Prediktiv ansettelsesvurdering: AI sier at du er ansatt

• Forfatter:
• forfatternavn

  Quantumrun Foresight
• September 12, 2022

Oppsummering av innsikt

Kunstig intelligens (AI) omformer rekruttering ved å bruke data til å identifisere toppkandidater, redusere skjevhet og øke mangfoldet på arbeidsplassen. Disse automatiserte systemene effektiviserer ansettelsesprosessene, og potensielt øker bedriftens effektivitet og lønnsomhet samtidig som de tilbyr kandidatene en mer personlig opplevelse. Men avhengigheten av algoritmer reiser spørsmål om rettferdighet og behovet for statlig regulering for å sikre etisk bruk i arbeidsmarkedet.

Prediktiv ansettelsesvurderingskontekst

Den store resignasjonen har vist samfunnet hvordan en svart svanebegivenhet kan endre arbeidsmarkedet over natten. Bedrifter har tilpasset seg ved å doble ned på å ansette de beste tilgjengelige fagfolkene. For å redusere usikkerhet og akselerere ansettelsesprosessen, bruker arbeidsgivere AI-drevne vurderings- og rekrutteringsplattformer som utnytter prediktive data.

Selv før fremveksten av big data og AI hadde mange selskaper allerede begynt å bruke prediktive ansettelsesteknikker, om enn manuelt. Disse teknikkene begrenset egenskapene som historisk sett hadde gitt en pool av høykvalitetskandidater for en åpen rolle, inkludert ansettelse i tidligere jobber, utdanningsbakgrunn og kjernekompetanse. Imidlertid kan denne manuelle prosedyren være svært subjektiv, unøyaktig og skape dissonans blant ansettelsesledere og rekrutteringsteam.

Verktøy for prediktiv ansettelse og talentidentifikasjon, støttet av AI, kan analysere tusenvis av CV-er daglig, og søke etter spesifikke nøkkelord og mønstre som hjelper til med å identifisere kandidater som er best egnet for en rolle. Hver enkelt informasjon en jobbkandidat gir kan kvantifiseres og analyseres, inkludert jobbkunnskap, alder, gjennomsnittlig ansettelsestid, personlighet, språkkunnskaper og tidligere erfaring. Kunstig intelligens chatbots brukes også til å gjennomføre visse første faser av intervjuprosessen, og frigjør rekrutteringsteam til å fokusere på oppgaver med høyere verdi. 

Forstyrrende påvirkning

Integreringen av automatiserte vurderingsverktøy i rekrutteringsprosesser tar sikte på å minimere kognitive og ubevisste skjevheter, noe som potensielt øker mangfold og inkludering på arbeidsplassen. Ved å stole på algoritmer for å evaluere kandidater, kan arbeidsgivere fokusere på søkernes ferdigheter og kvalifikasjoner i stedet for eksterne faktorer som utdanningsbakgrunn, formue, rase, kjønn eller alder. Dette skiftet mot en mer objektiv rekrutteringstilnærming kan føre til en bredere og mer mangfoldig talentmasse, ettersom kandidater som tidligere kan ha blitt oversett på grunn av overfladiske årsaker, nå blir vurdert like mye. I tillegg effektiviserer automatiseringen av visse intervjukomponenter, som kognitiv screening og introduksjonsintervjuer, prosessen, noe som muliggjør mer effektiv kandidatevaluering.

Langsiktig bruk av prediktive og automatiserte ansettelsessystemer kan resultere i betydelige fordeler for arbeidsgivere, inkludert økt intern effektivitet og reduserte ansettelseskostnader. Ved konsekvent å rekruttere kandidater av høyere kvalitet, kan bedrifter forbedre sin generelle produktivitet og lønnsomhet. Videre kan disse systemenes evne til å justere tilbudt lønn i sanntid basert på tilbakemeldinger fra søkere og effektivt skaffe nødvendig dokumentasjon optimalisere ansettelsesprosessen. Denne metoden fremmer også en mer positiv søkeropplevelse, noe som potensielt øker arbeidsgiverens attraktivitet på arbeidsmarkedet. 

Automatiserte ansettelsessystemer kan føre til et mer rettferdig arbeidsmarked, med mangfoldig og inkluderende arbeidsstyrke som bidrar til bredere samfunnsmessige fordeler, som reduserte inntektsforskjeller og økt sosial samhørighet. Det kan imidlertid være bekymringer om avhengigheten av algoritmer, for eksempel potensielle skjevheter i programmeringen eller ekskludering av kandidater som ikke passer innenfor de definerte parameterne til disse systemene. Regjeringer kan trenge å implementere forskrifter og retningslinjer for å sikre at disse teknologiene brukes etisk og effektivt, og balanserer behovet for innovasjon med beskyttelse av arbeidernes rettigheter og interesser. 

Implikasjoner av prediktive ansettelsesverktøy 

Større implikasjoner av at ansettelsesprosessen blir stadig mer automatisert kan omfatte:

• Bruken av chatbots for å gjennomføre foreløpige intervjuer og fjerntester og gi 24/7 support for kandidater gjennom hele rekrutteringsprosessen. 
• En tilpasset opplevelse for kandidater, inkludert å gi sanntids statusoppdateringer på søknaden deres og tilbakemelding etter intervju.
• Økt allokering til HR-teknologibudsjetter for å raskere ansettelsesprosessen og bygge en oppdatert pool av potensielle kandidater for fremtidige roller.
• Søkere tilpasser jobbsøking og intervjutilnærminger for å appellere til algoritmer i stedet for mennesker.
• Potensialet for at eldre arbeidstakere indirekte blir diskriminert på arbeidsmarkedet hvis de mangler digitale ferdigheter til å intervjue effektivt i de automatiserte stadiene av en rekrutteringsprosess.
• Forekomster av negativ presse dersom en rekrutteringsalgoritme viser seg å vise en skjevhet mot en gruppe søkere fremfor en annen.
• Offentlig press på statlige/provinsielle og føderale myndigheter for å regulere i hvilken grad bedrifter i privat sektor kan bruke automatiserte rekrutteringsløsninger.

Spørsmål å vurdere

• Tror du datasystemer nøyaktig kan forutsi kompatibiliteten til potensielle kandidater med rollen og selskapet?
• Hvordan tror du ellers automatiserte vurderingsverktøy kan endre hvordan bedrifter ansetter i fremtiden?