ربات‌ها وارد جستجوی کار می‌شوند: هد هانترهای هوش مصنوعی صنعت استخدام را متحول می‌کنند

کارایی صنعت استخدام به توانایی کارفرمایان و کارگزین‌ها در تطبیق متقاضیان با موقعیت‌های شغلی بستگی دارد. با توجه به اینکه یک استخدام معمولی تا ۶ هفته زمان می‌برد و بیش از ۴۰۰۰ دلار هزینه دارد، تطبیق دقیق‌تر می‌تواند منجر به صرفه‌جویی در زمان و منابع و تأثیر مثبت بر سودآوری کسب‌وکار شود.

هوش مصنوعی، یا به طور خاص یادگیری ماشین، در تطبیق دادن مهارت دارد. یکی از الهام‌بخش‌های ایجاد "هلنا" - هد هانتر هوشمصنوعی ساخته شده توسط پلتفرم استخدام Woo - موتورهای توصیه‌گر خرده‌فروشان آنلاینی مانند آمازون بوده است.

جالب توجه اینکه به گفته لیران کوتزر، مدیرعامل و بنیانگذار Woo، نتایج اولیه نشان می‌دهد کارفرمایان ۵۲٪ از متقاضیانی که هلنا معرفی می‌کند را برای مصاحبه می‌پذیرند. این رقم در مقایسه با عملکرد کارگزین‌های انسانی که میانگین پذیرش حدود ۲۰٪ است و بسیار بهتر از متقاضیانی که مستقیماً به آگهی‌های شغلی پاسخ می‌دهند - که تنها ۲.۵٪ آنها مناسب مصاحبه هستند - عملکرد چشمگیری دارد.

کوتزر می‌گوید: "بازار استخدام شکسته شده است. این یک بازار ۲۰۰ میلیارد دلاری فقط در آمریکاست - و مشکل ما این است که ۹۵٪ از تلاش و هزینه صرف شده در این بازار هدر می‌رود."

هد هانترهای رباتیک

راه‌حل Woo برای این مشکل، ربات‌های خودآموز است که با تکیه بر یادگیری ماشین پیشرفته، روزبه‌روز در تطبیق متقاضیان با موقعیت‌های شغلی بهتر عمل می‌کنند. آموزش اولیه آنها توسط بهترین کارگزین‌ها و هد هانترهای انسانی انجام شده است. Woo تیمی از متخصصان با تجربه استخدام برای شرکت‌های پیشروی فناوری مانند گوگل و فیسبوک را استخدام کرد تا داده‌های رفتاری برای آموزش الگوریتم‌ها فراهم کنند. پس از ارائه داده‌های آموزشی اولیه، این تیم انسانی اکنون به موازات هد هانتر هوشمصنوعی هلنا کار می‌کنند، به آن آموزش می‌دهند و گاهی اوقات خودشان نیز چیزهای جدید یاد می‌گیرند.

کوتزر توضیح می‌دهد: "گاهی اوقات می‌بینند که هلنا افرادی را جستجو می‌کند که آنها انتظار ندارند برای یک موقعیت خاص مدنظر باشند، و می‌گویند 'وای خدای من، چرا این افراد را جستجو می‌کند؟'"

"اما اغلب این افراد در فرآیند استخدام پیش می‌روند و گاهی حتی استخدام می‌شوند. چون هلنا می‌تواند به کارفرمایان توضیح دهد که چرا این افراد ممکن است برای آنها مناسب‌تر باشند."

این می‌تواند برای جویندگان کاری که سوابق آنها دقیقاً با آنچه کارگزین‌ها در ابتدا فکر می‌کنند مهم است مطابقت ندارد، اما تجربیاتشان آنها را به گزینه‌های مناسبی تبدیل می‌کند، بسیار مفید باشد.

آینده پیش‌رو

کوتزر از من خواست قول دهم قبل از اینکه دیدگاهش درباره آینده نزدیک صنعت استخدام را توضیح دهد، فکر نکنم دیوانه است. او چیزی کمتر از مرگ مصاحبه شغلی را پیش‌بینی کرد.

بی‌شک ماهیت اشتغال و کار به چشم در حال تغییر است. این تا حد زیادی به دلیل ظهور اقتصاد گیگ است که خود اغلب به لطف فناوری‌های تحول‌آفرین امکان‌پذیر شده است. اما عوامل دیگری مانند افزایش تحرک جمعیت و رقابت فزاینده در بازارهای جهانی نیز نقش دارند.

کوتزر می‌گوید: "اگر به مصاحبه فکر کنید، نتیجه کمبود اطلاعات از هر دو طرف است. آنها [متقاضی و کارفرما] باید با هم صحبت کنند تا بفهمند چه چیزهایی را می‌دانید و چه چیزهایی را نمی‌دانید."

"اما اگر ماشینی وجود داشته باشد که همه چیز را بداند - مانند یک خدا - از تجربیات گذشته شما، پروژه‌هایتان، فرهنگ شما اطلاع داشته باشد، ماشین به شما می‌گوید که یک تطابق کامل وجود دارد و هیچ یک از طرفین آن را زیر سؤال نمی‌برند."

کوتزر پیش‌بینی می‌کند در ۵ تا ۱۰ سال آینده، تغییر شغل به سادگی گفتن "می‌خواهم به بوستون بروم و با حقوق ۱۶۰ هزار دلار در زمینه هوش مصنوعی کار کنم" خواهد بود و کامپیوتر به شما می‌گوید "شما روز دوشنبه اینجا شروع می‌کنید، موفق باشید."

شاید این ایده دور از ذهن به نظر برسد، اما با توجه به پتانسیل ماشین‌های مجهز به الگوریتم‌های هوشمند و یادگیرنده برای ایجاد تطابق‌های بهتر، دلیلی ندارد که وقتی صحبت از پر کردن موقعیت‌های شغلی می‌شود، کمتر تحول‌آفرین باشد.

البته این ایده که ربات‌ها مشخص کنند برای چه کاری مناسب هستیم و بر اساس تحلیل خود به ما نقش‌ها را اختصاص دهند، ممکن است زنگ‌های هشدار را به صدا درآورد. و این نگرانی را نباید ساده گرفت. سوگیری در مرحله جمع‌آوری داده‌ها می‌تواند به موقعیت‌های نگران‌کننده‌ای مانند همبستگی‌های گمراه‌کننده بین جنسیت، نژاد یا هر گروه‌بندی دیگری که کامپیوتر ممکن است هنگام طبقه‌بندی شما اعمال کند، منجر شود.

در تئوری، هرچه داده‌های بیشتری از منابع بیشتر در دسترس قرار گیرد، مجموعه داده‌های نادرست یا متعصبانه منسوخ شده و با داده‌های دقیق و نماینده جایگزین می‌شوند. یک چالش این خواهد بود که افراد کافی را متقاعد کنیم تا به این فناوری اعتماد کنند تا این "توده بحرانی" داده ایجاد شود که برای بی‌طرف و مؤثر بودن تحلیل‌ها ضروری است.

بنابراین - می‌توانیم انتظار داشته باشیم که هنوز چند سالی با مصاحبه‌های شغلی سر کنیم. اما واضح است که امروزه هوش مصنوعی پتانسیل کاهش اتلاف، ایجاد کارایی و ساده‌سازی فرآیند تطبیق افراد مورد نیاز کسب‌وکارها با مشاغلی که در آنها رشد و پیشرفت خواهند کرد را دارد.