Вештачката интелигенција може да помогне, но само ако се однесувате кон неа како кон електрична алатка, а не како кон магично стапче. Добро користена, го забрзува процесот на наоѓање на ресурси, ја зајакнува конзистентноста и го подобрува искуството на кандидатите. Лошо користена... тивко ги намалува конфузијата, пристрасноста и правниот ризик. Забавно.
Ајде да разгледаме како да се користи вештачката интелигенција при вработување на начин што е всушност корисен, пред сè, човекот е на прво место и може да се одбрани. (И не е морничав. Ве молам, не е морничав.)
Статии што можеби ќе ве интересираат по оваа:
🔗 Алатките за регрутирање со вештачка интелигенција го трансформираат модерното вработување
Како платформите со вештачка интелигенција ги забрзуваат и подобруваат одлуките за регрутирање.
🔗 Бесплатни алатки за вештачка интелигенција за тимови за регрутирање
Најдобри бесплатни решенија за поедноставување и автоматизирање на работните процеси при вработување.
🔗 Вештини за вештачка интелигенција кои импресионираат менаџери за вработување
Кои вештини за вештачка интелигенција всушност се истакнуваат во биографиите.
🔗 Дали треба да се откажете од проверката на биографиите за вештачка интелигенција
Предности, недостатоци и ризици од избегнување на автоматизирани системи за вработување.
Зошто вештачката интелигенција воопшто се појавува при вработувањето (и што навистина прави) 🔎
Повеќето алатки за „вработување со вештачка интелигенција“ се поделени во неколку категории:
-
Набавка : пронаоѓање кандидати, проширување на пребарувачките термини, поврзување на вештини со работните места
-
Скрининг : парсирање на биографии, рангирање на кандидати, означување на веројатни соодветни кандидати
-
Проценки : тестови за вештини, работни примероци, симулации на работа, понекогаш видео работни процеси
-
Поддршка за интервјуа : структурирани банки со прашања, сумирање на белешки, потсетници за картички со резултати
-
Опции : закажување, разговор со прашања и одговори за кандидатите, ажурирања на статусот, работен тек на понудата
Една проверка на реалноста: вештачката интелигенција ретко „одлучува“ во еден јасен момент. Таа влијае… поттурнува… филтрира… дава приоритет. Што е сепак голема работа бидејќи во пракса, алатката може да стане постапка за селекција дури и кога луѓето се „технички“ во тек. Во САД, Комисијата за економска и економска соработка (EEOC) беше експлицитна дека алгоритамските алатки за одлучување што се користат за донесување или информирање на одлуките за вработување можат да ги активираат истите стари прашања за различно/негативно влијание - и дека работодавците можат да останат одговорни дури и кога добавувачот ја изградил или ја користи алатката. [1]
Минимална одржлива „добра“ поставеност за вработување со помош на вештачка интелигенција ✅
Добрата поставеност за вработување со вештачка интелигенција има неколку непроменливи аспекти (да, тие се малку здодевни, но здодевноста е безбедна):
-
Влезни информации поврзани со работата : оценувајте ги сигналите поврзани со улогата, а не вибрациите
-
Објаснување што можете да го повторите на глас : ако кандидатот праша „зошто“, имате кохерентен одговор
-
Човечки надзор што е важен : не церемонијално кликнување - вистинско овластување за заобиколување
-
Валидација + мониторинг : резултати од тестови, следење на промените, водење евиденција
-
Дизајн прилагоден за кандидатите : јасни чекори, достапен процес, минимални глупости
-
Приватност по дизајн : минимизирање на податоци, правила за задржување, безбедност + контрола на пристап
Ако сакате цврст ментален модел, позајмете од NIST AI Risk Management Framework - во основа структуриран начин за управување, мапирање, мерење и управување со ризикот од вештачка интелигенција низ целиот животен циклус. Не е приказна за спиење, но е навистина корисна за да се направи ова да може да се ревидира. [4]
Каде вештачката интелигенција најдобро се вклопува во инката (и каде станува зачинета) 🌶️
Најдобри места за почеток (обично)
-
Изготвување описи на работното место + чистење ✍️
Генеративната вештачка интелигенција може да го намали жаргонот, да ги отстрани пренатрупаните листи со желби и да ја подобри јасноста (се додека го проверувате разумот). -
Копилоти на регрутери (резимеа, варијанти на досег, буловски низи)
Големи победи во продуктивноста, низок ризик при донесување одлуки ако луѓето останат на чело. -
Закажување + Најчесто поставувани прашања за кандидатите 📅
Автоматизацијата на кандидатите всушност се допаѓа, кога се прави учтиво.
Зони со повисок ризик (внимателно газете)
-
Автоматизирано рангирање и отфрлање
Колку е поодлучувачки резултатот, толку повеќе вашиот товар се префрла од „добра алатка“ на „докажување дека ова е поврзано со работата, следено и не е тивко исклучувачко за групите“. -
Видео анализа или „бихејвиорална инференција“ 🎥
Дури и кога се пласираат на пазарот како „објективни“, овие можат да се судрат со попреченост, потреби за пристапност и несигурна валидност. -
Сè што станува „исклучиво автоматизирано“ со значајни ефекти
Според GDPR на Обединетото Кралство, луѓето имаат право да не бидат предмет на одредени исклучиво автоматизирани одлуки со правни или слично значајни ефекти - и каде што се применува, потребни ви се и заштитни мерки како што е можноста да добиете човечка интервенција и да ја оспорите одлуката. (Исто така: ICO забележува дека ова упатство е во фаза на преглед поради промени во законодавството на Обединетото Кралство, затоа третирајте го ова како област што треба да се ажурира.) [3]
Брзи дефиниции (за сите да се расправаат за истото ) 🧠
Ако крадете само една навика на штребери: дефинирајте термини пред да купите алатки.
-
Алгоритамска алатка за донесување одлуки : општ термин за софтвер што ги оценува/оценува кандидатите или вработените, понекогаш користејќи вештачка интелигенција, за да донесе информирани одлуки.
-
Негативно влијание / различно влијание : „неутрален“ процес што непропорционално ги исклучува луѓето врз основа на заштитени карактеристики (дури и ако никој немал таква намера).
-
Поврзано со работата + во согласност со деловните потреби : граничната линија кон која се стремите ако алатката ги исклучува луѓето, а резултатите изгледаат нееднакво.
Овие концепти (и како да се размислува за стапките на селекција) се јасно наведени во техничката помош на EEOC за вештачка интелигенција и негативно влијание. [1]
Табела за споредба - вообичаени опции за вработување со вештачка интелигенција (и за кого се всушност наменети) 🧾
| Алатка | Публика | Цена | Зошто функционира |
|---|---|---|---|
| Додатоци за вештачка интелигенција во ATS пакетите (скрининг, споредување) | Тимови со голем обем | Врз основа на понуди | Централизиран работен тек + известување… но внимателно конфигурирајте го или ќе стане фабрика за отфрлање |
| Наоѓање таленти + повторно откривање на вештачка интелигенција | Организации со големи набавки | ££–£££ | Пронаоѓа соседни профили и „скриени“ кандидати - чудно корисно за нишни улоги |
| Таксономија на парсирање на резиме + вештини | Тимовите се дават во PDF-датотеки со биографии | Честопати во пакет | Го намалува рачното тријажирање; несовршено, но побрзо од гледање на сè со очи во 23 часот 😵 |
| Разговор со кандидати + автоматизација на закажување | На час, на кампус, со голем обем на работа | £–££ | Побрзо време на одговор и помалку непојавувања - се чувствува како пристоен рецепционер |
| Структурирани комплети за интервјуа + картички со резултати | Тимовите поправаат недоследности | £ | Ги прави интервјуата помалку случајни - тивка победа |
| Платформи за проценка (работни примероци, симулации) | Вработување со напредни вештини | ££ | Подобар сигнал од биографиите кога е релевантно за работата - сепак следете ги резултатите |
| Мониторинг на пристрасност + алатки за поддршка на ревизија | Регулирани / организации свесни за ризикот | £££ | Помага во следењето на стапките на селекција и нивното менување со текот на времето - во основа, сметките |
| Работни процеси за управување (одобренија, логови, инвентар на модели) | Поголеми тимови за човечки ресурси + правни | ££ | Го спречува „кој што одобрил“ подоцна да стане потрага по богатство |
Мала признание: цените на овој пазар се нестабилни. Продавачите ја сакаат енергијата „ајде да се јавиме“. Затоа, третирајте ја цената како „релативен напор + сложеност на договорот“, а не како уредна налепница... 🤷
Како да користите вештачка интелигенција при вработување чекор по чекор (воведување кое нема да ве касне подоцна) 🧩
Чекор 1: Изберете една болна точка, а не целиот универзум
Започнете со нешто како:
-
намалување на времето за скрининг за едно семејство
-
подобрување на снабдувањето со работни места што тешко се пополнуваат
-
стандардизирање на прашања за интервју и картички со резултати
Ако се обидете да го обновите вработувањето од почеток до крај со вештачка интелигенција уште од првиот ден, ќе завршите со процес на Франкенштајн. Технички, ќе функционира, но сите ќе го мразат. А потоа ќе го заобиколат, што е полошо.
Чекор 2: Дефинирајте го „успехот“ над брзината
Брзината е важна. Исто така, не е важно брзото вработување на погрешна личност 😬. Песна:
-
време-до-прв-одговор
-
време до потесен список
-
односот помеѓу интервјуто и понудата
-
стапка на отфрлање на кандидати
-
посредници за квалитет на вработување (време на зголемување на вработеноста, рани сигнали за перформанси, задржување)
-
разлики во стапката на селекција меѓу групите во секоја фаза
Ако мерите само брзина, ќе оптимизирате за „брзо одбивање“, што не е исто што и „добро вработување“.
Чекор 3: Заклучете ги вашите точки за човечка одлука (запишете ги)
Бидете болно експлицитни:
-
каде што вештачката интелигенција може да предложи
-
каде што луѓето мора да одлучат
-
каде што луѓето мора да ги разгледаат заобиколувањата (и да евидентираат зошто)
Практичен тест за мирис: ако стапките на заобиколување се во основа нула, вашиот „човек во јамката“ може да биде декоративна налепница.
Чекор 4: Прво извршете тест за сенка
Пред резултатите од вештачката интелигенција да влијаат на вистинските кандидати:
-
користете го во минатите циклуси на вработување
-
споредете ги препораките со реалните резултати
-
барајте шеми како „одлични кандидати систематски рангирани ниско“
Композитен пример (бидејќи ова се случува често): моделот „сака“ континуирано вработување и ги казнува празнините во кариерата… што тивко ги деградира лицата што се грижат за себе, луѓето што се враќаат од болест и луѓето со нелинеарни патеки. Никој не го кодирал „биди нефер“. Податоците го направија тоа наместо вас. Кул, кул, кул.
Чекор 5: Пилотирајте, а потоа полека проширете
Еден добар пилот вклучува:
-
обука за регрутери
-
сесии за калибрација на менаџери за вработување
-
пораки до кандидати (што е автоматизирано, што не)
-
патека за пријавување грешки за рабни случаи
-
дневник на промени (што се променило, кога, кој го одобрил)
Третирајте ги пилотите како лабораторија, а не како маркетиншко лансирање 🎛️.
Како да користите вештачка интелигенција при вработување без да ја нарушите приватноста 🛡️
Приватноста не е само законско штиклирање - тоа е доверба кај кандидатите. А довербата е веќе кревка при вработувањето, да бидеме искрени.
Практични потези за приватност:
-
Минимизирајте ги податоците : не ги закопчувајте сите податоци „за секој случај“
-
Бидете експлицитни : кажете им на кандидатите кога се користи автоматизација и какви податоци се вклучени.
-
Ограничување на задржувањето : дефинирајте колку долго податоците на апликантот остануваат во системот
-
Безбеден пристап : дозволи базирани на улоги, логови за ревизија, контроли од добавувачи
-
Ограничување на целта : користење на податоци од кандидатите за вработување, а не случајни идни експерименти
Доколку вработувате во Велика Британија, ICO беше многу директен во врска со тоа што организациите треба да прашаат пред да набават алатки за регрутирање со вештачка интелигенција - вклучително и рано спроведување на DPIA, одржување на фер/минимална обработка и јасно објаснување на кандидатите како се користат нивните информации. [2]
Исто така, не заборавајте ја пристапноста: ако чекор управуван од вештачка интелигенција ги блокира кандидатите на кои им е потребно прилагодување, вие сте создале бариера. Не е добро етички, не е добро законски, не е добро за брендот на вашиот работодавач. Тројно не е добро.
Пристрасност, праведност и негламурозната работа на мониторингот 📉🙂
Ова е местото каде што повеќето тимови не инвестираат доволно. Тие ја купуваат алатката, ја вклучуваат и претпоставуваат дека „добавувачот се справил со пристрасноста“. Тоа е утешна приказна. Исто така, честопати е и ризична.
Една практична рутина за праведност изгледа вака:
-
Валидација пред распоредување : што мери и дали е поврзана со работата?
-
Мониторинг на негативното влијание : следење на стапките на селекција во секоја фаза (аплицирај → преглед → интервју → понуда)
-
Анализа на грешки : каде се групираат лажно негативните резултати?
-
Проверки за пристапност : дали сместувањето е брзо и почитувачко?
-
Проверки на промените : потребите за улоги се менуваат, пазарите на трудот се менуваат, моделите се менуваат… и вашето следење треба да се промени.
И ако работите во јурисдикции со дополнителни правила: не ја задолжувајте усогласеноста подоцна. На пример, Локалниот закон 144 на Њујорк ја ограничува употребата на одредени алатки за автоматизирано донесување одлуки за вработување, освен ако нема неодамнешна ревизија на пристрасност, јавни информации за таа ревизија и потребни известувања - а спроведувањето започнува во 2023 година. [5]
Прашања за длабинска анализа на добавувачот (украдете ги овие) 📝
Кога продавачот вели „верувајте ни“, преведете го како „покажете ни“.
Прашај:
-
Кои податоци го обучуваат ова и кои податоци се користат во времето на донесување одлуки?
-
Кои карактеристики го движат резултатот? Можете ли да го објасните како човек?
-
Какво тестирање на пристрасност спроведувате - кои групи, кои метрики?
-
Можеме ли сами да извршиме ревизија на резултатите? Какви извештаи добиваме?
-
Како кандидатите добиваат човечки преглед - работен тек + временска рамка?
-
Како се справувате со прилагодувањата? Дали има познати начини на дефект?
-
Безбедност + задржување: каде се чуваат податоците, колку долго, кој може да пристапи до нив?
-
Контрола на промените: дали ги известувате клиентите кога моделите се ажурираат или се менуваат бодовите?
Исто така: ако алатката може да ги исклучи луѓето, третирајте ја како постапка за селекција - и дејствувајте соодветно. Упатството на EEOC е прилично директно дека одговорноста на работодавачот не исчезнува магично затоа што „добавувач го направил тоа“. [1]
Генеративна вештачка интелигенција при вработување - безбедна, разумна употреба (и листата на „не“) 🧠✨
Безбедно и многу корисно
-
препишете ги огласите за работа за да ги отстраните непотребните информации и да ја подобрите јасноста
-
нацрт-пораки за информирање со шаблони за персонализација (одржете го човечкиот стил, ве молам 🙏)
-
сумирајте ги белешките од интервјуата и мапирајте ги според компетенциите
-
креирајте структурирани прашања за интервју поврзани со улогата
-
комуникација со кандидати за временски рамки, често поставувани прашања, упатства за подготовка
Листата на не (или барем „забави и преиспитај“)
-
користење на транскрипт од четбот како скриен психолошки тест
-
дозволувајќи им на вештачката интелигенција да одлучи „соодветност на културата“ (таа фраза треба да активира аларми)
-
собирање податоци од социјалните медиуми без јасно оправдување и согласност
-
автоматско отфрлање на кандидати врз основа на непроѕирни резултати без патека за преглед
-
ги тераат кандидатите да скокаат низ вештина што не ги предвидува перформансите на работата
Накратко: генерирајте содржина и структура, да. Автоматизирајте ја конечната пресуда, бидете внимателни.
Заклучоци - Предолго е, не го прочитав 🧠✅
Ако не се сеќавате на ништо друго:
-
Започнете со мали чекори, прво пилотирајте, мерете ги резултатите. 📌
-
Користете ја вештачката интелигенција за да им помогнете на луѓето, а не да ја избришете одговорноста.
-
Документирајте ги точките за донесување одлуки, потврдете ја релевантноста на работата и следете ја праведноста.
-
Третирајте ги сериозно ограничувањата за приватност и автоматизирани одлуки (особено во Велика Британија).
-
Побарајте транспарентност од добавувачите и водете сопствена ревизорска трага.
-
Најдобриот процес на вработување со вештачка интелигенција се чини поструктуриран и похуман, а не постуден.
Така се користи вештачката интелигенција при вработување без да се заврши со брз, самоуверен систем кој самоуверено погреши.
Референци
[1] EEOC -
Одредени прашања: Проценка на негативното влијание кај софтверот, алгоритмите и вештачката интелигенција што се користат во процедурите за селекција за вработување според Наслов VII (Техничка помош, 18 мај 2023 година) [2] ICO -
Размислувате за користење на вештачка интелигенција за помош при регрутирање? Наши клучни размислувања за заштита на податоците (6 ноември 2024 година) [3] ICO -
Што вели GDPR на Велика Британија за автоматизирано донесување одлуки и профилирање? [4] NIST -
Рамка за управување со ризици од вештачка интелигенција (AI RMF 1.0) (јануари 2023 година) [5] Оддел за заштита на потрошувачите и работниците на Њујорк - Алатки за автоматизирано донесување одлуки за вработување (AEDT) / Локален закон 144