ZipRecruiter, CareerBuilder, LinkedIn, i più grandi siti di ricerca di lavoro del mondo utilizzano l’intelligenza artificiale per abbinare le persone alle opportunità di lavoro, anche se gli algoritmi non sono sempre corretti.
di Sheridan Wall e Hilke Schellmann
Anni fa, LinkedIn ha scoperto che gli algoritmi di raccomandazione che utilizza per abbinare i candidati di lavoro con le opportunità stavano producendo risultati distorti, nel senso che in parte classificavano i candidati in base alla posizione richiesta o alle risposte a un reclutatore. Il sistema ha finito per indirizzare più uomini che donne per i posti vacanti semplicemente perché gli uomini sono spesso più aggressivi nel cercare nuove opportunità.
LinkedIn si è resa conto del problema e ha creato un altro programma di intelligenza artificiale per contrastare il pregiudizio nei risultati del primo. Nel frattempo, alcuni dei più grandi siti di ricerca di lavoro del mondo, tra cui CareerBuilder, ZipRecruiter e Monster, stanno adottando approcci molto diversi per contrastare i pregiudizi sulle proprie piattaforme, come si può ascoltare sul podcast di “MIT Technology Review” In Machine We Trust.
Poiché queste piattaforme non rivelano esattamente come funzionano i loro sistemi, tuttavia, è difficile per chi cerca lavoro sapere quanto sia efficace una di queste misure nel prevenire effettivamente la discriminazione. Se una persona dovesse iniziare a cercare un nuovo lavoro oggi, l’intelligenza artificiale molto probabilmente influenzerebbe la sua ricerca.
L’AI può determinare quali post vede sulle piattaforme di ricerca di lavoro e decidere se trasmettere il curriculum ai reclutatori di un’azienda. Alcune aziende potrebbero chiederle di giocare a videogame basati sull’intelligenza artificiale che misurano i tratti della personalità e valutano se si è adatti a ruoli specifici.
Sempre più aziende utilizzano l’AI per reclutare nuovi dipendenti e la includono in quasi tutte le fasi del processo di assunzione. Il covid-19 ha alimentato una nuova domanda per queste tecnologie. Curios Thing e HireVue, società specializzate in interviste basate sull’AI, hanno riportato un’impennata negli affari durante la pandemia.
La maggior parte delle ricerche di lavoro, tuttavia, inizia con una semplice ricerca. Le persone in cerca di lavoro si rivolgono a piattaforme come LinkedIn, Monster o ZipRecruiter, sulle quali possono caricare i loro curricula, sfogliare le offerte di lavoro e candidarsi per i posti a disposizione.
L’obiettivo di questi siti Web è quello di abbinare i candidati qualificati con le posizioni disponibili. Per farlo, molte piattaforme utilizzano algoritmi di raccomandazione basati sull’intelligenza artificiale. Gli algoritmi, a volte indicati come motori di corrispondenza, elaborano le informazioni sia dal cercatore di lavoro sia dal datore di lavoro per curare un elenco di raccomandazioni per ciascuno.
“Di solito si racconta l’aneddoto che un reclutatore passa sei secondi a guardare il tuo curriculum, giusto?” afferma Derek Kan, vicepresidente della gestione dei prodotti di Monster. “Quando esaminiamo il motore di raccomandazione che abbiamo creato, si può ridurre quel tempo fino a millisecondi”.
La maggior parte dei motori di corrispondenza sono ottimizzati per generare applicazioni, afferma John Jersin, ex vicepresidente della gestione dei prodotti di LinkedIn. Questi sistemi basano le loro raccomandazioni su tre categorie di dati: informazioni che l’utente fornisce direttamente alla piattaforma; dati assegnati all’utente in base ad altri con competenze, esperienze e interessi simili; dati comportamentali, come la frequenza con cui un utente risponde ai messaggi o interagisce con gli annunci di lavoro.
Nel caso di LinkedIn, questi algoritmi escludono il nome, l’età, il sesso e la razza di una persona, perché l’inclusione di queste caratteristiche può contribuire a distorsioni nei processi automatizzati. Ma il team di Jersin ha scoperto che anche così, gli algoritmi del servizio potrebbero ancora rilevare i modelli comportamentali esibiti da gruppi con particolari identità di genere.
Per esempio, mentre gli uomini hanno maggiori probabilità di candidarsi per lavori che richiedono un’esperienza lavorativa al di là delle loro qualifiche, le donne tendono a scegliere solo lavori in cui le loro qualifiche corrispondono ai requisiti della posizione. L’algoritmo interpreta questa variazione di comportamento e adatta le sue raccomandazioni in modo da svantaggiare inavvertitamente le donne.
“Potresti consigliare, ad esempio, lavori di rango superiore a un gruppo di persone rispetto a un altro, anche se sono qualificati allo stesso livello”, afferma Jersin. “Quelle persone potrebbero non essere esposte alle stesse opportunità. E questo è davvero l’impatto di cui stiamo parlando qui”. Gli uomini includono anche più competenze nei loro curricula con un grado di competenza inferiore rispetto alle donne e spesso interagiscono in modo più aggressivo con i reclutatori sulla piattaforma.
Per affrontare tali problemi, Jersin e il suo team di LinkedIn hanno creato una nuova AI progettata per produrre risultati più rappresentativi e l’hanno implementata nel 2018. Si trattava essenzialmente di un algoritmo separato progettato per contrastare le raccomandazioni distorte per un particolare gruppo. La nuova intelligenza artificiale assicura che prima di accettare le indicazioni fornite dal motore originale, il sistema di raccomandazione includa una distribuzione rappresentativa degli utenti per genere.
Kan afferma che Monster, che elenca da 5 a 6 milioni di posti di lavoro in qualsiasi momento, incorpora anche dati comportamentali nelle sue raccomandazioni, ma non corregge i pregiudizi allo stesso modo di LinkedIn. Invece, il team di marketing si concentra sull’ottenere utenti di diversa provenienza che si iscrivono al servizio e l’azienda si affida quindi ai datori di lavoro per farsi riferire se hanno approvato o meno un gruppo rappresentativo di candidati.
Irina Novoselsky, CEO di CareerBuilder, afferma di essere concentrata sull’utilizzo dei dati raccolti dal servizio per insegnare ai datori di lavoro come eliminare i pregiudizi dalle loro offerte di lavoro. Per esempio, “Quando un candidato legge una descrizione del lavoro con la parola ‘rockstar’, c’è una percentuale inferiore di donne che si candidano”, afferma.
Ian Siegel, CEO e cofondatore di ZipRecruiter, afferma che gli algoritmi dell’azienda non tengono conto di determinate caratteristiche identificative come i nomi quando si classificano i candidati, ma valutano invece le persone sulla base di altri 64 tipi di informazioni, compresi i dati geografici. Aggiunge che l’azienda non discute i dettagli dei suoi algoritmi, citando problemi di proprietà intellettuale, ma ritiene che la sua azienda è vicina a una valutazione basata sul merito delle persone”.
Con l’automazione in ogni fase del processo di assunzione, le persone in cerca di lavoro devono ora imparare a muoversi sia con l’algoritmo sia con i responsabili delle assunzioni. Ma senza informazioni chiare su cosa fanno questi algoritmi, i candidati devono affrontare sfide significative. “Penso che le persone sottovalutino l’impatto che gli algoritmi e i motori di raccomandazione hanno sul lavoro”, afferma Kan. “Il modo in cui ci si presenta è molto probabilmente letto da migliaia di macchine e server prima ancora che arrivi all’occhio umano”.
immagine: Ms Tech / Envato
(rp)
