Lezioni apprese dall'"algoritmo sessista" di Amazon...?
3 anni fa, Amazon ha condotto un esperimento per automatizzare la preselezione dei CV! L'idea di Amazon era sviluppare un algoritmo capace di ricevere 100 CV, valutare ognuno con un punteggio da 1 a 5 stelle (un po' come valutiamo i libri) in modo che l'algoritmo producesse, ogni volta, i 5 candidati con le maggiori probabilità di avere successo in azienda! #RisparmioDiTempoGarantito E poi... Fallimento! Scopriamo che non funziona! 😱
Riassumi questo articolo con:
Se lavori direttamente o indirettamente nell'ambito delle risorse umane (e ancora di più nel recruiting), potresti ricordare questa storia...
⚠️ BREAKING NEWS ⚠️
#InBreve... di cosa si tratta davvero?
Qualche anno fa, Amazon ha condotto un esperimento per automatizzare la preselezione dei CV! L'idea di Amazon era sviluppare un algoritmo capace di ricevere 100 CV, valutare ognuno con un punteggio da 1 a 5 stelle (un po' come valutiamo i libri) in modo che l'algoritmo potesse produrre, ogni volta, i 5 candidati con le maggiori probabilità di avere successo in azienda! #RisparmioDiTempoGarantitoE poi... Fallimento! Scopriamo che non funziona! 😱Ancora peggio, l'algoritmo tendeva a scartare — quasi sistematicamente — i CV delle donne. #NonÈGiusto
Quale lezione possiamo trarre da questo esperimento fallito?
Un algoritmo non è intrinsecamente sessista... viene insegnato ad esserlo.
Prima di tutto, è fondamentale capire che un algoritmo non è mai di per sé distorto/sessista/razzista/omofobo/... Costituisce ancora soltanto la formalizzazione di un processo di recruiting parametrizzato da esseri umani. Nel caso specifico di Amazon, (1) l'I.A. è stata addestrata utilizzando dati provenienti dai CV (2) di persone già impiegate in azienda, (3) reclutate da un team di persone nelle risorse umane.#1 - Prima la questione dei CV...Se programmiamo l'intelligenza artificiale usando dati provenienti dai CV, la "conoscenza iniziale" che forniamo riguarda, da un lato, i percorsi accademici delle persone (titoli di studio ottenuti, quali scuole) e, dall'altro, la loro carriera professionale (posizioni ricoperte, per quanto tempo, in quali aziende, in quali settori). #FineDellaSoria#2 - La natura del campione...Amazon — almeno all'epoca — come azienda aveva una distribuzione 60:40 di dipendenti maschi rispetto a femmine... Ovviamente, essendo gli uomini sovrarappresentati nel campione iniziale, ciò influenzerà la definizione delle regole per configurare l'algoritmo. #Logico#3 - Infine, i bias del team HR.Gli esseri umani sono fallibili; siamo soggetti a molti bias (diverse decine) sia nella comprensione delle informazioni che nel modo in cui prendiamo decisioni. L'algoritmo ha semplicemente modellato il processo di recruiting così come era stato applicato dai team di Amazon nel corso di diversi anni. Ha quindi riprodotto i bias che sono intrinsecamente umani.⚠️ Importante: Non esprimo un giudizio specifico — di qualsiasi tipo — sul lavoro svolto da questi team. Se dovessimo eseguire la stessa I.A. sui CV della maggior parte delle aziende, arriveremmo a generare algoritmi che discriminano le donne (almeno per quanto riguarda l'accesso a posizioni manageriali e superiori), le persone over 45, le persone disabili, persino le persone il cui nome "suona straniero"... (solo per citare alcuni esempi).😏
Dovremmo quindi mettere fine agli algoritmi nel recruiting?
Nessuno può negare che esista un ENORME problema qui. Privarsi di METÀ del talento disponibile è un ENORME problema per qualsiasi azienda... Per non parlare della discriminazione nei confronti delle donne, unicamente sulla base del loro genere (un criterio assolutamente irrilevante rispetto alla loro capacità di occupare i ruoli offerti).Tuttavia, concludere che gli algoritmi siano intrinsecamente pericolosi sarebbe un grave errore di valutazione. Un errore equivalente a dire che "è inconcepibile guidare un'auto" se si avesse letto su un giornale di un incidente automobilistico mortale.Il vero problema non sarebbe forse... selezionare sulla base dei CV?Oggi, quasi tutti — inclusi i recruiter — concordano sul fatto che i CV non siano un predittore affidabile della capacità delle persone di avere successo e prosperare sul lavoro. Inoltre, numerosi studi condotti sull'argomento sono tutti giunti alla stessa conclusione!Eppure, in così tante aziende continuiamo ancora a preselezionare i candidati sulla base del loro CV... 🧐 #TrovailProblema
Selezionando male le informazioni con scarso (o nullo) valore predittivo (le informazioni contenute in un CV), che per di più provengono da un campione a dominanza maschile, per poi elaborarle tramite I.A.... Cosa altro ci si poteva aspettare? 🤷🏻♂️Eppure OGGI, qualsiasi azienda ha i mezzi per migliorare significativamente la propria preselezione...Di tutte le aziende con cui mi relaziono e collaboro (e sono molte), non ce n'è una sola che sia riuscita a migliorare significativamente la qualità del proprio processo di recruiting (intendo in modo oggettivo e misurabile) affidandosi esclusivamente alle proprie risorse interne. E non lo dico per puntare il dito contro di loro... È semplicemente che hanno altre cose da fare nelle loro giornate già piene! #PrioritàQuindi, come dovremmo procedere?Numerosi studi condotti in tutto il mondo attestano che è DI GRAN LUNGA più rilevante selezionare i propri candidati (o dipendenti nel caso della mobilità interna) sulla base di "chi sono davvero", ovvero del loro potenziale. In particolare, utilizzando sistemi di assessment (test di recruiting). Si noti che questi sistemi possono perfettamente complementare gli elementi già in uso, se lo si desidera...Logico... Guardiamo cosa abbiamo in gioco:
- Da un lato, un CV: percorso accademico e professionale
- Dall'altro, chi è (davvero) questa persona: agilità intellettuale, capacità di apprendimento, motivazioni profonde, personalità e comportamenti in un contesto lavorativo
A tuo parere, cosa ti permetterà di prevedere meglio la capacità dei tuoi candidati di avere successo in un ruolo? Di integrarsi nel team esistente? Di aderire (o meno) ai valori della tua azienda e al progetto aziendale?
Puoi automatizzare (almeno in parte) i tuoi processi di screening, evitando l'"effetto Amazon".
Ma attenzione: l'uso esclusivo di "test di recruiting" (per valutare le caratteristiche del "Potenziale") non garantirà di per sé il successo del tuo processo di recruiting. Bisognerà spingersi un po' oltre...I modelli predittivi: la parte centrale degli algoritmi di recruiting predittivo.I "Test" vengono utilizzati per raccogliere dati affidabili (a patto che i test usati siano affidabili) su ciascuno dei tuoi candidati. Ma questi dati, il "profilo" di ogni candidato, devono essere utilizzati a un certo punto in confronto a un modello di criteri attesi! È precisamente questo confronto (che mette insieme il profilo dei candidati e un profilo di criteri attesi) che può essere modellato attraverso un algoritmo.Questo modello di criteri attesi è definito "predittivo" quando esiste evidenza che collega i criteri definiti (tratti di personalità ricercati, ad esempio) e la/le variabile/i che si desidera prevedere (come la performance o anche l'adattamento alla cultura aziendale).Come si crea un modello predittivo ?Per creare un modello predittivo, è sufficiente valutare un campione della popolazione per cui si vuole prevedere la performance (ad esempio). Potresti chiedere a ciascuno dei tuoi dipendenti in determinate posizioni di completare un questionario di personalità, motivazione e/o ragionamento. Questo è il passo #1.Poi (Passo #2), valuterai ciascuno di loro in base ai criteri di performance che desideri anticipare nei tuoi futuri candidati. In sostanza, devi dire per ciascuno dei tuoi dipendenti attuali quanto stanno performando bene. In genere, dovrebbe essere abbastanza ovvio da valutare...Tranne che in alcune aziende, dove a volte si sente dire:
"Beh, non lo sappiamo, non abbiamo i dati!"
⚠️ DISCLAIMER: Diciamolo chiaramente... Se non riesci — internamente — a valutare la performance dei tuoi dipendenti (ovvero a dire "chi svolge bene il lavoro e chi no" in una determinata posizione), NIENTE e NESSUNO potrà mai aiutarti a migliorare significativamente la qualità del tuo processo di recruiting.Potrai migliorare la tua Candidate Experience e ottenere statistiche sui tuoi funnel di candidati, ma senza questa capacità di comprendere oggettivamente la performance dei team, non potrai MAI migliorare la tua capacità di prevedere il successo e/o l'impegno dei tuoi candidati… #LaVeritàFaMaleSe un esperto viene da te e ti spiega — senza chiedere o avere accesso a questo tipo di informazioni — di avere una formula che ti permetterà di assumere meglio, sta semplicemente vendendo fumo. #StateneAllontanati"Se la mia azienda ha finora assunto prevalentemente uomini (o donne, o candidati solo dalle università più prestigiose...) non c'è il rischio di creare un bias simile a quello di Amazon?"In realtà, NO... perché i criteri psicologici e comportamentali sono distribuiti in modo estremamente equilibrato all'interno della popolazione, indipendentemente dal genere, dall'età, dall'origine o da molti altri criteri.Di conseguenza, questo approccio ti consente di aggirare direttamente questo tipo di bias!
Risultati del recruiting predittivo
In media, le aziende che utilizzano il recruiting predittivo selezionano dipendenti che hanno il 20% di probabilità in più di avere successo rispetto a quelli selezionati con un approccio più tradizionale.Esse accelerano il loro processo di recruiting del 30%, riducono i costi di circa il 20% e dimezzano il turnover per alcune posizioni sensibili.
È magia? ✨🔮✨