كيفية التوظيف باستخدام الذكاء الاصطناعي بشكل صحيح

27

AI بالعربي – خاص

نظرًا لأن المؤسسات تتبنى الذكاء الاصطناعي بشكل متزايد في التوظيف، من الضروري أن تفهم كيفية استخدام التكنولوجيا لتقليل التحيز بدلًا من تفاقمه.

حتى مع وجود علامات الركود، لا يزال التوظيف يمثل أولوية قصوى وتحديًا للعديد من الصناعات، بما في ذلك الرعاية الصحية والضيافة والتصنيع والنقل، هناك ما يقرب من 11.4 مليون وظيفة شاغرة في الولايات المتحدة، وفقًا للتقارير الأخيرة الصادرة عن المكتب الأمريكي لإحصاءات العمل، مع النسبة الحالية لمهني موهوب واحد مؤهل لكل ثمانية أدوار مفتوحة، يجب أن تجد فرق المواهب طرقًا لتكون أكثر كفاءة وفعالية.

يتيح الذكاء الاصطناعي عملية توظيف سريعة وفعالة. يمكن أن يكون أيضًا أداة قوية للكشف عن التحيزات الخفية في التوظيف ودفع التغيير، مما يدفع المؤسسات إلى تقييم بيانات التوظيف السابقة وتحسين عمليات التوظيف والتوظيف.

معنى التحيز

سيخبرك علماء البيانات بأن جميع البيانات متحيزة لأن التحيز يتعلق بإيجاد أنماط في البيانات. بعض التحيز مرغوب فيه، مثل التحيز المستخدم للتوصية بالوظائف للمرشحين فيما يتعلق بالموقع المفضل لديهم، والمهارات، والاهتمامات، والمسمى الوظيفي. يساعد التشجيع على التحيز نحو تلبية هذه التفضيلات عند إعداد النماذج الحسابية على مطابقة المرشحين مع الوظائف التي يريدونها والقائمين بالتوظيف مع الأفراد الأكثر ملاءمة لملء الأدوار. في هذه الحالة، يفيد التحيز الباحثين عن عمل وأرباب العمل.

التحيز الاجتماعي، ومع ذلك، يهم المتخصصين في الموارد البشرية والجماعات التنظيمية. يستثني هذا التحيز المرشحين للوظائف على أساس الجنس أو العمر أو القدرة أو السمات الديموغرافية الأخرى. يشمل التحيز الاجتماعي أيضًا تفضيلًا تمييزيًا تجاه المرشحين الذين التحقوا بجامعات معينة أو أصحاب عمل سابقين مدرجين في سيرتهم الذاتية.

يبني الذكاء الاصطناعي توقعاته على البيانات التي يتلقاها. قد يبدو الأمر كما لو أن الذكاء الاصطناعي يخلق تحيزًا، لكن هذا ليس هو الحال. يضخم الذكاء الاصطناعي فقط التحيز الموجود بالفعل في البيانات التاريخية للمؤسسة.

عندما تُترك دون رادع، يمكن أن يؤدي تضخيم الذكاء الاصطناعي للتحيز الحالي إلى تقليل التنوع في خط الأنابيب المرشح لأن التكنولوجيا ستوصي بمرشحين ذوي خلفيات مماثلة للتعيينات السابقة واستبعاد الأشخاص الذين لا تنطبق عليهم هذه المعايير.

تستخدم المنظمات التي تحقق نجاحًا باستخدام الذكاء الاصطناعي في التوظيف هذه التقنية لتسليط الضوء على اتجاهات التوظيف المنحازة مع إدراك أن تطبيق الذكاء الاصطناعي لا يحل مشكلات التنوع أو الشمول بشكل مباشر. بدلاً من ذلك، فإنه يقدم نظرة ثاقبة على أوجه القصور في التنوع حتى تتمكن المنظمات من العمل على التخفيف منها.

البشر في الحلقة

أفضل طريقة لمكافحة التحيز هي الإمساك به قبل تدريب عارضاتك. يساعد تحليل البيانات الاستكشافية المبكر في تحديد وإزالة التحيز الاجتماعي من بيانات التوظيف في الشركة قبل تضمينها في مجموعات التدريب أو بدء الإنتاج.

بمجرد أن تبدأ مؤسستك في استخدام الذكاء الاصطناعي، فإن الإنسان في الحلقة، فريق مخصص لتقييم مخرجات الذكاء الاصطناعي، ضروري لمراقبة تقدم التكنولوجيا. لا يحتاج هذا الشخص إلى مهارات تقنية عالية. يمكن لأي عضو في الفريق متحمس للدفاع عن التنوع أن يتعلم التحقق من مؤشرات التحيز.

يمكن أن تكون العملية المستمرة بسيطة مثل فحص لوحة معلومات منظمة العفو الدولية الخاصة بمؤسستك أسبوعيًا. يجب على الفرق مقارنة توصيات التوظيف الخاصة بالنظام بمعايير المؤسسة. إنها طريقة مهمة لضمان عدم وجود مجموعات ديموغرافية ممثلة تمثيلًا زائدًا أو ناقصًا، تساعد الرؤى من الإنسان في الحلقة فرق الهندسة على تعديل النماذج لتلبية أهدافهم.

يساهم المستخدمون النهائيون للمؤسسة أيضًا في تحسين النماذج الحسابية، عندما يلاحظ مسؤولو التوظيف أو مديرو التوظيف مؤشرات على التحيز في توصيات المرشح التي يتلقونها، يجب عليهم إثارة المشكلة مع مدير المنتج، بعد ذلك، يمكن لعالم البيانات إجراء مزيد من البحث لفهم ما حدث وتقديم توصيات حول كيفية تجنبه في المستقبل.

نماذج أفضل مع التكرار المستمر

تفكر بعض الشركات في الذكاء الاصطناعي على أنه خوارزمية مستقلة “يضبطونها وينسونها”. لكن الذكاء الاصطناعي لا يقف مكتوف الأيدي، فهو يستمر في التعلم من بياناتك. يجب أن تتعامل مؤسستك مع الذكاء الاصطناعي كعملية مستمرة، تولد النماذج الخوارزمية المدربة بشكل أفضل مع تنبؤات الذكاء الاصطناعي الأكثر توافقًا مع أهداف التوظيف الخاصة بك.

إن الفهم العميق للعلاقة بين التحيز والبيانات، جنبًا إلى جنب مع عضو فريق متحمس وذو عقلية متنوعة سوف يجهز مؤسستك لجني أقصى استفادة من الذكاء الاصطناعي في عمليات التوظيف. مع دعم مسؤولي التوظيف ومديري التوظيف بالذكاء الاصطناعي، سيكون لديهم الوقت للتركيز على العناصر البشرية عالية المستوى للموارد البشرية التي لا يمكن لأي خوارزمية استبدالها.

اترك رد

Your email address will not be published.