Lições aprendidas com o "algoritmo sexista" da Amazon...?

Se você trabalha direta ou indiretamente com RH (e mais ainda com recrutamento), talvez se lembre desta história...

⚠️ NOTÍCIA DE ÚLTIMA HORA ⚠️

#ResumindoAHistória... do que se trata realmente?

Há alguns anos, a Amazon conduziu um experimento para automatizar a pré-seleção de currículos! A ideia da Amazon era desenvolver um algoritmo que pudesse receber 100 currículos, avaliar cada um com até 5 estrelas (um pouco como avaliamos livros) para que o algoritmo pudesse produzir, sempre, os 5 candidatos com as maiores probabilidades de sucesso na empresa! #EconomiaDeTempoGarantidaE então... Fracasso! Descobrimos que não funciona! 😱Pior ainda, o algoritmo tendia a eliminar — quase sistematicamente — os currículos de mulheres. #NãoÉJusto

Que lição podemos tirar desse experimento fracassado?

Um algoritmo não é inerentemente sexista... ele é ensinado a ser.

Primeiro, é crucial entender que um algoritmo nunca é tendencioso/sexista/racista/homofóbico/... por si só. Ele ainda constitui apenas a formalização de um processo de recrutamento parametrizado por seres humanos. No caso específico da Amazon, (1) a I.A. foi treinada usando dados dos currículos (2) de pessoas já empregadas na empresa, (3) que foram recrutadas por uma equipe humana de RH.#1 - Primeiro, a questão dos currículos...Se programamos a IA usando dados de currículos, o "conhecimento inicial" que fornecemos a ela se refere, por um lado, à formação acadêmica das pessoas (diploma[s] obtido[s], qual[is] escola[s]), e por outro lado, à sua carreira profissional (cargos ocupados, por quanto tempo, em quais empresas, em quais áreas). #FimDaHistória#2 - A natureza da amostra...A Amazon — pelo menos na época — como empresa tinha uma proporção de 60:40 de funcionários homens vs mulheres... Obviamente, os homens estando super-representados na amostra inicial, isso afetará a constituição das regras de configuração do algoritmo. #Lógico#3 - Por fim, os próprios vieses da equipe de RH.Os seres humanos são falíveis; estamos sujeitos a muitos vieses (várias dezenas) tanto na nossa compreensão das informações quanto na forma como tomamos decisões. O algoritmo apenas modelou o processo de recrutamento, tal como havia sido aplicado pelas equipes da Amazon ao longo de vários anos. Portanto, reproduziu os vieses que são inerentemente humanos.⚠️ Importante: Eu não faço nenhum julgamento específico — qualquer que seja — sobre o trabalho realizado por essas equipes. Se executássemos a mesma IA nos currículos da maioria das empresas, chegaríamos a uma geração de algoritmos que discriminam mulheres (pelo menos no que diz respeito ao seu acesso a cargos de gestão e superiores), pessoas com mais de 45 anos, pessoas com deficiência, até mesmo pessoas cujos nomes "soam estrangeiros"... (para citar apenas alguns exemplos).😏

Então devemos acabar com os algoritmos no recrutamento?

Ninguém vai negar que há um ENORME problema aqui. Privar-se de METADE dos talentos disponíveis é um ENORME problema para qualquer empresa... Sem falar em discriminar mulheres, unicamente com base no seu gênero (um critério absolutamente sem relação com sua capacidade de ocupar o(s) cargo(s) oferecido(s)). No entanto, concluir que os algoritmos são inerentemente perigosos seria um terrível equívoco. Um erro equivalente a dizer que "é inconcebível dirigir um carro" se tivesse lido no jornal sobre um acidente de carro fatal.O verdadeiro problema não seria, na verdade... selecionar com base em currículos?Hoje, quase todo mundo — recrutadores incluídos — concorda que currículos não são um preditor confiável da capacidade das pessoas de ter sucesso e prosperar no ambiente de trabalho. Além disso, muitos estudos realizados sobre o assunto chegaram à mesma conclusão! E ainda assim, em tantas empresas continuamos a pré-selecionar candidatos com base no currículo... 🧐 #EncontreOProblema

Ao selecionar mal informações com pouco (ou nenhum) valor preditivo (as informações contidas em um currículo), que além disso vêm de uma amostra majoritariamente masculina, e então processá-las por uma I.A.... O que mais poderíamos esperar? 🤷🏻‍♂️No entanto, HOJE, qualquer empresa tem os meios para melhorar significativamente sua pré-seleção...De todas as empresas que frequento e com as quais colaboro (e são muitas), não há uma sequer que tenha conseguido fazer uma melhoria significativa na qualidade do seu recrutamento (quero dizer de forma objetiva e mensurável) contando apenas com seus recursos internos. E não digo isso para apontar o dedo para elas... É apenas que elas têm outras coisas a fazer com seus dias já ocupados! #PrioridadesEntão, como devemos proceder?Numerosos estudos realizados em todo o mundo atestam que é DE LONGE mais relevante selecionar seus candidatos (ou colaboradores quando se trata de mobilidade interna) com base em "quem eles realmente são", ou seja, seu potencial. Particularmente, utilizando sistemas de assessment (testes de recrutamento). Note que esses sistemas podem perfeitamente complementar os elementos que você já tem em vigor, se desejar...Lógico... Veja o que temos em jogo:

• De um lado, um currículo: formação acadêmica e profissional
• Do outro lado, quem essa pessoa (realmente) é: agilidade intelectual, capacidade de aprendizado, motivações profundas, personalidade e comportamentos em ambiente de trabalho

Na sua opinião, o que permitirá prever melhor a capacidade dos seus candidatos de ter sucesso em um cargo? De se integrar à equipe existente? De aderir (ou não) aos valores da sua empresa assim como ao projeto da empresa?

Comece seu teste gratuito de 14 diasAgende um tour do produto

Você pode automatizar (pelo menos em parte) seus processos de triagem, evitando o "efeito Amazon".

Mas atenção: usar "testes de recrutamento" sozinhos (para avaliar as características do "Potencial") não garantirá por si só o sucesso do seu recrutamento. Teremos que ir um pouco além...Modelos preditivos: a parte central dos algoritmos de recrutamento preditivo."Testes" são usados para coletar dados confiáveis (desde que os testes que você utiliza sejam confiáveis) sobre cada um dos seus candidatos. Mas esses dados, o "perfil" de cada candidato, devem ser usados em algum momento em comparação com um modelo de critérios esperados! É precisamente essa comparação (reunindo o perfil dos candidatos e um perfil de critérios esperados) que pode ser modelada através de um algoritmo. Esse modelo de critérios esperados é dito "preditivo" quando há evidências ligando os critérios definidos (traços de personalidade procurados, por exemplo) e a(s) variável(is) que você deseja prever (como desempenho ou mesmo adequação a uma cultura empresarial).Como criar um modelo preditivo ?Para criar um modelo preditivo, basta avaliar uma amostra da população para a qual você deseja prever o desempenho (por exemplo). Por exemplo, você poderia pedir a cada um dos seus colaboradores em determinado(s) cargo(s) para completar um questionário de personalidade, motivação e/ou raciocínio. Este é o passo #1. Em seguida (Passo #2), você avaliará cada um deles nos critérios de desempenho que deseja antecipar nos seus futuros candidatos. Basicamente, você precisa dizer para cada um dos seus colaboradores atuais quão bem eles estão performando. Normalmente, isso deveria ser bastante óbvio de pontuar... Exceto em algumas empresas, às vezes ouviremos: 

"Bem, não sabemos, não temos os dados!"

 ⚠️ AVISO: Sejamos claros... Se você não consegue — internamente — avaliar o desempenho dos seus colaboradores (ou seja, dizer "quem faz bem o trabalho e quem não faz" em um determinado cargo), NADA nem NINGUÉM poderá jamais ajudá-lo a melhorar significativamente a qualidade do seu processo de recrutamento. Você poderá melhorar sua Experiência do Candidato e obter estatísticas sobre seus funis de candidatos, mas sem essa capacidade de entender objetivamente o desempenho das equipes, você NUNCA será capaz de melhorar sua capacidade de prever o sucesso e/ou o comprometimento dos seus candidatos… #AVerdadeDóiSe um especialista vier até você e explicar — sem pedir ou ter acesso a esse tipo de informação — que tem uma fórmula que permitirá recrutar melhor, ele está apenas vendendo ilusões. #FujaDisso"Se minha empresa até agora recrutou principalmente homens (ou mulheres, ou candidatos apenas das maiores escolas...) não há risco de criar um viés tipo Amazon?"Na verdade, NÃO... porque critérios psicológicos e comportamentais são extremamente bem distribuídos na população, independentemente de gênero, idade, origem ou muitos outros critérios. Como resultado, essa abordagem permite contornar diretamente esse tipo de viés!

Resultados do recrutamento preditivo

Em média, as empresas que utilizam o recrutamento preditivo selecionam colaboradores com 20% mais probabilidade de sucesso do que aqueles selecionados usando uma abordagem mais tradicional.Elas aceleram seu processo de recrutamento em 30%, reduzem seus custos em cerca de 20% e cortam seu turnover pela metade para certos cargos sensíveis. 

É mágica? ✨🔮✨

 De forma alguma... é apenas que elas começaram a recrutar seus colaboradores se interessando por quem eles realmente são (e medindo isso com precisão) além de (ou em vez de) focar exclusivamente no currículo… Nada mais, nada menos!E adivinha: quando nos interessamos por quem as pessoas realmente são, obtemos melhores resultados no final!Louco, né? 🤓☝️

Comece seu teste gratuito de 14 diasAgende um tour do produto