Ponad 400 miliardów euro na rekrutacyjnym rynku
Początkiem digitalizacji rynku pracy było pojawienie się portali, stanowiących odpowiednik drukowanych w prasie informacji o poszukiwanych kandydatach. Następnie powstały zawodowo-rekrutacyjne sieci społecznościowe, z których najbardziej znanymi w Polsce przykładami są LinkedIn (należący do Microsoftu) i GoldenLine (polski serwis, którego głównym udziałowcem jest Agora). Użytkownicy tych portali utrzymują ze sobą kontakty zawodowe, a ich profile są dostępne dla potencjalnych pracodawców. Cyfrowy rynek pracy jest lukratywnym biznesem, jego światowe obroty wynoszą około 415 miliardów euro, a zatem ponad 1,4 biliona złotych.
Ten potencjał widzi również Google. W ubiegłym roku wyszukiwarkowy gigant z Mountain View utworzył własny serwis dla szukających pracy i pracowników: Google Hire. Twórcy narzędzia stawiają sobie za cel uproszczenie procesu rekrutacji. Firmy mogą tu zarządzać profilami kandydatów, danymi kontaktowymi, przesłanymi dokumentami (CV itp.) czy terminami spotkań. Szacuje się, że aż 40 procent firm na całym świece planuje fundamentalną modernizację swoich systemów HR.
Presją jest przede wszystkim obniżenie kosztów rekrutacji, głównie dlatego, że zewnętrzne agencje potrafią brać nawet do 30 procent rocznego wynagrodzenia odnalezionego kandydata jako prowizję. Tymczasem systemy oparte o sztuczną inteligencję, poza być może niższymi kosztami, miałyby zapewniać większą przejrzystość i szybsze wyszukiwanie odpowiednich kandydatów – nawet w przypadku olbrzymiej liczby nadesłanych aplikacji.
Wstępna analiza danych to naturalnie nie wszystko. Istotny jest proces dopasowywania profili kandydatów do wymagań pracodawców. Rekrutacja, wykorzystująca uczone maszynowo algorytmy i sztuczną inteligencję, pozwoli na dopasowanie tysięcy umiejętności, kwalifikacji, poziomów zawodowych rejestrowanych na bieżąco. Bez komputerów żaden dział kadr nie byłby w stanie wykonać tak olbrzymiej pracy w krótkim czasie. Tymczasem SI wystarczy zaledwie kilka sekund, by wskazać firmie poszukującej odpowiedniego kandydata – kilka profili. Co więcej, te profile nie muszą pochodzić z ogłoszeń, związanych z rekrutacją. Nowoczesne agencje HR wiedzą, że niekiedy kandydat szuka nowej pracy, choć sam jeszcze o tym nie wie.
Algorytmy rekrutują
W jaki sposób zinformatyzowane agencje zatrudnienia zdobywają dane o potencjalnych kandydatach? Analizowane są wpisy na forach poświęconych aktywności zawodowej, profile w sieciach społecznościowych i inne ogólnodostępne informacje. Oprócz tego firmy HR korzystają z baz rozmów kwalifikacyjnych, testów pracowniczych i wielu innych źródeł, które już nie są publicznie dostępne, ale można je pozyskać od zainteresowanych pracodawców.
Algorytm połączy firmy i kandydatów, którzy najlepiej do siebie pasują, podobnie …jak robią to serwisy randkowe – co wykracza poza listę certyfikatów i referencji, podawanych przez samych kandydatów. W procesie tworzy się niezwykle szczegółowe profile, które obejmują kompetencje zawodowe i osobiste oraz indywidualne cechy, jakie mogą stanowić wartość dla potencjalnych pracodawców.
Korporacje szukające pracowników patrzą nie tylko na kwalifikacje – są zainteresowane także osobowością kandydatów. W czasach “przed-algorytmicznych” narzędziem, pozwalającym choć częściowo zbadać, jakim dany kandydat jest człowiekiem i jaki ma charakter, była po prostu rozmowa kwalifikacyjna. Jednak tego typu rozmowy są dla wielu stresujące i powodują, że zachowują się inaczej, niż w zwykłej sytuacji. Dlatego i ta część rekrutacji jest cyfryzowana. Odpowiednio przygotowywane kwestionariusze umożliwiają ocenę także osobowości kandydatów. Cechy takie jak ciekawość, towarzyskość, samodzielność, stabilność emocjonalna, skłonność do ugody i kompromisów, czy do ryzyka są w pewnym stopniu mierzalne i da się je przetworzyć do postaci graficznej, łatwo poddającej się dalszej analizie.
Stopień automatyzacji procesu selekcji kandydatów do pracy jest zmienny i w znacznym stopniu uzależniony od tego, w jakiej branży ma pracować poszukiwana osoba. Niemniej ilość analizowanych danych, które mają pozwolić na wyłonienie kandydata idealnego do konkretnej pracy, stale rośnie. Cały czas firmy poszukują nowych dróg algorytmizacji tych działań.
Firma Precire, startup z Akwizgranu (Aachen), specjalizuje się w zaawansowanej analizie języka. W celu uzyskania szerszego wglądu w osobowość badanych, opracowała oprogramowanie wykorzystujące mowę i tekst. Lingwiści komputerowi są zdania, że możliwa jest automatyzacja badań psychologicznych, a do ich wykonania wystarcza sprawdzenie sposobu, w jaki komunikują się konkretni ludzie. Dirk Gratzel, założyciel startupu Precire bardzo ufa swojemu oprogramowaniu, twierdzi wręcz: Dziś osiągnęliśmy poziom, na którym można powiedzieć, że nasze rozwiązanie jest niezawodne. Dość buńczuczna deklaracja, nieprawdaż?
Ciekawostką jest, że algorytm Precire, choć analizuje język potencjalnego kandydata, całkowicie ignoruje samą treść. Nie jest ważne, co kandydat mówi, lecz w jaki sposób to robi, jak się zachowuje, jak moduluje słowa itp. Program mierzy indywidualne cechy: wysokość dźwięku, modulację, głośność wypowiadanych fraz, akcent, szybkość, intonację, kadencję (ton opadający w intonacji) i inne fonologiczne aspekty wypowiedzi. Program sprawdza też, jakich słów używa mówca i w jakich kombinacjach. W oparciu o te wszystkie informacje wyprowadza wzorzec językowy, który jest następnie dopasowywany i porównywany z wcześniej zapisanymi wzorcami grupy odniesienia, składającej się z 5000 osób, wcześniej poddanych klasycznym testom psychologicznym.
Średniej wielkości agencja rekrutacyjna ma nawet pół miliona życiorysów w swojej bazie danych. W największych tego typu instytucjach liczba profili przekracza milion. Właściwi kandydaci poszukiwani przez konkretnego pracodawcę muszą zostać odfiltrowani z tej powodzi danych. W większości przypadków konwencjonalne procesy, dopasowujące osoby do wymagań firm, przesiewają informacje tylko w oparciu o tytuły (wykształcenie), stanowiska i certyfikaty. Na przykład wiele agencji rekrutacyjnych, działających w Niemczech, uważa imponujący zbiór dokumentów kwalifikacyjnych i certyfikatów za najlepszą drogę oceny kandydata.
Algorithmiko i profesjonalne DNA kandydata
Zupełnie inaczej podchodzi do tego niemiecko-włoski startup Algorithmiko. Firma wykorzystuje zaawansowaną SI, żeby tworzyć coś na kształt profesjonalnego DNA każdego kandydata. Zbiór danych obejmuje kompetencje, umiejętności i doświadczenie.
Jak wyjaśnia założyciel i szef Algorithmiko, Raffaele Esposito, celem jest nie to, jakie stanowiska zawodowe kandydat zajmował w przeszłości, lecz to, jaki jest jego rzeczywisty potencjał. Esposito zwraca uwagę, że kompetencje i umiejętności kandydatów mogą kwalifikować ich również do innych zadań niż te, jakie wykonywali dotąd.
Poszukiwanie dobrego pracownika za pomocą konwencjonalnych narzędzi bywa skomplikowane i mało skuteczne. Jest też mało precyzyjne, bo działa na wielu poziomach przy użyciu prostych, predefiniowanych słów kluczowych jak: branże, poziomy kariery itp. W takich przypadkach kompleksowe kryteria i filtry należy wprowadzać ręcznie dla każdego wyszukiwania. Tymczasem, jak zapewnia Raffaele Esposito, samouczący się system Algorithmiko działa jednocześnie na wielu rodzajach danych, a ręczne wprowadzanie informacji nie jest potrzebne.
Eksperyment
Chciałbyś wiedzieć, jaki masz typ osobowości? Przejdź bezpłatny test na stronie 16Personalities. To potrwa około 12-15 minut (bez rejestracji i podawania prywatnych danych). Algorytm analityczny, pracujący na 16Personalities, nie musi znać twoich dokładnych danych, by wiedzieć, jakim typem osobowości jesteś.
Próba bada 5 aspektów osobowości: umysł, intencje, energię, usposobienie i taktykę. Jeżeli tylko będziemy odpowiadać szczerze i nie pozostawimy żadnych neutralnych odpowiedzi, otrzymamy po wypełnieniu testu wynik, sugerujący, czy jesteśmy bardziej przedsiębiorcą czy może architektem.
W przypadku wspomnianego rozwiązania Algorithmiko ważenie kryteriów doboru kandydata opiera się nie tylko na konkretnych wymogach pracodawcy, ale również zależy od potrzeb rynku.
System próbuje samodzielnie ustalić, co jest ważne, przeglądając i analizując codziennie zamieszczane ogłoszenia o pracę. Maszyna potrafi zidentyfikować wiedzę i umiejętności wymagane w anonsach pracodawców. Im częściej konkretne kompetencje są wymieniane w podobnych ofertach pracy, tym wyższy jest ich “współczynnik rynkowy”, a zatem większe znaczenie ma konkretna umiejętność. Im więcej takich umiejętności ma kandydat, tym lepsze będzie jego dopasowanie do konkretnej oferty pracy.
Sztuczna inteligencja nie ogranicza się tylko do przesiewania danych w oparciu o zlecenia korporacji. Pomaga również w rozwijaniu aktualnych pracowników. Algorytmy są wykorzystywane do szkoleń, analizy pracy i motywacji, badają, u których zatrudnionych widać niezadowolenie. Dzięki temu ostatniemu próbują przewidzieć, kto może zrezygnować z pracy w najbliższej przyszłości, a także wyłapują osoby z dużym potencjałem, aby zaproponować im szkolenie lub awans.
Logika bywa podstępna
Warto postawić pytanie, czy sztuczna inteligencja będzie sprawiedliwa? Wielokrotnie w CHIP-ie zwracaliśmy uwagę, przy okazji uczenia maszynowego, na problem dziedziczenia uprzedzeń i poglądów. Wielu ludziom SI jawi się jako bezstronny, obiektywny twór, dokonujący matematycznej analizy konkretnych danych, zatem wnioski uzyskane przez maszynę powinny być sprawiedliwe. Nic bardziej błędnego. Oprogramowanie to dzieło ludzi, a ci mają swoje słabości, uprzedzenia i poglądy. Dlatego wielu ekspertów zwraca uwagę na problem dziedziczenia przez systemy AI uprzedzeń ich twórców. Co więcej, wynik analiz może być modyfikowany również przez nagromadzenie stereotypów w danych, które są podstawą maszynowego uczenia. Każdy algorytm jest zatem tak dobry jak jego twórca. W zależności od określonych kryteriów uzyskane wyniki maszynowej selekcji mogą być równie nieuczciwe jak w przypadku decyzji i wyborów dokonywanych przez człowieka.
Diabeł maszynowej selekcji tkwi w szczegółach. To, jaki wynik uzyskamy, zależy w znacznym stopniu od wstępnych założeń. Wyobraźmy sobie, że “karmą big data” dla maszynowego algorytmu są dane z testów kwalifikacyjnych, które uwzględniały pochodzenie etniczne kandydatów, stan cywilny i miejsce zamieszkania. Sieć neuronowa wytrenowana takimi danymi może być obciążona ogromnymi uprzedzeniami, które w dalszej perspektywie będą skutkowały nieuczciwymi i niesprawiedliwymi ocenami. Zwracałem na to uwagę przed tygodniem w okładkowym artykule na temat chińskiego systemu oceny obywateli. Takie rozwiązania, klasyfikujące ludzi w oparciu o nie do końca obiektywne kryteria, funkcjonują na całym świecie – nie tylko w Chinach.
Roboty poszukują robotów?
Faktycznie ludzie są teraz powszechnie zastępowani przez maszyny i oprogramowanie, które zostało opracowane na podstawie niejasnych i nieprzejrzystych kryteriów? Czy przypadkiem efekt nie będzie taki, że ostatecznie maszyny będą jedynymi słusznymi kandydatami, wybieranymi przez inne maszyny, które zajmą się budową kolejnych maszyn? Prognozy odnośnie rynku pracy nie napawają optymizmem. Naukowcy ostrzegają przed utratą nawet połowy miejsc, zajmowanych dotychczas przez ludzi, w ciągu najbliższych 20 lat – w samych tylko Stanach Zjednoczonych. Zdaniem Centrum Europejskich Badań Gospodarczych z Mannheim, nawet jeżeli automatyzacja początkowo doprowadzi do utraty miejsc pracy, zmiana rynku spowoduje jednocześnie zapotrzebowanie na zupełnie nowe miejsca pracy. Maszyny mogą zastąpić ludzi w przypadku wielu monotonnych działań w sektorze niskich płac, ale też przejmą zadania w branżach wyżej rozwiniętych, takich jak finanse, zarządzanie, logistyka, transport morski i produkcja przemysłowa. Ale trzeba pamiętać, że nowe technologie są rozwijane stale i szybko. System edukacji przestaje nadążać za zmieniającym się rynkiem. Dzieci, które dziś rozpoczynają naukę, będą w przyszłości aktywne w zawodach, które dziś jeszcze nie istnieją. Dlatego utrzymanie wysokich kwalifikacji będzie wymagało ciągłego kształcenia, edukacja przez całe życie będzie odgrywać większą rolę niż dziś.
Klaus Mainzer, filozof technologii z Technicznego Uniwersytetu w Monachium również stawia pytania o kryteria, na podstawie których algorytmy ustalają ocenę pracowników. Dotychczas standardy oceny były określane przez ludzi. Jednak ze względu na olbrzymie zestawy danych, programy samouczące się mogą analizować informacje i generować wyniki znacznie szybciej niż ludzie. Dochodzimy do etapu, od którego nie będzie odwrotu – już teraz często ilość danych jakie należałoby ręcznie zbadać, żeby podjąć obiektywną i optymalną decyzję dla człowieka jest zbyt duża. Nie tylko Mainzer, ale również wielu specjalistów w zakresie maszynowego uczenia ostrzega, że musimy bardzo precyzyjnie dobierać kryteria, według których odbywa się ta komputerowa selekcja.
Człowiek czy maszyna?
Tego, że rozwój maszyn i oprogramowania, podejmujących decyzje za ludzi, pójdzie w niewłaściwym kierunku, obawia się też psycholog, Stefan Fischer. Ekspert zajmuje się właśnie tworzeniem personalnych profili. Oczywiście można spekulować, że Fischer krytykuje maszyny profilujące dlatego, że przez nie sam może kiedyś stracić pracę – jednak psycholog dostrzega i zalety, wynikające z algorytmizacji. Jego zdaniem, systemy AI mogłyby być pomocne głównie na najniższym poziomie rekrutacji, kiedy potrzebne jest wstępne przesiewanie olbrzymich zbiorów danych. Ale już ostateczny wybór najlepszego kandydata, w oparciu o informacje dostarczone przez sztuczną inteligencję, powinien pozostać w rękach człowieka. Tak przynajmniej uważa niemiecki psycholog. | CHIP