Η τεχνητή νοημοσύνη φέρνει τα πάνω- κάτω στις προσλήψεις και τις συνεντεύξεις για δουλειά

της Maria Aspan

Στο γραφείο του στο Άμστερνταμ, ο Pieter Schalkwijk περνάει τη μέρα του εξετάζοντας δεδομένα σχετικά με τους συναδέλφους του, καθώς προσπαθεί να προσλάβει ακόμα περισσότερους. Ως επικεφαλής προσέλκυσης ταλέντου της Kraft Heinz για την Ευρώπη, τη Μέση Ανατολή και την Αφρική, ο Schalkwijk είναι υπεύθυνος για να βρει τις κατάλληλες προσθήκες στην ομάδα της περιφέρειάς του, η οποία περιλαμβάνει 5.600 άτομα.

Το καθήκον είναι δύσκολο και έχει τεράστιο όγκο δουλειάς. Πρόσφατα, για ένα πρόγραμμα πρακτικής άσκησης, ο Schalkwijk έλαβε 12.000 αιτήσεις για μόλις 40 ή 50 θέσεις. Κι αυτός είναι ο λόγος που από το φθινόπωρο του 2018, χιλιάδες πανεπιστημιακών αποφοίτων που θέλουν να εργαστούν για την εταιρεία περνούν μισή ώρα παίζοντας βιντεοπαιχνίδια. «Νομίζω ότι η νεότερη γενιά είναι λίγο πιο ανοιχτή προς αυτό τον τρόπο πρόσληψης» λέει ο Schalkwijk.

Τα παιχνίδια είναι γνωστικά και συμπεριφορικά τεστ που αναπτύχθηκαν από τη νεοσύστατη επιχείρηση Pymetrics, η οποία χρησιμοποιεί τεχνητή νοημοσύνη για να αξιολογεί τα χαρακτηριστικά προσωπικότητας των υποψηφίων για δουλειά. Ένα παιχνίδι ζητά από τους παίκτες να φουσκώσουν μπαλόνια πατώντας το πλήκτρο space στο πληκτρολόγιο και συλλέγοντας (ψεύτικο) χρήμα για κάθε κλικ. Ο παίκτης μπορεί να σταματήσει και να εξαργυρώσει τα κλικ που έχει μέχρι τότε, αλλιώς το μπαλόνι φτάνει σε κάποιο σημείο όπου σκάει, μηδενίζοντας το χρηματικό ποσό. Ένα τέτοιο παιχνίδι αξιολογεί την όρεξη του παίκτη για ρίσκο και την ευρύτερη προσέγγισή του προς αυτό.

Ένα άλλο παιχνίδι μετρά τη μνήμη και τη συγκέντρωση, ζητώντας από τους παίκτες να θυμηθούν και να επαναλάβουν ολοένα και μεγαλύτερες αλληλουχίες αριθμών. Άλλα παιχνίδια εξετάζουν πόσο γενναιόδωρος είναι ο υποψήφιος ή πόσο εμπιστεύεται τους άλλους, δίνοντάς του ψεύτικα χρήματα και ρωτώντας τον εάν θα ήθελε να μοιραστεί ένα μέρος τους με εικονικούς συνεταίρους.

Τα αποτελέσματα, αξιολογημένα με βάσει τα αντίστοιχα αποτελέσματα 250 κορυφαίων σε απόδοση εργαζομένων της Kraft Heinz, επιτρέπουν στον Schalkwijk να έχει μια εικόνα για το ποιος υποψήφιος είναι πιθανότερο να πετύχει. Το κριτήριο; Το κατά πόσο τα χαρακτηριστικά του κάθε υποψηφίου, όπως εκφράζονται από τις δεξιότητες στο βιντεοπαιχνίδι, ταιριάζουν με τα χαρακτηριστικά των εργαζομένων της εταιρείας, οι οποίοι έχουν συναισθηματική νοημοσύνη και επιδιώκουν το ρίσκο.

Ο Schalkwijk είναι ένας από τους πολλούς διευθυντές ανθρωπίνων πόρων που βασίζονται στην τεχνητή νοημοσύνη για την πρόσληψη, αξιολόγηση και διαχείριση του προσωπικού τους. Σε μια έρευνα της Deloitte το 2018, 32% των στελεχών που ερωτήθηκαν είπαν ότι εφάρμοζαν τεχνητή νοημοσύνη για τη «διαχείριση του εργατικού δυναμικού». Το ποσοστό αυτό είναι σίγουρα υψηλότερο σήμερα, και διευρύνεται για να συμπεριλάβει κάποιες από τις μεγαλύτερες εταιρείες του κόσμου.

Εάν αναζητάτε εργασία, η αίτησή σας ίσως εξεταστεί από ένα chatbot της Mya Systems στη L’Oréal ή την PepsiCo. Ή μπορεί να απαντήσετε σε μια αγγελία προσφοράς εργασίας της Expedia Group ή της ViacomCBS που θα έχει διορθωθεί από τα εργαλεία της Textio. Ίσως, πάλι, σας ζητηθεί να παίξετε ένα παιχνίδι της Pymetrics, όχι μόνο στην Kraft Heinz αλλά και στη Unilever ή στην JPMorgan Chase. Ή είναι πιθανό να μαγνητοσκοπήσετε μία αυτοματοποιημένη συνέντευξη σε βίντεο της HireVue, που χρησιμοποιούν η Hilton και η Delta Air Lines.

Η σχέση σας με την τεχνητή νοημοσύνη μπορεί να επεκτείνεται και πέρα από την προσφορά δουλειάς. Αφού προσληφθείτε, ίσως καταλήξετε να συμπληρώνετε έρευνες γνώμης σχεδιασμένες από το LinkedIn της Microsoft, όπου οι απαντήσεις σας θα συμβάλλουν στον ορισμό των στόχων απόδοσης από τον διευθυντή σας. Ή ο εργοδότης σας μπορεί να σας ορίσει υποψήφιο για κάποια ευκαιρία προαγωγής που θα έχει προσδιοριστεί από το εργαλείο τεχνητής νοημοσύνης της Workday. Ή εάν εργάζεστε σε μια αποθήκη της Amazon και χάσετε τους στόχους παραγωγικότητάς σας, τα ενσωματωμένα συστήματα στον χώρο εργασίας σας θα μπορούσαν να προτείνουν την απόλυσή σας. Απ’ την άλλη μεριά, εάν εργάζεστε για την IBM και προτίθεστε να αλλάξετε δουλειά, κάποια αντίστοιχα συστήματα ίσως μαντέψουν τα σχέδιά σας και προειδοποιήσουν τους μάνατζέρ σας ότι θα πρέπει να προσπαθήσουν περισσότερο για να σας κάνουν χαρούμενο και να σας αλλάξουν γνώμη.

Με άλλα λόγια, οι εταιρείες ολοένα και περισσότερο αναθέτουν ένα μεγάλο μέρος της ευθύνης για τις προσλήψεις σε μηχανήματα, και η λίστα με τα καθήκοντα τα σχετιζόμενα με το προσωπικό που αναλαμβάνει η τεχνητή νοημοσύνη αναμένεται να διευρυνθεί στο μέλλον. Στον «πόλεμο του ταλέντου», οι εργοδότες βρίσκονται υπό πίεση να εκμεταλλευθούν οποιοδήποτε πλεονέκτημα μπορεί να τους προσφέρει η τεχνολογία.

Σε μια έρευνα γνώμης του LinkedIn με τη συμμετοχή διευθυντών προσλήψεων που χρησιμοποιούν τεχνητή νοημοσύνη, 67% είπαν ότι υιοθέτησαν τη σχετική τεχνολογία επειδή τους βοηθάει να εξοικονομήσουν χρόνο. Ένα μικρότερο ποσοστό, 43%, ανέφερε ένα σημαντικότερο κίνητρο: η τεχνητή νοημοσύνη, είπαν, τους βοηθάει να εξαλείψουν τη μεροληψία στη διαδικασία επιλογής. «Οι άνθρωποι είναι εγγενώς μεροληπτικοί» επισημαίνει ο Schalkwijk. «Θέλω οι αποφάσεις σχετικά με τις προσλήψεις να βασίζονται λιγότερο στη μεροληψία και περισσότερο στα δεδομένα».

Η εξάλειψη της μεροληψίας από τη διαδικασία προσλήψεων σημαίνει ότι μπορεί να προαχθούν περισσότερο η έμφυλη και η φυλετική ποικιλομορφία. Επιπλέον, η τεχνητή νοημοσύνη μπορεί να βάλει στην άκρη τη μεροληψία που συνδέεται με τις πανεπιστημιακές σπουδές του υποψηφίου, προσφέροντας περισσότερες ευκαιρίες σε άτομα που δεν σπούδασαν σε πανάκριβα πανεπιστήμια με «όνομα». Προτού υιοθετήσουν τη χρήση παιχνιδιών της Pymetrics, οι υπεύθυνοι προσλήψεων της Kraft Heinz σκάναραν τα βιογραφικά αναζητώντας κορυφαία πανεπιστήμια. Τώρα, λέει ο Schalkwijk, «δεν παίζει ρόλο εάν είσαι από το Κέιμπριτζ».

Πάντως, παρά τις θετικές πτυχές της, πολλοί εργοδότες προσεγγίζουν την τεχνητή νοημοσύνη με σκεπτικισμό. «Είμαστε ακόμα σε ένα πρώιμο στάδιο ως προς την τεχνητή νοημοσύνη και τον ρόλο της» λέει ο Gordon Ritter, ιδρυτής της Emergence Capital και επενδυτής σε διάφορες startup τεχνητής νοημοσύνης. «Είναι φίλος ή εχθρός;».

Το πρόβλημα, σημειώνει η Matissa Hollister, επίκουρη καθηγήτρια οργανωτικής συμπεριφοράς στο Πανεπιστήμιο McGill, είναι ότι ένα σύστημα μηχανικής μάθησης είναι τόσο αμερόληπτο όσο και οι πληροφορίες από τις οποίες μαθαίνει. «Στον βαθμό που ο πραγματικός κόσμος περιλαμβάνει μεροληψία» τονίζει η ίδια, «υπάρχει ο κίνδυνος να μάθει ο αλγόριθμος αυτή τη μεροληψία, να την ενσωματώσει και να τη διαιωνίσει».

Η Amazon, για παράδειγμα, ξόδεψε πολλά χρόνια για την ανάπτυξη ενός αλγόριθμου για την ανάλυση βιογραφικών σημειωμάτων. Εν τέλει, δεν τον χρησιμοποίησε ποτέ, επειδή αποδείχθηκε ότι αυτός έκανε διακρίσεις εις βάρος των γυναικών. Επειδή τα περισσότερα βιογραφικά που είχε αξιολογήσει ήταν από άνδρες, ο αλγόριθμος διδάχθηκε ότι οι άνδρες ήταν προτιμότεροι από τις γυναίκες σε μια πρόσληψη.