Если вы еще не слышали, ИИ может иметь предвзятость — если вы сделаете его предвзятым. Под этим мы подразумеваем, что алгоритмы ИИ должны быть беспристрастными. но если они созданы людьми с бессознательными предубеждениями, у них есть потенциал внедрить их в свои программы (даже если это не было преднамеренным).

Поскольку ИИ, машинное обучение и прогнозная аналитика проникают во все аспекты рекрутинговой сцены, организации и рекрутинговые команды должны знать, что они закладывают в свои алгоритмы. Автоматизация является ключом к большому успеху в подборе персонала и поиске поставщиков. Но что происходит, когда руководители организации не обращают внимания на то, что входит в их программы? Как мы можем применить более совершенные алгоритмы, чтобы воспользоваться преимуществами столь легко доступной технологии, не добавляя при этом предвзятости?

ИИ, прогнозная аналитика и машинное обучение. Чего ждать?

Прежде чем мы перейдем к тому, как выглядит предвзятость при наборе персонала в ИИ и как ее можно предотвратить, давайте прямо проясним различные отрасли технологий ИИ и то, как они используются при наборе персонала. ИИ, прогнозная аналитика и машинное обучение часто взаимозаменяемы в рекрутинговом сообществе. Поскольку определения различны, мы должны использовать эти инструменты по-разному при наборе персонала.

Машинное обучение и ИИ

В Digitalist Magazine говорится, что машинное обучение, вкратце, использует приложения ИИ для вычислительного обучения, в то время как прогнозная аналитика — это процедура, которая сжимает большие объемы данных в информацию, которую люди могут понять и использовать.

Они больше основаны на алгоритмах. Они могут предсказать, что лучше для вашего клиента или компании, на основе назначенного ему алгоритма. Они долгое время считались одним из наименее предвзятых способов найма, потому что алгоритм делает большую часть выбора. «Поскольку машинное обучение и ИИ используют распознавание образов и самообучение, они считаются расширением прогнозной аналитики, но используются более сложным и модернизированным способом.

Предиктивная аналитика

Описательная аналитика появилась раньше прогнозной и использовала средние значения и подсчеты для получения необходимых данных. По мере своего развития и превращения в инструмент прогнозирования он начал использовать прошлые события и историю, чтобы предсказывать, что может произойти в будущем. Предиктивная аналитика теперь использует три компонента для достижения результатов:

  • Данные
  • Статистическое моделирование
  • Предположения

Прогнозная аналитика по-прежнему полагается на человеческое взаимодействие, чтобы выполнить свою работу. Используя данные о причинах и изменениях, этот инструмент может получить конечный результат после того, как человек проверит связи между ними.

Как они связаны

Важно знать разницу и уметь использовать каждый инструмент между прогностической аналитикой и машинным обучением и искусственным интеллектом. Но не менее важно знать, как они связаны. Оба имеют очень похожие конечные цели и процессы, потому что машинное обучение является ответвлением прогнозной аналитики. Они оба также используют данные для достижения прогнозируемого результата или кандидата, который лучше всего подходит для клиента или организации. Знание различий и сходств между ними — лучший способ заставить технологию работать на вас.

Как мы применяем эти технологии в нашем процессе найма?

Алгоритмы. Алгоритмы — это ключ к тому, чтобы машинное обучение работало в вашей организации и для ваших клиентов. Они понимают, что вы ищете в кандидатах, делают прогнозы об удовлетворенности кандидата и стремятся совершенствоваться для будущих проектов. Хотя они широко используются, алгоритмы машинного обучения и ИИ работают не для каждого сценария и не для каждой позиции, на которую вы хотите нанять.

Алгоритмы сложнее внедрить в роли с более низким глобальным числом занятых. Это связано с тем, что данных не так много, что, в свою очередь, затрудняет обучение. Именно здесь предиктивная аналитика показывает свою ценность.

Поскольку предиктивная аналитика использует взаимодействие с человеком, чтобы следить за ходом событий, ее можно использовать в большем количестве ситуаций. Прогнозную аналитику можно использовать для определения вовлеченности и понимания того, какие кандидаты окажут влияние на будущее компании. Это все благодаря причине и изменению аспекта прогнозной аналитики.

Использование технологий без предвзятости

Это нелегкий подвиг. Хотя машинное обучение и ИИ в значительной степени управляются компьютером, людям все же приходится создавать алгоритмы, которые используются в этом процессе. Многие работодатели думают, что если они избавятся от человеческого фактора при приеме на работу, они избавятся и от предвзятости, которая с ним связана. Но чтобы убедиться, что вы не включаете бессознательную предвзятость, вам нужно проверить и перепроверить, что созданный алгоритм не «отфильтровывает людей на основе таких характеристик, как:

  • «Мужская формулировка против женской» в резюме
  • Какой вуз закончил кандидат
  • Откуда кандидат
  • Имя, которое кандидат указывает в своем резюме

Как только они будут устранены из алгоритма, вам все равно придется иметь дело с битвой за найм кандидата, который, по мнению программы, хорошо подходит для этой должности. Это немного проще с машинным обучением и искусственным интеллектом, потому что это менее практично с точки зрения человека. При использовании прогнозной аналитики нужно быть осторожным, чтобы не увести программу от кандидата, который может быть идеальным для работы с точки зрения технологии, но далеко не идеальным с точки зрения человека.

Технологии рекрутинга предвзяты настолько, насколько их делают люди. Конечно, избавиться от бессознательного предубеждения, которое есть у некоторых людей, непросто. Но может быть еще сложнее написать алгоритм, который обучается в процессе. Как только мы отделимся от того, что считаем правильным, и позволим говорить о технологиях, мы сможем увидеть положительное влияние, которое они оказывают на кандидатов и будущую корпоративную культуру.

Эта статья изначально была опубликована в Блоге IQTalent Partners.