מֵידָע

מאבק בהטיות בהעסקה באמצעות הערכה מבוססת מסגרת אובייקטיבית

מאבק בהטיות בהעסקה באמצעות הערכה מבוססת מסגרת אובייקטיבית

כמפורט ב- Women in Tech: מעמדן הנוכחי, מה הם השיגו ומה הם רוצים, שירות השפתיים שחברות רבות משלמות למגוון ולהזדמנות שווה בגיוס עובדים אינו מתורגם לייצוג שווה בין נשים ומיעוטים בתעשיית הטכנולוגיה.

מספר אנשים וארגונים הפנו את תשומת ליבם להתגברות על הטיות סטריאוטיפיות ולגשר על פער ההעסקה.

קשורים: בפעם הראשונה אי פעם, ראשי המחלקה להנדסת מיטים הם נשים

CodeSignal מביא AI לשכירות

כעת חברה בשם CodeSignal מציעה את פתרונה לגיוס AI המופעל על ידי AI ככלי להתגברות על הטיה בגיוס עובדים. סופיה בייק, מייסדת-שותפה וסמנכ"לית תפעול ב- CodeSignal, ענתה לשאלותי לגבי איך מה שהיא מכנה המקבילה לבחינת ה- SAT לקבלות למשרות יכול לעבוד בכדי להפוך שדה משחק יותר שווה ושוויוני בהעסקה.

האם מספר המועסקות ביחס למספר המועמדות, או שמא נשים בתחומים מסוימים מהוות אחוז נמוך בהרבה מהמועמדות? מה עם מיעוטים?

כן, בהחלט יש נושא צינור בתחום הנדסת תוכנה. מבחינה סטטיסטית יש פחות נשים שמקבלות את התואר הראשון במכללות להנדסה בהשוואה לעמיתיהן הגברים.

כשבוחנים את המספרים, רק 22% מבוגרי המכללה האמריקאית להנדסה הם נשים. בהשוואה למקצועות אחרים, להנדסה יש דרך ארוכה לעבור. לדוגמה, בשנת 2017 ראינו שלראשונה היו יותר נשים שנרשמו לבתי ספר לרפואה בארה"ב מאשר גברים.

אתה לא צריך לקבל תואר במדעי המחשב או מכללת הנדסה כדי להיות מהנדס תוכנה. אך חוסר האיזון הזה מייצג את הרכב הכשרונות הנכנסים לענף.

על פי נתוני לשכת הסטטיסטיקה של ארה"ב לשנת 2018, רק 26% ממדעני המחשבים הם נשים.

סטריאוטיפ שלילי יכול להשפיע לרעה על החלטות הקריירה של אנשים, וסוג זה של הטיה לא מודעת הוא תחום ש- CodeSignal פועלת לשיפורו.

האם הטיה שתוכנתה ל- AI מחמירה את בעיית ההטיה בגיוס עובדים?

AI, כמו כל מודל מתמטי, מסתמך במידה רבה על איכות הקלט כדי לייצר את התפוקה שלו. אם להשתמש במונחי הדיוט, מערכת זו משקפת את המושג GIGO, שעומד על זבל פנימה, זבל החוצה.

כאשר אנו מאכילים ומתאמנים רשומות היסטוריות של AI על החלטות שכירות מוטות, ה- AI בהחלט יפיק תוצאות עם אותה הטיה המוטמעת בתוך התוצאות, מכיוון שזה חלק מהמודל שכבר מובנה במכונה. AI מצוין לעזור לבני אדם לקבל את אותן החלטות מהר יותר ובקנה מידה גדול יותר, וכתוצאה מכך הוא עשוי להגביר את ההטיה בקנה מידה גדול בהרבה.

הסכנה כאן היא שאם ניקח את התוצאות בעיוורון מקופסה שחורה, אין מנגנון לתקן את ההטיה. ההכרה בכך שיכולה להיות הטיה בקלט של מודל AI או למידת מכונה, כמו גם פירוש התוצאות בעין ביקורתית לבדיקת הטיה חשוב להפחתת הנטייה הזו לגיוס עובדים באופן כללי.

[ראה-גם האתר שלנו / העולם-האמיץ-חדש-שלנו-למה-התקדמות-של-איי מעלה-חששות אתיים]

האם התאמות ושקיפות יכולות להפוך את AI לכלי לטובת השגת יותר שוויון?

בהחלט. אם נקבע את הכיוון שלנו לשיפור השוויון ונשתמש ב- AI מתוך כוונה זו נוכל לגרום לו לעבוד עבורנו במקום לתת לו להגביר את הבעיה בטעות. לדוגמא, CodeSignal משתמש ב- AI כדי להעריך מיומנויות טכניות בקנה מידה גדול ולחשב ציון קידוד המתואם חזק עם ביצועי המועמד במהלך ראיון העבודה וביצועי העבודה.

כאשר יש לך נתונים אובייקטיביים ומדידת כישורים, החלטה על העסקה יכולה להתקבל בקלות. זה גם מצמצם משמעותית את היקף ההטייה הלא מודעת של מנהלי גיוסים ומגייסים יכולים לבעוט בהם. הם כבר לא צריכים להסתמך על התרשמותם הסובייקטיבית ממועמד בעת קבלת החלטה לגיוס.

יתר על כן, זה מעצים נשים ומועמדים למיעוט לקדם את עצמם במהלך תהליך הגיוס עם ראיות התומכות בכישוריהם.

בסרטון למטה, Baik מדבר על שלושת היתרונות המובילים של הערכות מבוססות מסגרת.

איך הפתרון שלך עובד?

יש לנו חבילה של פתרונות הערכה שיעזרו לחברות #GoBeyondResumes בגיוס טכנולוגי: לבדוק, ראיון ואישור. Certify, כרגע בגרסת בטא, הוא ההיצע האחרון שלנו והוא מוצר ההערכה הטכנית הראשון שניתן להשתמש בו בחלק העליון של משפך הגיוס המאפשר לאנשי מקצוע לרכישת כישרונות ומנהלי הנדסה לבקש ולהשוות תוצאות הערכה משוחדות וקלות להבנה. בקנה מידה גדול כדי לקבל החלטות שכירות מבוססות נתונים.

הסמכה מיועדת לעשות למקצוענים בתחום ההעסקה הטכנית את מה שמבחן ה- SAT עושה עבור קבלה במכללה. זהו מבחן אמין של מיומנות מיומנות המאפשר גם לחברות לבצע הערכת מיומנות מהשורה הראשונה מבלי ליצור אותן בעצמם.

כאשר הם משתמשים בפתרון מוכן שכזה, אנשי מקצוע בתחום משאבי אנוש יכולים למקד את זמנם ומרצם בשימוש בנתונים לצורך קבלת החלטה לגיוס עובדים במקום לבנות פעולת הערכת מיומנות מקצועית עם עבודות תחזוקה וקפדניות של בדיקות.

מה נתן השראה לחברתך לפתח פתרון זה?

קודמו של CodeSignal היה כאתר שאנשים יוכלו לבקר בו כדי לפתור אתגרי קידוד מעניינים לשיפור כישוריהם. עם למעלה ממיליון מהנדסים מנוסים שפתרו נפח גדול של משימות קידוד, הצלחנו לתאר את כישורי התכנות שלהם.

ללמוד כי אלה שבראש ספקטרום המיומנויות מתקשים למצוא עבודה מכיוון שהם לא נראים טוב על הנייר, יחד עם המאבק שחווים ארגונים רבים במציאת והעסקת מהנדסי תוכנה מוכשרים מרקעים שונים, היה מטורף.

מימוש זה עורר אותנו לגשר על הפער באמצעות הערכת מיומנות טכנית אובייקטיבית ואמינה שזמינה בקלות למטרות שכירה ולעזור לתעשייה לעבור מעבר לקורות החיים.

הסרטון שלמעלה מראה כיצד Greenhouse משתמשת ב- CodeSignal בתהליך הגיוס הטכני שלהם.

האם יש לך מחקרי מקרה המוכיחים שנשכרו יותר נשים או מיעוטים כתוצאה מיישום הפתרון שלך?

רבים מלקוחותינו שמבינים בבירור את הערך בהערכות מיומנויות אובייקטיביות נוטים להיות כבר ביוזמות גיוון והכלה. כתוצאה מכך, קשה להפריד בין ההשפעה הבלעדית של יישום הפתרון שלנו על יכולתם להצליח בשיפור המגוון בצוותים שלהם.

מה שאנחנו יכולים לומר בביטחון הוא שהרבה מועמדים שלא היו נחשבים ללא תוצאות ההערכה של CodeSignal התראיינו למשרות רבות בהנדסת תוכנה והמשיכו להתקבל לעבודה באותן חברות.

זה הגיוני כי קיום תהליך ראיון אובייקטיבי מבטיח למועמדים לעבודה את מסירותה של החברה לקבל החלטות שכירות הוגנות ונטולות פניות, וימשוך יותר נשים או מועמדים למיעוטים אשר מעריכים סביבת עבודה מגוונת יותר.

אנו משתמשים באופן פנימי בפתרון ההערכה שלנו להעסקת מהנדסי תוכנה. כאשר מועמדים מביעים עניין, אנו מבקשים מהם לשתף את ציון הקידוד שלהם ב- CodeSignal כצעד הראשון ולא לשים לב לקורות החיים שלהם שעלולים להכניס הטיה לא מודעת.

אנו מזמינים אותם להתחיל בתהליך ראיונות על בסיס ציוני הקידוד שלהם. תרגול זה התקבל מאוד על ידי המועמדים שלנו ואיפשר לנו להעסיק את המועמד הטוב ביותר על סמך יכולתם.


צפו בסרטון: DEFINING PEACE - Full Lecture. by Peter Joseph. Feb. 6th 12. The Zeitgeist Movement (אוֹקְטוֹבֶּר 2021).