Применение машинного обучения к найму и продвижению сотрудников обещает устранить некоторые предубеждения, создаваемые современными методами, которые больше полагаются на человеческую интуицию. Какие предубеждения в процессе найма и продвижения кадров пытаются устранить системы HR-аналитики и как они это делают?
Компании используют системы HR-аналитики для устранения предубеждений в текущих процессах найма/продвижения по службе, которые часто включают расовые и гендерные факторы. С системами HR-аналитики работники нанимаются и продвигаются по гораздо более научно обоснованному методу. С данными, введенными о работниках, эти системы анализа персонала позволяют компаниям продвигать сотрудников на основе их статистических профилей и сопоставлять рабочих и руководителей, которые более совместимы друг с другом на основе их личности и навыков. Чтобы отличить опытных программистов от менее квалифицированных, эти алгоритмы анализа людей способны обнаруживать закономерности и использование определенных фраз и слов, используемых программистами в своих социальных сетях, таких как LinkedIn и Twitter.
Какие новые предубеждения могут внести эти алгоритмы?
Эти алгоритмы создают новые предубеждения, поскольку они написаны и разработаны таким образом, что иногда они делают определенные выводы об определенных типах людей. Алгоритм, способный определить, не написали ли программисты вообще никакого кода с открытым исходным кодом в Интернете, основан на активности человека на конкретном японском сайте манги. Это вывод о том, что всем программистам с хорошими навыками программирования нравится посещать этот конкретный сайт японской манги. Новый стартап под названием Klout измеряет кандидатов на основе их влияния в социальных сетях. Однако это представляет собой предвзятость в предположении, что все кандидаты, которых они оценивают, активно участвуют в своих учетных записях в социальных сетях и создают параллельные виды влияния. Существует множество факторов, влияющих на что-то вроде рейтинга влияния в социальных сетях, которые создают большие предубеждения, если их не принять во внимание должным образом.
Учитывая, что скоро большинству из вас предстоит пройти собеседование при приеме на работу, кажется ли вам справедливым такое применение машинного обучения к управлению персоналом? Какова ваша реакция?
Такое применение машинного обучения к человеческим ресурсам кажется мне в основном логичным. Алгоритмы, которые используют системы HR-аналитики, созданы и основаны на факторах, очень важных для выводов, которые они делают, но часто в системе оценки задействовано так много факторов, что трудно полностью устранить все возникающие предубеждения. Эта новая система найма сначала показалась мне новаторской, эффективной и логичной, и она до сих пор таковой является, но предстоит пройти долгий путь, чтобы обеспечить учет всех соответствующих факторов в процессе.
