Egy IT-szakemberek körében végzett 2023-as IBM felmérés kimutatta, hogy a vállalatok 42 százaléka már igénybe vette a mesterséges intelligencia segítségét a toborzási folyamatokban,további 40 százalék pedig fontolgatja ezen stratégia bevezetését. A techno-optimistaként is jellemezhető, korán alkalmazkodó vezetők olyan szolgáltatásokat alkalmaznak, mint a prediktív önéletrajz elemzés vagy a jelentkezők kezdeti átvilágítása. Egyes szakértők szerint azonban ezek a szoftverek gyakran tévednek, sokszor a legjobb pályázókat figyelmen kívül hagyva.
A módszer előnyei
Az elmúlt években lezajlott fejlődés az adatelemzés és a mesterséges intelligencia terén optimalizálta az információfeldolgozási képességeket, beleértve a problémamegoldást és a döntéshozatalt. A digitális technológiák használatának normalizálódásával egyre több AI-rendszer implementálása válik lehetővé a munkahelyeken is. Sok vállalat azért részesíti előnyben ezt a megoldást, mivel gyorsabb és kiterjedtebb adatanalízist biztosít. A módszer továbbá az emberi képességeket meghaladva, a munkaerőt kevésbé kimerítve tud nagy mennyiségű adatot összegyűjteni, rendszerezni és kiértékelni. A jól megalapozott döntési javaslataival pedig potenciálisan növelheti a vállalat versenyképességét, illetve segíthet a tehetségek toborzásában.
Nemi egyenlőtlenségek a munkaerőpiacon
A munkaerőpiacon az angol diversity, equity és inclusion szavakból létrejött DEI megjelenése és nagyvállalatok nyitottságra való törekvéseinek általánosodásának ellenére még mindig jelentős különbségek tapasztalhatók a nők és férfiak lehetőségei között. A nők gyakran alacsonyabb béreket kapnak, kevesebb vezetői pozíciót töltenek be, és más típusú munkákat végezhetnek, mint a férfiak.
Ennek okai a társadalmi nemi szerepekben, az üzleti kultúrában és a nevelésben gyökereznek. A nemi egyenlőtlenségek következményei között szerepel a gazdasági növekedés lassulása és a nők életminőségének romlása is, mely problémák megoldásához komplex megközelítés lenne szükséges.
Az Amazon esete
2018-ban nagy port kavart az eset, mely következményeként az Amazon kénytelen volt leállítani a potenciális jelöltek osztályozására kifejlesztett humánerőforrás-segítő szoftverét. A lépésre azután került sor, miután kiderült, hogy az algoritmus megtanulta rendszeresen leminősíteni a női jelentkezők önéletrajzát bizonyos állástípusok - például szoftverfejlesztői pozíciók - esetében. Ez annak volt köszönhető, hogy a korábbi toborzási statisztikákból tanuló rendszer a férfiak dominanciáját ezen a területen a sikeresség egyik tényezőjének tekintette, ezért igyekezett újraalkotni azt. Azáltal, hogy az algoritmus folyamatosan saját számításai alapján javította pontosságát, egy szexista mintázatban ragadt.
Az IMD beszámolója alapján az eset rámutatott többek között arra, hogy az emberi torzításoktól még a mesterséges intelligencia sem képes teljes mértékben elvonatkoztatni, hiszen működési elvének értelmében fennálló tényállásokból, adatokból tanul. Mivel ezek emberek által létrehozott anyagok, így akarva-akaratlanul tartalmazhatnak előítéleteket. Ha egy adott program alapjául szolgáló adatok tisztességtelenek, az ebből származó algoritmusok tovább erősíthetik az elfogultságot és a diszkriminációt, széles körű egyenlőtlenség lehetőségét teremtve. Erre jó példa a történelmi kirekesztés: ha egy festő képét szeretnénk megtalálni és ehhez szemléltetésképp az elmúlt évszázadok jelentős festőiről táplálunk képeket a rendszerbe, akkor az kevésbé fogja valószínűtlennek ítélni egy nőről, hogy a festészetben jeleskedett. Ezenkívül tükrözhetnek olyan gazdasági és társadalmi mintákat is, mint a STEM állások betöltésében megfigyelhető férfi túlerő.
A szóhasználat szerepe
A nők karrierlehetőségeire bizonyított hatással lehetnek ezek az algoritmusok:
„Az egyik leggyakoribb példa a nyelv, mivel bizonyos szavakat az adatbázisokban gyakrabban használnak a nők, mint például a ’fantasztikus’, ’csodálatos’, ’szuper’ és ’boldog’, míg a ’megfizethető’, ’olcsó’ és ’legjobb minőségű’ szavakat a férfiak gyakrabban használják, mint a nők. Tehát pusztán ezekből a szavakból az AI arra a következtetésre juthat, hogy egy személynek bizonyos neme van”
– nyilatkozta a témában Elisabeth Kelan, az Essexi Egyetem professzora.
Ennek a jelenségnek az a legfőbb veszélye, hogy a rendszer képes a szavakat kiszűrve diszkriminatív döntéseket hozni a nőkkel szemben. Ha egy jelentkező önéletrajzában például az áll, hogy egy női szervezet tagja, az algoritmus feltehetően azonnal elveti az alkalmasságának gondolatát is.
Az ilyen és ehhez hasonló torzításnak súlyos következményei vannak a nők karrierlehetőségeire. Amikor a nőket szisztematikusan kizárják bizonyos pozíciókból vagy alacsonyabb fizetésű állásokat kínálnak nekik, az korlátozza előmeneteli lehetőségeiket és hozzájárul a nemek közötti bérkülönbségekhez. Emellett megerősítheti a nőkkel kapcsolatos káros sztereotípiákat. Ennek a problémának a kezeléséhez a szervezeteknek prioritást kell adniuk a sokszínűségnek, ez magában foglalja a vezetők számára az öntudatlan torzításokkal kapcsolatos képzést, az inkluzív munkahelyi kultúra kialakítását és mentorprogramok biztosítását a nők számára.
A toborzás menetének buktatói
A mesterséges intelligencia használatában rejlő jelentős probléma, hogy az algoritmusok gyakran úgynevezett ‘fekete dobozként’ működnek, vagyis nehéz megérteni, hogy milyen konkrét tényezők alapján hoznak döntéseket. Ez átláthatatlansághoz vezet, és megnehezíti a torzítások azonosítását és kijavítását. A szűrési szoftvereket gyártó vállalatok pedig sietve, idő előtt dobják piacra a fejletlen, sok esetben hibás termékeket, hogy kihasználják a keresletet.
A toborzási folyamatban az emberi tényezők is jelentős szerepet játszanak. A munkaköri leírások, az értékelési eszközök és az interjúk során is megjelenhetnek olyan torzítások, amelyek bizonyos csoportokat hátrányosan érintenek. Előfordult olyan eset, mely során egy korábban kiszűrt felhasználó ugyanazt a jelentkezést nyújtotta be, csupán módosította az önéletrajzában szereplő születési dátumot, hogy fiatalabbnak tűnjön. Ezzel a változtatással interjút kapott. Ezek az emberi eredetű torzítások az AI rendszerek által a történelmi adatokból történő tanulás révén felerősödhetnek. Így ha ki kívánjuk küszöbölni a múltbeli nemi, származási, vagyoni helyzetre alapozott arányokat egy szakmában, akkor a mesterséges intelligencia tanításánál manipulálni kell a történelmileg hiteles adatokat: a hagyományosan alulreprezantált csoportok a részarányukhoz képest felül kell hogy reprezentálódjanak.
Megszüntethető a torzítás?
Bár az AI-alapú toborzási rendszerekből teljesen kiiktatni a torzítást nehéz, biztató, hogy egyre többen foglalkoznak a témával: nemrég az UNESCO is létrehozott egy női szakértőkből álló hálózatot, a Women4Ethical AI névre hallgató kezdeményezést. Az Index szerint a platform célja a korábban alulreprezentált csoportok ösztönzése arra, hogy részt vegyenek a mesterséges intelligencia fejlesztésében.
Jó hír, hogy vezetőként is számos lépés tehető az egyenlőtlenségek mérséklésére. Elsőként gondoskodni kell arról, hogy az algoritmusok betanításához használt adatok sokszínűek és reprezentatívak legyenek. Ezen felül elengedhetetlen a rendszerek munkájának folyamatos ellenőrzése a felmerülő torzítások azonosítása és kezelése érdekében. Talán a legfontosabb pedig az, hogy a mesterséges intelligencia innovációit eszközként használjuk az emberi döntéshozatal támogatására, nem pedig annak helyettesítésére. Az emberi szakértelem és a technológia erejének tudatos kombinálásával az szervezetek igazságosabb és befogadóbb toborzási stratégiát alakíthatnak ki.
(Borítókép: Unsplash/Adam Nowakowski)
