Sztuczna inteligencja w rekrutacji. Algorytm odrzuca kandydata, ale nie mówi dlaczego

AI w rekrutacji ma skrócić selekcję kandydatów, ograniczyć koszty i pomóc firmom odnaleźć najlepszych pracowników wśród tysięcy zgłoszeń. Algorytmy filtrują CV, analizują odpowiedzi podczas rozmów, oceniają wyniki testów i próbują przewidzieć, kto najlepiej „dopasuje się” do organizacji. Kandydat może jednak nigdy nie dowiedzieć się, dlaczego został odrzucony. Największym zagrożeniem nie jest sama automatyzacja, lecz sytuacja, w której statystyczny model zaczyna wyznaczać granice ludzkiego potencjału.

.Sztuczna inteligencja wchodzi do rekrutacji w momencie, w którym firmy muszą przetwarzać coraz większą liczbę aplikacji, a kandydaci wysyłają dokumenty do wielu pracodawców jednocześnie. Automatyzacja wydaje się naturalną odpowiedzią na problem skali. Model może w kilka chwil uporządkować zgłoszenia, wskazać osoby spełniające formalne wymagania i przygotować rekruterowi krótką listę kandydatów.

Technologia obiecuje proces szybszy, tańszy i bardziej konsekwentny. Człowiek bywa zmęczony, kieruje się pierwszym wrażeniem i nie zawsze stosuje wobec wszystkich te same kryteria. Algorytm ma oceniać dokumenty według jednolitego schematu, nie ulegać sympatii i nie tracić koncentracji po przejrzeniu setnego CV.

Problem zaczyna się wtedy, gdy narzędzie przestaje porządkować informacje, a zaczyna definiować, kto zasługuje na rozmowę. Kandydat nie jest już oceniany wyłącznie przez człowieka, lecz porównywany z profilem skonstruowanym na podstawie danych, słów kluczowych i wcześniejszych decyzji firmy. Rekrutacja zmienia się w proces statystycznego dopasowania, którego reguły pozostają niewidoczne dla osoby ubiegającej się o pracę.

CV napisane dla algorytmu

.Pierwszym miejscem kontaktu kandydata z systemem rekrutacyjnym coraz częściej nie jest rekruter, lecz mechanizm selekcji dokumentów. Program wyszukuje określone kwalifikacje, stanowiska, kompetencje, okresy zatrudnienia i sformułowania odpowiadające wymaganiom zapisanym w ogłoszeniu.

W najbardziej podstawowej wersji narzędzie działa jak rozbudowana wyszukiwarka. Porządkuje dokumenty i eliminuje zgłoszenia niespełniające ustalonych warunków. W bardziej zaawansowanych systemach model może próbować oceniać całe ścieżki zawodowe, rozpoznawać podobieństwa między kandydatami i przewidywać, kto ma największą szansę osiągnąć sukces na danym stanowisku.

Takie rozwiązanie może ograniczyć czas poświęcany na ręczne przeglądanie aplikacji. Jednocześnie zmienia sposób, w jaki kandydaci opisują własne doświadczenie. CV przestaje być dokumentem skierowanym wyłącznie do człowieka. Staje się tekstem pisanym także dla maszyny, która może nie rozpoznać nietypowej nazwy stanowiska, nie zrozumieć kontekstu przerwy zawodowej albo pominąć kompetencję opisaną innymi słowami niż te zapisane w modelu.

Najbardziej oryginalne życiorysy mogą przegrywać właśnie dlatego, że nie przypominają dokumentów uznanych wcześniej za właściwe. Osoba, która zmieniła branżę, pracowała na własny rachunek, wychowywała dzieci albo zdobywała doświadczenie poza standardową ścieżką kariery, może zostać potraktowana jako kandydat trudniejszy do sklasyfikowania.

Algorytm nie musi uznać takiej osoby za słabszą. Wystarczy, że przypisze jej niższy wynik dopasowania. W procesie obejmującym tysiące aplikacji niewielka różnica może zdecydować o tym, czy CV zobaczy człowiek.

Rozmowa kwalifikacyjna jako zbiór danych

.Automatyzacja nie kończy się na dokumentach. Systemy rekrutacyjne mogą prowadzić wstępne rozmowy, zadawać kandydatom te same pytania i analizować ich odpowiedzi. Dla firmy oznacza to możliwość porównania dużej liczby osób według jednakowej procedury. Dla kandydata – spotkanie, podczas którego po drugiej stronie może nie być człowieka zdolnego dopytać, zauważyć niuans lub właściwie zinterpretować nietypową odpowiedź.

Model może analizować treść wypowiedzi, jej strukturę, użyte pojęcia i zgodność z oczekiwanym profilem stanowiska. Niektóre narzędzia próbują również oceniać tempo mówienia, ton głosu, sposób formułowania zdań, mimikę albo zachowanie przed kamerą.

Im więcej cech obejmuje analiza, tym poważniejsze staje się pytanie o ich znaczenie. Płynność wypowiedzi nie zawsze świadczy o kompetencji. Nerwowość przed kamerą nie musi oznaczać niezdolności do pracy pod presją. Kontakt wzrokowy, gesty, intonacja i styl komunikacji zależą od osobowości, doświadczenia, kultury oraz sytuacji, w której znajduje się kandydat.

System może wykryć różnicę, ale nie musi rozumieć jej przyczyny. Może zarejestrować pauzę, lecz nie wie, czy wynika ona z braku wiedzy, stresu, sposobu przetwarzania informacji czy świadomego namysłu. Im silniej rekrutacja opiera się na interpretowaniu sygnałów pośrednich, tym większe ryzyko, że pozór precyzji zastąpi rzeczywistą ocenę człowieka.

Automatyczna rozmowa może być użyteczna jako narzędzie organizacyjne. Zapewnia wszystkim podobne warunki i pozwala zebrać odpowiedzi w ujednoliconej formie. Nie powinna jednak zmieniać zachowania przed kamerą w diagnozę osobowości ani na podstawie kilku minut przesądzać o zdolności kandydata do wieloletniej pracy.

Kandydat podobny do tych, których firma już zna

.Największa obietnica AI w rekrutacji dotyczy przewidywania. Firma nie chce jedynie wiedzieć, kto posiada określone kwalifikacje. Chce wybrać osobę, która dobrze poradzi sobie na stanowisku, pozostanie w organizacji i będzie współpracować z zespołem. Model ma znaleźć zależności, których rekruter nie dostrzega, oraz wskazać cechy łączące najlepszych pracowników.

Tak powstaje jednak fundamentalne niebezpieczeństwo. System uczący się na wcześniejszych decyzjach może odtwarzać wcześniejszy obraz idealnego kandydata. Jeżeli firma przez lata zatrudniała osoby o podobnym wykształceniu, przebiegu kariery, sposobie wypowiadania się lub zestawie doświadczeń, model może potraktować ten profil jako wzorzec sukcesu.

Algorytm nie musi otrzymać polecenia, aby preferować konkretną grupę. Wystarczy, że odkryje statystyczną zależność między zatrudnieniem w przeszłości a określonymi cechami kandydatów. Cechy te mogą stać się pośrednim wskaźnikiem pochodzenia społecznego, wieku, miejsca zamieszkania lub dostępu do określonego rodzaju edukacji.

Firma może wówczas uzyskać system, który działa sprawnie, ale konserwuje własną historię. Zamiast poszukiwać nowych kompetencji, będzie wybierał osoby podobne do pracowników zatrudnionych wcześniej. Zamiast ograniczać uprzedzenia, nada im formę liczbowego wyniku.

Szczególnie niejasne pozostaje pojęcie „dopasowania kulturowego”. Może oznaczać zdolność do współpracy, zgodność z wartościami organizacji albo akceptację określonego modelu pracy. Może jednak również stać się eleganckim określeniem podobieństwa. Kandydat, który wniósłby do zespołu nowe doświadczenia i zakwestionował utrwalone schematy, może otrzymać niższą ocenę właśnie dlatego, że nie przypomina osób już obecnych w firmie.

Model może przewidywać podobieństwo do przeszłości. Znacznie trudniej oczekiwać od niego, że rozpozna potencjał zmiany, którego organizacja jeszcze nie zna.

Wynik bez uzasadnienia

.W tradycyjnej rekrutacji kandydat również nie zawsze poznaje przyczynę odrzucenia. Automatyzacja zwiększa jednak skalę problemu. Człowiek może zostać wyeliminowany przez system, zanim jego dokumenty przeczyta rekruter. Decyzja nie musi przyjmować formy jednoznacznego komunikatu. Wystarczy, że algorytm obniży pozycję zgłoszenia na liście.

Kandydat otrzymuje standardową wiadomość, że firma zdecydowała się kontynuować proces z innymi osobami. Nie wie, czy zabrakło mu kwalifikacji, odpowiedniego słowa w CV, oczekiwanego tonu wypowiedzi, wyniku testu czy podobieństwa do profilu dotychczasowych pracowników.

Brak wyjaśnienia utrudnia nie tylko zakwestionowanie decyzji. Odbiera również możliwość uczenia się. Kandydat nie może poprawić dokumentów, uzupełnić kompetencji ani zrozumieć, które wymaganie okazało się najważniejsze. Pozostaje wobec systemu, którego kryteriów nie zna i do którego nie może się odwołać.

Przejrzystość nie musi oznaczać ujawnienia całego kodu lub technicznej konstrukcji modelu. Firma powinna jednak potrafić wskazać, jakie informacje analizuje, które kryteria wpływają na ocenę i dlaczego kandydat nie przeszedł do kolejnego etapu. Wyjaśnienie musi być zrozumiałe dla człowieka, a nie jedynie dostępne dla zespołu technicznego.

Sformułowanie, że decyzję wygenerował system, nie jest uzasadnieniem. Oznacza jedynie przesunięcie odpowiedzialności w miejsce, do którego kandydat nie ma dostępu.

Człowiek w procesie nie wystarczy

.Firmy często odpowiadają na obawy związane z automatyzacją, zapewniając, że ostateczna decyzja należy do człowieka. Sama obecność rekrutera nie gwarantuje jednak rzeczywistego nadzoru.

Jeżeli system analizuje tysiące zgłoszeń, a człowiek widzi wyłącznie kilkanaście najwyżej ocenionych, najważniejsza selekcja dokonała się wcześniej. Rekruter może samodzielnie wybrać jednego kandydata z krótkiej listy, ale nie poznaje osób, które algorytm umieścił tuż pod progiem.

Człowiek może również nadmiernie ufać wynikowi przedstawionemu w formie punktów, rankingu lub prawdopodobieństwa. Liczba sprawia wrażenie obiektywnej, nawet gdy powstała na podstawie niepełnych danych i dyskusyjnych założeń. Rekruter musi mieć nie tylko prawo do zmiany rekomendacji, lecz także wiedzę, czas i obowiązek, aby ją zakwestionować.

Rzeczywisty nadzór oznacza możliwość sprawdzenia, dlaczego model wybrał określone osoby, jak często odrzuca nietypowe profile i czy jego rekomendacje prowadzą do systematycznego pomijania części kandydatów. Wymaga również okresowego badania wyników po zatrudnieniu. Model oceniany wyłącznie według szybkości selekcji będzie optymalizował proces, a nie jego sprawiedliwość.

Odpowiedzialność musi pozostać po stronie firmy. Pracodawca wybiera narzędzie, definiuje kryteria, dostarcza dane i decyduje, w którym miejscu system wpływa na los kandydata. Nie może później twierdzić, że wynik jest neutralnym produktem technologii.

Rekrutacja nie jest prognozą pogody

.Pracownik nie jest stałym zestawem cech, który można odczytać z CV, kilkunastominutowej rozmowy i testu osobowości. Kompetencje rozwijają się, ludzie zmieniają role, uczą się nowych sposobów działania i inaczej funkcjonują w różnych zespołach. Osoba przeciętna w jednej organizacji może okazać się kluczowa w innej.

System rekrutacyjny próbuje przewidzieć przyszłe zachowanie człowieka na podstawie informacji z przeszłości. Taka prognoza zawsze zawiera niepewność. Nie powinna być przedstawiana jako obiektywna diagnoza ani pewny pomiar potencjału.

AI w rekrutacji może wykonywać wartościową pracę: porządkować dokumenty, pilnować spójności procesu, ułatwiać planowanie rozmów i pomagać rekruterom dostrzegać istotne informacje. Granica przebiega w miejscu, w którym pomoc w analizie zamienia się w niewidzialny werdykt.

Najważniejszym pytaniem nie jest zatem, czy algorytm może uczestniczyć w wyborze pracownika. Pytanie brzmi, czy człowiek odrzucony przez system ma prawo wiedzieć, jakie kryteria zadecydowały o jego ocenie, oraz czy ktoś w firmie potrafi za tę ocenę odpowiedzieć.

.Maszyna może wskazać kandydata najbardziej podobnego do tych, którzy sprawdzili się w przeszłości. Firma musi zdecydować, czy szuka powtórzenia własnej historii, czy człowieka zdolnego napisać jej kolejny rozdział.

Szymon Ślubowski