Turing, AI i nowoczesna rekrutacja – jak to wszystko się łączy?

W dobie dynamicznego rozwoju technologicznego sztuczna inteligencja (AI) coraz śmielej wkracza również w obszar rekrutacji. Zawód rekrutera wiąże się z dużą ilością komunikacji i rutynowych zadań. Może więc nadszedł czas, aby w tym obszarze zastosować sztuczną inteligencję (AI). Aby jednak mieć realne oczekiwania, warto słuchać nie tylko marketerów, ale także matematyków i specjalistów IT. Dzięki temu można samodzielnie przewidzieć efekty „współpracy” z AI w rekrutacji.

Czy maszyna może myśleć jak człowiek?

Już po II wojnie światowej, kryptograf i informatyk Alan Turing zaproponował test, oceniający zdolność maszyny do wykazywania inteligencji i zachowań, niemożliwych do odróżnienia od ludzkich.

Później pojawiła się Eliza – wirtualny rozmówca, stworzony przez naukowca Josepha Weizenbauma. Naśladowała ona zachowanie psychoterapeuty, zachęcając ludzi do mówienia o sobie i zadając precyzyjne pytania. Co więcej, ten pierwszy „czatbot” lepiej przekonał rozmówców o swojej naturalności, niż GPT-3.5 w 2022 roku. Inne czatboty nie przechodziły „uczciwie” testu Turinga, ponieważ nie potrafiły zmieniać tematów i brakowało im osobowości.

“Powstanie maszyn” jeszcze odwołane

Po teście Turinga eksperci analizowali możliwości maszyn pod kątem kreatywności, percepcji wizualnej, a nawet poczucia humoru. Napotkali jednak na istotną przeszkodę – maszyny nie są w stanie pojąć inteligencji holistycznie, skupiając się jedynie na pojedynczych funkcjach.

Tak też  jest obecnie, dlatego ważne jest rozróżnienie kierunków rozwoju SI:

Systemy eksperckie – pojawiły się już w latach 60. i działają na zasadzie „załaduj dane – uzyskaj wynik”. Częściowo zastępują ekspertów w wyspecjalizowanych dziedzinach (medycyna, prawo, finanse). Problemem jest konieczność stworzenia szczegółowej bazy danych, a specjalistów, którzy mogą to zrobić, zawsze brakowało.

Uczenie maszynowe (Machine Learning) ma różne zastosowania, np.:

• Computer Vision – analiza obrazów, identyfikacja obiektów. Wykorzystywana w monitoringu, rozpoznawaniu tablic rejestracyjnych, Face ID, autonomicznych pojazdach.
• Natural Language Processing – rozpoznawanie mowy, tłumaczenie maszynowe, analiza treści. Przykłady: Siri, Alexa, Google Assistant.
• Predictive Analytics – prognozowanie na podstawie danych. Walmart używa tej technologii do przewidywania popytu na towary.

Sieci neuronowe umożliwiają maszynom reagowanie na informacje, np. rozpoznawanie zdjęć. Dzisiaj prowadzenie uczenia maszynowego poza kontekstem sieci neuronowych nie ma sensu. Te sieci nie posiadają jednak intuicji ani „ludzkiego pierwiastka”. Sieć neuronowa potrafi „reagować” wyłącznie na określone informacje lub działania. Na przykład, gdy pokażemy jej zdjęcie psa, sieć, bazując na danych zebranych dzięki uczeniu maszynowemu, jest w stanie określić jedynie, czy to faktycznie pies. 

Możliwości sieci neuronowych i uczenia maszynowego (Machine Learning) wydają się nieograniczone. Teoretycznie moglibyśmy załadować do systemu zdjęcia przedstawiające wszystkie ludzkie emocje i dowiedzieć się, kto kłamie, a kto nie. Moglibyśmy też stworzyć system wideorozmów kwalifikacyjnych, który ocenia kandydatów, porównuje ich i wybiera pozornie najlepszych. Jednak… sieć neuronowa zawsze dostarczy jedynie uśrednione wyniki analiz. Dla właściwej interpretacji brakuje jej intuicji i człowieczeństwa, a to zawsze niesie ryzyko błędnych wniosków.

Przykładem ograniczeń był system rekrutacyjny Amazona, który preferował mężczyzn. To pokazuje, że AI nie zastąpi w pełni rekrutera, ale może znacząco ułatwić jego pracę, szczególnie w zakresie rutynowych zadań.

W jaki sposób sztuczna inteligencja służy rekruterom?

AI sprawdza się zwłaszcza podczas wykonania takich zadań, jak sourcing kandydatów czy praca na początkowym etapie rekrutacji. Dobrze radzi sobie również z operacjami rutynowymi, które często wymagają powtarzalnych działań manualnych.

Przykładem jest pisanie ogłoszeń rekrutacyjnych czy tworzenie treści marketingowych. W takich przypadkach rekruterzy korzystają z pomocy wirtualnych asystentów z generatywną AI, takich jak ChatGPT. Narzędzia te mogą przygotowywać pytania do rozmów kwalifikacyjnych i preselekcji, pomagać w modelowaniu wywiadów technicznych, tworzyć oraz oceniać zadania testowe, a także sporządzać checklisty służące do weryfikacji umiejętności.

Z kolei zautomatyzowane oprogramowanie rekrutacyjne z elementami AI, może realizować bardziej strategiczne zadania, takie jak:

• analiza rynku pracy,
• selekcja kandydatów na podstawie określonych kryteriów,
• zwiększenie szybkości wyszukiwania,
• przetwarzanie dużych ilości danych (szczególnie przydatne przy masowych rekrutacjach),
• optymalizacja procesu selekcji,
• automatyczne weryfikowanie profili i CV kandydatów.

Dzięki sztucznej inteligencji rekruter może lepiej i szybciej komunikować się z dużą liczbą kandydatów oraz otrzymywać rekomendacje dotyczące rozmów kwalifikacyjnych, zatrudnienia czy oceny dopasowania kandydatów do konkretnych stanowisk.

Korzyści płynące z integracji AI w proces rekrutacji są liczne, a kluczowe z nich to:

1. Przyspieszenie procesu rekrutacji i obniżenie kosztów związanych z pozyskiwaniem talentów.
2. Zwiększenie jakości rekrutacji dzięki uwzględnieniu nowych, istotnych czynników dla dużej liczby kandydatów.
3. Obiektywna ocena kandydatów na podstawie jasno określonych kryteriów, bez wpływu uprzedzeń i błędów ludzkich.
4. Automatyzacja zadań rutynowych, co pozwala rekruterom skupić się na bardziej strategicznych aspektach procesu.

AI nie zastąpi rekrutera, ale z pewnością stanie się nieodzownym wsparciem w nowoczesnych procesach rekrutacyjnych.

Przykłady skutecznego wdrożenia AI w procesy rekrutacyjne

Wraz z pojawieniem się narzędzi opartych na sztucznej inteligencji, klasyczne procesy rekrutacyjne uległy istotnym zmianom, uzyskując nowy, adaptowany do współczesnych realiów format. Rekruterzy oraz agencje rekrutacyjne wykorzystują asystentów AI nie tylko do wyszukiwania kandydatów, ale także do formatowania CV, tworzenia roadmap i śledzenia drogi rekrutacyjnej kandydatów.

• Hilton. W jednym z pierwszych udanych projektów rekrutacyjnych, w których zastosowano sztuczną inteligencję (AI), znalazła się sieć hoteli Hilton, która już dawno wdrożyła chatbot umożliwiający odpowiadanie na pytania kandydatów, umawianie rozmów kwalifikacyjnych oraz udzielanie spersonalizowanego feedbacku. Hilton wykorzystuje AI również do analizy danych o kandydatach oraz prognozowania ich dopasowania do określonych stanowisk. Dzięki tym rozwiązaniom firma znacząco, nawet kilkukrotnie,  skróciła czas rekrutacji. 

• Amazon. Po skandalu związanym z uprzedzeniami płciowymi w procesach rekrutacyjnych, Amazon zapewnia, że nowe, wykorzystywane przez firmę modele AI, są wolne od takich wad. Obecnie działa tam zautomatyzowany system oceny kandydatów, który analizuje ich CV i porównuje osiągnięcia i doświadczenie z profilami pracowników Amazona na podobnych stanowiskach, a następnie generuje rekomendacje.

• Delta Air Lines. Amerykańska linia lotnicza Delta Air Lines, aby ulepszyć doświadczenia kandydatów i usprawnić proces rekrutacji, również aktywnie stosuje sztuczną inteligencję. Firma opracowała chatbot, który odpowiada na pytania osób aplikujących i dostarcza im spersonalizowane informacje zwrotne. Delta Air Lines wykorzystuje też AI do identyfikacji ewentualnych luk w umiejętnościach pracowników oraz tworzenia maksymalnie dopasowanych programów szkoleniowych i rozwojowych.

Podsumowanie

AI, jeśli mowa o jej wykorzystaniu w procesach rekrutacyjnych, niewątpliwie jest skuteczna. Przyspiesza wszystkie procesy, redukuje koszty i poprawia jakość selekcji. Ważne jest jednak zachowanie równowagi między automatyzacją, a ludzkim podejściem. Dzięki temu rekrutacja wspierana AI może być skuteczna, przewidywalna i bardziej efektywna.

Należy pamiętać, że AI to narzędzie, które powinno być wykorzystywane odpowiedzialnie i etycznie, z poszanowaniem praw i godności kandydatów.