Вештачка интелигенција може помоћи, али само ако се према њој понашате као према електричном алату, а не као према чаробном штапићу. Када се добро користи, убрзава проналажење кадрова, повећава доследност и побољшава искуство кандидата. Када се лоше користи... тихо повећава забуну, пристрасност и правни ризик. Забавно.
Хајде да прођемо кроз то како да користимо вештачку интелигенцију у запошљавању на начин који је заиста користан, првенствено усмерен ка људима и одбрањив. (И не језив. Молим вас, не језиво.)
Чланци које бисте можда желели да прочитате након овог:
🔗 Алати за регрутовање са вештачком интелигенцијом који трансформишу модерно запошљавање
Како платформе вештачке интелигенције убрзавају и побољшавају одлуке о регрутовању.
🔗 Бесплатни вештачки алати за тимове за регрутацију
Најбоља бесплатна решења за поједностављивање и аутоматизацију радних процеса запошљавања.
🔗 Вештине вештачке интелигенције које импресионирају менаџере за запошљавање
Које вештине вештачке интелигенције се заправо истичу у биографијама.
🔗 Да ли треба да се искључите из провере животописа у вези са вештачком интелигенцијом?
Предности, мане и ризици избегавања аутоматизованих система запошљавања.
Зашто се вештачка интелигенција уопште појављује приликом запошљавања (и шта заправо ради) 🔎
Већина алата за „запошљавање помоћу вештачке интелигенције“ спада у неколико категорија:
-
Проналажење кандидата : проналажење кандидата, проширивање појмова за претрагу, упаривање вештина са позицијама
-
Провера : анализа биографија, рангирање кандидата, означавање вероватних погодности
-
Процене : тестови вештина, примери рада, симулације посла, понекад видео токови рада
-
Подршка за интервју : структурирана питања, резимирање белешки, подстицаји за резултате
-
Операције : заказивање, ћаскање са питањима и одговорима кандидата, ажурирања статуса, ток рада са понудом
Једна провера реалности: вештачка интелигенција ретко „одлучује“ у једном тренутку. Она утиче... подстиче... филтрира... одређује приоритете. Што је и даље велика ствар јер у пракси, алат може постати поступак селекције чак и када су људи „технички“ укључени. У САД, Комисија за једнаке могућности запошљавања (EEOC) је експлицитно навела да алгоритамски алати за одлучивање који се користе за доношење или информисање одлука о запошљавању могу покренути иста стара питања о различитим/неповољним утицајима – и да послодавци могу остати одговорни чак и када је добављач направио или користи алат. [1]
Минимално одрживо „добро“ подешавање запошљавања уз помоћ вештачке интелигенције ✅
Добра поставка за запошљавање са вештачком интелигенцијом има неколико ствари о којима се не може преговарати (да, помало су досадне, али досадно је сигурно):
-
Уноси везани за посао : процените сигнале везане за улогу, а не вибрације
-
Објашњивост коју можете поновити наглас : ако кандидат пита „зашто“, имате кохерентан одговор
-
Људски надзор је важан : не церемонијално кликтање - стварни ауторитет за поништавање
-
Валидација + праћење : резултати тестирања, праћење одступања, вођење евиденције
-
Дизајн прилагођен кандидатима : јасни кораци, приступачан процес, минималне глупости
-
Приватност по дизајну : минимизирање података, правила задржавања, безбедност + контроле приступа
Ако желите чврст ментални модел, позајмите га из NIST-овог оквира за управљање ризицима вештачке интелигенције - у основи структуриран начин за управљање, мапирање, мерење и управљање ризицима вештачке интелигенције током животног циклуса. Није прича за лаку ноћ, али је заиста корисно за прављење ревизије ових ствари. [4]
Где се вештачка интелигенција најбоље уклапа у левак (и где постаје зачињено) 🌶️
Најбоља места за почетак (обично)
-
Израда описа посла + сређивање ✍️
Генеративна вештачка интелигенција може смањити жаргон, уклонити преоптерећене листе жеља и побољшати јасноћу (све док проверавате да ли је све у реду). -
Копилоти регрутера (резимеи, варијанте за информисање, булове стрингове)
Велике добитке у продуктивности, низак ризик одлука ако људи остану задужени. -
Заказивање + честа питања кандидата 📅
Кандидати воле аутоматизацију када се то уради љубазно.
Зоне већег ризика (пажљиво ходајте)
-
Аутоматизовано рангирање и одбијање
Што је резултат одлучујући, то се ваш терет више помера са „лепог алата“ на „доказивање да је ово везано за посао, да је надгледано и да не искључује групе тихо“. -
Видео анализа или „бихејвиорална инференција“ 🎥
Чак и када се рекламирају као „објективне“, оне могу бити у сукобу са инвалидитетом, потребама за приступачношћу и несигурном валидношћу. -
Све што постаје „искључиво аутоматизовано“ са значајним последицама
Према Општој уредби о заштити података у Великој Британији, људи имају право да не буду предмет одређених искључиво аутоматизованих одлука са правним или сличним значајним последицама - а тамо где се то примењује, потребне су вам и заштитне мере попут могућности добијања људске интервенције и оспоравања одлуке. (Такође: ICO напомиње да се ове смернице преиспитују због промена у британском закону, па ово третирајте као област коју треба пратити.) [3]
Брзе дефиниције (да сви расправљају о истој ствари) 🧠
Ако украдете само једну штреберску навику: дефинишите појмове пре него што купите алате.
-
Алат за алгоритамско доношење одлука : кровни термин за софтвер који процењује/оцењује кандидате или запослене, понекад користећи вештачку интелигенцију, како би доносио информисане одлуке.
-
Неповољан утицај / диспаратан утицај : „неутралан“ процес који несразмерно искључује људе на основу заштићених карактеристика (чак и ако то нико није намеравао).
-
Везано за посао + у складу са пословним потребама : летвица којој тежите ако алат елиминише људе и резултати изгледају неуједначено.
Ови концепти (и како размишљати о стопама селекције) су јасно наведени у техничкој помоћи EEOC-а о вештачкој интелигенцији и негативном утицају. [1]
Табела за поређење - уобичајене опције запошљавања вештачке интелигенције (и за кога су заправо намењене) 🧾
| Алат | Публика | Цена | Зашто то функционише |
|---|---|---|---|
| Додаци за вештачку интелигенцију у ATS пакетима (скрининг, упаривање) | Тимови са великим обимом посла | Засновано на цитатима | Централизовани ток рада + извештавање… али пажљиво конфигуришите или постаје фабрика одбацивања |
| Проналажење талената + вештачка интелигенција за поновно откривање | Организације које се фокусирају на снабдевање | ££–£££ | Проналази суседне профиле и „скривене“ кандидате - чудно корисно за нишне улоге |
| Рашчлањивање животописа + таксономија вештина | Тимови се даве у PDF-овима животописа | Често у пакету | Смањује ручну тријажу; несавршено, али брже него сагледавање свега на око у 23:00 😵 |
| Ћаскање са кандидатима + аутоматизација заказивања | Сваког сата, кампус, велики обим посла | £–££ | Брже време одзива и мање недолазака - делује као пристојан портир |
| Комплети за структуриране интервјуе + картице са резултатима | Тимови исправљају недоследност | £ | Чини интервјуе мање случајним - тиха победа |
| Платформе за процену (примери рада, симулације) | Запошљавање усмерено на вештине | ££ | Бољи сигнал од CV-ја када је релевантно за посао - и даље пратите резултате |
| Праћење пристрасности + алати за подршку ревизији | Регулисане / организације свесне ризика | £££ | Помаже у праћењу стопа избора и њиховог померања током времена - у основи рачуни |
| Управљачки токови рада (одобрења, евиденције, инвентар модела) | Већи тимови за људске ресурсе и правни тимови | ££ | Спречава да питање „ко је шта одобрио“ касније постане потрага за благом |
Признање за малим столом: цене на овом тржишту су клизаве. Продавци воле енергију „хајде да се јавимо“. Зато третирајте трошкове као „релативни напор + сложеност уговора“, а не као лепу налепницу... 🤷
Како користити вештачку интелигенцију у запошљавању корак по корак (примена која вас касније неће угристи) 🧩
Корак 1: Изаберите једну болну тачку, а не цео универзум
Почните са нечим попут:
-
смањење времена провере за једну породицу улога
-
побољшање снабдевања за тешко попуњива радна места
-
стандардизација питања за интервју и картица резултата
Ако покушате да потпуно реконструишете запошљавање помоћу вештачке интелигенције од првог дана, завршићете са Франкенштајновим процесом. Технички ће функционисати, али ће га сви мрзети. А онда ће га заобићи, што је још горе.
Корак 2: Дефинишите „успех“ изван брзине
Брзина је битна. Такође је битно и не запошљавати погрешну особу брзо 😬. Пратите:
-
време до првог одговора
-
време до ужег избора
-
однос интервјуа и понуда
-
стопа одустајања кандидата
-
индикатори квалитета запошљавања (време увођења у посао, рани сигнали учинка, задржавање)
-
разлике у стопи селекције између група у свакој фази
Ако мерите само брзину, оптимизоваћете за „брзо одбијање“, што није исто што и „добро запошљавање“.
Корак 3: Забележите своје људске тачке одлучивања (запишите их)
Будите болно експлицитни:
-
где вештачка интелигенција може да предложи
-
где људи морају да одлуче
-
где људи морају да прегледају замене (и забележе зашто)
Практични тест мириса: ако су стопе превазилажења практично нула, ваш „човек у петљи“ може бити декоративна налепница.
Корак 4: Прво покрените тест сенке
Пре него што резултати вештачке интелигенције утичу на стварне кандидате:
-
покрените то на прошлим циклусима запошљавања
-
упоредите препоруке са стварним резултатима
-
потражите обрасце попут „одлични кандидати систематски ниско рангирани“
Сложени пример (јер се ово често дешава): модел „воли“ континуирано запослење и кажњава прекиде у каријери... што тихо деградира неговатеље, људе који се враћају са болести и људе са нелинеарним путевима. Нико није кодирао „буди неправедан“. Подаци су то урадили уместо вас. Супер, супер, супер.
Корак 5: Пилотирање, а затим полако проширивање
Добар пилот укључује:
-
обука регрутера
-
сесије калибрације менаџера за запошљавање
-
слање порука кандидатима (шта је аутоматизовано, шта није)
-
путања за пријављивање грешака за граничне случајеве
-
дневник промена (шта се променило, када, ко је одобрио)
Третирајте пилот пројекте као лабораторију, а не као маркетиншко лансирање 🎛️.
Како користити вештачку интелигенцију при запошљавању без угрожавања приватности 🛡️
Приватност није само правно штиклирање кућица - то је поверење кандидата. А поверење је већ крхко приликом запошљавања, будимо искрени.
Практични потези за приватност:
-
Минимизирајте потрошњу података : не усисавајте све „за сваки случај“
-
Будите експлицитни : реците кандидатима када се користи аутоматизација и који подаци су укључени
-
Ограничите задржавање : дефинишите колико дуго подаци подносиоца захтева остају у систему
-
Безбедан приступ : дозволе засноване на улогама, евиденције ревизије, контроле добављача
-
Ограничење сврхе : користити податке кандидата за запошљавање, а не случајне будуће експерименте
Ако запошљавате у Великој Британији, ICO је био веома директан у вези са тим шта организације треба да питају пре него што набаве алате за регрутовање помоћу вештачке интелигенције - укључујући рано спровођење DPIA, одржавање фер/минималне обраде и јасно објашњавање кандидатима како се њихови подаци користе. [2]
Такође, не заборавите приступачност: ако корак вођен вештачком интелигенцијом блокира кандидате којима је потребан смештај, створили сте баријеру. Није добро етички, није добро правно, није добро за бренд вашег послодавца. Троструко није добро.
Пристрасност, правичност и негламурозан посао праћења 📉🙂
Овде већина тимова недовољно улаже. Купују алат, укључују га и претпостављају да је „продавац управљао пристрасношћу“. То је утешна прича. Такође је често и ризична.
Функционалну рутину праведности изгледа овако:
-
Валидација пре распоређивања : шта мери и да ли је повезана са послом?
-
Праћење негативних утицаја : праћење стопа селекције у свакој фази (пријава → провера → интервју → понуда)
-
Анализа грешака : где се групишу лажно негативни резултати?
-
Провере приступачности : да ли су смештаји брзи и поштују услове?
-
Провере дрифта : потребе за улогама се мењају, тржишта рада се мењају, модели се мењају... и ваше праћење би требало да се промени
А ако послујете у јурисдикцијама са додатним правилима: немојте касније одуговлачити са усклађивањем. На пример, локални закон 144 у Њујорку ограничава употребу одређених аутоматизованих алата за одлучивање о запошљавању, осим ако није спроведена недавна ревизија пристрасности, јавно доступне информације о тој ревизији и потребна обавештења - а спровођење почиње 2023. године. [5]
Питања о дужној пажњи добављача (украдите их) 📝
Када продавац каже „верујте нам“, преведите то као „покажите нам“.
Питајте:
-
Који подаци су ово обучавали, а који подаци се користе у тренутку доношења одлуке?
-
Које карактеристике покрећу резултат? Можете ли то објаснити као човек?
-
Које тестове пристрасности спроводите - које групе, које метрике?
-
Можемо ли сами да ревидирамо исходе? Какве извештаје добијамо?
-
Како кандидати добијају људски преглед - ток рада + временски оквир?
-
Како се носите са смештајем? Да ли су познати начини кварова?
-
Безбедност + задржавање: где се подаци чувају, колико дуго, ко може да им приступи?
-
Контрола промена: да ли обавештавате купце када се модели ажурирају или када се промене бодују?
Такође: ако алат може да елиминише људе, третирајте га као поступак селекције - и поступајте у складу са тим. Смернице Комисије за једнаке могућности запошљавања (EEOC) су прилично директне да одговорност послодавца не нестаје магично зато што је „то урадио продавац“. [1]
Генеративна вештачка интелигенција у запошљавању - безбедне, разумне употребе (и листа непотребних) 🧠✨
Безбедно и веома корисно
-
препишите огласе за посао како бисте уклонили непотребне ствари и побољшали јасноћу
-
пишите нацрте порука за информисање са шаблонима за персонализацију (молим вас, држите се људског начина 🙏)
-
резимирајте белешке са интервјуа и усмерите их на компетенције
-
креирајте структурирана питања за интервју повезана са улогом
-
комуникација са кандидатима за временске рокове, честа питања и смернице за припрему
Листа „не“ (или барем „успорите и преиспитајте се“)
-
коришћење транскрипта четбота као скривеног психолошког теста
-
дозволити вештачкој интелигенцији да одлучи о „културном уклапању“ (та фраза би требало да покрене аларме)
-
прикупљање података са друштвених мрежа без јасног образложења и сагласности
-
аутоматско одбијање кандидата на основу непрозирних резултата без начина прегледа
-
терање кандидата да прескачу вештачке препреке које не предвиђају радни учинак
Укратко: генеришите садржај и структуру, да. Аутоматизујте коначну процену, будите опрезни.
Завршне напомене - Предугачко, нисам прочитао/ла 🧠✅
Ако се не сећате ничег другог:
-
Почните полако, прво испробајте пробни пројекат, мерите резултате. 📌
-
Користите вештачку интелигенцију да бисте помогли људима, а не да бисте избрисали одговорност.
-
Документујте тачке одлучивања, потврдите релевантност посла и пратите праведност.
-
Озбиљно схватите ограничења приватности и аутоматизованог одлучивања (посебно у Великој Британији).
-
Захтевајте транспарентност од добављача и водите сопствену ревизорску евиденцију.
-
Најбољи процес запошљавања са вештачком интелигенцијом делује структурираније и хуманије, а не хладније.
Тако се користи вештачка интелигенција у запошљавању, а да се не добије брз, поуздан систем који је самоуверено погрешан.
Референце
[1] EEOC -
Одабрана питања: Процена негативног утицаја софтвера, алгоритама и вештачке интелигенције који се користе у поступцима селекције за запошљавање у складу са Насловом VII (Техничка помоћ, 18. мај 2023.) [2] ICO -
Размишљате о коришћењу вештачке интелигенције за помоћ у запошљавању? Наша кључна разматрања заштите података (6. новембар 2024.) [3] ICO -
Шта GDPR у Великој Британији каже о аутоматизованом доношењу одлука и профилисању? [4] NIST -
Оквир за управљање ризицима вештачке интелигенције (AI RMF 1.0) (јануар 2023.) [5] Одељење за заштиту потрошача и радника Њујорка - Аутоматизовани алати за одлучивање о запошљавању (AEDT) / Локални закон 144