یکی از چالش‌های همیشگی تیم‌های منابع انسانی در فرآیند جذب متخصصین، موضوع سوگیری در استخدام است. استفاده از هوش مصنوعی و الگوریتم‌های خودکارسازی استخدام، مزایا و معایب قابل توجهی در این زمینه ایجاد کرده است. این الگوریتم‌ها با افزایش کیفیت فرآیند جذب، می‌توانند ابزاری عالی برای جذب نیروی انسانی باشند. اما نکته مهم اینجاست که هوش مصنوعی می‌تواند به طور مؤثری سوگیری را کاهش داده و زمینه را برای استخدام افراد متخصص و باتجربه فراهم کند. در این مقاله قصد داریم به صورت تخصصی به بررسی چگونگی تأثیر هوش مصنوعی بر سوگیری در فرآیند استخدام و نقش آن در کاهش یا تشدید این سوگیری بپردازیم.
اگر به کسب اطلاعات در مورد هوش مصنوعی و سوگیری در فرآیند استخدام علاقه‌مند هستید، با ما همراه باشید.
تأثیر هوش مصنوعی بر فرآیند استخدام
پیش از هر چیز، باید بدانیم تأثیر هوش مصنوعی بر فرآیند استخدام چیست؟ چگونه هوش مصنوعی می‌تواند روند استخدام و جذب نیرو را ساده‌تر کند؟ در واقع، هوش مصنوعی با استانداردسازی مراحل جذب نیرو، مصاحبه و بررسی رزومه‌ها و حذف احساسات انسانی دخیل در این فرآیند، می‌تواند نتایج مطلوبی ارائه دهد. زمانی که عوامل انسانی و ذهنی در این مسیر دخیل باشند، خطر ایجاد تبعیض، تأثیرپذیری و اشتباه در فرآیند جذب نیرو چندین برابر می‌شود. مطالعات انجام شده توسط وب‌سایت بیزینس هاروارد نشان می‌دهد که ابزارهای استخدام مبتنی بر الگوریتم‌های هوش مصنوعی می‌توانند به طور نامحسوسی گروه‌های خاصی را حذف کنند. به همین دلیل، لازم است متخصصین منابع انسانی با نگاهی هوشمندانه‌تر و آگاهی از تمام جزئیات، فرآیند استخدام را مدیریت کنند.
شناخت انواع سوگیری هوش مصنوعی در استخدام
با شناخت انواع سوگیری‌هایی که توسط هوش مصنوعی در فرآیند استخدام رخ می‌دهد، می‌توانید با آگاهی بیشتری عمل کنید.
1. سوگیری داده‌محور (Data Bias)
هوش مصنوعی با سوگیری داده‌محور می‌تواند روند جذب را تغییر دهد. هوش مصنوعی برای تصمیم‌گیری و غربالگری به داده‌های تاریخی وابسته است و تمام فعالیت‌های قبلی در یک مجموعه می‌تواند بر اساس تاریخچه قبلی تحت تأثیر قرار گیرد. برای مثال، اگر تمام داده‌ها نشان‌دهنده جذب افرادی از یک مذهب خاص یا نژاد خاص باشد، قطعاً در سوگیری هوش مصنوعی شاهد در نظر گرفتن همین موضوع خواهیم بود. این سوگیری حتی در فرآیند استخدام نیرو در مجموعه‌های مختلف نیز دیده می‌شود.
2. سوگیری الگوریتمی (Algorithmic Bias)
گاهی این سوگیری در خود الگوریتم اتفاق می‌افتد. این نوع سوگیری در برخی شرایط که داده‌ها بی‌طرف هستند، باز هم دیده می‌شود. در چنین شرایطی، می‌توانید به وضوح شاهد سوگیری در غربالگری باشید. مثلاً، وزن‌دهی الگوریتم به یک فیلد و موضوع خاص، از رایج‌ترین سوگیری‌هایی است که دیده می‌شود. بروز چنین سوگیری‌هایی مانع از جذب نیروهای متخصص و بااستعداد می‌شود که در نهایت آسیب شدیدی به یک مجموعه وارد می‌کند.
3. سوگیری نمونه‌گیری (Sampling Bias)
زمانی که داده‌های آموزشی فقط از گروه خاصی جمع‌آوری شده باشد، خطر سوگیری نمونه‌گیری به شدت افزایش پیدا می‌کند. سوگیری نمونه‌گیری می‌تواند به شدت بر ضعف نتایج تأثیرگذار باشد. چنین سوگیری می‌تواند در انتخاب افراد نامناسب برای یک جایگاه شغلی دخیل باشد. برای مثال، زمانی که الگوریتم هوش مصنوعی برای تحلیل زبان انگلیسی برنامه‌ریزی شده باشد، با عدم نمونه‌گیری از افراد با زبان‌های غیرانگلیسی، شانس کمتری برای تأیید پیدا می‌کند.
4. سوگیری تأیید (Confirmation Bias)
یکی دیگر از رایج‌ترین انواع سوگیری هوش مصنوعی در استخدام، تمایل متخصصین به تأیید باورهای قبلی‌شان است. زمانی که طراحان الگوریتم یا تیم منابع انسانی هنگام تنظیم الگوریتم به شکل ناخودآگاه تمایل به تأیید نظرات قبلی‌شان داشته باشند، این سوگیری ایجاد می‌شود. مثلاً، برای انتخاب یک جایگاه شغلی خاص، نیاز به انتخاب افراد درون‌گرا است و چنین سوگیری در برنامه‌ریزی هوش مصنوعی لحاظ می‌شود و شانس انتخاب از بین بسیاری از افراد کاهش پیدا می‌کند.
5. سوگیری برچسب‌گذاری (Labeling Bias)
به عنوان یک سوگیری هوش مصنوعی در فرآیند استخدام، باید به برچسب‌گذاری اشاره کنیم. معمولاً تمام الگوریتم‌های هوش مصنوعی برچسب‌گذاری خاص خود را دارند تا به انتخاب افراد مشخص ختم شود. معمولاً این برچسب‌گذاری‌ها باید به صورت هوشمندانه باشد تا مانع از انتخاب با تبعیض یا انتخاب متعصبانه شود.
6. سوگیری زبانی (Language Bias)
هوش مصنوعی با داشتن الگوریتم‌های مختلف در استخدام می‌تواند فرآیند جذب نیروی هر سازمان را پویاتر کند. زمانی که الگوریتم‌های پردازش زبان در هوش مصنوعی امکان تحلیل برخی اصطلاحات، سبک نوشتار یا جزئیات زبانی خاصی را نداشته باشند، خطر غربالگری ناعادلانه با سوگیری‌های خاص فراهم می‌شود. گاهی در رزومه‌نویسی، برخی کلمات به اشتباه تحلیل می‌شوند و می‌توانند نتیجه نهایی انتخاب را تحت تأثیر قرار دهند.
7. سوگیری فرهنگی (Cultural Bias)
وقتی الگوریتم‌های استخدام بر اساس داده‌های فرهنگی خاصی برنامه‌ریزی شوند و امکان بررسی ارزش‌های دیگر را نداشته باشند، باز هم عده خاصی از فرآیند استخدام خارج می‌شوند. به همین دلیل، هوش مصنوعی باز هم می‌تواند به اشتباه، افراد لایقی را از این فرآیند حذف کند.
8. سوگیری ویژگی‌های غیرمرتبط (Proxy Bias)
گاهی سوگیری به صورت غیرمستقیم انجام می‌شود و متغیرهای مختلفی جایگزین ویژگی‌های تبعیض‌آمیز می‌شوند. مثلاً در برخی موارد با تحلیل کد پستی می‌توان ناحیه جغرافیایی خاصی را هدف قرار داد و تبعیض طبقاتی را لحاظ کرد. به این مدل سوگیری، سوگیری غیرمرتبط گفته می‌شود و در برخی مواقع می‌تواند زمینه را برای جذب نیروهای خاص فراهم کند.
هوش مصنوعی چگونه می‌تواند سوگیری را کاهش دهد؟
شاید برای شما هم جالب باشد که بدانید هوش مصنوعی می‌تواند سوگیری در جذب نیرو را کاهش دهد. این روند به اشکال مختلفی اتفاق می‌افتد و نیروهای متخصص واقعی را بدون هرگونه سوگیری شناختی در مجموعه جذب می‌کند. معمولاً هوش مصنوعی می‌تواند با استانداردسازی فرآیندها و حذف محرک‌ها، به خوبی غربالگری در جذب نیرو را اجرا کند. استفاده از الگوریتم برای غربال اولیه افراد کاندید استخدام، می‌تواند معیارهای مهم و اثربخش در جایگاه شغلی مدنظر را برجسته کرده و تصمیم‌گیری بر اساس اطلاعات همراه بلاگ رزومه را پررنگ‌تر کند. با چنین روندی اصلاً شاهد تصمیم‌گیری بر اساس شکل ظاهری و نوع پوشش نخواهیم بود. هوش مصنوعی با گسترش دامنه جذب افراد، شرایطی را فراهم می‌کند تا افراد متخصص و باتجربه‌ای برای مصاحبه در جایگاه شغلی خاصی انتخاب شوند. الگوریتم‌ها می‌توانند رزومه‌هایی را پیدا کنند
آخرین دیدگاه‌ها