Dirbtinis intelektas personalo atrankoje: kaip pasinaudoti galimybėmis ir neperžengti teisinių ribų

Personalo paieška tampa vis technologiškesnė: daugelis darbdavių testuoja arba jau naudoja dirbtiniu intelektu grįstus įrankius kandidatų atrankai, gyvenimo aprašymų analizei ar net pirmiesiems pokalbiams. Kartu daugėja klausimų, kur baigiasi efektyvumas ir prasideda diskriminacijos, duomenų apsaugos ar skaidrumo rizikos.

Šiame straipsnyje aptariama, kaip dirbtinis intelektas keičia atrankos procesus, kokios teisinės ir etinės ribos svarbios darbdaviams ir ką turėtų žinoti kandidatai, kad suprastų, kaip yra vertinami jų duomenys.

Kaip dirbtinis intelektas jau naudojamas atrankose

DI personalo atrankos srityje dažniausiai atsiranda kaip pagalbininkas, o ne pilnas žmogaus pakaitalas. Daug įmonių naudoja algoritmus pirminiam gyvenimo aprašymų atrinkimui, motyvacinių laiškų rūšiavimui ar anonimizavimui, kad būtų sumažintas nesąmoningas šališkumas.

Kitas sparčiai plintantis taikymas yra pokalbių su kandidatais automatizavimas: pokalbių robotai atsako į dažniausiai užduodamus klausimus, renka bazinę informaciją apie kandidatą, pasiūlo laiką pokalbiui ar pateikia testus. Tai leidžia personalo specialistams daugiau laiko skirti giluminiam vertinimui ir asmeniniam kontaktui.

Nauda darbdaviams: greitis, mastelis ir duomenų įžvalgos

Vienas didžiausių DI privalumų yra galimybė dirbti su labai dideliais kandidatų srautais. Algoritmai gali greitai peržiūrėti šimtus ar tūkstančius gyvenimo aprašymų, sugrupuoti juos pagal kriterijus ir pasiūlyti sąrašą, į kurį verta įsigilinti žmogui.

Be efektyvumo, darbdaviai vertina ir analitines galimybes: galima matyti, kokie kanalai pritraukia stipriausius kandidatus, kokios kompetencijos rinkoje trūksta, kiek laiko užtrunka kiekvienas atrankos etapas. Šie duomenys padeda planuoti darbo užmokesčio biudžetus, formuoti vidinio ugdymo programas ir realistiškiau vertinti darbuotojų paieškos terminus.

Rizikos: šališkumas, klaidos ir reputaciniai padariniai

Nors DI žadama „objektyvumas“, praktikoje algoritmai gali perimti ir sustiprinti esamas šališkumo formas. Jei modeliai mokomi iš istorinių duomenų, kuriuose jau buvo diskriminacinių sprendimų, sistema gali nejučiomis kartoti tas pačias klaidas, pavyzdžiui, teikti pirmenybę tam tikro amžiaus, lyties ar išsilavinimo kandidatams.

Kita rizika yra per didelis pasitikėjimas „juodosios dėžės“ sprendimais. Jei personalo specialistai nekvestionuoja algoritmo pasiūlytų reitingų ar atmetimų, gali būti praleidžiami vertingi kandidatai, klaidingai interpretuojami nesutapimai gyvenimo aprašyme arba neįvertinamos netipinės, bet perspektyvios karjeros istorijos.

Teisinis lauką formuojantys reikalavimai

Darbdaviai, taikantys DI atrankose, turi laikytis asmens duomenų apsaugos taisyklių, ypač kai tvarkomi jautresni duomenys, tokie kaip sveikatos, įsitikinimų ar profiliavimo informacija. Svarbu aiškiai apibrėžti, kokiais tikslais renkami kandidato duomenys, kiek laiko jie saugomi ir kam perduodami.

Dar vienas aspektas yra skaidrumas ir paaiškinamumas. Kandidatas turi teisę žinoti, ar priimant sprendimą dalyvavo algoritmas, be to, jis gali prašyti paaiškinimo, kokie kriterijai turėjo lemiamą reikšmę. Tai ypač aktualu, kai automatizuotas sprendimas lemia atmetimą ankstyvose atrankos stadijose.

Kaip atsakingai diegti DI sprendimus atrankoje

Norint sumažinti rizikas, verta nustatyti aiškias vidaus taisykles dėl DI naudojimo. Viena praktika yra numatyti, kad algoritmas neturėtų priimti galutinio sprendimo dėl priėmimo ar atmetimo, o tik padėti surikiuoti kandidatus pagal nustatytus kriterijus. Galutinę atsakomybę turi prisiimti žmogus.

Kitas žingsnis yra reguliarūs sistemų testai ir auditai. Pavyzdžiui, galima periodiškai vertinti, ar algoritmas disproporcingai neatmeta tam tikrų grupių kandidatų, ar nėra paslėptų kriterijų, netiesiogiai susijusių su amžiumi, lytimi ar kilme. Pastebėjus nukrypimus, kriterijus būtina koreguoti.

Ką svarbu žinoti kandidatams

Kandidatai, pildydami anketas ar teikdami gyvenimo aprašymą, vis dažniau susiduria su standartizuotomis formomis, automatiniais klausimynais ir testais. Verta įdėmiai skaityti, kokie duomenys renkami ir kokiu pagrindu, bei pasidomėti, ar atrankoje naudojami automatizuoti sprendimai.

Naudinga pasiruošti taip, kad informaciją būtų lengva apdoroti sistemoms: aiškiai struktūruoti kompetencijas, nurodyti datas, rezultatus, technologijas, kalbų lygį. Tai nereiškia rašyti tik „algoritmui“, tačiau tvarkingas turinys didina tikimybę, kad svarbūs faktai nebus praleisti automatinėje analizėje.

DI poveikis atlygiui ir darbo rinkos dinamikai

Efektyvesnė atranka leidžia greičiau užpildyti laisvas pozicijas, todėl mažėja ilgalaikio darbuotojų trūkumo spaudimas. Tai gali daryti įtaką atlygio deryboms: kai kuriose srityse, ypač žemesnės kvalifikacijos darbuose, algoritmai gali padėti greičiau surasti pakankamą kandidatų skaičių ir sumažinti spaudimą didinti atlygius.

Tuo pat metu aukštos kvalifikacijos specialistų, kuriems paklausa išlieka didelė, atranka gali tapti labiau duomenimis grįsta. Darbdaviai gauna daugiau informacijos apie rinkos lūkesčius, todėl tiksliau formuoja pasiūlymus ir premijų sistemas. Tai skatina konkurenciją dėl talentų ir skaidresnį atlygio nustatymą.

Praktiniai žingsniai darbdaviams ir kandidatams

Organizacijoms, svarstančioms diegti DI atrankoje, verta pradėti nuo mažesnių, aiškiai apibrėžtų funkcijų, pavyzdžiui, automatizuoto gyvenimo aprašymų rūšiavimo pagal dalį kriterijų. Svarbu iš anksto įtraukti teisininkus, IT ir personalo specialistus, kad sprendimai būtų tiek techniškai, tiek teisiškai pagrįsti.

Kandidatams verta išlaikyti balansą tarp prisitaikymo prie naujų įrankių ir kritinio požiūrio. Tikslinga atnaujinti gyvenimo aprašymą taip, kad jis būtų lengvai skaitomas ir žmogui, ir algoritmui, tačiau kartu domėtis, kaip tvarkomi jų duomenys, ir naudotis teise paprašyti paaiškinimo, jei atrankos rezultatai atrodo neaiškūs.

Ateities kryptys: daugiau skaidrumo ir bendrų standartų

Prognozuojama, kad DI vieta atrankos procesuose toliau plėsis, tačiau kartu didės ir reguliavimo griežtumas. Vis dažniau kalbama apie reikalavimą standartizuoti algoritmų testavimą, nustatyti pareigą darbdaviams informuoti apie automatizuotą vertinimą ir riboti itin invazinius sprendimus, pavyzdžiui, emocijų analizę vaizdo pokalbiuose.

Tiek darbdaviai, tiek kandidatai laimės, jei šie pokyčiai bus suvokiami ne kaip grėsmė, o kaip galimybė racionaliau naudoti laiką ir duomenis. Svarbiausia, kad technologiniai sprendimai nepakeistų esminio principo: galutinis sprendimas dėl žmonių turėtų išlikti žmogaus rankose, o procesas būtų skaidrus ir sąžiningas visoms pusėms.