Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»
Как алгоритмы могут стать справедливее любого HR-специалиста
Бен Даттнер , Томас Чаморро-Премузик , Фрида Полли
Искусственный интеллект изменил все сферы нашей жизни: мы привыкли к тому, что крупные компании вроде Amazon и Alibaba теперь курируют наш покупательский опыт, а Youtube и Netflix продвигают новый контент с помощью персональных рекомендаций. Однако в области управления рабочей средой инструменты ИИ все еще находятся на ранней стадии развития. Особенно это касается кадровой политики. Если привести понятную аналогию, сейчас ИИ в рабочей сфере пока еще можно сравнить с модемным интернетом-доступом. Эра WiFi 5G еще не наступила, но мы не сомневаемся, что рано или поздно это случится.
Безусловно, есть множество версий относительно того, на что искусственный интеллект способен, а на что — нет, равно как и мнений о том, что именно можно считать ИИ. Однако в войне за таланты ИИ играет совершенно определенную роль: он нужен, чтобы предоставлять организациям более точные и эффективные прогнозы о вероятном поведении кандидата в рабочей среде и его производительности. В отличие от таких традиционных инструментов рекрутинга, как рекомендательные письма, резюме и личные собеседования, ИИ способен находить закономерности, невидимые человеку.
Во многих ИИ-системах в качестве эталона успешности и продуктивности в той или иной должности выступают реальные люди. Так называемая «обучающая выборка» часто формируется из показателей руководителей и сотрудников, которых принято считать наиболее производительными. Системы искусственного интеллекта обрабатывают и сравнивают данные разных соискателей с «эталонным» работником, чей образ был создан на основе анализа данных из обучающей выборки. В результате ИИ выдает представителям компании вероятностную оценку того, насколько характеристики соискателя соответствуют характеристикам идеального сотрудника.
Теоретически этот метод можно использовать, чтобы максимально быстро и эффективно подбирать подходящих кандидатов на подходящие им позиции. Однако, как вы, возможно, уже поняли, здесь есть и свои риски. Если набор данных для обучения достаточно разнообразен, для анализа используются данные без искажения по демографическому признаку, да и сами алгоритмы тоже не подвержены каким-либо искажениям, такая техника может выправить человеческую склонность к предубеждениям и повысить степень разнообразия и социально-экономический инклюзии, как никогда не удавалось никому из нас. Но если обучающая выборка, сами данные или все вместе взятое искажены, а алгоритмы недостаточно отточены, ИИ только усугубит проблему предвзятости и однотипности решений при приеме на работу.
Чтобы усовершенствовать методы управления кадрами и в полной мере воспользоваться возможностями и потенциалом ИИ, мы должны сместить акцент с разработки более этичных систем для управления персоналом на разработку более этичного ИИ. Конечно, полностью исключить искажения в работе ИИ нелегко. В реальности это очень и очень сложно. Но наша позиция основана на убежденности, что проще отучить от предрассудков искусственный интеллект, чем людей.
