Kockázatos „bújócska” lett a kiválasztás az Oxfordi Egyetem kutatói szerint

Az Oxfordi Mesterséges Intelligencia Program igazgatója, Matthias Holweg és Thomas Davenport, a Babson College professzora a Harvard Business Review-ban megjelent elemzésükben arra figyelmeztetnek, hogy az üzleti folyamatokba, különösen a toborzásba ágyazott MI „tudásromlást” okoz. Ez a jelenség aláássa a pontosságot és a bizalmat a teljes kiválasztási láncban.

A „slopification” veszélye a kiválasztásban

A kutatók szerint a tudásromlás egyik fő oka az úgynevezett „slopification”. Ez akkor következik be, amikor a felhasználók az MI-t csiszolt megjelenésű, de alacsony minőségű munka előállítására használják, a folyamat későbbi szereplői pedig már nem ellenőrzik a kapott eredményt. Ez a bizalomvesztés mind az álláskeresők, mind a HR-esek körében soha nem látott mértékű.

A szakértők a szervezeti károkat három fő kategóriába sorolják:

• Tudásellenőrzés: az alapos ellenőrzés gyakran felemészti azt a hatékonyságot, amit az MI-től vártak, így a HR-csapatok kénytelenek visszatérni a személyes, technológiamentes interjúkhoz, hogy kiderítsék, ki az igazán alkalmas jelölt.
• Tudáshitelesítés: az emberi szakértőknek ma már nemcsak a leadott munka minőségét, hanem annak emberi eredetét is bizonyítaniuk kell.
• Tudásromlás: Minden alkalommal, amikor egy tartalom áthalad egy MI-eszközön, távolabb kerül a valóságtól, létrehozva egyfajta „kockázatos telefonbújócskát”, ahol az információ a sokadik átadás után már köszönőviszonyban sincs az eredetivel.

Hogyan kezelhetők a toborzási kockázatok?

A szerzők azt javasolják, hogy a toborzók ne az eszközöket, hanem a formátumot korlátozzák. A nyílt formátumú önéletrajzok helyett érdemes strukturált kérdőíveket alkalmazni, amelyek konkrét, ellenőrizhető adatokat kérnek be:

• vezetett projektek,
• kezelt költségvetések nagysága,
• irányított csapatok mérete.

Ezeket a tényezőket nehezebb MI-vel hamisítani és könnyebb értékelni. A kutatók sürgetik a vezetőket, hogy az MI hatását a teljes folyamatra, ne csak egyes lépésekre vetítve értékeljék. Egy szűrőeszköz, amely felgyorsítja az egyik szakaszt, de több ellenőrzési problémát szül a későbbiekben, nem tekinthető valódi hatékonyságnövekedésnek.

Minél többet használjuk a generatív MI-t az üzleti folyamatainkban, annál inkább biztosítanunk kell, hogy amit „tudásnak” nevezünk, valóban rászolgáljon erre a kifejezésre.

Forrás: Human Resource Executive