AI v přijímacím řízení. Co kdyby byl váš recruiter algoritmus?

Podobně jako u jiných případů se způsob digitálního náboru rozšiřuje, a to i navzdory tomu, že je hledání nových zaměstnanců z velké části spojené s emocionálním přístupem lidí spíše než pragmatickým přístupem robotů. Řada společností se ale dnes snaží vyřešit nábor zaměstnanců pomocí efektivních technologických řešení. Nechává si pomoci s nalezením odpovídajícího člověka či zúžením výběru na základě životopisů.

Personální oddělení napříč společnostmi tato řešení skutečně zaujala, jelikož nepromyšlené najímání zaměstnanců může být nákladné. Třeba ve Spojených státech činily v roce 2019 průměrné náklady na nábor jednoho zaměstnance 4 129 dolarů (93 778 korun) a v roce 2023 ještě vzrostly o 14 % na 4 700 dolarů (106 746 korun). S náborem zaměstnance nebo externisty se vážou přímé a nepřímé náklady. Mezi ty nepřímé patří například čas personalistů a všech ostatních lidí, kteří se výběrového řízení účastní (manažer pozice, majitel firmy a další). Do přímých nákladů pak spadají například pracovní inzeráty a náborová kampaň na sociálních sítích.

Není proto divu, že firmy hledají technologie, které jim tyto náklady pomůžou optimalizovat stejně jako celý náborový proces.

Jak to funguje?

Slovník Merriam-Webster definuje algoritmus jako metodu, pomocí které lze vyřešit matematickou úlohu díky konečnému počtu kroků často zahrnujících opakování některých operací. Jinými slovy si musíme představit malého virtuálního robota, který dokáže neskutečně rychle aplikovat pravidla naprogramovaná jedním člověkem, aby vyřešil úkol, který by druhému člověku trval mnohem déle.

Potom k definici přidáme aspekt „strojového učení“ a pak obecněji i aspekt umělé inteligence. Od této chvíle náš malý robot umí čerpat ze svých zkušeností, a vytváří tak stále nová pravidla, díky kterým je ještě rychlejší a výkonnější. Je to podobný proces jako u lidí, akorát mnohem efektivnější. My se zaměříme na modely prognostické analýzy využívané při náboru zaměstnanců. Funkce algoritmů je předpovídat budoucí výkon zaměstnanců v nových společnostech. Budeme také rozlišovat mezi algoritmy pro zajišťování, filtrování a přiřazování lidských zdrojů.

Zajišťovací algoritmy

Jsou konfigurovány tak, aby prohledávaly web a našly ideální kandidáty na danou práci. Fungují stejně jako seznamky: Společnost dodá dovednosti, které od lidí očekává, a software pak použije algoritmus k analýze tisíců online životopisů přes LinkedIn nebo jiné veřejné databáze. Vyčlení tak ty nejkompatibilnější kandidáty, kteří jsou doporučení personálnímu oddělení. Pak už jen stačí, aby personalisté kontaktovali osoby na daném seznamu. Trh se začíná plnit různými možnými řešeními jako např. Yatedo Talent, který o sobě tvrdí, že je „jako Google pro nábor zaměstnanců.“

Filtrovací algoritmy

Jakmile se nashromáždí maximální počet životopisů (ať už pomocí algoritmu nebo ze strany personálního oddělení), přichází na scénu filtrovací algoritmus. Jak již jeho název naznačuje, slouží jako počáteční filtr neboli „síto“. Pomocí přiřazovací hypotézy profiltruje kandidáty a osobě pověřené náborem zaměstnanců pak posílá už jen ty nejkvalifikovanější. V tomto případě algoritmus nejen analyzuje informace z životopisů, ale také dešifruje použitou sémantiku. Vytáhne si z životopisu způsob vyjadřování, jako např. užité fráze a slova, čímž docílí podrobnější analýzy kandidátů.

AssessFirst je společnost nabízející prognostické řešení pro nábory zaměstnanců, která posunula tento model ještě dál: Na základě tří kritérií chování může systém umělé inteligence určit úroveň kompatibility kandidátů a jejich budoucích nadřízených.

Přiřazovací algoritmy

Zajišťovací a filtrovací algoritmy byly vytvořeny za účelem usnadnění náborových služeb, zatímco přiřazovací platformy, jako např. ZipRecruiter, fungují jako vyhledávače pro ty, kteří práci hledají. Kandidáti zašlou své životopisy, které jsou pak podrobně zkoumány pomocí prognostické analýzy. Ta má za úkol najít práci, která by nejvíce odpovídala dovednostem uvedeným v životopisu.

ZipRecruiter kandidátům navrhne volné pracovní pozice prostřednictvím algoritmu a ti si pak mohou vybrat z řady různých společností. Firmy jsou do procesu také zainteresovány, jelikož jim ten samý algoritmus nabídne užší výběr kandidátů, což vylepšuje standardní náborový proces.

Výhody umělé inteligence

Rychlejší reakce na žádosti uchazečů

Barometr Tilkee také uvádí, že náboráři trvá průměrně 44 hodin odpovědět kandidátovi – pro software je hračka toto číslo překonat, a to díky neskutečné rychlosti zpracovávání údajů. Rychlejší reagování pro společnosti představuje zásadní přidanou hodnotu, a to přinejmenším u počáteční fáze náboru. Tato technologie si s přehledem poradí s hromadou životopisů během několika sekund a navíc snižuje chybovost celého procesu.

Široká škála možností

Během hledání práce je často těžké představit si, jakou práci vlastně hledáme. Často si to tedy zjednodušujeme a omezíme se pouze na ty pozice, o kterých si myslíme, že jsou v souladu s tím, co chceme a umíme. Přiřazovací algoritmus může uchazečům přinést užitečnou a podrobnější analýzu jejich životopisů. Umělá inteligence zase může nabídnout pracovní místa, která by ani nevzali v potaz, a tím rozšíří jejich možnosti. V konečném důsledku si nabídky práce vyberou ty nejlepší profily, nikoliv naopak.

Kvalitnější pohovory

Společnostem algoritmy poskytnou takové informace, které jsou daleko nad rámec toho, co obsahuje daný životopis. Již jsme zmínili sémantickou analýzu, která by pro laika představovala velmi obtížný úkol. I kdyby však daná osoba byla zkušená, chybovost by byla příliš vysoká. Algoritmus se však s každým dalším analyzovaným životopisem učí být rychlejší a efektivnější.

Údaje extrahovány pomocí sémantických nástrojů mohou poskytnout detailnější informace ohledně osobnosti kandidátů a zkušeností, a to vše na základě jejich formulací a užití odborných termínů. Umělá inteligence může stejným způsobem rozpoznat problémy s daty či místy, které by pro člověka byly téměř nerozeznatelné. Pro společnost to pak znamená jednodušší organizování osobních pohovorů a přípravu cílenějších otázek pro kandidáty. Celkově bude průběh úvodního kontaktu plynulejší.

Řešení diskriminace?

Na první pohled si můžeme být jistější, když stroji přenecháme počáteční třídění kandidátů: Stroj neumí být rasistický. Jediné, co dělá, je analýza údajů. Zaškrtává si políčka a určuje kladnou či zápornou odpověď. To by mělo stačit k ujištění všech zainteresovaných osob v náborovém procesu, nemyslíte? Ve skutečnosti to ale není tak jednoduché. Všechno není tak růžové ve světě prognostické analýzy.

Proč algoritmy zdaleka nejsou neomylné

Diskriminační algoritmus Amazonu

I když podstatnou část filtrování dělají stroje, diskriminace je při výběru zaměstnanců stále přítomna. Algoritmus od přírody zcela postrádá myšlenky, stereotypy a předsudky, jenže jeho konfiguraci stále provádí lidé. Amazon se v roce 2014 začal zajímat o umělou inteligenci a způsob, jakým by mu mohla pomoci při výběru zaměstnanců. Následující rok ukázal, že algoritmus schvaloval pouze ty životopisy, které byly předloženy muži. Tento neočekávaný výsledek se vysvětlil tím, že si systém vzal vzorek z žádostí o práci v posledních 10 letech, tedy v období, kdy světu technologií dominovali muži, takže matematické výpočty dospěly k závěru, že muži jsou pro tuto pozici vhodnější než ženy.

Chyba neměla nic společného se špatným úmyslem ze strany osoby, která algoritmus nakonfigurovala, ale poukázala na to, jak je těžké vytvořit dokonalý algoritmus (a slepě mu důvěřovat). V roce 2017 Amazon pak projekt ukončil a vrátil se k tradičním metodám náboru zaměstnanců. Nechal tak model prognostické analýzy na později.

Obavy z diskriminace vyjádřila nedávno také novinářka Hilke Schellmannová ve své nové knize Algoritmus (The Algorithm), v níž zkoumá software, který automatizovaně prověřuje životopisy a doporučuje povýšení. Dokonce uvedla, že algoritmus, který se používá k hodnocení stovek tisíc pracovníků, je v případě chybného nastavení (za které nejčastěji může bias vzniklé trénovacími daty, které nelze aplikovat na všechny kandidáty rovnáým dílem), může poškodit mnohem více lidí než jakýkoli jeden člověk.

Napodobování

Obecně platí, že personální oddělení při výběru zaměstnanců nakonfiguruje algoritmus tak, že do něj vloží informace o stávajících zaměstnancích. Pak je možné sestavit profil ideálního kandidáta, který je v souladu s hodnotami a přístupem dané společnosti. Očekává se, že tím sníží chybný výběr lidí, jejichž profil neodpovídá rázu společnosti. V důsledku tak algoritmus upřednostňuje uchazeče, jejichž profil je co nejpodobnější profilu ideálnímu. Tím ale dochází ke značnému úbytku rozmanitosti nových zaměstnanců. To také přirozeně bude mít dopad na pestrost jejich zkušeností, dovedností a osobností.

Riziko přehlédnutí žádoucích profilů

Když pak algoritmus produkuje uchazeče „jak přes kopírák“, má to za následek nejen omezenou rozmanitost v rámci společnosti, ale také odmítnutí těch, kteří nemají tradiční životopis a neodpovídají předepsaným normám. Kandidát, který měl v minulosti neobvyklou kariérní trajektorii, nebude mít moc štěstí dostat se skrz počáteční síto, pokud algoritmus zakládá své výpočty pouze na pevně daných parametrech. Společnost se pak připravuje o vyhovující kandidáty. Nejpravděpodobněji to zasáhne ty uchazeče, kteří se během života rozhodli změnit kariéru. Může to mít ale i opačný efekt: Profil odpovídající všem požadavkům se může dostat do užšího výběru, aniž by hodnoty uchazeče odpovídaly hodnotám společnosti.

Ačkoliv jsou algoritmy slibným řešením, zdaleka nejsou připraveny k úplnému nahrazení lidských náborářů. I v oblasti umělé inteligence zůstává prognostická analýza stále jen nástrojem, který je naprogramován a nakonfigurován člověkem. Pokud takový člověk postrádá dobrou vůli či prozíravost, jím vytvořený algoritmus může snadno diskriminovat uchazeče na mnoha různých úrovních. Pokud je však algoritmus vytvořen správně, může být neocenitelným přínosem během počáteční fáze najímání.

Přestože dnes společnosti využívají algoritmy na zpracovávání žádostí o práci jako naváděcí zařízení, která jim pomáhají nalézt ideální profil kandidáta v moři doručených životopisů, mají tyto algoritmy i své mouchy, když se snaží stanovit osobnost daného jedince. Za vyhodnocováním osobnostních dovedností u kvalifikovaných osob ucházejících se o klíčovou pozici s vysokým platem by vždy měli stát lidé. Pokud jde totiž o rozpoznávání jemných dovedností kandidáta, nic neudělá lepší práci než emocionální inteligence, kterou umělá inteligence momentálně neovládá.

Prognostická analýza již obrátila náborový proces vzhůru nohama, ale určité lidské rysy pořád zůstávají tím nejlepším posuzovatelem společenských a emocionálních kvalit druhých. Algoritmy se prozatím zastavili na úrovni našich asistentů, kteří nám pomáhají s časově náročnými úkoly. Možná jsme je ale neviděli naposled a jednou o nás budou shromažďovat informace na sociálních sítích a vytvářet tak komplexnější vhled do našich osobností. Kdo ví…?

Ilustrace: MarcelSinge

Přeložila: Eva Mazalová