Pošljete več prijav za zaposlitev, odziva pa ni? Razlog morda ni v vašem življenjepisu

Podjetja v sodobnem obdobju vse bolj uporabljajo umetno inteligenco za izbiro kandidatov, kar je v zadnjih letih postalo osnovna metoda v procesu zaposlovanja. Kljub temu se številni kandidati soočajo s problemom, da kljub številnim prijavam ne dobijo nobenega odgovora. Ta situacija je v zadnjem času postala tematska točka, ker so raziskovalci ugotovili, da je glavni vzrok za izbiro kandidatov znanje ali izkušnja, ne pa način, kako podjetja obdelujejo prijave.

Raziskave Univerze v Stanfordu, ki so analizirale približno 4 milijone prijav za več kot 3 milijone kandidatov, kažejo, da sodobni postopki zaposlovanja postajajo vse bolj odvisni od avtomatiziranih sistemov. Ti sistemi uporabljajo več kot 90 odstotkov prijav v ZDA, preden kandidati vidijo kadrovik.

Ena najpomembnejših ugotovitev raziskave je pojav, ki ga raziskovalci imenujejo *algoritmična monokultura*. To pomeni, da veliko podjetij pri izbiri kandidatov uporablja enaka ali zelo podobna orodja za umetno inteligenco istih ponudnikov. Zaradi tega se pojavi zanimiv učinek če kandidat v enem postopku dobi slabo oceno, obstaja precejšnja verjetnost, da bo podobno ocenjen tudi drugi. Sistemi namreč delujejo po podobnih pravicah, zato različni delodajalci pogosto predlagajo zelo podobne odločitve. Posledice so lahko precej oprijemljive. Podatki kažejo, da približno štirje odstotki kandidatov, ki se prijavijo na deset delovnih mest, prejmejo zavrnitev vseh prijav.

Takšen vzorec presega expectations, ki bi jih lahko razložili zgolj z naključjem, in nakazuje, da se pri odločanju ponavljajo isti kriteriji.

Najbolj presenetljiva ugotovitev raziskave je, da številni kandidati niso zavrnjeni zaradi pomanjkanja kompetenc, temveč zaradi enakega načina filtriranja. Algoritmi namreč temeljijo na podatkih in vzorcih, ki lahko vsebujejo pristranskosti. Pojavljajo se namreč razlike v tem, kako so obravnavali posamezno skupino kandidatov. Pri nekaterih se je izkazalo, da so bili kandidati izbrani v ustreznih fazah, in to ne nujno zaradi šibkih kompetenc, temveč zaradi značilnosti, ki niso neposredno povezane z njihovimi dejanskimi zmožnostmi. Dodatno težavo predstavlja dejstvo, da ocena kandidatov lahko traja dlje časa.

Če je sistem enkrat odloči, da kandidat ni primeren, se ta presoja lahko ponovi tudi pri kasnejših prijavah, zato lahko pride do začarananega kroga.

Razvoj zaposlovanja ima zelo konkretne posledice. Proces zaposlovanja je manj pregleden, povratne informacije so redke ali avtomatizirane. Kandidati tako težko razumejo, kaj bi lahko izboljšali, pogosto ne dobijo občutka, da njihov trud sploh ni opazen. Težava je tudi v tem, da algoritmi spreminjajo življenje drugače kot ljudje. Kandidati lahko imajo prave izkušnje, vendar jih ne predstavljajo na način, ki bi jih sistem prepoznal, zato sploh niso ponosni na naslednjega izbranca.

Raziskava Stanforda odpira širše vprašanje o prihodnosti zaposlovanja. Uporaba umetne inteligence v podjetjih prinaša hitrost v učinkovitosti, hkrati pa ustvarja tveganja, da se priložnosti za delo neenakomerno razširijo. Če več podjetij uporablja enake sisteme, lahko isti pristop vpliva na tisoče odločitev hkrati.

Čeprav sistem ni popoln, strokovnjaki svetujejo nekaj prilagoditev. Pomembno je, da kandidati vedo, kako se njihovi življenjepisi predstavljajo v sistemu, in da se prilagajajo temu, kako tako algoritmi obdelujejo podatke. Tako lahko izboljšajo svoje možnosti za uspešno zaposlitev. Naučiti se morajo, kako predstavljati svoje izkušnje, da bi bili pravilno razumljeni in ocenjeni. To pomeni, da njihova vključenost v proces zaposlitve zdaj ni le o znanju, ampak tudi o tehničnem pridobivanju, ki omogoča dostop do priložnosti.