Применение машинного обучения к найму и продвижению сотрудников обещает устранить некоторые предубеждения, создаваемые современными методами, которые больше полагаются на человеческую интуицию. Какие предубеждения в процессе найма и продвижения кадров пытаются устранить системы HR-аналитики и как они это делают?
Когда человек вербует другого человека, неизбежно возникает несколько предубеждений. Человек, скорее всего, наймет человека, чья личность больше похожа на его собственную. Более того, если рекрутер больше относится к человеку во время собеседования, скорее всего, у него к нему личное предубеждение. Даже статистика подтверждает эту точку зрения; Было замечено, что более высокие и в целом более привлекательные люди на рабочем месте получают больше преимуществ, когда дело доходит до собеседований и продвижения по службе. Чтобы устранить такие предубеждения, вызванные ошибками в человеческом суждении и эмоциональными предубеждениями, компании переходят к более аналитическому подходу. Они постоянно создают действительно точные и сложные алгоритмы, чтобы заменить людей и помочь в более плавном и справедливом процессе найма.
Какие новые предубеждения могут внести эти алгоритмы?
Хотя эти алгоритмы являются лучшим способом определить, подходит ли человек для определенной работы, необходимо предпринимать осторожные действия. В самом алгоритме может возникнуть несколько смещений. Поскольку алгоритм следует логике, он может иметь предубеждение против целой группы людей, обладающих определенными аспектами и чертами. Некоторыми примерами этих черт может быть дискриминация по признаку расы, пола или семейного положения. Например, Evolv не учитывает, насколько далеко соискатель живет от рабочего места, поскольку информация может привести к систематической предвзятости.
Учитывая, что большинство из вас скоро будут проходить собеседование при приеме на работу, кажется ли вам справедливым такое применение машинного обучения к человеческим ресурсам? Какова ваша реакция?
На мой взгляд, машинное обучение человеческих ресурсов имеет свои плюсы и минусы. С одной стороны, это помогает устранить эмоциональные и личные предубеждения и, таким образом, ведет к более справедливому процессу найма, оценивая кандидата по его навыкам, а не по личным качествам. Однако в этом процессе легко найти лазейки. Кандидат может легко изучить процесс и логику, которым следует алгоритм, и подготовиться к собеседованию по мере необходимости. Это может вызвать аномалию, поскольку человек может быть не таким умелым, как его может оценить алгоритм. В целом, я считаю, что человеческие ресурсы должны сочетаться с машинным обучением для получения оптимальных результатов.
