Waarom wervingsmanagers rekening moeten houden met AI-vooroordelen in hun wervingsprocessen

Een beeld van , AI, Waarom wervingsmanagers AI-vooroordelen moeten overwegen in hun wervingsprocessen

Paul Naha-Biswas, CEO en oprichter van Zesley, legt uit waarom wervingsmanagers rekening moeten houden met AI-vooroordelen in hun wervingsprocessen.

Er zijn tijden in de geschiedenis dat een uitvinding de hele wereld verandert.

In 1876 plaatste Alexander Graham Bell het allereerste telefoontje naar zijn assistent, Thomas Watson.

In 1879 vond Thomas Edison de gloeilamp uit en verlichtte de wereld, en slechts zes jaar later creëerde Karl Benz de auto en plotseling kromp de planeet.

Die negen jaar hebben het traject van de mensheid veranderd. En we zitten nu midden in een periode van vergelijkbare innovatie.

De verschuiving naar een digital-first wereld

In de afgelopen 25 jaar werd de videoband verdrongen door de dvd, die zelf werd verdrongen door streamingdiensten.

Evenzo zijn telefoons mobiel geworden en drastisch gekrompen, waarbij de kleinste een schermgrootte van 1.2 inch.

In tegenstelling tot uitvindingen uit de 19e eeuw, hebben veel van de innovaties die tegenwoordig plaatsvinden echter geen betrekking op tastbare items.

We leven nu in een tijd waar we nog geen 30 jaar vandaan zijn driverless auto's alomtegenwoordig worden en een Google AI-code kan nieuwe nummers maken van artiesten die stierf meer dan 50 jaar geleden.

De verschuiving naar digitaal heeft invloed op elk facet van het leven, inclusief het vinden van een baan.

De digitalisering van de rekruteringsindustrie

Werving houdt niet langer alleen in dat een personeelsmanager de cv's van sollicitanten doorbladert.

Tegenwoordig is het zeldzaam dat een sollicitant solliciteert naar een baan die geen online element omvat, of het nu gaat om het e-mailen van een cv of het invullen van een sollicitatieformulier via internet.

Bovendien gebruiken recruiters tegenwoordig vaak computers om sollicitaties van kandidaten te 'lezen' en te filteren voordat ze er zelfs maar naar kijken. Er is ook automatische interviewplanning en een systeem om vooraf geselecteerde e-mails in een bepaald stadium te verzenden.

Er wordt beweerd dat het automatiseren van het wervingsproces wervingsmanagers helpt om sneller betere kandidaten te vinden en een deel van de tijdrovende, laagwaardige taken die gepaard gaan met het vinden van talent wegneemt.

Het is echter niet zonder controverse.

Het probleem met raciale vooroordelen in AI-systemen

De belofte van AI-systemen in bijna alle lagen van de bevolking is dat ze sneller, goedkoper en nauwkeuriger zijn. Maar het gevaar is dat ze onverklaarbaar en onbetwistbaar zijn, wat de bestaande hiërarchieën en menselijke vooroordelen alleen maar versterkt.

Neem bijvoorbeeld de gezichtsherkenningssoftware van Amazon, Rekognition. De software was oorspronkelijk bedoeld om te worden gebruikt door politiediensten in de VS, maar werd ingetrokken nadat talloze onderzoeken vooroordelen hadden gevonden in de software die onevenredig gericht was op zwarte mensen en andere etnische minderheden.

De American Civil Liberties Union ontdekte in 2018 dat de Rekognition-software ten onrechte 28 leden van het Congres koppelde aan mensen die zijn gearresteerd voor een misdrijf en dat er onevenredig veel mensen van kleur waren met valse matches, waaronder zes leden van de Congressional Black Caucus.

Deze raciale vooroordelen die zijn ingebed in AI zullen voor niemand met kennis van het vakgebied als een verrassing komen.

Alleen al in de afgelopen 12 maanden hebben we verschillende gevallen gezien waarin AI-systemen op basis van onvoldoende menselijk begrip van complexe maatschappelijke problemen en onvolmaakte gegevens aan het licht zijn gekomen, zoals de A-Level examen fiasco in het VK en de plaatsing van eerstelijns medisch personeel achter in de wachtrij voor het COVID-19-vaccin aan de overkant van de vijver.

Hoe deze vooroordelen de rekruteringsindustrie kunnen beïnvloeden?

In de context van de rekruteringsindustrie kunnen deze vooroordelen ertoe leiden dat werkzoekenden uit achtergestelde gemeenschappen zonder specifieke reden over het hoofd worden gezien voor functies.

Dit zou alarmbellen moeten doen rinkelen als je bedenkt dat een op de drie allochtone werknemers zegt dat ze onterecht zijn afgewezen voor een baan, vergeleken met slechts een op de vijf (19%) blanke werknemers, volgens de Vakbondscongres.

En apart onderzoek ontdekte dat meer dan de helft van de vacatures (52%) zijn geformuleerd met genderspecifieke formuleringen, waardoor ze vooringenomen zijn ten opzichte van mannen.

Een oplossing voor dit probleem is het veranderen van de demografische samenstelling van de technische industrie en het bevorderen van meer diversiteit onder degenen die betrokken zijn bij het schrijven van algoritmen.

Nu het aantal vrouwen dat een bachelordiploma in computerwetenschappen behaalt aan Amerikaanse universiteiten echter meer dan is gehalveerd tot 18% sinds 1984, moeten we directer actie ondernemen door opleiding in technologie toegankelijker en financieel ondersteund of gestimuleerd te maken.

Waarom verwijzingen deze vooroordelen zouden kunnen overwinnen?

Degenen die aanbevelingen hebben gebruikt, weten dat ze een onschatbare manier zijn om nieuw talent aan te nemen en kandidaten aan te trekken uit delen van de samenleving die vaak over het hoofd worden gezien. Door een-op-een, sociaal delen en toegewijde groepsverwijzingsborden te ondersteunen, kunnen personeelsmanagers proactief diversiteit uitnodigen in en zich richten op werknemers uit gemarginaliseerde groepen.

LEES VERDER: 

En verwijzingen zijn even cruciaal voor werkzoekenden uit kansarme milieus, aangezien doorverwezen kandidaten 15-20 keer meer kans hebben om te worden aangenomen dan een sollicitant voor een vacaturebank. Een persoonlijke uitnodiging om te solliciteren is ook de beste manier voor werkzoekenden om het imposter-syndroom te overwinnen en gemuteerde algoritmen te omzeilen.

De hoop is dat AI-systemen in de toekomst af zullen zijn van menselijke vooroordelen en diversiteit zullen bevorderen en sociaaleconomische achterstand zullen uitroeien. Voorlopig zorgen menselijke fouten en een gebrek aan diversiteit in de technische industrie er echter voor dat de AI-systemen die in ons dagelijks leven worden geïntegreerd, deze vooroordelen in stand houden, niet uitroeien. Bedrijfsleiders en recruiters moeten zich bewust zijn van deze uitdagingen en hun wervingspraktijken diversifiëren om ervoor te zorgen dat er geen kandidaten over het hoofd worden gezien.

Voor meer nieuws van Top Business Tech, vergeet je niet te abonneren op ons dagelijkse bulletin!

Volg ons op LinkedIn en Twitter

Een beeld van , AI, Waarom wervingsmanagers AI-vooroordelen moeten overwegen in hun wervingsprocessen

Paul Naha-Biswas

Paul Naha-Biswas is de oprichter en CEO van Sixley, een HRTech-platform om uw netwerken te vragen en te belonen voor talentaanbevelingen. Sixley is zijn tweede start-up die medeoprichter is van EdTech-start-up Boclips, een van 's werelds grootste digitale videobibliotheken voor leren.
Paul heeft 20 jaar in de media- en digitale industrie gewerkt en heeft aanzienlijke ervaring in het ontwikkelen, lanceren en laten groeien van nieuwe ondernemingen. Sinds hij zijn carrière begon bij Spectrum Strategy Consultants, pionier op het gebied van digitale media, heeft hij voor de raden van bestuur en CEO's van meer dan 100 bedrijven op vijf continenten gewerkt. Naast de oprichting van Sixley en Boclips, leidde Paul de mediapraktijk bij het wereldwijde adviesbureau Alvarez & Marsal en had hij eerder CEO-reportingfuncties bij ITN, FremantleMedia en bij de nationale digitale tv- en glasvezelprogramma's van Nieuw-Zeeland.
Paul leidt ook de Business of Media-sessies, een ontbijtreeks op uitnodiging voor senior executives, georganiseerd in samenwerking met de Ivy Club. Hij heeft een MA in Economie van de Universiteit van Cambridge.

Een nieuwe reis naar de cloud

Don Valentijn • 23 januari 2023

ERP-implementatie is veranderd. En voor die bedrijven die de onderhoudsdeadline van 2027 voor SAP ECC 6 tegemoet gaan, is dat goed nieuws. In het cloud-first model van vandaag, 'adopt not adapt', zijn er geen whiteboards meer. Geen consultants meer die software aanbieden om aan elke zakelijke behoefte te voldoen. En geen langgerekte implementaties meer – gevolgd door...

Vijf voordelen van cloudgebaseerde testautomatisering

Adil Mohammed • 17 januari 2023

Testautomatisering is de afgelopen jaren steeds populairder geworden, maar voorheen werd software gehinderd door een traag tempo en het onvermogen om mee te schalen met bedrijven in elke groeifase. Deze uitdagingen werden steeds duidelijker tijdens de Covid-19-lockdowns, toen het personeel gedwongen werd bijna volledig op afstand te verhuizen. Op dit moment zijn we nog aan het aanpassen...

Vijf voordelen van cloudgebaseerde testautomatisering

Adil Mohammed • 17 januari 2023

Testautomatisering is de afgelopen jaren steeds populairder geworden, maar voorheen werd software gehinderd door een traag tempo en het onvermogen om mee te schalen met bedrijven in elke groeifase. Deze uitdagingen werden steeds duidelijker tijdens de Covid-19-lockdowns, toen het personeel gedwongen werd bijna volledig op afstand te verhuizen. Op dit moment zijn we nog aan het aanpassen...

Gegevens beschermen ongeacht infrastructuur

Simon Pamplin • 16 januari 2023

De cyberbeveiligingsdreiging is de afgelopen jaren zo hoog gestegen dat de meeste bedrijven wereldwijd nu accepteren dat een datalek bijna onvermijdelijk is. Maar wat betekent dit voor de functionarissen voor gegevensbescherming en naleving, evenals voor senior managers, die nu persoonlijk aansprakelijk zijn voor de bescherming van gevoelige bedrijfs-, klant- en partnergegevens?

Gegevens beschermen ongeacht infrastructuur

Simon Pamplin • 16 januari 2023

De cyberbeveiligingsdreiging is de afgelopen jaren zo hoog gestegen dat de meeste bedrijven wereldwijd nu accepteren dat een datalek bijna onvermijdelijk is. Maar wat betekent dit voor de functionarissen voor gegevensbescherming en naleving, evenals voor senior managers, die nu persoonlijk aansprakelijk zijn voor de bescherming van gevoelige bedrijfs-, klant- en partnergegevens?