Čo keby bol váš náborový pracovník algoritmus?

Keď príde reč na umelú inteligenciu, zvyčajne proti sebe stoja dva názory. Na jednej strane je to viera, že technológie musíme vyvíjať opatrne, aby sme sa neocitli v nejakej náhlej apokalypse podobnej filmom Matrix či Terminátor. Druhá strana na výstrahy nemyslí a verí, že sa nových technológií, ktoré nám umožnia delegovať mechanické úlohy na stroje, nemáme prečo báť. Druhý menovaný pohľad sa zdá byť prítomný vo všetkých odvetviach podnikania.

Ako všetky ostatné oblasti, aj digitálny nábor sa stále rozširuje, a to napriek tomu, že proces zamestnávania je vo veľkej miere prepojený viac s emocionálnymi schopnosťami ľudí než s pragmatizmom robotov. V skutočnosti si už niekoľko firiem založilo biznis na propagácii efektívnych technologických riešení pre nábor, hľadanie dokonalého človeka na obsadenie pozície či triedenie životopisov.

Pre HR oddelenia sú tieto riešenia veľmi lákavé, keďže zle vypočítaný proces náboru môže stáť firmy veľké peniaze. Podľa najnovšieho barometra zvykov náborárov od Tilkee v súčasnosti náborár trávi čítaním životopisu približne 34 sekúnd, čo je o 21 % menej než v roku 2017. Vedie nás to k otázke, čo by za 34 sekúnd stihol algoritmus.

Ako technológia funguje?

Websterov slovník definuje algoritmus ako proces riešenia matematických problémov v konečnom počte krokov, ktoré často zahŕňajú opakované operácie. Inak povedané, predstavte si malého virtuálneho robota, ktorý je schopný v neuveriteľnej rýchlosti aplikovať pravidlá nastavené človekom s cieľom realizovať úlohy, ktoré by človeku trvali omnoho dlhšie. Potom k definícii pridajte rozmer „strojového učenia“ a v širšom ponímaní aj umelú inteligenciu. Od tohto bodu sa náš malý robot dokáže učiť na základe svojich skúseností a vytvárať novšie pravidlá, postupovať ďalej a rýchlejšie, teda presne ako ľudia, len omnoho výkonnejšie. Budeme hovoriť o prediktívnej analytike používanej v oblasti náborov, kde sa algoritmy využívajú na predpovedanie budúceho výkonu zamestnancov v novej spoločnosti. Je dôležité rozlíšiť algoritmy pre zaisťovanie zdrojov, filtrovacie a spájacie algoritmy.

Algoritmy pre zaisťovanie zdrojov

Ide o algoritmy navrhnuté na prehľadávanie webu s cieľom nájsť najvhodnejšieho kandidáta na danú pozíciu. Fungujú rovnako ako aplikácie na randenie. Firma uvedie zoznam zručností, o ktoré má záujem, a softvér použije algoritmus na analýzu tisícok online životopisov na LinkedIn či vo verejných databázach. Vytriedi tie, ktoré sa najviac hodia, a zašle ich HR oddeleniu. Všetko, čo teraz HR musí urobiť, je kontaktovať ľudí na zozname. Na trhu sa objavuje stále viac podobných riešení, ako je napríklad Yatedo Talent, ktoré sa prezentuje ako „Google náborárov.“

Algoritmy na filtrovanie

Po tom, ako sa zozbiera maximum životopisov (či už pomocou algoritmu pre zaisťovanie zdrojov, alebo vďaka práci HR), je čas na použitie filtrovacieho algoritmu. Ako jeho názov naznačuje, funguje ako úvodný filter. Ako prvý filter algoritmus využije hypotézu zhody a zašle najkvalifikovanejšie profily osobe, ktorá nábor vedie. Za týchto okolností algoritmus neanalyzuje len informácie v životopisoch, ale tiež dešifruje použitú sémantiku extrapoláciou slovných a vetných obratov, s cieľom ponoriť sa hlbšie od analýzy kandidátov.

AssessFirst, firma ponúkajúca prediktívne náborové riešenia, zašla ešte ďalej: na základe troch behaviorálnych kritérií, ktoré identifikuje, dokáže systém umelej inteligencie určiť stupeň kompatibility medzi kandidátom a budúcim vedúcim.

Algoritmy pre zhodu

Algoritmy pre zaisťovanie zdrojov a filtrovanie boli vytvorené, aby náborárom uľahčili ich prácu. Algoritmy pre zhodu, ako napríklad ZipRecruiter, fungujú ako vyhľadávač pre ľudí, čo hľadajú prácu. Uchádzači pošlú svoj životopis, ktorý prejde prediktívnou analýzou, aby pre nich našli ponuky práce, ktoré čo najlepšie zodpovedajú zručnostiam uvedeným v CV.

ZipRecruiter navrhuje aktuálne ponúkané pozície prostredníctvom algoritmu a uchádzač si tak môže vybrať medzi viacerými firmami. Do procesu sú zapojené aj firmy, ktoré dostanú zoznam kandidátov vybraných prostredníctvom rovnakého algoritmu. To zlepšuje klasický náborový proces.

Výhody využitia umelej inteligencie

Lepšia schopnosť reakcie pre uchádzačov

Barometer od Tilkee taktiež uvádza, že náborárovi trvá priemerne 44 hodín, kým kandidáta kontaktuje. Pre stroj, ktorý spracúva dáta enormnou rýchlosťou, je tento časový rekord pomerne jednoduché prekonať. Rýchlejšia schopnosť odpovede je pre firmy kľúčovou pridanou hodnotou, aspoň pokiaľ sa bavíme o prvotnom kontakte. Pomocou tejto technológie je možné dokonale spracovať kopu životopisov za pár sekúnd, a zároveň sa pritom vyhnúť chybám.

Spektrum možností

Počas štádia hľadania práce je ťažké si samotnú pozíciu predstaviť. Je ľahšie vyhnúť sa tomu a obmedziť sa na pozície, pri ktorých cítime, že sú viac v súlade s našimi schopnosťami a s tým, čo chceme. Algoritmus pre zhodu môže byť v tomto pre uchádzačov užitočný. Nejde len o zanalyzovanie ich životopisu, umelá inteligencia tiež dokáže ponúknuť prácu, nad ktorou by človek sám nikdy neuvažoval, a otvára tak nové spektrum možností. Ponuky práce si vyberajú tie najlepšie profily, nie opačne.

Kvalitnejšie pohovory

Firmám môžu algoritmy poskytovať viac informácií, než len tie, ktoré sú uvedené v životopise. Spomínali sme sémantickú analýzu, ktorá je pre človeka náročná, pokiaľ na ňu nebol školený. A ak by aj bol, riziko chyby je príliš veľké. Algoritmus je však po každom zanalyzovanom životopise rýchlejší a efektívnejší.

Údaje, ktoré dokáže vytiahnuť použitím sémantických nástrojov, dokážu podať viac informácií o kandidátovej osobnosti a skúsenostiach, v závislosti od toho, aké slová či technické termíny používa. Rovnakým spôsobom dokáže umelá inteligencia jednoducho identifikovať problémy s časovými či miestnymi rozdielmi, ktoré by si človek nemusel všimnúť. Pre firmu je tak jednoduchšie zorganizovať osobný pohovor a pripraviť si na kandidáta konkrétnejšie otázky. Celkovo tak môže prvý pohovor prebiehať hladšie.

Odpoveď na diskrimináciu?

Na prvý pohľad sa zdá, že veriť stroju, ktorý urobí prvotné pretriedenie uchádzačov, je upokojujúce: stroj predsa nemôže byť rasistický. Analyzuje iba surové dáta. Zaškrtáva políčka a zasiela pozitívne či negatívne odpovede. Malo by to stačiť na to, aby sme si boli istí, že z procesu náboru nikoho nevylúčime, však? V skutočnosti to nie je také jednoduché a ani vo svete prediktívnej analýzy nie je všetko zlato, čo sa blyští.

Prečo algoritmy ešte nie sú také dokonalé?

Diskriminačný algoritmus Amazonu

Diskriminácia je v oblasti zamestnania stále prítomná, a to aj vtedy, keď robia základnú filtráciu stroje. Hoci samotný algoritmus zo svojej povahy nepodlieha myšlienkam, stereotypom ani predsudkom, faktom je, že jeho programovanie je v ľudských rukách. V roku 2014 začal Amazon skúmať možnosti umelej inteligencie, ktorá by dokázala firme pomôcť s triedením ľudí hlásiacich sa u nich o prácu. Už o rok bolo jasné, že algoritmus schvaľoval len životopisy, ktoré zaslali muži. Nečakaný výsledok neskôr vysvetlili tak, že systém sa pozeral na prihlášky z posledných 10 rokov, teda z obdobia, keď v technickom priemysle dominovali muži. Matematický výpočet prišiel k záveru, že muži sú na danú pozíciu vhodnejší.

Za chybou nebol žiadny zlý úmysel na strane osoby, ktorá algoritmus navrhla, ale aj tak upozornil na zložitosť vytvorenia dokonalého algoritmu (a slepej dôvery, ktorú do neho vkladali). V roku 2017 Amazon projekt zrušil a vrátil sa k tradičným metódam náboru. Prediktívnu analýzu nechal až na neskoršie štádium.

Efekt imitácie

Prediktívna analýza diskriminujúca uchádzačov podľa pohlavia nie je celoplošným problémom. Išlo o špecifickú situáciu Amazonu a algoritmu, ktorý vytvorili. Najbežnejšou chybou umelej inteligencie, ktorá sa netýka len oddelenia ľudských zdrojov, je efekt imitácie.

Vo všeobecnosti platí, že ak chce HR oddelenie nakonfigurovať algoritmus pre nábor ľudí, vkladá doň informácie o súčasných zamestnancoch. Tak nakonfiguruje algoritmus profil dokonalého kandidáta, ktorý bude chápať firemné hodnoty. Robí sa to v nádeji, že sa zníži počet chýb a nezamestná sa niekto, koho profil nezodpovedá hodnotám firmy. Vo výsledku algoritmus uprednostní uchádzačov, ktorí majú bližšie k tomu, čo je považované za najlepšie profily, čím sa citeľne zníži diverzita uchádzačov. To má prirodzene negatívny vplyv na rôznorodosť uchádzačov, čo sa týka ich osobnosti, skúseností a zručností.

Riziko prehliadnutia cieľových profilov

Fenomén „kópie“ nevytvára iba menšiu rozmanitosť v rámci firmy, ale má tendenciu odmietať atypické profily, ktorých životopis celkom nezapadá do vytýčených políčok. Kandidát, ktorý má za sebou nezvyčajnú kariérnu cestu, nemusí mať šťastie a prejsť počiatočnou filtráciou, pokiaľ algoritmus zakladá svoje výpočty iba na neflexibilných parametroch. Hrozí tak, že firmu pripraví o človeka s veľkým potenciálom. Najviac sa to zrejme týka ľudí, ktorí menia svoju kariéru. A môže nastať aj opačná situácia: profil, ktorý spĺňa všetky požiadavky, môže byť vyradený, ak sa uchádzačove hodnoty nezhodujú s hodnotami firmy.

Napriek tomu, že sú pomerne sľubné, algoritmy ešte nie sú schopné v náborovom procese nahradiť ľudí. Dokonca aj v rámci umelej inteligencie ostáva prediktívna analýza iba nástrojom naprogramovaným a nastaveným človekom. Ak človeku chýba dobrá vôľa či prezieravosť, algoritmus by mohol uchádzačov ľahko diskriminovať, a to na viacerých úrovniach. Na druhej strane, ak je algoritmus vytvorený správne, mohol by sa stať aspoň v prvých fázach náborového procesu neoceniteľnou pomôckou.

Algoritmy v súčasnosti využívajú v náborovom procese ako „navádzacie zariadenia“ firmy, ktoré chcú nájsť ideálneho kandidáta medzi veľkým počtom prijatých životopisov. Pri hodnotení človeka majú svoje limity. Keď príde na rad posúdenie osobných zručností kvalifikovaného človeka, ktorý by mal obsadiť kľúčovú pozíciu s vysokým platom, ľudia by z procesu nemali byť rozhodne vylúčení. V skutočnosti, pokiaľ ide o detekovanie zručností kandidátov, nie je nič lepšie než emocionálna inteligencia, ktorú umelá inteligencia v súčasnosti nedokáže analyzovať.

Náborárstvo ako odbor už zažilo svoju revolúciu vďaka prediktívnej analýze, ale určité ľudské danosti sú stále tým najlepším prostriedkom, ako posúdiť sociálne a emocionálne kvality ostatných. Algoritmy naďalej plnia rolu asistentov, starajú sa o nudné a časovo náročné úlohy. Je však možné, že ešte nepovedali posledné slovo? Príde deň, keď budú používané na zber informácií z našich sociálnych sietí, aby vytvárali komplexnejšie prehľady o našej osobnosti? Ktovie?

Preklad: Eva Lalkovičová

Ilustrácia: MarcelSinge

Sledujte Welcome to the Jungle na Facebooku a majte prehľad o našich článkoch každý deň.