توهم کارایی: آیا هوش مصنوعی انتخاب پرسنل را بهبود بخشید؟

من از سال 2008 در زمینه استخدام فنی کار می‌کنم و می‌توانم چیزی بگویم که با حس رایج در تضاد است: هرگز به این اندازه آسان نبوده است که کاندیداها را تولید کنیم و با این حال، هرگز بدتر از این استخدام نکرده‌ایم. هوش مصنوعی نوید می‌داد که شرکت‌ها را از بخش خسته‌کننده فرآیند انتخاب رها کند: فیلتر کردن رزومه‌ها، نوشتن اولین تماس، مرتب کردن نوبت متقاضیان. در این مرحله، به وعده خود عمل کرد. آنچه هیچ وعده‌ای شامل آن نمی‌شد این بود که با کاهش هزینه‌ها تا حدی که تقریباً رایگان شود، فناوری در نهایت معیار را بی‌اهمیت کرد. و بدون معیار، استخدام دیگر یک تصمیم نیست بلکه به یک سر و صدای صنعتی تبدیل می‌شود.

قبلاً، تماس با چهل کاندیدا برای یک جستجوی ارشد یک هفته زمان می‌برد. این اصطکاک مجبور می‌کرد که به این فکر کنیم که به چه کسی می‌نویسیم و چرا. امروز یک ابزار همان چهل پیام را در چهل ثانیه ارسال می‌کند، شخصی‌سازی شده با یک نام کوچک و یک خط استخراج شده از LinkedIn. هزینه تماس با شخص اشتباه به صفر کاهش یافته است و آنچه هیچ هزینه‌ای ندارد بدون تفکر قبلی انجام می‌شود.

کاندیدا نیز خودکار می‌شود. یک مهندس به Wired گفت که پنج هزار درخواست با یک ربات ارسال کرده و بیست مصاحبه گرفته است. یک درصد 0.5% از اثربخشی. به صورت دستی، با درخواست برای دویست یا سیصد، همان بیست را به دست می‌آورد. ده درصد. حجم هیچ بهبودی نداشت، فقط تخریب را پشت یک عدد بزرگ‌تر پنهان کرد.

در صنعت، نامی برای آن گذاشته‌اند: "حلقه خودکارسازی". بخش‌های منابع انسانی فیلترهای هوش مصنوعی را به کار می‌برند زیرا درخواست‌هایی با هوش مصنوعی دریافت می‌کنند، این فیلترها باعث می‌شوند که کاندیداهای بیشتری برای دور زدن آنها خودکارسازی کنند و چرخ به تنهایی می‌چرخد.

مناسب است که دقیق باشیم در مورد اینکه این فناوری چه کارهایی می‌تواند و چه کارهایی نمی‌تواند انجام دهد. هوش مصنوعی به طور مؤثر نیمه اول فرآیند را حل می‌کند، اینکه چگونه کسی را که زبان برنامه‌نویسی خاصی را تسلط دارد یا در صنعت خاصی کار کرده شناسایی کنیم. آنچه که حل نمی‌کند نیمه دوم است، که واقعاً یک استخدام را تعریف می‌کند: قضاوت. هیچ مدلی نمی‌تواند پیش‌بینی کند که آیا یک فرد تحمل ابهام یک شرکت در حال گسترش را خواهد داشت، آیا با یک بنیان‌گذار مستعد میکرو مدیریت برخورد خواهد کرد، یا اینکه تغییر شغف مکرر یک علامت خطر است یا کمترین داده مرتبط در سابقه‌اش. و وقتی فیلتر بر روی این سیستم‌ها اجرا می‌شود، حتی کسانی که آنها را بررسی می‌کنند نمی‌توانند توضیح دهند که چرا یک کاندیدا رد شده است. قضاوت همچنان نیاز به یک گفت‌وگو، یک فرضیه و تمایل به اشتباه کردن و دوباره تنظیم کردن دارد.

یک نظرسنجی از Harvard Business Review نشان داد که 91% از رهبران استخدام خوب را حیاتی می‌دانند، اما تنها 28% معتقدند که سازمانشان این کار را به خوبی انجام می‌دهد. این شکاف با هوش مصنوعی به وجود نیامده است. هوش مصنوعی فقط آن را عمیق‌تر کرده و توهم انجام بیشتر را در حالی که همان کار را بدتر و سریع‌تر انجام می‌دهد، ایجاد کرده است. با تمام این سرعت، پوشش یک جستجو بیشتر از همیشه طول می‌کشد. میانگین به حداکثر چهل و چهار روز رسیده و یک سوم استخدام‌ها هنوز از طریق ارجاعات انجام می‌شود، کانالی که بیشتر دستی است و هیچ رباتی آن را جابجا نکرده است.

من هر هفته این را در شرکت‌هایی می‌بینم که در پایان یک فرآیند جستجو خسته می‌شوند. آنها با سیصد نفر تماس گرفته‌اند، بیست مصاحبه ترتیب داده‌اند و هنوز هم جستجو را نهایی نکرده‌اند. آنها از نظر فعالیت کمبودی ندارند، بلکه تشخیص کمبود دارند. هیچ‌کس مشخص نکرده است که این موقعیت چه مشکلی را حل می‌کند و چه نشانه‌هایی کسی را رد می‌کند حتی اگر رزومه درخشان باشد. بدون این، هوش مصنوعی فقط سردرگمی را تسریع می‌کند.

با خودکارسازی، بسیاری از شرکت‌ها سرمایه‌گذاری در پروفایل‌های جوان را متوقف کردند. آگهی‌های سطح ابتدایی همچنان منتشر می‌شوند، اما استخدام‌های واقعی در این بخش سقوط کرده است، زیرا درخواست از یک مدل برای ده جستجو اقتصادی‌تر از صرف زمان برای آموزش کسی بدون تجربه است. نتیجه، فرسایش خاموش لوله‌کشی حرفه‌ای‌های ارشد دهه آینده است.

هیچ‌یک از این مشاهدات به معنای رد فناوری نیست. نکته مرکزی چیز دیگری است. هوش مصنوعی آنچه را که سازمان قبل از پذیرش آن بود، تقویت می‌کند. اگر فرآیند انتخاب به خوبی طراحی شده باشد، ابزار آن را سریع‌تر می‌کند. اگر این‌طور نباشد، اجازه می‌دهد که کمبود معیار قبلی به صورت صنعتی گسترش یابد.

استخدام خوب هرگز یک مشکل حجم نبوده است. این یک مشکل دقت بوده و همچنان هست. در مشاوره ما یک قاعده داریم: اگر از هر چهار کاندیدایی که ارائه می‌دهیم، حداقل یکی پیشرفت نکند، متوقف می‌شویم و قبل از اضافه کردن نام‌ها، خلاصه را دوباره تنظیم می‌کنیم. این توقف دقیقاً همان چیزی است که هوش مصنوعی دعوت به دور زدن آن می‌کند و چیزی است که نباید از آن عبور کرد. سوالی که سازمان‌ها باید از خود بپرسند این نیست که چند کاندیدا را این هفته تماس گرفتند، بلکه این است که چند نفر را سال گذشته به درستی انتخاب کردند. آن پاسخ، هنوز، هیچ مدلی تولید نمی‌کند.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.