Hímsoviniszta Amazon: kudarc volt a toborzást automatizáló kísérlet

Elárulta az Amazon néhány fejlesztője a Reuters kérdésére, hogy 2014-ben elindult egy toborzás-automatizálási próbálkozás a vállalaton belül, de tavaly véget kellett vetni a sikertelen kísérletnek. A fejlesztők a HR-es toborzók munkáját megkönnyítő rendszer kidolgozását kapták feladatként, amely ötös skálán jelöli a beérkezett önéletrajzok relevanciáját. Az automatizált rendszer viszont folyamatosan a férfiakat részesítette előnyben, és hátrányként értékelte a "nő" kifejezés megjelenését az önéletrajzokban, például ha valaki női iskolába járt vagy női sakk klub elnöke volt.

A problémát valószínűleg az jelentette, hogy a fejlesztők az elmúlt tíz évben beérkezett önéletrajzok alapján igyekeztek tanítani a rendszert a szükséges minták felismerésére. Azonban az informatikai cégeknél az elmúlt időszakban a férfi fejlesztők domináltak, ezért a rendszer az ő szóhasználatukat értékelte pozitívan. Az algoritmus alapvetően figyelmen kívül hagyta az általános, minden fejlesztőre egyébként is jellemző készségeket, mint például kódolási ismereteket. Helyette viszont a rendszer például a "végrehajtott" (executed) vagy "elfogott" (captured) kifejezéseket értékelte pozitívumként, amely elsősorban inkább a férfiak szóhasználatára jellemző.

Égbe révedő informatikusok: az Időkép-sztori Mi fán terem az előrejelzés, hogy milyen infrastruktúra dolgozik az Időkép alatt, mi várható a deep learning modellek térnyerésével?

A fejlesztők folyamatosan próbáltak finomítani a rendszeren, és semlegessé tenni a rendszer ítélőképességét a nemek alapján, de nem jártak sikerrel. Összesen 500 számítógépes modellt hoztak létre a konkrét munkahelyi feladatok és a lakóhely alapján, mindegyikben 50 ezer kifejezést ismertettek meg az algoritmussal a korábbi jelentkezők önéletrajzai alapján. A nemi diszkrimináció mellett ráadásul egy másik probléma is akadt, a rendszer sokszor a megfelelő képzettség nélküli jelentkezőket is ajánlotta mindenféle pozícióra, ezért az eredmény nem egészen volt megbízható. Úgyhogy tavaly év elején a vállalat a próbálkozás végső leállítása mellett döntött.

Az Amazon állítja, hogy soha nem használta élesben a rendszert, vagyis nem ez alapján toborozta a fejlesztőket a céghez. Azt viszont nem lehet tudni, hogy a toborzók valamilyen szinten azért figyelembe vették-e a rendszer javaslatait a döntésekkor. Az elmúlt három évben mindenesetre megháromszorozódott az Amazon dolgozói száma több mint félmillióra, és az automatizmusra valószínűleg a munkavállalók számának kiugró emelkedése miatt volt szükség.

Ehhez hasonlóan egyébként más vállalatok is próbálkoznak az automatizáló megoldások, akár a gépi tanulás beépítésével a mindennapi munkába, mivel ez jelentősen megkönnyíthetné elméletben a toborzók munkáját. A HireVue startup például beszéd- és arckifejezés felismerési megoldást fejleszt a videóinterjúk kapcsán, hogy a cégeknek kevésbé kelljen az önéletrajzokra támaszkodni. A Goldman Sachs saját elemzőeszköze a "legjobb jelöltet" igyekszik megtalálni az adott pozícióra, de a microsoftos LinkedIn is algoritmizált módon igyekszik állásokat ajánlani a felhasználóknak.

Szóval látható, hogy az automatizáció elméletileg sokféle módon alkalmazható a toborzási folyamatban, de ahogy az Amazon példája is mutatja, a gépi tanulás nem feltétlenül minden esetben nyújtja a legjobb megoldást, vagy legalábbis erős korlátokkal rendelkezik. A Reuters értesülései szerint az e-kereskedelmi óriás tovább folytatja a kísérletezést a toborzás automatizálása terén, de jelenleg csak a duplikátumok szűrésére használja, továbbá egy olyan megoldással próbálkozik, amely az alapjaitól kezdve a diverzitást helyezi fókuszba.