对人工智能在招聘中将极大地改善招聘流程的世界感到兴奋吗?我们生活在一个迷人的时代，因为这种情况就在眼前——而你，人力资源专业人士，可能会让它更接近我们。
建造人工智能的工程师需要数据来训练机器，他们也需要更多的信息来决定什么可行或不可行。这是组织可以做出贡献的地方因为他们可以接触到数据他们可以在这个领域测试技术。
这个话题是我与Matt Alder交谈的一部分，Matt Alder是著名的英国人力资源思想领袖和主持人招聘的未来播客。在长达一个小时的电话交谈中，我们讨论了企业如何利用强大的招聘人工智能工具在塑造世界中发挥作用的可能行动。
另见我们讨论人工智能在招聘中的现状和未来以及机器是否真的可以采取招聘人员的工作。
科技是我们自己的形象
我们用来训练机器的数据对成功的人工智能驱动的招聘战略至关重要。如果数据不准确、不完整、扭曲或一维，机器的“智能”就会受损。
所以，我们需要仔细选择我们的数据。这比听起来难，因为有时我们甚至没有意识到我们看到的是有偏差的或不完整的数据样本。因为我们只是人，我们有固有的困难来识别自己的缺点，错误的数据导致机器复制我们的偏见、观点或行为。“垃圾输入，垃圾输出”这句老话在这里很适用。
一个例子是明显的冷漠、逃避或偶尔的积极回应当面对用户的口头性侵犯时，虚拟助手Siri和Alexa的功能就会发生变化。它们被编程以特定的方式应对各种形式的骚扰，这些骚扰可能被人类创造者认为是“OK”的(它们不是)。据Quartz报道，这是制造人工智能的公司正在努力解决的问题。
在招聘的世界里，自动化工具并不能做出最终的招聘决定，那么偏见有多重要呢?这里有一个有趣的警告。马特在最近招聘的未来播客当他采访米兰达博成好转这是一个非营利性智库，致力于在数字技术的设计和使用中促进公平和公正。
好转最近发布了一份关于雇佣算法的偏见的报告。根据这份报告，米兰达解释说，虽然人工智能在招聘中不能决定谁被雇佣，但它可以决定谁不被雇佣——而这些人通常具有特定的特征。谷歌算法就是一个例子只向男性展示高薪工作的广告因为它认为男性最有可能点击这些工作。这样，它有效地阻止了女性了解这些工作机会。Upturn的报告还提到，即使你在训练机器时模糊了性别和种族等属性，这种偏见仍然存在。部分原因是我们现有的数据集与系统性偏差内在相关。
所以有一个合理的哲学问题:我们真的能创造出不复制我们的局限和偏见的技术吗?嗯，我们已经在其他科技领域做到了:例如，我们的肉眼无法看到遥远太空中的细节，但我们的望远镜可以。智能机器可以以同样的方式工作——补充和提高我们的能力。
我们如何做到这一点还不清楚。马特对此进行了反思:
“我认为这可能是未来几年最大的困境;我们如何让技术比人类更好?”
当人类是设计师时，挑战就来了。
我们得聪明点
随着Matt强调，建筑机器的第一步是纯粹的目标而不是主观招聘流程，是有意识地理解自己的偏见。That not only involves the ‘what’, but also the ‘how.’ “If we’re going to make HR technology that doesn’t share human bias,” says Matt, “then we need to understand more about where that kind of bias comes in.”
招聘专家可能是在招聘过程中识别这些问题的最佳人选。监控你的招聘指标。例如，性别和种族偏见可以通过测量的百分比女性或非白人申请人的申请，并通过招聘程序。另外，经常和招聘团队沟通他们做决定的标准，并注意那些与工作无关的标准。
一旦你开始收集这种类型的数据和见解，就需要做出系统的努力来减轻偏见。例如，你可以尝试更客观的招聘工具，比如结构化访谈,训练你的面试官克服他们无意识的(有时是有意识的)偏见。
另外，参加讨论也是很有帮助的与招聘人员在论坛上或当面交流交换有关现有偏见和可能的应对策略的信息。我们的集体知识和对偏见的认识，可以帮助那些利用招聘工具中的人工智能更有效地设计产品的公司。
我们也需要多样性
谈到人工智能在招聘方面的作用，其中一个问题是，我们使用的数据并不是很有创意，正如马特指出的那样:
马特说:“我认为问题在于，我们仍然在努力消除简历上无法真正告诉你一个人的表现如何的问题。这就是为什么我们看到了更多的其他数据点，无论是面部识别、语调还是各种评估。”即使是最聪明的人工智能形式，一份简历也无法提供足够的信息来做出正确的决定。”
这涉及这样的案例亚马逊AI招聘工具据报道，亚马逊拒绝了女性求职者，因为它主要用男性简历进行培训——换句话说，亚马逊试图以人工智能为导向的招聘失败了，原因是过度依赖过去的数据集。如果我们使用多个数据点来训练模型，我们可能会避免单一数据集带来的偏差和不一致性。
所以，如果你的公司在人力资源部门制造人工智能，或者你与人工智能供应商密切合作，考虑使用各种招聘方法(包括评估、视频面试等)，这可以帮助你丰富用于培训人工智能工具的数据类型。
此外，您还可以确保我们对有意义的内容进行建模。马特说:“这是围绕高绩效者的样子来建模的。”“如果我们模拟他们的面部表情，会得出正确的匹配结果吗?”所以我们模仿他们的行为，态度，价值观，但我们要找的是什么方面呢?要找到符合我们要求的人，哪些方面是可重复的?”
试验和错误
实验是我们学习的方式。而这也许是一家公司能够对培训机器的整体方法做出贡献的最重要的方面:用真实的数据。尝试人工智能工具并系统地测量结果。这样的话，我们很快就会有更多的证据来证明某种方法是否有效。
要开始在招聘中尝试人工智能，可以考虑以下四个步骤:
1.了解您当前的流程
除了在招聘过程中识别偏见外，解剖现有的招聘策略。“我认为很多关于了解当前过程，”马特说。“它是如何工作的？它的问题在哪里？经历是什么样的？在大型企业中，它可能是非常复杂的。可能有[许多]利益相关者和移动部件，人们可能无法完全理解正在发生的事情。“
审核你的招聘过程，找到利益相关者和他们的角色。使用招聘指标确定问题和瓶颈。然后，您可能会指示哪些方面可能受益于自动化级别或AI工具。
“对组织内部情况的了解和自我意识是一个很好的开始，”马特说。
2.号脉
另一方面是了解环境。马特澄清道:“了解这项技术能做什么或不能做什么，看看那些试图(在招聘中)使用人工智能的公司，看看它们的招聘结果同样重要。
然后就是把这两者结合起来。这种技术如何能切实解决我们的利基问题?如果可以，我们如何以一种真正有效的方式实施它?”
3.查看招聘中的哪些AI可用
既然你已经深入了解了你的招聘流程，并跟随其他公司的做法，寻找可用的工具。“了解什么是可用的，什么是现有的是重要的，”马特说。
“看看市场，看看现在可以做些什么。有人可能创造了某种东西，可以解决你所有的问题，而你却不知道它的存在。”“这是令人困惑和困难的，因为外面有这么多噪音。但实际上，对现有资源有一个良好的认识是至关重要的。”
当然，当供应商提到他们的AI工具完全无偏见时，请务必用一粒盐来接受他们的索赔。As Miranda Bogen said in the Recruiting Future podcast: “As predictive tools have access to more and more data, there’s more risk this data is closely associated or even a proxy for protected categories [which tools shouldn’t take into account in order to be bias-free].”
如果您已经在使用自动化工具，请与供应商一起定期测试和验证它们。
4.记住这个候选人
候选人对招聘中的AI反应与工具本身的有效性同样重要。“我试图雇用的人真的喜欢以这种方式自动界面吗？”问马特。“因为如果他们没有，而且我的竞争对手正在采取更具人类的方法，那么我可能会错过一些伟大的人才。”
正如Matt提到的，在某些情况下，实现自动化会受到候选人的欢迎;例如，关于应用程序状态的通信将得到改善。“候选人最大的抱怨是来自招聘的黑洞，他们不知道正在发生什么，他们在招聘过程中处于什么阶段，下一步是什么，人们对他们的看法。我认为科技可以填补这一空白。”
但有时，应聘者可能会对技术在招聘过程中的作用感到困惑。
马特说:“对于科技是如何被用来筛选和挑选人才的，可能存在一些恐惧和误解。”“当然，最近出现的一些关于偏见的宣传不是好事。我倾向于发现，人们高估了人工智能在招聘中实际上对他们是否被选中负有责任的程度。”
人们担心自己正在被一个没有面孔的机器筛选出来，而人类没有机会考虑他们。
对于人脸识别软件这样的工具来说尤其如此。“人们很容易得意忘形，认为‘我脸上的表情将决定人们是否会在这份工作中表现出色。’”
Matt提醒我们，这让我们回到AI中数据的多个接触点对于减少对单一领域的依赖的重要性。“(人脸识别软件)只是众多数据中的一个。”正如Upturn的报告所强调的那样，招聘很少会变成一个单一的决定。
事情已经发生了
“有一些企业人们有效地聘用自动化过程，”马特说：“他们可能不会直到第一天地与某人交谈。这是一个非常有趣的时间。我认为我们并不真正知道答案是什么都在这一切，并且很多是实验和反馈。“
马特提到，一些公司正在试用自动化来批量招聘和毕业生招聘。例如，用一个视频面试代替多次面试，可以减少亲自面试的求职者数量，而且求职者也不用像以前那样经历那么多的招聘阶段。这是为了提高效率和整体的应聘者体验。
“现在再说一遍，现在还为时过早，”马特提醒我们。“三四年后，他们是否会重新审视这个问题，说‘我们聘用的人不如我们以前聘用的人优秀’?”但尽管如此，这在招聘和选拔过程的改进方面肯定是有意义的。”
事实上，一些现实生活中的例子和数据将带来一场人工智能在招聘中如何制作和应用的革命，这在很多方面对组织有利。马特回忆起另一个新技术被测试的时候:
“我记得上世纪90年代末，也就是21世纪初，网上招聘成为一种风尚。虽然出现了很多错误，发生了很多可怕的事情，但这并不意味着网上招聘不会很火。它并不是一开始就完美的。”
Matt补充道:“一些公司进行了试验并坚持了下来，参与了辩论，提供了反馈，并帮助塑造了供应商提供的产品。他们是长期受益最大的公司。”
所以，不要害怕向新技术敞开心扉。如果你是一个早期采用者，当人工智能技术成为主流招聘流程中顺利运行的一个方面时，你也将是第一个受益的人。Matt提醒我们，自动化已经被广泛使用，你可以找到许多工具应用到招聘工作中。与他们的实验。
“非常关键，非常分析结果实际上是什么以及他们是否想要什么。”
