Se lavori a qualsiasi titolo nel settore delle risorse umane (e in particolare del reclutamento), avrai sicuramente visto la notizia…
⚠️ NOTIZIE BREVANTI ⚠️
Decine e decine di post di questo tipo sono stati pubblicati dallo scorso fine settimana (siti di notizie, Linkedin…) per diffondere la notizia…
Che cos’è davvero la #LongStoryShort?
3 anni fa, Amazon ha condotto un esperimento per automatizzare la preselezione dei CV! L’idea di Amazon era quella di sviluppare un algoritmo a cui sottoporre 100 CV, ognuno dei quali valutato con 5 stelle (proprio come si fa con i libri), in modo che ogni volta l’algoritmo restituisse i 5 candidati con le maggiori probabilità di successo nell’azienda! #GainDeTempsGaranti
E poi… Incredibile! Ci stiamo rendendo conto che non funziona! 😱
Peggio ancora, l’algoritmo tendeva a rifiutare – quasi sistematicamente – i CV delle donne. #NotFair #BalanceTonAlgorithme #AiIsTheNewPig
Come responsabili delle risorse umane, quali lezioni potete trarre da questo “esperimento fallito”?
Un algoritmo non nasce sessista… lo diventa.
Prima di tutto, è fondamentale capire che un algoritmo non è mai di parte / sessista / razzista / omofobo / … “di per sé”. È sempre e solo la formalizzazione di un processo di reclutamento che è stato messo in atto… da esseri umani.
Nel caso specifico di Amazon, l’I.A. è stata addestrata sulla base dei dati provenienti dai CV (1) di persone che già lavoravano per l’azienda (2). Persone che erano già state assunte da un team HR in carne e ossa (3).
#1 – C’è già la questione del CV…
Se addestriamo un’I.A. sui dati del CV, significa che la “conoscenza iniziale” che le forniamo ha a che fare con il background accademico delle persone (quali lauree ho conseguito / in quali scuole) e con il loro background professionale (quali posizioni ho ricoperto / per quanto tempo / in quali aziende / in quali settori di attività). #FineDellaStoria
#2 – La natura del campione…
Amazon, almeno all’epoca, era un’azienda composta per oltre il 60% da uomini… Inevitabilmente, la sovrarappresentazione degli uomini nel campione iniziale ha avuto un impatto sulle regole utilizzate per stabilire i parametri dell’algoritmo. #Logique
#3 – Infine, i pregiudizi del team HR.
Gli esseri umani sono fallibili; sono soggetti a numerosi pregiudizi (diverse decine) sia nel modo in cui recepiscono le informazioni sia nel modo in cui prendono le decisioni. L’algoritmo ha semplicemente modellato il processo di assunzione applicato dai team di Amazon per diversi anni consecutivi. Ha quindi riprodotto… i pregiudizi tipicamente umani.
⚠️ Informazioni importanti: Vi prego di notare che mi asterrò dall’esprimere giudizi – di qualsiasi tipo – sul lavoro svolto da questi team. Se dovessimo eseguire la stessa Intelligenza Artificiale sui CV della maggior parte delle aziende francesi, senza dubbio verrebbero fuori algoritmi che discriminano le donne (almeno per quanto riguarda l’accesso a posizioni di responsabilità), gli anziani (over 45), i disabili o persino le persone con nomi stranieri… (per citare solo alcuni esempi). Hai bisogno di essere convinto? Dai un’occhiata alla composizione del tuo team di Acquisizione Talenti (Reclutamento)… Capisci cosa intendo? 😏
Questo significa che dovremmo smettere di usare gli algoritmi nel reclutamento?
Nessuno negherà che si tratta di un problema ENORME. Privare un’azienda del 50% dei suoi talenti è un problema enorme… Per non parlare, ovviamente, del danno arrecato alle donne, che vengono discriminate esclusivamente in base al loro sesso (cioè in base a un criterio che non ha alcuna attinenza diretta con la loro capacità di ricoprire i posti di lavoro offerti).
Tuttavia, concludere da questo che gli algoritmi sono pericolosi (o “non perfezionati” / o che è troppo presto per utilizzarli / …) sarebbe un terribile errore di pensiero. Un errore equivalente a quello di dire che “è inconcepibile guidare un’auto” (qualunque cosa sia) solo perché si legge sul giornale che un tizio ubriaco è andato a sbattere contro il muro tornando a casa da una discoteca alle 4 del mattino con 3 grammi in ciascun occhio…
Il vero problema non sarebbe… la “selezione sul curriculum”?
Oggi tutti – reclutatori compresi, ovviamente – concordano sul fatto che il CV non è un indicatore affidabile della capacità di una persona di avere successo e prosperare sul posto di lavoro. Non solo sono tutti d’accordo… ma numerosi studi sull’argomento sono giunti alla stessa conclusione!
Eppure – in quasi tutte le aziende francesi – il CV è ancora la base per la preselezione… 🧐 #CherchezLErreur
Selezionando informazioni poco predittive (le informazioni contenute in un CV), per di più da un campione molto maschile, e facendole passare attraverso un A.I….. Cos’altro ci si può aspettare? 🤷🏻♂️
E soprattutto, non pensare che solo perché si tratta di Amazon, “hanno necessariamente i mezzi per fare le cose bene e bla e bla e bla”, che “è inaccettabile”…. Conosco decine di aziende (tra cui alcune del CAC40 con eserciti di Data Scientist) e quasi sempre è la stessa storia: ci sono sempre risorse da allocare (team di Data Scientist, budget, ecc.) per esperimenti/applicazioni direttamente ‘Core Business’ (legate al Marketing, alle Vendite, alla Soddisfazione del Cliente, ecc.)… ma in genere molto poco per le Risorse Umane! #ParentPauvre
Tuttavia, OGGI qualsiasi azienda ha i mezzi per fare una preselezione davvero migliore…
Tra tutte le aziende con cui lavoro (e sono tante) non ce n’è una sola che sia riuscita a fare progressi davvero significativi nella qualità delle proprie assunzioni (in modo “misurabile”, intendo…) affidandosi esclusivamente alle proprie risorse interne. E non lo dico per puntare il dito contro di loro… È solo che hanno altre cose da fare nelle loro giornate già piene di impegni! #QuestionDePriorités
A volte basta avere la giusta dose di supporto (non è necessario coinvolgere eserciti di consulenti a 2.000 al giorno) per creare differenze radicali… Dopodiché, puoi sempre aspettare che i team interni di DataScience abbiano tempo (dopo XP Markets, New Business, Customer Success, Finance…) o che ti assegnino un tirocinante in stats… Ma hey ^^
Quindi, come possiamo procedere?
Numerosi studi condotti in tutto il mondo hanno dimostrato che è molto più appropriato selezionare i candidati (o i dipendenti in caso di mobilità interna) sulla base di “chi sono realmente”, cioè del loro potenziale, in particolare utilizzando sistemi di valutazione(test di assunzione). Tieni presente che questi sistemi possono benissimo integrare gli elementi del percorso di carriera, se lo desideri…
Ha senso… Guarda cosa abbiamo in ballo:
- Da un lato, il CV (background accademico e professionale)
- D’altra parte, chi è (davvero) la persona (agilità intellettuale, capacità di apprendimento, motivazioni profonde, personalità e comportamento preferito in una situazione lavorativa)?
Secondo te… Qual è il modo migliore per prevedere la capacità dei tuoi candidati di svolgere un lavoro, di inserirsi nel team esistente, di aderire (o meno) ai valori della tua azienda e al piano aziendale?
Puoi automatizzare i processi di preselezione (almeno in parte)… evitando l’effetto “Amazon”.
Ma attenzione… l’utilizzo di“test di reclutamento” (per valutare queste famose caratteristiche “potenziali”) non sarà sufficiente a garantirti l’assunzione. Dovrai andare un po’ oltre…
Il modello predittivo: la componente centrale degli algoritmi di reclutamento predittivo.
I “test” ti permettono di raccogliere dati affidabili (a patto che i test utilizzati siano affidabili) su ciascuno dei tuoi candidati. Ma questi dati, questi “profili” di candidati, a un certo punto dovranno essere “confrontati” con un modello di criteri attesi! È proprio questo confronto (la corrispondenza tra il profilo del candidato e il profilo dei criteri attesi) che può essere modellato con un algoritmo.
Questo modello di criteri previsti si dice“predittivo” quando è possibile attestare il legame tra i criteri definiti (i tratti di personalità ricercati, ad esempio) e la variabile o le variabili che si vogliono prevedere (come il rendimento, ad esempio, o l’adattamento alla cultura aziendale).
Come si crea un modello predittivo?
Per creare un modello predittivo, tutto ciò che devi fare è valutare un campione della popolazione per la quale vuoi prevedere le prestazioni (ad esempio). In concreto, chiederai a ciascuno dei tuoi attuali dipendenti di completare un questionario sulla personalità, sulla motivazione e/o sul ragionamento. Questo è il passo numero 1.
In secondo luogo(Fase 2), valuterai ciascuno di loro in base ai criteri di performance che vuoi prevedere nei tuoi futuri candidati. In pratica, devi dire quanto sta performando ciascuno dei tuoi attuali dipendenti. Di solito, questo dovrebbe essere ovvio…
Solo che in alcune aziende, a volte, si sente dire :
“Non lo sappiamo, non abbiamo i dati! “
⚠️ DISCLAIMER: Siamo chiari… Se non sei in grado – internamente – divalutare le prestazioni del tuo personale (cioè di dire “chi sta facendo il lavoro e chi no… o almeno non bene” in una determinata posizione), NULLA e NESSUNO ti permetterà di migliorare significativamente la qualità del tuo processo di assunzione.
Puoi migliorare laCandidate Experience, produrre statistiche sui tuoi funnel di candidati, produrre tassi di conversione a destra e a manca (in pratica facendo cose “divertenti”, “cosmetici HR”)… ma non sarai MAI in grado di migliorare concretamente la tua capacità di prevedere il successo e/o l’impegno dei tuoi candidati… #VeritàBrutale
Se un esperto viene da te e ti spiega – senza chiederti l’accesso a questo tipo di informazioni – che ha la formula che ti consentirà di reclutare meglio, è solo un Punch… #PassezVotreChemin
“Se la mia azienda ha assunto finora soprattutto uomini (o donne / o candidati provenienti solo dalle scuole superiori…….), non c’è il rischio di creare un pregiudizio in stile Amazon?”.
In realtà NO… per il semplice motivo che i criteri psicologici e comportamentali sono estremamente ben distribuiti all’interno della popolazione, indipendentemente dal sesso, dall’età, dall’origine e da molti altri criteri.
Questo approccio ti permette di aggirare direttamente questo tipo di pregiudizio!
I risultati del reclutamento predittivo
In media, le aziende che utilizzano il reclutamento predittivo selezionano dipendenti che ottengono risultati migliori del 20% rispetto a quelli che selezionerebbero con un approccio più tradizionale.
I processi di assunzione si sono velocizzati del 30%, hanno tagliato i costi di circa il 20% e hanno dimezzato il turnover del personale in alcune posizioni sensibili.
È una magia? ✨🔮✨
Non è affatto vero… è solo che hanno iniziato a reclutare i loro dipendenti interessandosi a chi sono realmente (e misurandolo con precisione) oltre a (o piuttosto che) concentrarsi esclusivamente sul loro CV… Niente di più, niente di meno!
E indovina lo scoop: “Quando nelle Risorse Umane ci si preoccupa davvero delle persone… ottieni risultati migliori!”
È assurdo, vero? 🤓☝️
