پیدا کردن شغل جدید سخت است؟ استخدام ربات ها ممکن است مقصر باشند | کار و مشاغل

مآرتین برچ چند سالی بود که برای وال استریت ژورنال و شرکت مادرش داو جونز کار می کرد و به دنبال فرصت های جدید بود. یک یکشنبه در ماه مه 2021، او برای یک موقعیت تحلیلگر داده در بلومبرگ در لندن درخواست داد که کاملاً مناسب به نظر می رسید. او بلافاصله پاسخی دریافت کرد و از او خواست که یک ارزیابی دیجیتالی انجام دهد.

عجیب بود. ارزیابی اشکال مختلف را به او نشان داد و از او خواست تا الگو را بفهمد. او شروع به احساس ناباوری کرد. «آیا نباید توانایی‌هایم را در کار آزمایش کنیم؟” از خود پرسید.

روز بعد، یک دوشنبه، که اتفاقا تعطیلات رسمی در بریتانیا بود، یک ایمیل رد دریافت کرد. او تصمیم گرفت به یک استخدام کننده در بلومبرگ ایمیل بزند. شاید شرکت اشتباه کرده است؟

آنچه برچ کشف کرد بینشی از پدیده بزرگتری ارائه می دهد که کارشناسان را گیج می کند: در حالی که در بریتانیا و ایالات متحده فرصت های شغلی در سطح بی سابقه وجود دارد، چرا بسیاری از افراد هنوز مجبورند گاهی برای صدها شغل حتی در زمینه های مورد تقاضا درخواست دهند. مانند توسعه نرم افزار، در حالی که بسیاری از شرکت ها شکایت دارند که نمی توانند استعداد مناسب را پیدا کنند؟

برخی از کارشناسان استدلال می کنند که الگوریتم ها و هوش مصنوعی در حال حاضر به طور گسترده در استخدام استفاده می شود نقش دارند. این یک تغییر بزرگ است، زیرا تا همین اواخر، اکثر مدیران استخدامی خودشان برنامه ها و رزومه ها را مدیریت می کردند. با این حال یافته‌های اخیر نشان داده‌اند که برخی از این ابزارهای جدید علیه زنان تبعیض قائل می‌شوند و از معیارهای غیرمرتبط با کار برای «پیش‌بینی» موفقیت شغلی استفاده می‌کنند.

در حالی که شرکت‌ها و فروشندگان ملزم به افشای این موضوع نیستند که آیا از هوش مصنوعی یا الگوریتم‌ها برای انتخاب و استخدام متقاضیان شغل استفاده می‌کنند، در گزارش‌هایم متوجه شده‌ام که این امر گسترده است. همه پلتفرم‌های شغلی پیشرو – از جمله LinkedIn، ZipRecruiter، Indeed، CareerBuilder و Monster – به من گفته‌اند که برخی از این فناوری‌ها را به کار می‌گیرند.

ایان سیگل، مدیر عامل ZipRecruiter، گفت که هوش مصنوعی و الگوریتم‌ها قبلاً این میدان را تسخیر کرده‌اند. او تخمین می زند که حداقل سه چهارم رزومه های ارسال شده برای مشاغل در ایالات متحده توسط الگوریتم خوانده می شود. او گفت: “سپیده دم استخدام روبات ها آمده و رفته است و مردم هنوز به این واقعیت نرسیده اند.”

یک نظرسنجی در سال 2021 از مدیران استخدام توسط شرکت تحقیقاتی و مشاوره گارتنر نشان داد که تقریباً همه گزارش دادند که حداقل برای بخشی از فرآیند استخدام و استخدام از هوش مصنوعی استفاده می کنند.

با این حال، بی‌خطر نیست. یکی از مهم‌ترین یافته‌ها از جو فولر، استاد مدرسه بازرگانی هاروارد، بدست می‌آید که تیمش بیش از 2250 رهبر تجاری در ایالات متحده، بریتانیا و آلمان را مورد بررسی قرار دادند. انگیزه آنها از استفاده از ابزارهای الگوریتمی، کارایی و صرفه جویی در هزینه ها بود. با این حال، 88 درصد از مدیران گفتند که می‌دانند ابزارهای آنها نامزدهای واجد شرایط را رد می‌کند.

علیرغم رواج این فناوری، فقط چند مورد معروف از ایراد نادرست وجود داشته است. چند سال پیش، آمازون متوجه شد که ابزار غربالگری رزومه‌اش علیه زنان تعصب دارد. این الگوریتم بر روی رزومه کارمندان فعلی آموزش داده شد که مردانه را منحرف می‌کردند و منعکس کننده اختلاف جنسیتی در بسیاری از زمینه‌های فناوری است. با گذشت زمان، این ابزار ترجیحات مردان را انتخاب کرد و به طور سیستماتیک افراد را با کلمه “زنان” در رزومه خود تنزل داد، مانند “باشگاه شطرنج زنان” یا “تیم فوتبال زنان”. مهندسان آمازون سعی کردند مشکل را برطرف کنند، اما نتوانستند و شرکت این ابزار را در سال 2018 متوقف کرد.

براد گلاسر، سخنگوی آمازون، گفت: «این پروژه تنها به صورت آزمایشی مورد بررسی قرار گرفت و همیشه با نظارت انسان مورد استفاده قرار گرفت.

فروشندگان هوش مصنوعی که این نوع فناوری‌ها را می‌سازند، می‌گویند که ابزارهای مبتنی بر الگوریتم، با دادن فرصتی منصفانه به همه، فرآیند استخدام را دموکراتیک می‌کنند. اگر یک شرکت در برنامه‌ها غرق شود، بسیاری از استخدام‌کنندگان انسانی تنها کسری از برنامه‌ها را می‌خوانند. یک هوش مصنوعی همه آنها و هر ارزیابی را تجزیه و تحلیل می کند و هر نامزدی را به طور یکسان قضاوت می کند.

این فروشندگان می گویند که مزیت دیگر این است که اگر کارفرمایان تصمیم بگیرند که بر مهارت ها تمرکز کنند نه بر دستاوردهای آموزشی مانند مدارک دانشگاهی، متقاضیان با پیشینه های مختلف که اغلب نادیده گرفته می شوند، می توانند به مرحله بعدی فرآیند برسند.

در پایان، ما نمی‌خواهیم افرادی در نقش‌هایی استخدام شوند که آنها را از بین ببرد و از نقاط قوت آنها استفاده نکنند. کیتلین مک گرگور، مدیر عامل شرکت Plum، که ارزیابی برچ را بسیار گیج‌کننده می‌دانست، می‌گوید، بنابراین واقعاً درباره رد کردن افراد نیست، بلکه درباره «غربالگری» افراد مناسب است. مک گرگور گفت که مشتریان این شرکت از زمانی که شروع به استفاده از Plum کرده اند، تنوع و نرخ نگهداری خود را افزایش داده اند. او گفت که ارزیابی‌ها به افزایش «پتانسیل» متقاضیان کمک کرد.

اما نامزدهای شغلی که تجربه لازم را دارند، نگران هستند که وقتی شرکت‌ها بر عوامل گریزان مانند ویژگی‌های بالقوه یا شخصیت تمرکز می‌کنند، به‌طور ناعادلانه از بین می‌روند.

خاویر آلوارز، 57 ساله، مدیر توزیع و فروش از مونروویا، کالیفرنیا، که بیش از 300 رزومه خود را ارسال کرد، گفت: “این اولین بار در زندگی من بود، در حرفه ام، که در آن رزومه ارسال می کردم و هیچ چیز وجود نداشت.” بارها در سایت هایی مانند LinkedIn و Indeed برای مشاغلی که او گفته بود واجد شرایط است. هیچ پیشنهاد کاری محقق نشد، و او شروع به تعجب کرد که آیا به‌طور خودکار به نوعی کنار گذاشته می‌شود – شاید به دلیل سن یا حقوقش. «احساس ناامیدی کردم. به توانایی هایم شک کردم.”

رونی رایلی، یک برنامه ریز رویداد 29 ساله از کانادا، به دلیل یک بیماری چندین سال در رزومه خود فاصله داشت. رایلی برای بیش از 100 شغل برنامه ریزی رویداد و برخی مشاغل دستیار اداری در دسامبر 2021 و بیش از 70 شغل در ژانویه درخواست داد، اما در نهایت با پنج مصاحبه و بدون پیشنهاد شغلی به پایان رسید. آنها نگرانند که شکاف دلیل آن است. آنها گفتند: “فقط به نظر می رسد که این به یک دسته کامل از افرادی که می توانند برای این شغل عالی باشند، تخفیف داده می شود.”

تحقیقات فولر به ارائه پاسخ هایی در مورد چگونگی وقوع رد خودکار کمک کرده است. او دریافت که یکی از دلایل این است که اغلب اوقات، شرح شغل شامل معیارها و مهارت های زیادی است. بسیاری از کارفرمایان مهارت‌ها و معیارهای جدیدی را به شرح شغل‌های موجود اضافه می‌کنند و فهرستی طولانی از الزامات ایجاد می‌کنند. الگوریتم‌ها در نهایت بسیاری از متقاضیان واجد شرایط را رد می‌کنند که ممکن است فقط چند مهارت را در لیست از دست بدهند.

یکی از مدیران اجرایی فولر گفت که ابزار شرکت آنها رد کاندیداهای واجد شرایط بوده است، زیرا آنها در یک دسته مهم امتیاز پایینی کسب کرده اند، حتی زمانی که در همه دسته های مهم دیگر نمره تقریباً کامل را کسب کرده اند. این شرکت دریافت که با متقاضیان شغلی باقی مانده است که نمرات متوسطی را در کل کسب کرده اند. (فولر معتقد است که شرح شغل طولانی‌تر ممکن است از متقاضیان زن بیشتری جلوگیری کند، زیرا بسیاری از زنان تنها زمانی برای مشاغل درخواست می‌کنند که اکثر شرایط را برآورده کنند.)

یکی دیگر از دلایلی که کاندیداهای واجد شرایط توسط سیستم های خودکار رد می شوند، به اصطلاح معیارهای حذفی است. در تحقیقات فولر، او دریافت که تقریباً 50 درصد از مدیران مورد بررسی تصدیق کردند که سیستم‌های خودکار آنها متقاضیان شغلی را که بیش از شش ماه فاصله کاری در رزومه‌شان دارند، کاملاً رد می‌کنند. این متقاضیان هرگز در مقابل یک مدیر استخدام قرار نمی گیرند، حتی اگر واجد شرایط ترین نامزد برای این شغل باشند.

فولر می‌گوید: «فاصله شش ماهه یک فیلتر واقعاً موذیانه است، زیرا احتمالاً بر این فرض استوار است که شکاف نشان‌دهنده چیزی شوم است، اما ممکن است به سادگی نشان‌دهنده اعزام‌های نظامی، عوارض بارداری، تعهدات مراقبتی یا بیماری باشد.

کارشناسانی که آبان نیوز با آنها تماس گرفت، همچنین توصیف کردند که غربالگرهای خودکار رزومه اشتباهاتی مشابه نمونه بدنام آمازون دارند که ریشه در یادگیری سوگیری ها از مجموعه داده های موجود دارد. این نشان می دهد که چگونه این برنامه ها می توانند انواع سوگیری های نژادی و جنسیتی مشاهده شده با سایر ابزارهای هوش مصنوعی، مانند فناوری تشخیص چهره و الگوریتم های مورد استفاده در مراقبت های بهداشتی را اعمال کنند.

جان اسکات مدیر عملیاتی APMetrics است، سازمانی که به شرکت‌ها در شناسایی استعدادها کمک می‌کند و اغلب توسط شرکت‌های بزرگ‌تر وارد می‌شود تا بررسی کند که آیا فناوری‌های جدیدی که شرکت می‌خواهد از یک فروشنده بخرد، منصفانه و قانونی هستند یا خیر. اسکات چندین نمایشگر رزومه و ابزارهای استخدام را بررسی کرده و مشکلاتی را در همه آنها کشف کرده است. او معیارهای مغرضانه و غیر مرتبط با کار را پیدا کرد، مانند نام توماس و کلمه کلیدی کلیسا، برای “پیش بینی” موفقیت در یک شغل.

مارک جیروارد، یک وکیل کار در مینیاپولیس، متوجه شد که این نام جرد و چوگان بازی کرده است در دبیرستان به عنوان پیش بینی کننده موفقیت در یک سیستم استفاده شد.

مارتین برچ، جویای کار لندن، متوجه شد که به روشی متفاوت از علف های هرز خارج شده است.

او با یک استخدام کننده انسانی در بلومبرگ تماس گرفت و از او خواست تا رزومه او را بررسی کند. او فکر کرد که تجربه او با شرح شغل مطابقت داشت و این یک رقیب مستقیم بود و پیشینه او را ارزشمندتر می کرد.. اما مشخص شد که مشکل از الگویابی و تست شخصیتی او بود که توسط Plum ایجاد شده بود.

یکی از استخدام‌کنندگان در بلومبرگ پاسخ داد: «می‌بینم که درخواست شما به دلیل رعایت نکردن معیار ما در ارزیابی Plum که تکمیل کردید رد شد. متأسفانه بر این اساس ما نمی‌توانیم درخواست شما را بیشتر از این پیش ببریم.» برچ از اینکه واقعاً توسط یک کد رد شده بود، متحیر شد.

او یک وکیل داشت و در ارتباط با بلومبرگ درخواست بررسی انسانی درخواست خود را کرد.

بلومبرگ به برچ اطلاع داد که نقشی که او برای آن درخواست کرده است دیگر در دسترس نیست و او نمی تواند برای آن در نظر گرفته شود.

بلومبرگ به ایمیل‌ها و تماس‌هایی که درخواست اظهار نظر می‌کردند پاسخ نداد.

با گسترش استفاده از ابزارهای هوش مصنوعی در استخدام، قانونگذاران شروع به بررسی دقیق‌تر کرده‌اند. در بریتانیا، دولت در حال برنامه ریزی مقررات جدیدی برای تصمیم گیری الگوریتمی است. در ایالات متحده، یک قانون محلی اخیر، کارفرمایان را ملزم می کند که در صورت درخواست، جویندگان کار را در مورد نحوه بررسی مواد درخواستی آنها توسط هوش مصنوعی آگاه کنند. و قانونگذاران کنگره لوایحی را ارائه کرده اند که هوش مصنوعی را در استخدام در سطح ملی تنظیم می کند، از جمله قانون پاسخگویی الگوریتمی سال 2022، اما برای تصویب آنها با موانعی مواجه شده اند.

برچ تصمیم گرفت یک ادعای رسمی را با دفتر کمیسر اطلاعات، یک سازمان مستقل که قوانین حفظ حریم خصوصی در بریتانیا را حمایت می کند، ارائه کند. در فوریه، دفتر بلومبرگ را مورد توبیخ قرار داد و نوشت: «از بررسی اطلاعات ارائه شده، تصمیم ما این است که کارهای بیشتری برای شما وجود دارد. به این ترتیب، ما اکنون از شما انتظار داریم که برای رسیدگی به هر گونه مشکل باقی مانده با فرد گام بردارید.”

Burch از آن زمان 8000 پوند (9864 دلار) غرامت پذیرفته است از شرکت او می گوید که برای نشان دادن یک نکته نیز جنگید: “من سعی می کنم به آنها ثابت کنم که احتمالاً نامزدهای خوب را از بین می برد، بنابراین آنها احتمالاً باید استفاده از آن را متوقف کنند.”

کیتلین مک گرگور، مدیرعامل Plum، با اشاره به نگرانی‌های مربوط به حفظ حریم خصوصی، از اظهارنظر مستقیم در مورد پرونده برچ خودداری کرد، اما او پشت محصول خود ایستاده است: “من نباید با کسی که 35 سال دارد مصاحبه کنم، صرف نظر از اینکه چقدر تجربه دارند. جای دیگری هم هست که قرار است 95 خودشان باشند [percent] همخوانی داشتن.”

نحوه نوشتن رزومه در عصر هوش مصنوعی

• به جای اینکه بخواهید متمایز شوید، رزومه خود را برای ماشین خوانا کنید: بدون تصویر، بدون کاراکترهای خاص مانند آمپرساند یا تایلد. از رایج ترین قالب استفاده کنید. ایان سیگل، مدیر عامل پلتفرم شغلی ZipRecruiter گفت: از جملات کوتاه و واضح استفاده کنید – اعلانی و کمی

• مجوزها و گواهینامه ها را در رزومه خود فهرست کنید

• اطمینان حاصل کنید که رزومه شما با کلمات کلیدی در شرح شغل مطابقت دارد و رزومه خود را با شرح شغل با استفاده از اسکنرهای رزومه آنلاین مقایسه کنید تا ببینید آیا شما با این نقش مطابقت دارید یا خیر.

• جو فولر، استاد بازرگانی هاروارد، گفت: برای مشاغل ابتدایی و اداری، این را در نظر بگیرید که در برنامه های مجموعه آفیس مایکروسافت مهارت دارید، حتی اگر در شرح شغل نباشد.