ხელოვნურ ინტელექტს შეუძლია დახმარება, მაგრამ მხოლოდ იმ შემთხვევაში, თუ მას ელექტრო ინსტრუმენტად მოეპყრობით და არა ჯადოსნურ ჯოხად. კარგად გამოყენების შემთხვევაში, ის აჩქარებს მოძიების პროცესს, ამკაცრებს თანმიმდევრულობას და აუმჯობესებს კანდიდატის გამოცდილებას. ცუდად გამოყენების შემთხვევაში კი... ის ჩუმად ამცირებს დაბნეულობას, მიკერძოებას და იურიდიულ რისკს. სახალისოა.
მოდით განვიხილოთ, თუ როგორ გამოვიყენოთ ხელოვნური ინტელექტი დაქირავების პროცესში ისე, რომ ეს იყოს რეალურად სასარგებლო, ადამიანზე ორიენტირებული და დაცულობით სავსე. (და არა საშიში. გთხოვთ, ნუ შეაშინებთ.)
სტატიები, რომელთა წაკითხვაც შეიძლება მოგეწონოთ ამის შემდეგ:
🔗 ხელოვნური ინტელექტის მიერ დაქირავების ინსტრუმენტები, რომლებიც ცვლიან თანამედროვე დაქირავებას,
როგორ აჩქარებენ და აუმჯობესებენ ხელოვნური ინტელექტის პლატფორმები დაქირავების გადაწყვეტილებებს.
🔗 უფასო ხელოვნური ინტელექტის ინსტრუმენტები დაქირავების გუნდებისთვის
საუკეთესო უფასო გადაწყვეტილებები დაქირავების სამუშაო პროცესების გამარტივებისა და ავტომატიზაციისთვის.
🔗 ხელოვნური ინტელექტის უნარები, რომლებიც დამსაქმებელ მენეჯერებს აოცებს
ხელოვნური ინტელექტის რომელი უნარებია რეალურად გამორჩეული რეზიუმეებში.
🔗 უნდა უარი თქვათ თუ არა ხელოვნური ინტელექტის რეზიუმეს შემოწმებაზე
ავტომატიზირებული დაქირავების სისტემების თავიდან აცილების დადებითი, უარყოფითი მხარეები და რისკები.
რატომ ჩნდება ხელოვნური ინტელექტი დაქირავების პროცესში (და რას აკეთებს ის სინამდვილეში ) 🔎
„ხელოვნური ინტელექტის დაქირავების“ ინსტრუმენტების უმეტესობა რამდენიმე კატეგორიად იყოფა:
-
დაფინანსება : კანდიდატების მოძიება, საძიებო ტერმინების გაფართოება, უნარების შესაბამისობა პოზიციებთან
-
სკრინინგი : რეზიუმეების დამუშავება, აპლიკანტების რანჟირება, სავარაუდო შესაბამისობების მონიშვნა
-
შეფასებები : უნარების ტესტები, სამუშაო ნიმუშები, სამუშაო სიმულაციები, ზოგჯერ ვიდეო სამუშაო პროცესები
-
ინტერვიუს მხარდაჭერა : სტრუქტურირებული კითხვების ბანკები, შენიშვნების შეჯამება, ქულების ცხრილის შენიშვნები
-
ოპერაციები : დაგეგმვა, კანდიდატის კითხვა-პასუხის ჩატი, სტატუსის განახლებები, შეთავაზების სამუშაო პროცესი
ერთი რეალობის შემოწმება: ხელოვნური ინტელექტი იშვიათად „წყვეტს“ ერთ მყისიერ მომენტში. ის გავლენას ახდენს... უბიძგებს... ფილტრავს... პრიორიტეტებს ანიჭებს. რაც მაინც დიდი პრობლემაა, რადგან პრაქტიკაში ინსტრუმენტი შეიძლება შერჩევის პროცედურად მაშინაც კი, როდესაც ადამიანები „ტექნიკურად“ არიან ჩართული პროცესში. აშშ-ში, EEOC-მა ცალსახად განაცხადა, რომ ალგორითმული გადაწყვეტილების ინსტრუმენტებმა, რომლებიც გამოიყენება დასაქმების შესახებ გადაწყვეტილებების მისაღებად ან ინფორმირებისთვის, შეიძლება გამოიწვიოს იგივე ძველი, განსხვავებული/უარყოფითი ზემოქმედების კითხვები - და რომ დამსაქმებლებს შეუძლიათ დარჩნენ პასუხისმგებელნი მაშინაც კი, როდესაც გამყიდველი ქმნის ან იყენებს ინსტრუმენტს. [1]
ხელოვნური ინტელექტით დაფინანსებული „კარგი“ მინიმალური დასაქმების სისტემა ✅
ხელოვნური ინტელექტის კარგი დაქირავების სისტემას რამდენიმე შეუცვლელი პუნქტი აქვს (დიახ, ისინი ოდნავ მოსაწყენია, მაგრამ მოსაწყენი უსაფრთხოა):
-
სამუშაოსთან დაკავშირებული შეყვანები : შეაფასეთ როლთან დაკავშირებული სიგნალები და არა განწყობა.
-
ახსნა-განმარტება, რომლის ხმამაღლა გამეორებაც შეგიძლიათ : თუ კანდიდატი გკითხავთ „რატომ“, თქვენ გაქვთ თანმიმდევრული პასუხი.
-
ადამიანის ზედამხედველობა, რომელიც მნიშვნელოვანია : არა ცერემონიალური დაწკაპუნება - რეალური უფლებამოსილება გადაფარვისთვის
-
ვალიდაცია + მონიტორინგი : ტესტის შედეგები, დრიფტის დაკვირვება, ჩანაწერების შენახვა
-
კანდიდატებისთვის მოსახერხებელი დიზაინი : მკაფიო ნაბიჯები, ხელმისაწვდომი პროცესი, მინიმალური უაზრობა
-
კონფიდენციალურობა დიზაინით : მონაცემთა მინიმიზაცია, შენახვის წესები, უსაფრთხოება + წვდომის კონტროლი
თუ გსურთ მყარი გონებრივი მოდელი, ისესხეთ NIST-ის ხელოვნური ინტელექტის რისკების მართვის ჩარჩო - ეს არის სტრუქტურირებული გზა ხელოვნური ინტელექტის რისკების მართვის, რუკის შედგენის, გაზომვისა და მართვისთვის მთელი სასიცოცხლო ციკლის განმავლობაში. ეს არ არის ძილის წინ ზღაპარი, მაგრამ ის ნამდვილად სასარგებლოა ამ ყველაფრის აუდიტისთვის. [4]
სად ჯდება ხელოვნური ინტელექტი ყველაზე უკეთ ძაბრის ძაბრში (და სად ხდება ის პიკანტური) 🌶️
საუკეთესო ადგილები დასაწყებად (როგორც წესი)
-
სამუშაოს აღწერილობის შედგენა + დასუფთავება ✍️
გენერაციულ ხელოვნურ ინტელექტს შეუძლია შეამციროს ჟარგონი, წაშალოს გაბერილი სურვილების სიები და გააუმჯობესოს სიცხადე (თუ გონიერებას გადაამოწმებთ). -
დამსაქმებლის თანაპილოტები (რეზიუმეები, საზოგადოებისთვის ხელმისაწვდომობის ვარიანტები, ლოგიკური სტრიქონები)
დიდი მოგება პროდუქტიულობაში, დაბალი გადაწყვეტილების რისკი, თუ ადამიანები პასუხისმგებელნი დარჩებიან. -
დაგეგმვა + კანდიდატის ხშირად დასმული კითხვები 📅
კანდიდატებს ავტომატიზაცია ნამდვილად მოსწონთ, როდესაც ეს თავაზიანად კეთდება.
მაღალი რისკის ზონები (ფრთხილად იარეთ)
-
ავტომატური რანჟირება და უარყოფა
რაც უფრო გადამწყვეტი ხდება ქულა, მით უფრო მეტად გადადის თქვენი ტვირთი „კარგი ინსტრუმენტიდან“ „დაამტკიცეთ, რომ ეს სამუშაოსთან დაკავშირებულია, მონიტორინგირებულია და არა ჯგუფების ჩუმად გამორიცხვის“. -
ვიდეოანალიზი ან „ქცევითი დასკვნა“ 🎥
მაშინაც კი, როდესაც ისინი „ობიექტურად“ არის წარმოდგენილი, ისინი შეიძლება შეეჯახებოდეს შეზღუდული შესაძლებლობის მქონე პირებს, ხელმისაწვდომობის მოთხოვნილებებს და არასტაბილურ ვალიდურობას. -
ყველაფერი, რაც ხდება „მხოლოდ ავტომატიზირებული“ მნიშვნელოვანი შედეგებით.
დიდი ბრიტანეთის GDPR-ის თანახმად, ადამიანებს აქვთ უფლება, არ დაექვემდებარონ გარკვეულ, მხოლოდ ავტომატიზირებულ გადაწყვეტილებებს, რომლებსაც აქვთ სამართლებრივი ან მსგავსი მნიშვნელოვანი შედეგები - და სადაც ეს გამოიყენება, ასევე საჭიროა დაცვის ზომები, როგორიცაა ადამიანის ჩარევის მიღების და გადაწყვეტილების გასაჩივრების შესაძლებლობა. (ასევე: ICO აღნიშნავს, რომ ეს სახელმძღვანელო განხილვის პროცესშია დიდი ბრიტანეთის კანონმდებლობაში შეტანილი ცვლილებების გამო, ამიტომ ეს უნდა განიხილოთ, როგორც განახლებული სფერო.) [3]
ერთსა და იმავე კამათობდეს ) 🧠
თუ მხოლოდ ერთ ნერდის ჩვევას იპარავთ: ხელსაწყოების შეძენამდე განსაზღვრეთ ტერმინები.
-
ალგორითმული გადაწყვეტილების მიღების ინსტრუმენტი : ზოგადი ტერმინი, რომელიც აღნიშნავს პროგრამულ უზრუნველყოფას, რომელიც აფასებს/აფასებს განმცხადებლებს ან თანამშრომლებს, ზოგჯერ ხელოვნური ინტელექტის გამოყენებით, გადაწყვეტილებების მისაღებად.
-
უარყოფითი ზემოქმედება / არათანაბარი ზემოქმედება : „ნეიტრალური“ პროცესი, რომელიც არაპროპორციულად გამორიცხავს ადამიანებს დაცული მახასიათებლების საფუძველზე (მაშინაც კი, თუ ეს არავის ჰქონდა განზრახული).
-
სამუშაოსთან დაკავშირებული + ბიზნესის აუცილებლობასთან შესაბამისობა : ის ზღვარი, რომლისკენაც ისწრაფვით, თუ ინსტრუმენტი გამორიცხავს ადამიანებს და შედეგები არათანაბარია.
ეს კონცეფციები (და შერჩევის მაჩვენებლებზე ფიქრი) ნათლად არის ჩამოყალიბებული EEOC-ის ტექნიკურ დახმარებაში ხელოვნური ინტელექტისა და უარყოფითი ზემოქმედების შესახებ. [1]
შედარების ცხრილი - ხელოვნური ინტელექტის დაქირავების გავრცელებული ვარიანტები (და ვისთვის არიან ისინი სინამდვილეში განკუთვნილი) 🧾
| ინსტრუმენტი | აუდიტორია | ფასი | რატომ მუშაობს |
|---|---|---|---|
| ხელოვნური ინტელექტის დამატებები ATS პაკეტებში (სკრინინგი, შესაბამისობა) | მაღალი მოცულობის გუნდები | ციტატებზე დაფუძნებული | ცენტრალიზებული სამუშაო პროცესი + ანგარიშგება… მაგრამ ფრთხილად დააკონფიგურირეთ, თორემ უარყოფის ქარხანად იქცევა |
| ნიჭის მოძიება + ხელახალი აღმოჩენა ხელოვნური ინტელექტით | ორგანიზაციები, რომლებიც დიდი რაოდენობით წყაროებს მოიძიებენ | ££–£££ | პოულობს მიმდებარე პროფილებს და „დაფარულ“ კანდიდატებს - უცნაურად სასარგებლოა ნიშური როლებისთვის |
| რეზიუმეს დამუშავება + უნარების ტაქსონომია | გუნდები CV PDF ფაილებში იხრჩობიან | ხშირად შეფუთულია | ამცირებს ხელით დახარისხებას; არასრულყოფილია, მაგრამ უფრო სწრაფია, ვიდრე ყველაფრის თვალის დახამხამება 23:00 საათზე 😵 |
| კანდიდატის ჩატი + დაგეგმვის ავტომატიზაცია | საათობრივი, კამპუსის, მაღალი მოცულობის | £–££ | უფრო სწრაფი რეაგირების დრო და ნაკლები არმოჩენა - თავს წესიერ კონსიერჟად გრძნობთ |
| სტრუქტურირებული ინტერვიუს ნაკრებები + ქულების ბარათები | გუნდები შეუსაბამობის გამოსწორებას ცდილობენ | £ | ინტერვიუებს ნაკლებად შემთხვევითს ხდის - მშვიდი გამარჯვება |
| შეფასების პლატფორმები (სამუშაო ნიმუშები, სიმულაციები) | კვალიფიკაციის ამაღლებისკენ მიდრეკილი დასაქმება | ££ | სამუშაოსთან შესაბამისობაში უკეთესი სიგნალია, ვიდრე რეზიუმეები - შედეგები მაინც უნდა აკონტროლოთ |
| მიკერძოების მონიტორინგი + აუდიტის მხარდაჭერის ინსტრუმენტები | რეგულირებადი / რისკის შესახებ ინფორმირებული ორგანიზაციები | £££ | ხელს უწყობს შერჩევის ტარიფების თვალყურის დევნებას და დროთა განმავლობაში ცვლილებების - ძირითადად, ქვითრების - თვალყურის დევნებას. |
| მართვის სამუშაო პროცესები (დამტკიცებები, ჟურნალები, მოდელების ინვენტარი) | უფრო დიდი HR + იურიდიული გუნდები | ££ | ხელს უშლის „ვინ რა დაამტკიცა“-ს მოგვიანებით საგანძურის ძიებად გადაქცევაში |
პატარა აღიარება: ამ ბაზარზე ფასები არასტაბილურია. გამყიდველებს უყვართ „მოდით, დავრეკოთ“-ს ენერგია. ამიტომ, ღირებულება „შეფარდებითი ძალისხმევის + კონტრაქტის სირთულედ“ მიიჩნიეთ და არა ელეგანტურ სტიკერად... 🤷
როგორ გამოვიყენოთ ხელოვნური ინტელექტი დაქირავების პროცესში ეტაპობრივად (დანერგვა, რომელიც მოგვიანებით არ შეგაწუხებთ) 🧩
ნაბიჯი 1: აირჩიეთ ერთი მტკივნეული წერტილი და არა მთელი სამყარო
დაიწყეთ რაღაც მსგავსით:
-
ერთი როლური ოჯახისთვის სკრინინგის დროის შემცირება
-
ძნელად შესავსები პოზიციებისთვის საჭირო ადგილების მოძიების გაუმჯობესება
-
გასაუბრების კითხვებისა და ქულების სტანდარტიზაცია
თუ პირველივე დღეს ხელოვნური ინტელექტის გამოყენებით დაქირავების პროცესის სრულად აღდგენას შეეცდებით, საბოლოოდ ფრანკენშტეინის პროცესს წააგავთ. ტექნიკურად, ეს იმუშავებს, მაგრამ ყველას შეძულდება. შემდეგ კი ისინი მას გვერდს აუვლიან, რაც უარესია.
ნაბიჯი 2: განსაზღვრეთ „წარმატება“ სიჩქარის მიღმა
სიჩქარე მნიშვნელოვანია. ასევე მნიშვნელოვანია არასწორი ადამიანის სწრაფად დაქირავება 😬. ტრეკი:
-
პირველი რეაგირების დრო
-
დრო შერჩეულ სიაში მოხვედრამდე
-
გასაუბრებისა და შეთავაზების თანაფარდობა
-
კანდიდატების ჩამოგდების მაჩვენებელი
-
დაქირავების ხარისხის მანიშნებელი მაჩვენებლები (დასაქმების დაწყების დრო, ადრეული შესრულების სიგნალები, შენარჩუნება)
-
შერჩევის მაჩვენებლის განსხვავებები ჯგუფებს შორის თითოეულ ეტაპზე
თუ მხოლოდ სიჩქარეს გაზომავთ, ოპტიმიზაციას მოახდენთ „სწრაფი უარყოფისთვის“, რაც იგივე არ არის, რაც „კარგი დაქირავება“.
ნაბიჯი 3: დააფიქსირეთ თქვენი ადამიანური გადაწყვეტილების წერტილები (ჩაწერეთ ისინი)
იყავით მტკივნეულად პირდაპირი:
-
სადაც ხელოვნურ ინტელექტს შეუძლია შემოგთავაზოთ
-
სადაც ადამიანებმა უნდა გადაწყვიტონ
-
სადაც ადამიანებმა უნდა გადახედონ გადაფარვებს (და ჩაწერონ მიზეზი)
პრაქტიკული სუნის ტესტი: თუ გადაფარვის მაჩვენებლები ძირითადად ნულის ტოლია, თქვენი „ციკლში ჩართული ადამიანი“ შეიძლება დეკორატიული სტიკერი იყოს.
ნაბიჯი 4: ჯერ ჩრდილის ტესტის გაშვება
სანამ ხელოვნური ინტელექტი რეალურ კანდიდატებზე გავლენას მოახდენს:
-
გამოიყენეთ ის წარსულ დაქირავების ციკლებზე
-
შეადარეთ რეკომენდაციები რეალურ შედეგებს
-
მოძებნეთ ისეთი ნიმუშები, როგორიცაა „შესანიშნავი კანდიდატები სისტემატურად დაბალ რეიტინგში არიან“.
რთული მაგალითი (რადგან ეს ხშირად ხდება): მოდელი „უყვარს“ უწყვეტი დასაქმება და აჯარიმებს კარიერულ ხარვეზებს... რაც ჩუმად ამცირებს მზრუნველების, ავადმყოფობის შემდეგ დაბრუნებული ადამიანების და არაწრფივი გზის მქონე ადამიანების კვალს. არავის უწერია კოდი „იყავი უსამართლო“. მონაცემებმა ეს თქვენთვის გააკეთა. მაგარია, მაგარია, მაგარია.
ნაბიჯი 5: პილოტირება, შემდეგ ნელა გაფართოება
კარგი პილოტი მოიცავს:
-
რეკრუტერის ტრენინგი
-
დამსაქმებელი მენეჯერის კალიბრაციის სესიები
-
კანდიდატის შეტყობინებები (რა არის ავტომატიზირებული, რა არა)
-
შეცდომის შესახებ შეტყობინების გზა უკიდურესი შემთხვევებისთვის
-
ცვლილებების ჟურნალი (რა შეიცვალა, როდის, ვინ დაამტკიცა ეს)
პილოტებს ისე მოეპყარით, როგორც ლაბორატორიას და არა მარკეტინგულ პრეზენტაციას 🎛️.
როგორ გამოვიყენოთ ხელოვნური ინტელექტი დაქირავებისას კონფიდენციალურობის დარღვევის გარეშე 🛡️
კონფიდენციალურობა მხოლოდ იურიდიული ჩარჩოების მონიშვნა არ არის - ეს კანდიდატის ნდობაა. და ნდობა ისედაც მყიფეა დაქირავებისას, მოდით, ვიყოთ გულახდილები.
პრაქტიკული ნაბიჯები კონფიდენციალურობის დასაცავად:
-
მონაცემების მინიმიზაცია : ნუ გადაკეტავთ ყველაფერს „ყოველი შემთხვევისთვის“
-
იყავით ცალსახა : უთხარით კანდიდატებს, როდის გამოიყენება ავტომატიზაცია და რა მონაცემებია ჩართული.
-
შენახვის ლიმიტი : განსაზღვრეთ, რამდენ ხანს რჩება განმცხადებლის მონაცემები სისტემაში
-
უსაფრთხო წვდომა : როლებზე დაფუძნებული ნებართვები, აუდიტის ჟურნალები, მომწოდებლის კონტროლი
-
მიზნის შეზღუდვა : დასაქმებისთვის გამოიყენეთ განმცხადებლის მონაცემები და არა შემთხვევითი სამომავლო ექსპერიმენტები.
თუ დიდ ბრიტანეთში ახორციელებთ დასაქმებას, ICO ძალიან პირდაპირ გეუბნებათ, თუ რა უნდა მოითხოვონ ორგანიზაციებმა შეძენამდე - მათ შორის, ადრეული DPIA-ს ჩატარება, დამუშავების სამართლიანი/მინიმალური დონის შენარჩუნება და კანდიდატებისთვის ნათლად ახსნა, თუ როგორ გამოიყენება მათი ინფორმაცია. [2]
ასევე, არ დაგავიწყდეთ ხელმისაწვდომობა: თუ ხელოვნური ინტელექტით მართული ნაბიჯი ბლოკავს კანდიდატებს, რომლებსაც ადაპტაცია სჭირდებათ, თქვენ ბარიერს ქმნით. არც ეთიკურად კარგია, არც იურიდიულად კარგია და არც თქვენი დამსაქმებლის ბრენდისთვის კარგი. სამმაგად ცუდი.
მიკერძოება, სამართლიანობა და მონიტორინგის არასასიამოვნო სამუშაო 📉🙂
სწორედ აქ დებენ გუნდების უმეტესობა არასაკმარის ინვესტიციას. ისინი ყიდულობენ ინსტრუმენტს, რთავენ მას და ვარაუდობენ, რომ „მომწოდებელმა მიკერძოება გამოიყენა“. ეს დამამშვიდებელი ამბავია. ის ასევე ხშირად სარისკოცაა.
სამართლიანობის ეფექტური რუტინა ასე გამოიყურება:
-
განლაგებამდელი ვალიდაცია : რას ზომავს ის და დაკავშირებულია თუ არა ის სამუშაოსთან?
-
უარყოფითი ზემოქმედების მონიტორინგი : შერჩევის მაჩვენებლების თვალყურის დევნება თითოეულ ეტაპზე (განაცხადი → სკრინინგი → გასაუბრება → შეთავაზება)
-
შეცდომის ანალიზი : სად გროვდება ცრუ უარყოფითი შედეგები?
-
ხელმისაწვდომობის შემოწმება : არის თუ არა საცხოვრებელი სწრაფი და პატივისცემით მოწყობილი?
-
დრიფტის შემოწმებები : როლური საჭიროებები იცვლება, შრომის ბაზრები იცვლება, მოდელები იცვლება... თქვენი მონიტორინგიც უნდა შეიცვალოს.
და თუ თქვენ მოქმედებთ დამატებითი წესების მქონე იურისდიქციებში: არ დააწესოთ შესაბამისობა მოგვიანებით. მაგალითად, ნიუ-იორკის ადგილობრივი კანონი 144 ზღუდავს დასაქმების შესახებ გარკვეული ავტომატიზირებული გადაწყვეტილებების ინსტრუმენტების გამოყენებას, თუ არ არსებობს ბოლო დროს ჩატარებული მიკერძოების აუდიტი, ამ აუდიტის შესახებ საჯარო ინფორმაცია და სავალდებულო შეტყობინებები - აღსრულება 2023 წლიდან დაიწყება. [5]
მომწოდებლის სათანადო შემოწმების კითხვები (მოიპარეთ ესენი) 📝
როდესაც გამყიდველი ამბობს „გვენდობით“, თარგმნეთ ეს, როგორც „გვაჩვენეთ“.
იკითხეთ:
-
რა მონაცემებით მოხდა ამის მომზადება და რა მონაცემები გამოიყენება გადაწყვეტილების მიღების დროს?
-
რა მახასიათებლები განაპირობებს შედეგს? შეგიძლიათ ახსნათ ეს ადამიანის მსგავსად?
-
რა მიკერძოების ტესტირებას ატარებთ - რომელ ჯგუფებს, რომელ მეტრიკებს?
-
შეგვიძლია თუ არა შედეგების აუდიტი თავად ჩავატაროთ? რა ანგარიშებს ვიღებთ?
-
როგორ ხდება კანდიდატების ადამიანის მიერ განხილვის მიღება - სამუშაო პროცესი + ვადები?
-
როგორ უმკლავდებით ადაპტაციებს? რაიმე ცნობილი უკმარისობის რეჟიმი?
-
უსაფრთხოება + შენახვა: სად ინახება მონაცემები, რამდენ ხანს, ვის შეუძლია მასზე წვდომა?
-
ცვლილებების კონტროლი: აცნობებთ თუ არა მომხმარებლებს მოდელების განახლების ან ქულების შეცვლის შესახებ?
ასევე: თუ ინსტრუმენტით შესაძლებელია ადამიანების გამორიცხვა, მოეპყარით მას შერჩევის პროცედურად - და შესაბამისად იმოქმედეთ. EEOC-ის მითითებები საკმაოდ პირდაპირია, რომ დამსაქმებლის პასუხისმგებლობა ჯადოსნურად არ ქრება იმიტომ, რომ „ეს გამყიდველმა გააკეთა“. [1]
გენერაციული ხელოვნური ინტელექტი დაქირავებაში - უსაფრთხო, გონივრული გამოყენება (და „არა“-ს სია) 🧠✨
უსაფრთხო და ძალიან სასარგებლო
-
გადაწერეთ ვაკანსიების განცხადებები უზუსტობების მოსაშორებლად და გასაგებობის გასაუმჯობესებლად
-
პერსონალიზებული შაბლონებით შექმენით საინფორმაციო შეტყობინებები (გთხოვთ, შეინარჩუნეთ ადამიანური ტონი 🙏)
-
შეაჯამეთ ინტერვიუს ჩანაწერები და დაუკავშირეთ ისინი კომპეტენციებს
-
შექმენით სტრუქტურირებული ინტერვიუს კითხვები, რომლებიც დაკავშირებულია როლთან
-
კანდიდატის საკომუნიკაციო საშუალებები ვადების, ხშირად დასმული კითხვების და მოსამზადებელი ინსტრუქციებისთვის
„არა“-ს სია (ან სულ მცირე „შეანელეთ ტემპი და გადახედეთ“)
-
ჩატბოტის ტრანსკრიპტის გამოყენება ფარული ფსიქოლოგიური ტესტის სახით
-
ხელოვნურ ინტელექტს მიეცით საშუალება, გადაწყვიტოს „კულტურასთან შესაბამისობა“ (ეს ფრაზა განგაშის სიგნალიზაციას უნდა აწარმოებდეს)
-
სოციალური მედიის მონაცემების შეგროვება მკაფიო დასაბუთებისა და თანხმობის გარეშე
-
კანდიდატების ავტომატური უარყოფა გაუმჭვირვალე ქულების საფუძველზე, განხილვის გზის გარეშე
-
კანდიდატების მიერ ხელოვნური ინტელექტის ისეთი ხრიკების გადალახვა, რომლებიც სამუშაოს შესრულებას არ პროგნოზირებენ
მოკლედ: დიახ, შექმენით შინაარსი და სტრუქტურა. ავტომატიზირეთ საბოლოო გადაწყვეტილება, ფრთხილად იყავით.
დასკვნითი შენიშვნები - ძალიან გრძელია, არ წამიკითხავს 🧠✅
თუ სხვა არაფერი გახსოვს:
-
დაიწყეთ მცირედით, ჯერ პილოტირება მოახდინეთ, შედეგები გაზომეთ. 📌
-
გამოიყენეთ ხელოვნური ინტელექტი ადამიანების დასახმარებლად და არა პასუხისმგებლობის მოსაშორებლად.
-
დოკუმენტირებული გქონდეთ გადაწყვეტილების მიღების წერტილები, დაადასტურეთ სამუშაოს შესაბამისობა და აკონტროლეთ სამართლიანობა.
-
სერიოზულად მოეკიდეთ კონფიდენციალურობისა და ავტომატიზირებული გადაწყვეტილებების შეზღუდვებს (განსაკუთრებით დიდ ბრიტანეთში).
-
მოითხოვეთ გამჭვირვალობა გამყიდველებისგან და შეინარჩუნეთ საკუთარი აუდიტის კვალი.
-
ხელოვნური ინტელექტის საუკეთესო დაქირავების პროცესი უფრო სტრუქტურირებული და ჰუმანური ჩანს და არა უფრო ცივი.
აი, როგორ გამოვიყენოთ ხელოვნური ინტელექტი დაქირავებისას სწრაფი, თავდაჯერებული სისტემის გარეშე, რომელიც თავდაჯერებულად არასწორია.
ცნობები
[1] EEOC -
შერჩეული საკითხები: VII სათაურის მიხედვით დასაქმების შერჩევის პროცედურებში გამოყენებული პროგრამული უზრუნველყოფის, ალგორითმებისა და ხელოვნური ინტელექტის უარყოფითი ზემოქმედების შეფასება (ტექნიკური დახმარება, 2023 წლის 18 მაისი) [2] ICO -
ფიქრობთ ხელოვნური ინტელექტის გამოყენებაზე დასაქმების დასახმარებლად? ჩვენი ძირითადი მოსაზრებები მონაცემთა დაცვის შესახებ (2024 წლის 6 ნოემბერი) [3] ICO -
რას ამბობს დიდი ბრიტანეთის GDPR ავტომატიზირებული გადაწყვეტილების მიღებისა და პროფილირების შესახებ? [4] NIST -
ხელოვნური ინტელექტის რისკების მართვის ჩარჩო (AI RMF 1.0) (2023 წლის იანვარი) [5] ნიუ-იორკის მომხმარებელთა და მუშაკთა დაცვის დეპარტამენტი - დასაქმების შესახებ ავტომატიზირებული გადაწყვეტილების მიღების ინსტრუმენტები (AEDT) / ადგილობრივი კანონმდებლობა 144