---

Алгоритм так сказав: Тема в Slack, яка спричинила зміни

У недавній темі в Slack один з членів команди HR висловив розчарування через відмову кандидату, основану виключно на алгоритмічних результатах. "Алгоритм сказав, що вони не підходять", - написав він, додавши, що ця відсутність контексту викликала у нього тривогу щодо рішення. Розмова швидко перетворилася на ширшу дискусію про прозорість і відповідальність нашого ШІ в процесі найму.

Розуміння важливості

Автоматизоване прийняття рішень у рекрутингу є як привілеєм, так і відповідальністю. Прагнучи використовувати ШІ для оптимізації процесу найму, ми повинні пам’ятати про людські життя, на які впливають ці рішення. Рекрутери та кандидати однаково страждають від наслідків цих алгоритмів. Відмова, основана на непрозорих причинах, може зашкодити кар'єрам і репутаціям, що призводить до недовіри до нашої платформи. Стало зрозуміло, що нам потрібно зробити наші процеси ШІ більш прозорими, щоб сприяти надійному та етичному середовищу найму.

Визначення основної проблеми

Основною проблемою, з якою ми зіткнулися, було те, що наш алгоритм надавав бінарні результати – або кандидат підходив, або ні – без жодних обґрунтувань. Наприклад, розглянемо ситуацію, коли висококваліфікованого кандидата відхилили просто тому, що він не відповідав вузькому набору попередньо визначених критеріїв. Це не лише розчарувало рекрутерів, але й залишило кандидатів в замішанні та розчаруванні. Нам потрібно було знайти спосіб надати чіткі та дієві пояснення для кожного рішення, прийнятого нашим ШІ.

Перші спроби та отримані уроки

Наш перший підхід полягав у додаванні описових метаданих до профілів кандидатів, які включали резюме логіки ШІ. Однак це виявилося недостатнім. Рекрутери знаходили за складним зрозуміти метадані без глибшого розуміння роботи алгоритму. Ми зрозуміли, що простого резюме недостатньо; нам потрібно було надати пояснення, які були б зрозумілими та релевантними для контексту найму. Цей невдалий старт навчив нас, що ясність і релевантність є найважливішими при поясненні автоматизованих рішень.

Впровадження пояснювального ШІ

Після кількох ітерацій ми розробили підхід для генерації зрозумілих пояснень для кожної оцінки кандидата. Ми використовували техніки з інтерпретованого машинного навчання, зосереджуючи увагу на наданні обґрунтованих причин замість розмитих прикметників. Наприклад, ми тепер включаємо конкретні фактори, які впливають на оцінку кандидата, такі як релевантний досвід, відсотки відповідності навичок та результати оцінювання.

# Приклад коду для генерації пояснень
def generate_explanation(candidate_id):
    candidate = fetch_candidate_data(candidate_id)
    reasons = []
    if candidate['years_experience'] > 5:
        reasons.append("5+ років релевантного досвіду")
    if candidate['skill_match'] > 0.8:
        reasons.append("Висока відповідність навичкам: {0}%".format(candidate['skill_match'] * 100))
    return f"Причини відмови: {', '.join(reasons)}"

Цей фрагмент коду ілюструє, як ми збираємо конкретні причини для оцінки кандидата, забезпечуючи, щоб рекрутери могли легко зрозуміти та донести обґрунтування рішень.

Спостережувані зміни в продукті

З цими оновленнями наша платформа тепер пропонує детальні пояснення для оцінок кандидатів безпосередньо на панелі рекрутера. Ця зміна не лише підвищує прозорість, але й дає можливість рекрутерам приймати більш обґрунтовані рішення. Відгуки користувачів були переважно позитивними, багато хто зазначав, що вони відчувають себе більш впевненими у своїх оцінках. Кандидати також цінують отримання чіткої зворотного зв'язку по своїх заявках, яку вони можуть використати для майбутніх можливостей. Ви можете детальніше ознайомитися з цими функціями на нашій сторінці /for-companies.

Основні висновки з нашої подорожі

• Ясність важливіша за складність: Пояснення повинні бути простими та прямими, уникати технічного жаргону.
• Докази мають значення: Надавати конкретні дані більш ефективно, ніж суб'єктивні описи.
• Ітеративне вдосконалення: Початкові рішення можуть не спрацювати, але кожна спроба наближає нас до потреб користувачів.
• Відгуки користувачів є критично важливими: Регулярне спілкування з рекрутерами допомагає уточнити наш підхід.
• Довіра будується на прозорості: Чіткі пояснення сприяють довірі між кандидатами, рекрутерами та системою ШІ.

Наслідки для кандидатів

Для кандидатів новий прозорий підхід означає, що ви отримаєте чітке уявлення про те, чому ваша заявка була успішною або ні. Ці відгуки допоможуть вам зрозуміти свої сильні сторони та області для вдосконалення, роблячи процес найму менш лякаючим і більш конструктивним. Тепер ви можете підходити до майбутніх заявок з кращим розумінням того, як узгодити свої кваліфікації з вимогами роботи.

Наслідки для рекрутерів

Для рекрутерів ці вдосконалення означають, що ви можете надавати кандидатам конкретні відгуки, які ґрунтуються на даних, що призводить до більш поважного та інформативного процесу найму. Ця нова ясність не лише покращує досвід кандидатів, але й зміцнює вашу роль, дозволяючи вам більш ефективно обґрунтовувати рішення про найм перед зацікавленими сторонами.

Що далі?

Хоча ми досягли значних успіхів, ми усвідомлюємо, що шлях до повної прозорості в наймі за допомогою ШІ триває. Ми наразі моніторимо взаємодію користувачів з новими функціями та збираємо відгуки для подальшого вдосконалення. Крім того, ми досліджуємо способи впровадження реальних корективів на основі взаємодій кандидатів, забезпечуючи, щоб наш ШІ еволюціонував разом із потребами користувачів. Якби ми могли скасувати будь-яку зміну, це була б відсутність негайних пояснень на ранніх етапах; це урок, який ми не забудемо. ---