Az AI-paradoxon: miért vesznek fel rossz jelöltet a legjobb cégek is?

A TestGorilla „The State of Hiring for AI Fluency” című kutatása rávilágított egy alapvető változásra a munkaerőpiacon: az AI-jártasság megelőzte a hagyományos szakmai tapasztalatot a prioritási listán. A felvételi döntéshozók 53%-a ma már szívesebben választ egy erős AI-ismeretekkel rendelkező jelöltet egy olyannal szemben, aki mélyebb szakirányú tudással bír, de kevésbé ért a mesterséges intelligenciához.

Bár a szervezetek többsége (az Egyesült Királyságban 72%, az Egyesült Államokban 71%) már hivatalosan is definiálta, mit ért AI-jártasság alatt, a toborzási ambíciók és a valóság között szakadék tátong. A válaszadó cégek 59%-a ismerte el, hogy az elmúlt évben „rossz AI-felvételt” hajtott végre: olyan jelöltet vettek fel, aki az interjún folyékonyan beszélt a technológiáról, de a gyakorlatban nem tudta azt alkalmazni.

Az Infastruktúra-paradoxon: Miért bukik el a toborzás?

A kutatás három kritikus problémát azonosított a modern toborzási folyamatokban, amelyeket összefoglalóan „Infastruktúra-paradoxonnak” neveznek:

• A tájékozottsági csapda: A szervezetek 37%-a beéri azzal, ha a jelölt csupán ismeri az adott eszköz létezését.
• A szubjektivitási csapda: A cégek 19%-a teljesen a felvételi menedzser egyéni mérlegelésére bízza az AI-tudás értékelését, ami objektív szempontok hiányában egyfajta „szimpátia-ellenőrzéssé” silányul, ahol a legjobb történetmesélő nyer.
• Önbizalom kontra kompetencia: A mai interjúkat a kommunikáció, nem pedig a végrehajtás megfigyelésére tervezték. A jelöltek egy hétvége alatt megtanulhatják az olyan szakkifejezéseket, mint a „prompt chaining” vagy az „RAG”, de ez nem jelenti azt, hogy valóban képesek munkafolyamatokat újratervezni vagy az AI-kimeneteket ellenőrizni.

Wouter Durville, a TestGorilla vezérigazgatója szerint a cégek már nem csupán szakértőket, hanem „AI-jal megerősített teljesítőket” keresnek, akik képesek megtízszerezni a produktivitásukat. Azonban egy rossz választás költségei – a kieső teljesítmény, a sikertelen projektek és az újratoborzás miatt – jóval magasabbak lehetnek, mintha az adott pozíció betöltetlen maradt volna.

Az adatok jelentős eltérést mutatnak az amerikai és a brit piac között is. Míg az amerikai cégek 33%-a számolt be gyakori AI-alapú hibákról, addig ez az arány az Egyesült Királyságban mindössze 13%. A brit munkaadók körében kevésbé jellemző, hogy beérjék az eszközök puszta ismeretével (29%), szemben az amerikai 45%-kal, és nagyobb hangsúlyt fektetnek az AI-készségek független ellenőrzésére is.

A kutatás konklúziója szerint a szubjektív értékelési módszerek már nem felelnek meg a célra. Az objektív, készségalapú tesztelés az egyetlen megbízható út az AI-kompetencia valódi igazolására a gyakorlatban.

Forrás: HR News

Miért nem bízható a toborzás kizárólag a HR-re?