Comment l'apprentissage automatique peut créer un marché du travail plus méritocratique et moins biaisé

novembre
9 2018

6 min de lecture

Les opinions exprimées par les contributeurs de l'Entrepreneur sont les leurs.

Le processus de recrutement traditionnel échoue avec les candidats, les entreprises et les recruteurs. Elle tourne autour de l'interprétation humaine de données complexes trop sensibles aux préjugés et aux raccourcis mentaux.

Lié: L'intelligence artificielle est susceptible de faire une carrière dans les domaines de la finance, de la médecine ou du droit beaucoup moins lucrative

Un processus de recrutement assisté par apprentissage automatique pourrait éliminer les biais systémiques qui mettent le statut social sur la compétence. Cependant, dans les nouvelles récentes les algorithmes ont échoué à cette tâche. Un algorithme de sélection de curriculum vitae développé à Amazon est devenu biaisé à l'encontre des candidates. Un autre algorithme de ce type a favorisé les candidats nommés Jared qui ont joué à la crosse.

Si nous appliquons l'apprentissage automatique à la reprise – la même source de données utilisée par les humains dans le processus d'embauche actuel – nous perpétuerons les biais. Pour réduire les biais liés à l'embauche, nous devons appliquer l'apprentissage automatique à de nouvelles sources de données plus objectives et trop complexes pour un être humain.

Les tests de compétences pourraient fournir cette nouvelle source de données. Lors de la première étape de l'embauche, un modèle d'apprentissage automatique pourrait analyser le test de compétences au lieu d'un CV pour prendre des décisions d'embauche plus objectives.

J'aimerais expliquer pourquoi nous devrions tous préférer cette approche fondée sur l'apprentissage automatique au système actuel.

Un processus qui échoue

Ici, dans la Silicon Valley, les gestionnaires qui recrutent font face à deux problèmes interdépendants qui rendent difficile le recrutement d’ingénieurs. Le premier problème est que la demande de personnes talentueuses dotées de compétences techniques dépasse de loin l'offre. Le deuxième problème concerne le barrage de candidatures à chaque poste vacant.

Les responsables de l’embauche reçoivent souvent des centaines de candidatures pour un poste vacant. Pour filtrer le bruit, ils s’appuient sur des raccourcis tels que la hiérarchisation des candidats des universités et des entreprises les plus réputées. Cependant, les universités de Stanford, du MIT et de la Ivy League ne tripleront pas l'effectif de leurs classes pour répondre à cette demande. Ce sont des institutions très sélectives, pas des entreprises.

Liés: L'intelligence artificielle peut aider les dirigeants à prendre de meilleures décisions plus rapidement

Malgré la pénurie de talents, les responsables du recrutement ne tiennent pas compte des candidats non conventionnels, plus compétents que ceux issus de l'élite. . Ils savent que certains de ces candidats seront bons, mais il faut trop de temps et d'argent pour les trouver quand l'homme doit faire tout le filtrage.

La ​​demande d'ingénieurs continue de croître à mesure que "les logiciels mangent les monde "et chaque entreprise doit apprendre à créer son propre logiciel pour rester compétitive. Les industriels, les marques de biens de consommation et les institutions financières recrutent tous des ingénieurs en logiciel. Pendant ce temps, les géants de la technologie bien établis, tels que Google Facebook et Amazon continuent d’élargir leurs ambitions et de créer de nouveaux produits qui accroissent encore leur demande de talents techniques. 19659007] Résultat: L'embauche traditionnelle échoue. Les humains examinant les curriculum vitae ne peuvent tout simplement pas identifier les candidats qualifiés sur le plan technique assez rapidement pour répondre à la demande. Cependant, un processus de recrutement basé sur l'apprentissage automatique pourrait résoudre les problèmes que j'ai présentés. En utilisant des tests de compétences dans lesquels des algorithmes d'apprentissage automatique analysent les scores et associent les candidats aux postes vacants, les entreprises peuvent identifier et embaucher rapidement des candidats qualifiés. Pour plusieurs raisons, l’embauche fondée sur l’apprentissage automatique offre une amélioration considérable par rapport à l’embauche traditionnelle.

1. La lecture des curriculum vitae est inefficace. Si vous devez passer en revue 100 CV, vous n'avez pas d'autre choix que de les parcourir en utilisant des méthodes heuristiques de base, telles que la recherche d'un collège ou d'une entreprise en particulier. De même, si vous tentiez de faire passer des tests de compétences à des utilisateurs, vous seriez occupé à examiner ces données pendant que vos concurrents faisaient des offres.

Connexes: Le Big Data associé à l'apprentissage automatique aide les entreprises à prendre des décisions plus intelligentes

2. Le recrutement humain est biaisé. De nombreuses études ont montré un biais systémique lors de l'embauche. Les intervieweurs discriminent consciemment et inconsciemment sur la base du genre de race de l'émotion du poids et même du du son de la voix d'une personne . Les examinateurs filtrent les candidats qualifiés en fonction de leur "adéquation culturelle", un concept qui, tout en étant important pour un recrutement réussi, est rarement bien réfléchi ou articulé en tant que critère de recrutement. Un processus de recrutement guidé par l'analyse en machine des données de compétences peut éliminer de nombreux préjugés, du moins jusqu'à l'entretien final en personne.

3. Les humains jugent les mauvaises choses. Si un ingénieur a l'air bizarre lors d'un entretien téléphonique, qui s'en soucie? Les ingénieurs sont embauchés pour construire des produits, pas pour les vendre. Malheureusement, le contexte de l'entretien – parler au téléphone – éloigne les intervieweurs de ce qui devrait être évalué: compétences analytiques et de résolution de problèmes. L'apprentissage automatique contrebalance ces erreurs de jugement car il n'a aucune conscience sociale et culturelle (ce qui est un attribut dans ce cas).

4. Tout le monde peut participer. Les entreprises investissent leurs efforts de recrutement dans les meilleurs collèges car une portée plus large coûte trop cher si des êtres humains font le travail. L'apprentissage automatique peut sélectionner des candidats à n'importe quelle échelle. Si vous voulez les meilleurs scientifiques de données du monde, invitez le monde à postuler. L'apprentissage automatique invite les candidats d'Afrique, d'Asie et du Moyen-Orient à rejoindre un processus de recrutement favorisant par ailleurs les élites de quelques écoles.

5. Les recruteurs ont plus de choses à faire. Les recruteurs représentent la culture, les valeurs et les missions de leurs entreprises. La lecture des CV n’est pas ce qui rend le travail enrichissant. Les meilleurs recruteurs que je connaisse aiment nouer des relations avec les candidats et donner aux personnes la possibilité de réaliser leurs rêves. Assisté par l'apprentissage automatique, un recruteur peut se concentrer davantage sur ce côté humaniste – le côté que l'apprentissage automatique ne peut ni faire ni apprécier.

En relation: Cet outil d'IA aide les entreprises à éliminer le biais d'embauche au nom de la productivité

L'embauche fondée sur la justice

L'embauche fondée sur l'apprentissage automatique corrige un processus traditionnel qui privilégie le statut des compétences et la formation de base. Mais tous les candidats ne bénéficieront pas d'une embauche plus équitable.

Les personnes qui ont suivi une formation à la Ivy League et qui espèrent avoir le tapis rouge vont en souffrir. Les universités qui traitent leurs étudiants comme des clients d’un hôtel de luxe – et optimisent pour "la satisfaction des utilisateurs" – verront leurs statistiques d’embauche plonger. Les collèges devront dispenser une éducation, pas seulement des symboles de statut commercialisables (aussi appelés diplômes).

D'autre part, les candidats non conventionnels – les codeurs autodidactes, les étudiants en ligne et les go-getters déterminés à changer leur vie – auront leur moment. Plutôt que de déshumaniser l'embauche, comme beaucoup de gens le craignent, l'apprentissage automatique aidera les entreprises à respecter leurs valeurs et à embaucher les meilleures personnes.