Saturday, October 19, 2019

Akankah AI Mengurangi Jenis Gender dalam Perekrutan?

AI mengganggu setiap bidang kehidupan, termasuk bagaimana organisasi menemukan bakat. Perusahaan umumnya mengetahui ROI yang berasal dari menemukan orang yang tepat untuk pekerjaan yang tepat. McKinsey memperkirakan bahwa, untuk peran yang sangat kompleks, bintang dapat diharapkan untuk menghasilkan 800% lebih dari pemain rata-rata. Dan studi Harvard Business School baru-baru ini menunjukkan bahwa ada manfaat yang lebih besar untuk menghindari pekerja beracun.
Terlepas dari peran bakat yang penting ini, organisasi masih tidak dapat menarik bakat yang tepat, lebih mengandalkan praktik identifikasi bakat yang didorong oleh data - terutama di tingkat atas, di mana pasak sebenarnya tertinggi. Memang, terlalu banyak pemimpin dipekerjakan berdasarkan keahlian teknis, pengaruh politik, atau kinerja wawancara mereka.

Seperti yang saya ilustrasikan dalam buku terbaru saya, Mengapa Begitu Banyak Pria Tidak Kompeten Menjadi Pemimpin ?: (Dan Bagaimana Cara Memperbaikinya), sebagian besar perusahaan berfokus pada sifat-sifat yang salah, mempekerjakan kepercayaan diri daripada kompetensi, karisma daripada kerendahan hati, dan kecenderungan narsis daripada daripada integritas, yang menjelaskan kelebihan pemimpin yang tidak kompeten dan laki-laki. Hasilnya adalah terputusnya patologis antara kualitas yang menggoda kita dalam seorang pemimpin, dan orang-orang yang diperlukan untuk menjadi pemimpin yang efektif.

Sebuah pertanyaan menarik yang muncul adalah sejauh mana teknologi baru dalam dunia baru alat perekrutan berbasis AI dapat membantu kita mengurangi kesalahan, kebisingan, dan bias dalam proses identifikasi bakat kami. Misalnya, apakah wanita akan lebih baik jika AI dan algoritma bertanggung jawab atas perekrutan? Penelitian sebelumnya telah menyoroti ketidakkonsistenan yang jelas seputar gender dan kepemimpinan.

Di satu sisi, wanita sering dievaluasi lebih negatif oleh orang lain - bahkan ketika ada beberapa perbedaan perilaku granular antara wanita dan pria. Di sisi lain, meta-analisis skala besar menunjukkan bahwa perempuan memiliki sedikit keuntungan dalam hal keterampilan lunak yang membuat individu cenderung menjadi pemimpin yang lebih efektif, dan bahwa mereka umumnya mengadopsi gaya kepemimpinan yang lebih efektif daripada laki-laki.

Misalnya, jika para pemimpin dipilih berdasarkan kecerdasan emosi, kesadaran diri, kerendahan hati, integritas, dan kemampuan melatih mereka, mayoritas pemimpin adalah perempuan dan bukan laki-laki. Namun ada berita yang menonjol baru-baru ini yang menunjukkan bahwa AI sebenarnya dapat berkontribusi pada bias yang lebih besar dan dampak buruk terhadap perempuan - dan bahwa ketika algoritma dilatih untuk meniru perekrut manusia, mereka mungkin tidak hanya mereproduksi bias manusia, tetapi juga memperburuk mereka, melibatkan dalam bentuk diskriminasi yang jauh lebih efisien.

Yang pasti, kita jauh lebih mudah terkejut dan tersinggung dengan mempekerjakan kesalahan yang dilakukan oleh AI, daripada oleh kesalahan manusia atau bias. Sama halnya dengan mobil yang bisa menyetir sendiri: dibutuhkan satu tabrakan mobil otonom untuk meyakinkan kita bahwa teknologinya cacat, tetapi kita boleh saja memiliki 1,2 juta kecelakaan fatal dan 50 juta cedera mengemudi per tahun, milik manusia.

Jadi, mari kita mulai dengan kesadaran penting bahwa sebagian besar praktik perekrutan adalah (a) intuitif dan (b) tidak efektif. Untuk setiap perusahaan yang menunjuk sebagian besar pemimpinnya berdasarkan kriteria obyektif dan meritokratis, ada banyak lagi di mana penunjukan semacam itu adalah kelangkaan sejati - sesuatu yang mungkin terjadi secara tidak sengaja, kadang-kadang, dan terlepas dari niat mereka.

Juga jelas bahwa AI tidak bias dalam cara manusia: yang membutuhkan AI untuk memiliki emosi, perasaan, atau pendapat. AI tidak perlu terlibat dalam bias tak sadar untuk menghukum perempuan atau kelompok kurang mampu lainnya untuk mendapatkan dorongan harga diri. Tentu saja, jika AI dilatih dengan data yang bias - misalnya, jika kita mengajarkannya untuk memprediksi kandidat mana yang akan dinilai secara positif oleh pewawancara manusia - itu tidak hanya akan meniru, tetapi juga memperburuk, bias manusia: menambah dan membuatnya jauh lebih efisien.

Tetapi ini dapat diatasi dengan mengajarkan AI untuk memprediksi hasil yang relevan dan objektif, daripada meniru intuisi manusia. Selain itu, ada alasan untuk mengharapkan AI lebih akurat dan prediktif daripada manusia, diantaranya adalah :

Metode favorit kami untuk menyaring dan memeriksa kandidat - termasuk para pemimpin - adalah wawancara, dan studi ilmiah berskala besar telah menunjukkan bahwa wawancara paling prediktif ketika mereka sangat terstruktur. Sementara wawancara tatap muka / analog sulit distandarisasi, wawancara video memungkinkan kami menempatkan orang melalui pengalaman yang persis sama, menangkap jutaan titik data tentang perilaku mereka (misalnya, apa yang mereka katakan, bagaimana mereka mengatakannya, penggunaan bahasa, bahasa tubuh) , dan ekspresi mikro), dan menghilangkan pengamat manusia yang berprasangka dari proses tersebut.

Aman untuk mengasumsikan bahwa mengotomatiskan semua wawancara yang tidak terstruktur dan dinilai manusia akan mengurangi bias dan nepotisme sambil meningkatkan meritokrasi dan akurasi prediksi. Ini harus baik untuk wanita (dan buruk untuk pria).

Tentu saja ada beberapa pewawancara manusia yang sangat cerdas yang umumnya dapat mengungguli algoritma (meskipun hati-hati untuk dokumenter Netflix berikutnya tentang bagaimana AI mengalahkan pewawancara manusia terbaik, seperti mereka mengalahkan catur terbesar atau pemain AlphaGo). Masalah utama, bagaimanapun, adalah bahwa kebanyakan orang tidak seintuitif yang mereka kira. 

Dan untuk setiap pewawancara yang brilian, ada ratusan atau ribuan yang berpikir mereka brilian, tetapi kenyataannya tidak. Kita semua menganggap tinggi intuisi kita sendiri, terutama ketika kita tidak intuitif. Sebagai salah satu pendiri gerakan ekonomi perilaku - dan pemenang Nobel - Daniel Kahneman mencatat: "Kami umumnya terlalu percaya diri dalam pendapat kami dan kesan dan penilaian kami."

Terlepas dari kemampuan AI untuk mendeteksi bakat, kita dapat berharap itu akan jauh lebih sadar akan kemampuannya daripada manusia dari kemampuannya sendiri. Ini juga akan memungkinkan AI untuk meningkat (lebih dari yang bisa diharapkan manusia). Pertimbangkan bahwa rata-rata pewawancara manusia tidak akan pernah mengakui melakukan kesalahan perekrutan, karena mereka akan menikmati bias konfirmasi untuk melihat kandidat yang mereka rekrut secara pribadi setelah mereka ditugaskan untuk menilai kinerja mereka. Manusia memiliki kulit dalam permainan: menerima kesalahan membuat mereka terlihat bodoh - AI tidak peduli terlihat bodoh.
o Salah satu keuntungan besar AI adalah bahwa, selain lebih baik dalam hal bercak (mis., Jutaan titik data), ia juga lebih unggul dalam mengabaikan hal-hal. Bayangkan seorang manusia yang beretika, beritikad baik, dan berpikiran terbuka yang memiliki niat untuk bersikap adil dalam praktik perekrutan mereka dan karenanya bertekad untuk menghindari bias gender dalam proses perekrutannya - mari kita asumsikan bahwa dia adalah laki-laki.

Terlepas dari seberapa keras dia berusaha, akan sangat sulit baginya untuk mengabaikan gender kandidat. Bayangkan dia duduk di depan seorang kandidat perempuan, mengulangi pada dirinya sendiri: "Saya tidak boleh memikirkan fakta bahwa orang ini adalah seorang wanita," atau "Saya tidak boleh membiarkan jenis kelamin orang ini mengganggu evaluasi saya." ia mencoba menekan pikiran ini, semakin menonjol hal itu dalam benaknya.

Ini juga akan menyebabkan gangguan atau kompensasi berlebihan. Sebaliknya, AI dapat dilatih untuk mengabaikan gender orang dan hanya fokus pada sinyal bakat atau potensi yang relevan. Sebagai contoh, algoritma dapat dilatih untuk mengambil sinyal relevan dari EQ, kompetensi, atau keterampilan komunikasi, sementara benar-benar buta terhadap gender. Ini pasti akan menguntungkan wanita.

No comments:

Post a Comment