Överdriven användning av AI vid anställning är en förlust-förlust för alla, säger expert

Det är lättare än någonsin för arbetssökande och potentiella arbetsgivare att förenkla jobbsökandet med avancerad AI, men vissa skulle hävda att det dödar screeningprocessen.

Jobbsökande tenderar att involvera mer än bara den kandidat som vill göra en karriär. Rekryterare, HR-team och naturligtvis arbetsgivarna själva strävar efter att bygga vidare på sitt befintliga nätverk med en talangfull anställning.

För alla sidor av ekvationen kan processen med jobbansökningar och granskning dra ut på tiden, vilket ofta resulterar i liten framgång för både kandidaten och arbetsgivaren, vilket är anledningen till att många yrkesverksamma har vänt sig till AI-teknik i hopp om att de ska öka sina chanser att få positiva resultat.

Enligt Vrijen Attawar, VD för The ApplyAI, en leverantör av AI-drivna karriärverktyg, finns det ett alltför stort beroende av AI i jobbekosystemet, vilket har skadat kvaliteten på kandidatansökningar samt arbetsgivarscreeningsprocessen.

Ur en arbetssökandes synvinkel noterade Attawar det överdrivna antalet CV:n utfärdas av verktyg för automatisk applicering som ett stort hinder för en kandidats chanser att lyckas.

”Problemet är att dessa verktyg ofta är optimerade för det totala antalet applikationer. De leder en kandidat att fokusera på mängden, inte på kvaliteten. Med auto-apply kan du inte säkerställa att ditt material är skräddarsytt för varje roll och med all sannolikhet skickar verktyget in ansökningar till roller som du kanske inte passar för”, sa han.

”Slutresultatet är att rekryterare har ännu mer att göra och de svarar genom att skärpa sina urvalskriterier, vilket i slutändan skadar icke-traditionella kandidater och karriärbytare.”

Å andra sidan av processen har beroendet av AI-teknik för att filtrera bort olämpliga kandidater lett till en olycklig fördom i systemet, där sökande som inte passar den specifika branschformen har mycket små chanser till en rättvis recension.

”Förmodligen det största problemet med att använda AI i jobbscreening har att göra med de implicita fördomar som finns i AI-programvara, särskilt när den fortfarande är relativt omogen som teknik,” sade Attawar.

Han noterade exempel på AI-resumé-screeners som visade favorisering av CV:n som inkluderade hobbyer som traditionellt förknippas med män, såväl som ”ansiktsigenkännande AI som ger minoritetskandidater lägre kroppsspråk utan någon urskiljbar anledning”.

”Verkligheten är att mjukvaruindustrin är hyperkonkurrenskraftig och bråttom att få ut produkter på marknaden innebär ofta att företag tar till de mest lättillgängliga datakällorna, inte de mest representativa eller etiska”, förklarade han.

Man kontra robot

När världen rör sig mot en verklighet som i hög grad involverar input från AI och maskininlärningsmodeller, förklarade Attawar att det mänskliga inslaget av jobbsökande och rekrytering är absolut avgörande.

Han tycker att det finns en enorm risk förknippad med att lita på AI för att effektivt genomföra en process som är lika viktig som rekrytering, men mer så ber han arbetsgivare att överväga vad det säger om din organisation för nya medarbetare.

“Anställningsprocessen är deras första interaktion med din organisation och därmed din första möjlighet att sätta tonen för din relation med den här individen. Att avpersonalisera processen genom att göra den helt eller övervägande AI-driven försätter dig inte bara i underläge jämfört med andra företag som behåller det mänskliga elementet, det gör att du också förlorar på förmågan att förmedla effektfulla budskap om din organisation.”

Attawar tror att det har skett en aggressiv förändring mot AI på så många områden av processen som man realistiskt kan hantera, vilket han noterade inte nödvändigtvis är negativt när det kompletterar mänsklig utvärdering. Han betonade dock att man bör fundera på vad detta kommer att åstadkomma.

”Det bästa sättet att skapa en balanserad process skulle vara att ha en ”människa i slingan” vid viktiga punkter i ansökningsprocessen, antingen som en kontrollpunkt i sig eller att granska AI:s resultat för att säkerställa att de överensstämmer med företagets anställningsmål, sa han.

Att uppnå balans

Som en förespråkare mot att använda tekniker för automatisk applicering inser Attawar behovet av att balansera arbetsnivån mot den totala volymen av inlämningar, och säger att det bästa tillvägagångssättet skulle vara att skapa en stark uppsättning grundmaterial, till exempel följebrev och uppsökande meddelanden, och använd sedan AI för att anpassa dem till individuella roller.

”Jag skulle också säga till de flesta kandidater att lägga mer tid på ett mindre antal roller som de är mycket lämpade för och entusiastiska av, helst en kombination av nätverkande och att ansöka mer noggrant, snarare än den ”spraya och be”-metoden som är vanlig. Detta gäller särskilt för större företag, där det första hindret för inträde nästan alltid är ett sökordsbaserat ATS (applicant tracking system).

Enkelt uttryckt av Attawar, om du inte ska optimera ditt CV eller annat ansökningsmaterial med dessa system i åtanke, är det högst troligt att du kommer att sållas bort.

Med blicken mot framtiden sa Attawar att han förväntar sig att arbetsgivare skulle bli mer kloka i sin användning av AI i anställningsprocessen, genom att använda funktioner för att hjälpa till med administrativa problem, snarare än att göra slutgiltiga beslut om kandidatur.

Han sa också att arbetssökande sannolikt kommer att ändra sin användning av AI-teknik eftersom de förbättrar sin förståelse för hur de kan påverka. ”Jag förutser att kandidater kommer att bli kloka på bristerna med blind tillit till AI för att förstärka sin inställning till att söka jobb, eftersom resultaten så småningom inte kommer att bli vad de förväntade sig.

”I slutändan anställer folk fortfarande människor för att arbeta med människor. Det mänskliga elementet är avgörande i den processen.”

Ta reda på hur nya tekniska trender förändras i morgon med vår nya podcast, Future Human: The Series. Lyssna nu Spotify Äpple eller var du än får dina poddar.