอคติได้เช่นกัน การใช้งานอย่างปลอดภัยจะขึ้นอยู่กับกฎสามข้อ: (1) ประเมินตามเกณฑ์ที่เกี่ยวข้องกับงานเท่านั้น โดยปกปิดพื้นที่ที่ไม่เกี่ยวข้อง; (2) ขอสรุปและเปรียบเทียบกับหลักฐานไม่ใช่คำพิพากษา (3) ปล่อยให้มนุษย์ตัดสินใจและตัดสินใจกำจัดขั้นสุดท้ายเสมอ AI ทำให้การคัดเลือกเบื้องต้นง่ายขึ้น คุณต้องรับผิดชอบต่อความยุติธรรมและความถูกต้องตามกฎหมาย
งานสมัคร
รับ CV ตัวอย่าง 5-6 ตัวอย่าง (หรือที่ไม่เปิดเผยตัวตนจริง) (1) กำหนดและล็อคเกณฑ์ที่เกี่ยวข้องกับงาน 5-8 ข้อ (2) ปิดบังชื่อ/อายุ/รูปถ่าย/โรงเรียน และใช้พรอมต์การประเมินผลในลักษณะเดียวกันกับ CV แต่ละรายการ โดยขอใบเสนอราคาเป็นหลักฐาน (3) ลองทำการทดสอบแบบ double blind บน CV (เปลี่ยนชื่อเท่านั้น) (4) มีการสร้างตารางเปรียบเทียบแบบรวม (5) อ่าน CV อีกครั้งด้วยคะแนนสูงสุดและต่ำสุดด้วยสายตามนุษย์ (6) ตัดสินใจด้วยตัวเองว่าจะเชิญใครมาสัมภาษณ์และบันทึกเหตุผลของคุณ
รายการตรวจสอบ
- [ ] การประเมินทำเฉพาะตามเกณฑ์ที่เกี่ยวข้องกับงานและล็อคอินเท่านั้นใช่หรือไม่
- [ ] ชื่อ, อายุ, เพศ, ภาพถ่าย, ศักดิ์ศรีของโรงเรียนถูกสวมหน้ากาก/ยกเว้นหรือไม่?
- [ ] จำเป็นต้องมีใบเสนอราคาหลักฐาน CV สำหรับการเรียกร้องแต่ละครั้งหรือไม่?
- [ ] AI ถูกสร้างขึ้นมาเพื่อสรุป/เปรียบเทียบ ไม่ใช่การตัดสินใจใช่หรือไม่?
- [ ] End-note CVs ได้รับการตรวจสอบโดยมนุษย์หรือไม่?
- [ ] มนุษย์ได้ตัดสินใจกำจัดครั้งสุดท้ายและบันทึกเหตุผลไว้หรือไม่?
- [ ] ข้อมูลได้รับการประมวลผลอย่างปลอดภัยในแง่ของ KVKK หรือไม่