Η Τεχνητή Νοημοσύνη (AI) φέρνει νέες δυνατότητες αλλά και προκλήσεις στην αναζήτηση εργασίας και εύρεσης προσωπικού, καθώς ο τρόπος με τον οποίο αναζητούνται και επιλέγονται οι υποψήφιοι για τις θέσεις εργασίας δείχνει να αλλάζει ριζικά.
Θυμάστε που αρκετά χρόνια πριν βλέπαμε σε ταινίες αναφορά στην Τεχνητή Νοημοσύνη και σκεφτόμασταν ότι κάτι τέτοιο είναι πολύ μακριά; Τελικά δεν ήταν και τόσο. Τους τελευταίους μήνες το Chat GPT της OpenAI, κατάφερε να γίνει κάτι παραπάνω από mainstream στην καθημερινότητά μας.
Η έλευσή του στο ευρύ κοινό έγινε εντυπωσιακά ξαφνικά, αλλά τελικά με έναν πολύ απλό τρόπο για την πλειοψηφία των ανθρώπων, που λίγη έως καθόλου σχέση είχαν και έχουν με εξειδικευμένες τεχνολογίες. Και εκεί που προσπαθούμε να συνειδητοποιήσουμε το μέγεθος του γεγονότος, καλούμαστε πλέον να προσαρμοστούμε στην είσοδο της Τεχνητής Νοημοσύνης σε ένα σωρό άλλες χρησιμότητες και πτυχές της ζωής μας, όπως για παράδειγμα στην αναζήτηση εργασίας και προσωπικού.
Ήδη τα τελευταία χρόνια οι τεχνολογίες της AI χρησιμοποιούνται σε μεγάλο βαθμό από εταιρείες κατά τη διαδικασία αναζήτησης προσωπικού, κυρίως με την ανάπτυξη αλγορίθμων μηχανικής μάθησης με γνώμονα την αποτελεσματικότητα και την ακρίβεια της διαδικασίας.
Σαφώς, αυτά τα δύο μπορούν να τεθούν υπό αμφισβήτηση, αν σκεφτούμε πως αποτελεσματική και ακριβή (με μία πρώτη ανάγνωση) μπορεί κανείς να θεωρεί τη διαδικασία, όταν του δίνει στο χρόνο που θέλει τα δεδομένα, ενώ για κάποιον άλλο, όταν του παρέχει απολύτως σωστό και ποιοτικό matching αποτελεσμάτων.
Μπορούν οι αλγόριθμοι μηχανικής μάθησης να αποτρέψουν ή θα αναπαράγουν υπάρχουσες προκαταλήψεις κατά την αναζήτηση προσωπικού;
Το φλέγον ερώτημα που προκύπτει - και για το οποίο γίνεται πολύς λόγος σήμερα, ιδιαίτερα στο θέμα των προσλήψεων - είναι το κατά πόσο οι αλγόριθμοι αυτοί μπορούν να αποτρέψουν ή τελικά αναπαράγουν υπάρχουσες προκαταλήψεις που στη συνέχεια μπορεί να μετουσιωθούν σε διακρίσεις εναντίον ατόμων, καθώς «Τα εργαλεία μηχανικής μάθησης που επιφορτίζονται με την αυτοματοποίηση και την πρόβλεψη βασίζονται σε υπάρχοντα σύνολα δεδομένων για να «εκπαιδεύσουν» τον αλγόριθμο.
Αυτό σημαίνει ότι τα δεδομένα από το υπάρχον εργατικό δυναμικό (είτε στον κλάδο είτε σε συγκεκριμένη εταιρεία) αποτελούν τη βάση για τα μέτρα που χρησιμοποιούνται για να καθορίσουν εάν ένας υποψήφιος αξίζει να προσληφθεί ή όχι. Με αυτόν τον τρόπο, η ατομική προκατάληψη όσων εμπλέκονται στις πρακτικές πρόσληψης και στην ανάπτυξη του εργαλείου μεταφέρεται στον αλγόριθμο» (Dr Lucy Michael and Dr Bethany Waterhouse-Bradley, Ευρωπαϊκό Δίκτυο κατά του ρατσισμού, ENAR’S ELEVENTH EUROPEAN EQUAL@WORK SEMINAR toolkit).
Βρισκόμαστε πάντως κοντά στη θέσπιση των πρώτων κανόνων από την Ευρωπαϊκή Ένωση σχετικά με τη χρήση της Τεχνητής Νοημοσύνης γενικότερα. Στόχος είναι τα συστήματα τεχνητής νοημοσύνης να επιβλέπονται από ανθρώπους, να είναι ασφαλή, διαφανή, ανιχνεύσιμα, χωρίς διακρίσεις και φιλικά προς το περιβάλλον.
Οι κανόνες που προτάθηκαν θεσπίζουν υποχρεώσεις ανάλογα με το επίπεδο κινδύνου που μπορεί να δημιουργήσει η τεχνητή νοημοσύνη. Συστήματα τεχνητής νοημοσύνης με μη αποδεκτό επίπεδο κινδύνου για την ασφάλεια των ανθρώπων θα απαγορεύονται αυστηρά, συμπεριλαμβανομένων συστημάτων που αναπτύσσουν τεχνικές χειραγώγησης, εκμεταλλεύονται αδυναμίες των ανθρώπων ή χρησιμοποιούνται για κοινωνική αξιολόγηση (ταξινόμηση ατόμων με βάση την κοινωνική τους συμπεριφορά, την κοινωνικοοικονομική κατάσταση, την προσωπική τους κατάσταση και τα προσωπικά τους χαρακτηριστικά).
Στην άλλη πλευρά του Ατλαντικού, υπάρχει μία περίπτωση νομικού πλαισίου που αφορά τη χρήση της Τεχνητής Νοημοσύνης συγκεκριμένα στις προσλήψεις. Ειδικότερα, η κυβέρνηση της Νέας Υόρκης έχει περάσει ήδη νόμο από το 2021 και τον Ιούλιο του 2023 πρόκειται να μπει σε εφαρμογή.
Ο νόμος ορίζει πως οι εταιρείες που χρησιμοποιούν λογισμικά AI, θα πρέπει να ενημερώνουν τους υποψηφίους ότι υπάρχει αυτοματοποιημένο σύστημα. Απαιτείται, επίσης, ανεξάρτητοι ελεγκτές να διενεργούν ετήσιους ελέγχους στο σύστημα για τυχόν προκαταλήψεις. Οι υποψήφιοι θα μπορούν να ενημερώνονται για το ποια δεδομένα ακριβώς συλλέγονται και αναλύονται. Οι εταιρείες θα τιμωρούνται με πρόστιμα σε περίπτωση παραβάσεων.
Με ποιον τρόπο χρησιμοποιούν την AI οι recruiters για να προσλάβουν προσωπικό;
Οι recruiters μπορούν να χρησιμοποιήσουν την AI για την αυτόματη συλλογή και αξιολόγηση βιογραφικών, την αναζήτηση σε βάσεις δεδομένων για την εύρεση κατάλληλων υποψηφίων, τον υπολογισμό του match μεταξύ των απαιτήσεων της θέσης και των προσόντων υποψηφίων.
Αναλυτικότερα, η AI μπορεί να συμβάλει στις προσλήψεις προσωπικού με τους ακόλουθους τρόπους:
- Sourcing: Οι HR μπορούν με τη βοήθεια της AI να βρουν υποψηφίους σκανάροντας πολλαπλές πλατφόρμες. Αλγόριθμοι μπορούν να αναζητήσουν λέξεις-κλειδιά, τίτλους θέσεων εργασίας, προσόντα και να εντοπίσουν άτομα που ταιριάζουν με τα κριτήρια που έχουν τεθεί.
- Screening βιογραφικών: Λογισμικά που βασίζονται στην AI μπορούν να αναλύσουν βιογραφικά, ώστε να εντοπιστούν σχετικά προσόντα και επαγγελματική εμπειρία.
- Video – συνεντεύξεις: Λογισμικά που χρησιμοποιούν Τεχνητή Νοημοσύνη μπορούν να εξετάσουν video και να αναλύσουν τη φυσική γλώσσα, αλλά και τη μη λεκτική επικοινωνία (εκφράσεις προσώπου, γλώσσα σώματος) των υποψηφίων και έτσι να μπορέσουν οι recruiters να τους αξιολογήσουν με μεγαλύτερη ταχύτητα.
- Αξιολόγηση δεξιοτήτων: Πλατφόρμες που βασίζονται στην AI παρέχουν τεστ αξιολόγησης δεξιοτήτων (για παράδειγμα τεστ γλωσσικής επάρκειας) και με αυτόν τον τρόπο προσφέρουν στους recruiters δεδομένα που τους επιτρέπουν να κάνουν συγκρίσεις μεταξύ των υποψηφίων.
- Προγνωστικά: Αλγόριθμοι μπορούν να αναγνωρίσουν μοτίβα που έχουν φέρει επιτυχημένες προσλήψεις στο παρελθόν. Οι υπεύθυνοι προσλήψεων μπορούν να μοχλεύσουν αυτές τις πληροφορίες ώστε να προβλέψουν την απόδοση, το πόσο ταιριάζουν τα άτομα με την κουλτούρα της εταιρείας και να αποφασίσουν βάσει συγκεκριμένων δεδομένων.
Η περίπτωση της Unilever
Ήδη τα τελευταία χρόνια αρκετές εταιρείες έχουν εντάξει στη διαδικασία των προσλήψεών τους την Τεχνητή Νοημοσύνη με διάφορους τρόπους. Χαρακτηριστικότερο παράδειγμα αποτελεί η Unilever, η οποία ήδη από το 2017 συνεργάστηκε με την Pymetrics, που εξειδικεύεται στην παροχή AI εργαλείων για recruiting και με αυτή τη συνεργασία άλλαξε ριζικά όλες τις διαδικασίες προσλήψεων των HR τμημάτων της.
Η Unilever, προσλαμβάνει περίπου 30.000 υπαλλήλους το χρόνο παγκοσμίως, καθώς διαθέτει 400 brands και πρέπει να διαχειριστεί 1,8 εκατομμύρια αιτήσεις υποψηφίων. Για να βρουν οι recruiters της το κατάλληλο fit για την εκάστοτε θέση, οι υποψήφιοι καλούνται να περάσουν μία σειρά από gaming tests, τα οποία εξετάζουν τις ικανότητές/δεξιότητές τους, την αντιληπτική τους ικανότητα, τη διάθεσή τους για ρίσκο.
Τα συμπεράσματα που απορρέουν και εξυπηρετούν τους recruiters, αφορούν σε μεγάλο βαθμό τα soft skills των υποψηφίων. Στη συνέχεια machine learning αλγόριθμοι αξιολογούν την καταλληλότητά τους για τη θέση στην οποία έχουν αιτηθεί. Σε επόμενο στάδιο οι υποψήφιοι υποβάλλονται σε μία συνέντευξη μέσω video. Και σε αυτό το σημείο αλγόριθμοι εξετάζουν τα βίντεο. Επεξεργάζονται τη λεκτική και μη λεκτική επικοινωνία που προκύπτει και καθορίζουν ποιοι ταιριάζουν περισσότερο στη θέση.
Οι εταιρείες χρησιμοποιούν την Τεχνητή Νοημοσύνη στις προσλήψεις γιατί (σύμφωνα με στατιστικά στοιχεία):
- Εξοικονομούν χρόνο κατά την αναζήτηση/εύρεση υποψηφίων
- Επιταχύνεται η διαδικασία της πρόσληψης
- Πιστεύουν πως θα εξαλειφθούν οι διακρίσεις (ωστόσο έχουν προκύψει αρκετά ερωτήματα πάνω σε αυτό)
- Θεωρούν πως βελτιώνει τη διαδικασία αιτήσεων των υποψηφίων
- Πιστεύουν ότι πιθανότατα τους επιτρέπει να δουλεύουν πιο στρατηγικά
Πώς μπορούν οι υποψήφιοι-ες που αναζητούν εργασία να ωφεληθούν χρησιμοποιώντας την Τεχνητή Νοημοσύνη; Ποια πλεονεκτήματα αποφέρει η χρήση της; Τι πρέπει να προσέχουν οι υποψήφιοι κατά τις αιτήσεις τους πλέον ώστε να μην τους προσπεράσουν οι αλγόριθμοι;
Το ChatGTP για τη σύνταξη βιογραφικού και της συνοδευτικής επιστολής
Αρχικά, το ChatGTP μπορεί να χρησιμοποιηθεί για να συντάξετε ολόκληρο το βιογραφικό σας ή να σας δώσει πληροφορίες σχετικά με το τι θα πρέπει να συμπεριλάβετε σε αυτό σύμφωνα με τη θέση εργασίας που σας ενδιαφέρει.
Παρακάτω μπορείτε να δείτε ένα βιογραφικό που δημιούργησε για θέση recruiter. Του ζητήσαμε το εξής πολύ απλό: «Γράψε ένα βιογραφικό για recruiter, με σπουδές πανεπιστημίου και μεταπτυχιακό και 3 χρόνια εμπειρία στο jobfind.gr και να διαθέτει σχετικά soft skills».
Σε κάθε περίπτωση καλό θα είναι - αν δημιουργήσετε με αυτό τον τρόπο το βιογραφικό σας - να κάνετε μία επεξεργασία στη συνέχεια, ώστε να το φέρετε στα μέτρα σας.
Σύμφωνα με έρευνα που διεξήγαγε πρόσφατα το resumebuilder.com (στις ΗΠΑ), σχεδόν οι μισοί συμμετέχοντες, που πήραν μέρος σε αυτή, δήλωσαν πως χρησιμοποίησαν το ChatGPT για να συντάξουν το βιογραφικό τους ή τη συνοδευτική τους επιστολή. Από αυτούς οι 7 στους 10 δήλωσαν πως παρατήρησαν υψηλότερο ποσοστό ανταπόκρισης από τις εταιρείες.
Παράλληλα, το 59% των συμμετεχόντων της έρευνας δήλωσαν πως προσλήφθηκαν μετά από αίτηση που έκαναν με βιογραφικό/επιστολή που είχε συνταχθεί με τη βοήθεια του ChatGPT, ενώ το 11% των συμμετεχόντων απορρίφθηκαν από κάποια θέση όταν οι recruiters αντιλήφθηκαν ότι το είχαν χρησιμοποιήσει.
Δώστε προσοχή για να μη σας προσπεράσουν οι αλγόριθμοι
Πολλοί ίσως έχετε ακούσει για τα Applicant Tracking Systems (ATS), τα οποία αποτελούν λογισμικά που μπορούν να σκανάρουν πολλά βιογραφικά, να εντοπίσουν λέξεις – κλειδιά και τελικά να αναγνωρίσουν τα καλύτερα fit για κάθε θέση εργασίας.
Τα ATS χρησιμοποιούνται κυρίως από μεγάλους οργανισμούς και εταιρείες, που λαμβάνουν και πρέπει να διαχειριστούν μεγάλο όγκο βιογραφικών, ώστε να στελεχώσουν τις θέσεις που ανοίγουν. Με αυτό τον τρόπο εξοικονομούν πολύ χρόνο, καθώς θέτουν τα κριτήρια για τη θέση και το λογισμικό τους παρέχει σε σύντομο χρόνο shortlist με τα πιο κατάλληλα άτομα.
Να σημειωθεί πως ενώ χρησιμοποιούνται εδώ και χρόνια, αυτά που έχουν ενσωματώσει νέες τεχνολογίες βασισμένες στην AI, είναι τόσο εξελιγμένα και βελτιωμένα που πλέον παρέχουν assistant bots στους recruiters, οι αλγόριθμοι που χρησιμοποιούν εκπαιδεύονται σε εκατομμύρια βιογραφικών και προφίλ υποψηφίων, εξετάζουν video - συνεντεύξεις και αποφέρουν αποτελέσματα σε δευτερόλεπτα.
Τι μπορείτε να κάνετε για να «δουν» το βιογραφικό σας τα ATS;
Το “keep it simple” είναι τώρα πιο επίκαιρο από ποτέ.
- Χρησιμοποιήστε απλή και ευδιάκριτη γραμματοσειρά
- Συμπεριλάβετε στο βιογραφικό σας λέξεις – κλειδιά όπως ακριβώς αναφέρονται στην περιγραφή της αγγελίας/περιγραφής ρόλου
- Αποφύγετε χρώματα, εντυπωσιακά γραφικά και δημιουργικά
- Διατηρήστε τις πληροφορίες στο έγγραφό σας σε μία στήλη
- Χρησιμοποιήστε bullets
- Αποφύγετε να εντάξετε πληροφορίες για επαγγελματική εμπειρία και δραστηριότητες που δεν έχουν καμία απολύτως σχέση με τη θέση για την οποία αιτείστε
Δείτε στο βίντεο που ακολουθεί πώς ακριβώς λειτουργούν τα ATS και τι είναι καλό να προσέξετε.
Πώς θα βρείτε δουλειά με τη βοήθεια της AI;
Να επισημάνουμε πως η AI μπορεί να λειτουργήσει και αντίστροφα, που σημαίνει πως μπορείτε ως υποψήφιοι να τη χρησιμοποιήσετε για να σας βρει τις πιο ταιριαστές για εσάς θέσεις. Το Talentprise, για παράδειγμα, μπορεί να σας κάνει match με συγκεκριμένες θέσεις, δημιουργώντας το προφίλ σας.
Καλείστε να απαντήσετε σε μία σειρά ερωτήσεων που αφορούν τις προτιμήσεις σας για μία δουλειά και να συμπληρώσετε test/quiz, από το οποίο προκύπτουν στοιχεία σχετικά με την προσωπικότητα, τις αξίες σας, τα επαγγελματικά σας χαρακτηριστικά, τα κίνητρά σας.
Σίγουρα με κάποιες άγουρες, πρώτες σκέψεις, όλη αυτή η χρήση της Τεχνητής Νοημοσύνης προκαλεί ανάμεικτα συναισθήματα. Η απουσία φυσικής, ανθρώπινης ματιάς σε ένα σωρό διαδικασίες άλλους τρομάζει και άλλους εντυπωσιάζει. Αλλά αυτό πάντα δεν προκαλούν οι νέες και ρηξικέλευθες τεχνολογίες που εισέρχονται στην ζωή μας και κατακλύζουν την καθημερινότητά μας;
Το πόσο θα μας ωφελήσει τελικά η χρήση της στις προσλήψεις σε ποιοτικό επίπεδο (γιατί ποσοτικά έχει ήδη αποδειχτεί ότι ωφελεί ποικιλοτρόπως) είναι κάτι που τώρα μπορούμε μόνο να υποθέτουμε αλλά παράλληλα και να ελπίζουμε πως το όφελος θα είναι ίσο και για τις δύο πλευρές, εταιρείες και υποψηφίους.
Συχνές ερωτήσεις
Τι είναι η Τεχνητή Νοημοσύνη;
Η Τεχνητή Νοημοσύνη ή Artificial Intelligence είναι η ικανότητα υπολογιστών ή μηχανών που ελέγχονται από υπολογιστικά συστήματα να εκτελούν διαδικασίες που κανονικά εκτελούνται από ανθρώπους, αφού απαιτείται ανθρώπινη νοημοσύνη για αυτές. Χρησιμοποιεί ένα συνδυασμό τεχνικών μηχανικής μάθησης (machine learning) και βαθιάς μάθησης (deep learning).
Πού χρησιμοποιείται η Τεχνητή Νοημοσύνη;
Η Τεχνητή Νοημοσύνη εφαρμόζεται στο ηλεκτρονικό εμπόριο, στην εξυπηρέτηση πελατών, στην αυτοκινητοβιομηχανία, στην πλοήγηση, στην εκπαίδευση, στη ρομποτική, στην υγεία, στη διοίκηση ανθρώπινου δυναμικού.
Τι είναι η Μηχανική Μάθηση;
Η Μηχανική Μάθηση είναι υποπεδίο της Τεχνητής Νοημοσύνης που εστιάζει στη δημιουργία συστημάτων που μαθαίνουν ή εκπαιδεύονται βάσει των δεδομένων που καταναλώνουν.
Ποια είναι η διαφορά μεταξύ της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης;
Οι όροι Μηχανική Μάθηση και Τεχνητή Νοημοσύνη πολλές φορές αναφέρονται μαζί, ωστόσο δεν σημαίνουν το ίδιο πράγμα. Η Τεχνητή Νοημοσύνη μιμείται τον τρόπο που σκέφτεται ο άνθρωπος, ώστε να εκτελέσει πολύπλοκες εργασίες. Η Μηχανική Μάθηση χρησιμοποιώντας εκπαιδευμένους αλγόριθμους δημιουργεί μηχανές/μοντέλα που να εκτελούν τις εργασίες αυτές.
Τι είναι η βαθιά μάθηση;
Η βαθιά μάθηση (deep learning) ανήκει στην ευρύτερη οικογένεια της μηχανικής μάθησης και δομεί αλγόριθμους σε επίπεδα για να δημιουργήσει τεχνητά νευρωνικά δίκτυα. Τα μοντέλα βαθιάς μάθησης μπορούν να αναλύουν συνεχώς δεδομένα με παρόμοιο τρόπο με εκείνον που λειτουργούν οι νευρώνες του ανθρώπινου εγκεφάλου, οπότε δημιουργούν ένα σύστημα μάθησης ανώτερο αυτού της μηχανικής μάθησης.
«Αν και όλη η μηχανική μάθηση είναι AI, δεν είναι όλη η AI μηχανική μάθηση.» [oracle]