Barb Hyman, المؤسسة والرئيسة التنفيذية لشركة Sapia.ai – سلسلة مقابلات

Barb Hyman، المؤسسة والرئيسة التنفيذية لشركة Sapia.ai، هي قائدة أعمال ذات خبرة واسعة امتدت مسيرتها المهنية عبر القانون والاستشارات الإدارية والتسويق والتعلم والتطوير والموارد البشرية والتكنولوجيا. بدأت مسيرتها كمحامية في شركة Herbert Smith Freehills قبل الانتقال إلى الاستشارات مع Boston Consulting Group، حيث ارتقت إلى منصب قائد مشروع ثم عادت لاحقًا في أدوار عليا تشرف على التعلم والتطوير والموارد البشرية والتسويق عبر أسترالاسيا. كما شغلت هيمان منصب رئيسة التسويق والرعاية في متحف الفن المعاصر في سيدني ومديرة عامة تنفيذية للموارد البشرية والثقافة في REA Group. أسست Sapia.ai في عام 2018، مستندة إلى خبرتها في القيادة التنظيمية وإدارة المواهب لإعادة التفكير في كيفية تقييم الشركات وتوظيف الأشخاص باستخدام الذكاء الاصطناعي.

Sapia.ai هي شركة تكنولوجيا توظيف مدعومة بالذكاء الاصطناعي تركز على تقييم المرشحين بطريقة منظمة ومحادثية. يستخدم منصتها مقابلات تعتمد على الدردشة لتقييم المرشحين بشكل ثابت وعلى نطاق واسع، مما يساعد أصحاب العمل على تقييم المهارات والملاءمة مع تقليل الاعتماد على فحص السير الذاتية التقليدي وإشارات أخرى قد تُدخل التحيز. تقول Sapia.ai إن تقنيتها قد قيمت أكثر من 10 ملايين مرشح وتجمع بين علم التقييم المنظم وذكاء المواهب المدعوم بالذكاء الاصطناعي، وتقديم ملاحظات شخصية للمرشحين، وتكاملات مع أنظمة تتبع المتقدمين والموارد البشرية القائمة. كما تؤكد الشركة على الشفافية والإنصاف والامتثال المؤسسي، حيث يمتد منصها الأوسع ليشمل مقابلات الذكاء الاصطناعي، وتحليل الوظائف، وجدولة المقابلات، وذكاء المواهب، وتوجيه مهني مدعوم بالذكاء الاصطناعي.

قبل تأسيس Sapia.ai، بنيت مسيرة مهنية شملت الاستشارات في Boston Consulting Group، والقانون، والتسويق، والتعلم والتطوير، وفي النهاية قيادة الموارد البشرية والثقافة في REA Group. ما هي التجارب من تلك الرحلة التي أقنعتك بأن عملية التوظيف تحتاج إلى إعادة التفكير جذريًا، وما المشكلة التي سعت إلى حلها أصلاً مع Sapaia.ai

الطريقة الحالية التي نقيم بها الأشخاص معطوبة — خاصة في التوظيف.

نحن نعتمد على السير الذاتية. لا نرى الشخص بالكامل. نتخذ أهم قراراتنا — من نعيّن، من نرقّي — بناءً على الحدس والوسائل البديلة. التوظيف المتطابق شائع جدًا: منذ متى أصبح المدرسة أو الجامعة التي حضرها الشخص وسيلة بديلة للذكاء؟ ليس كذلك. إنها وسيلة بديلة للميزة.

جزء من ذلك يتعلق بقصتي الشخصية. أنا مهاجر وأعلم أنني سقطت في فئة محظوظة من المهاجرين: أنا أبيض ولدي اسم يسهل على الناس نطقه. أتيت من عائلة لم يذهب أحد فيها إلى الجامعة؛ كان والدي صاحب متجر. ومع ذلك حصلت على فرص استثنائية وبعد خمس مسارات مهنية، ها أنا الآن. عندما أفكر في ملياري عامل في العالم، أفكر في عدد منهم الذين يمتلكون تمامًا المواهب والدافع والتفكير النقدي الذي نُسب إليّ، لكنهم لا يُرون أبدًا لأننا محجوبون بمنظور تجربتنا الخاصة. سُوء التحيز هو اختصار رائع لاتخاذ قرار سريع، وهذا بالضبط السبب في أن التوظيف يواصل مكافأة المستفيدين بالفعل. لم يشعر ذلك أبدًا بالإنصاف أو المنطق.

النصف الآخر من القصة جاء من الاستشارات. بعد حصولي على درجة الماجستير في إدارة الأعمال، انتقلت إلى عالم لا تدخل فيه إلى غرفة اجتماعات وتقدم توصية دون بحث حقيقي خلفها. ومع ذلك لا يزال أهم قرار تتخذه أي شركة (من ينضم، من يقود، من يشكل الثقافة) يُتخذ بناءً على الحدس، أو على وسيلة بديلة رقيقة كاسم الجامعة. الأشخاص ليسوا في الميزانية العمومية، لكن في الخدمات المهنية خصوصًا، هم الأصول. بدا هذا الانفصال غير منطقي بالنسبة لي.

السيرة الذاتية نفسها لم تتغير جذريًا منذ أن اخترع ليوناردو دا فينشي هذا الشكل. تُدرج ويكيبيديا أكثر من 180 تحيزًا بشريًا موثقًا. يُترك ثلث المتقدمين في أمريكا الشمالية الذين يكملون طلب وظيفة دون إجابة بعد شهرين. لا شيء من ذلك يُعد مشكلة مواهب: المواهب موزعة بالتساوي لكن الفرص ليست كذلك.

ما سعت إلى إصلاحه مع Sapia لم يكن مجرد قرار — بل كان نابعًا من تجربة البحث عن وظيفة. يضحك فريقي عليّ بسبب ذلك، لكنني دائمًا ما كنت أعتبر التوظيف كأنه مواعدة. إنها علاقة. ستقضي وقتًا أطول مع الأشخاص في عملك مقارنةً بشريكك. فلماذا تتخذ ذلك القرار بأقل من نفس الدقة — البيانات — التي نصرّ على استخدامها في كل قرار آخر مهم؟

لقد جادلت بأن معظم المنظمات تتعامل مع تبني الذكاء الاصطناعي كمشروع كفاءة عندما يجب أن يبدأ كمشروع ثقة. كيف يبدو “الثقة” عمليًا، وكيف ينبغي على الشركات قياسها إلى جانب المقاييس التقليدية مثل الإنتاجية، وتوفير التكاليف، والتبني؟

تعلمت ذلك كمسؤولة شؤون الموارد البشرية (CHRO): إذا لم تكن شفافًا بشأن سبب إحداثك للتغيير، فإن الثقة هي أول ضحية. وأعتقد أن معظم الشركات تعكس تبني الذكاء الاصطناعي. إنهم يقيسون مكسب الإنتاجية، مثل الساعات التي تم توفيرها، وتكلفة التوظيف، لكنهم لا يتوقفون أبدًا لقياس ما يحدد فعليًا ما إذا كان ذلك سيستمر: هل يثق موظفوكم في طريقة استخدامكم للذكاء الاصطناعي، ولماذا؟

الثقة هي أساس ثقافتك. إنها ليست مقياسًا ناعمًا يجلس بجانب المقاييس الحقيقية — بل هي ما تُبنى عليه المقاييس الحقيقية. فكر فيها كما تفكر في أي علاقة. الثقة العالية تمنحك درجات من الحرية. الثقة المنخفضة تجعل كل شيء أصغر، أقل طفوًا، أقل استرخاءً. ولا أحد يؤدي أفضل عمل له عندما لا يشعر بالأمان. المؤسسات ليست مختلفة.

ومع ذلك، فإن الكثير مما تم القيام به باستخدام الذكاء الاصطناعي في مكان العمل قد سلاح بيانات الأشخاص ضدهم، على سبيل المثال جمع بيانات وسائل التواصل الاجتماعي لشخص ما لاستنتاج ما إذا كان توظيفًا جيدًا، أو مخاطرة جيدة، أو مخاطرة سيئة. لا أستطيع حقًا تخيل الاجتماع الذي تم فيه اتخاذ ذلك القرار، أو كيف ظنّ أحد أن ذلك لن يفسد الثقافة في اللحظة التي يكتشف فيها الناس ذلك.

لذا إذا كنت جادًا بشأن تبني الذكاء الاصطناعي، يجب أن تكون الثقة مقياسًا من اليوم الأول، جنبًا إلى جنب مع الإنتاجية وتوفير التكاليف. اسأل الناس مباشرةً: هل تفهمون لماذا نستخدم هذا؟ هل تعتقدون أنه يُستخدم بشكل عادل؟ إذا لم تستطع الإجابة بنعم على كلا السؤالين، فإن مكاسب الكفاءة التي تحتفل بها مقترضة على ثقافة تنفقها بهدوء.

أحد أكبر المخاوف المتعلقة بالذكاء الاصطناعي في التوظيف هو أن النماذج قد تتعلم من بيانات التوظيف التاريخية وربما تعزز نفس التحيّات البشرية التي تحاول المؤسسات القضاء عليها. كيف يمكن للشركات منع الذكاء الاصطناعي من مجرد أتمتة تحيّات التوظيف القائمة، وما هي الضمانات التي يجب بناؤها في هذه الأنظمة من البداية؟

هذا هو الفخ الذي يغفل عنه معظم النقاشات حول الذكاء الاصطناعي في التوظيف والسبب الذي جعلني أبني Sapia بالطريقة التي فعلتها. إذا قمت بتدريب نموذج على بيانات التوظيف التاريخية (من تم توظيفه، من تم ترقيته، من حصل على أول مقابلة) فأنت لا تزيل التحيّز، بل تصنّعه. أنت تعلم آلة لتكرار كل قرار توظيف مرآتي، وكل قرار “ملاءمة ثقافية”، وكل اختصار يعتمد على الحدس الذي منحك القوة العاملة التي لديك الآن. هذا ليس ابتكارًا. هذا تحيّز على نطاق واسع، أسرع وبقشرة من الموضوعية تجعل من الصعب تحديه.

لذا يجب أن يبدأ الضمان أبعد من الخوارزمية. نحن لا ندرب على السيرة الذاتية، أو الصور، أو الأسماء، أو الجامعات، أو أي من المؤشرات التقليدية التي ترتبط بالامتياز بدلاً من الإمكانات. إذا كان الإدخال يحمل التحيّز، لا كمية من النمذجة الذكية في المراحل اللاحقة تصلحه. إنها مشكلة “القمامة تدخل، القمامة تخرج”، إلا أن القمامة هنا هي عقود من التحيّز البشري المتنكر في سيرة ذاتية.

الجزء الثاني هو ما تقيس النموذج ضده فعليًا. ليس كافيًا أن تقول “الذكاء الاصطناعي يعمل”، بل عليك اختبار الأثر السلبي باستمرار عبر الجنس، والعرق، والعمر، والإعاقة، وكل سمة محمية يمكنك قياسها بشكل مستمر، وليس كفحص مرة واحدة قبل الإطلاق. التحيّز ليس عطلًا تُصلحه مرة واحدة. إنه شيء يجب مراقبته باستمرار، كما تراقب أي نظام يتخذ قرارات ذات عواقب على حياة الناس.

والثالث — وهو ما يتغاضى عنه الناس — أنك تحتاج إلى عيون خارجية. تدقيقات مستقلة من طرف ثالث لنماذجك، منهجية منشورة، شفافية حقيقية حول ما يفعله النظام وما لا يفعله. إذا كنت مستعدًا فقط لتفحص أداة التوظيف بالذكاء الاصطناعي من قبل الأشخاص الذين بنوها ولهم دوافع مالية للدفاع عنها، فأنت لم تحل مشكلة الثقة فعليًا، بل نقلتها فقط.

“الخوارزمية هي التي فعلت ذلك” ليس عذرًا، بل إقرارًا بأنك لم تبنِ الضمانات في المقام الأول. تذكر، الذكاء الاصطناعي لا يزيل المسؤولية البشرية عن العدالة.

التوظيف هو تطبيق عالي المخاطر للذكاء الاصطناعي لأن الخوارزمية يمكنها أن تؤثر مباشرةً على مسار حياة شخص ما. أين يجب على المؤسسات أن ترسم الخط الفاصل بين القرارات التي يمكن أتمتتها وتلك التي يجب أن تظل دائمًا تحت إشراف بشري ذي معنى؟

الخط الفاصل الذي أرسمه هو هذا: يمكن للذكاء الاصطناعي أن يساعدك بالتأكيد على رؤية الشخص بوضوح أكبر، لكنه لا ينبغي أن يكون هو من يقرر مصيره بمفرده. هناك فرق حقيقي بين تعزيز قرار ما وتفويضه. التوظيف هو أحد الأماكن القليلة التي يؤدي فيها الخطأ في هذا التمييز إلى تغيير حياة شخص ما.

فأين يكسب الأتمتة مكانها؟ في إظهار الإشارات التي يفتقر البشر إلى رؤيتها باستمرار وبشكل عادل، على سبيل المثال قراءة آلاف ردود المقابلات دون تعب، دون يوم سيء، دون تفضيل غير واعٍ للمرشح الذي يذكرهم بأنفسهم في سن الخامسة والعشرين. هذا عمل يمكن للذكاء الاصطناعي أن يؤديه أفضل من مدير توظيف متعب في مقابلته الثامنة في اليوم. فحص المهارات الشخصية الحقيقية، هيكلة الرؤى بحيث يُقَيَّم كل مرشح وفقًا لنفس المعايير، هذا هو المكان الذي تضيف فيه الآلة قيمة حقيقية لأننا لسنا مبرمجين على أن نكون بهذا المستوى من الاتساق.

القرار النهائي — من يُوظَّف، من يُرفض، من يحصل على نظرة ثانية — يجب أن يكون بيد إنسان يمكن تحميله المسؤولية. ليس كختم مطاطي على ما ينتجه النموذج، بل إشراف حقيقي وذو معنى: شخص يفهم ما يقيسه النظام، يمكنه التشكيك في نتيجة تبدو خاطئة، ويمكنه تجاوزها. إذا لم يستطع الإنسان تحدي توصية الذكاء الاصطناعي بشكل ملموس، فليس ذلك إشرافًا بل عذرًا بشريًا.

سأضع حدًا أيضًا لأي شيء لا يمكن عكسه أو غير شفاف. إذا لم يستطع المرشح الحصول على تفسير مفهوم للسبب الذي لم يتقدم به، فإن النظام قد فشل بغض النظر عن مدى “دقته”. وإذا كان النموذج يتخذ قرارات لا يستطيع أحد في الشركة شرحها فعليًا — بما في ذلك الأشخاص الذين بنوه — فهذا ليس أداة توظيف، بل صندوق أسود يحمل مسار مهنة شخص ما بداخله. الاختبار الذي أقدمه لأي منظمة بسيط: هل يمكنك الجلوس أمام مرشح رفضته وتوضيح السبب بلغة واضحة؟ إذا كان الجواب الصادق هو “أنا لا أعرف فعلاً، النموذج قرر”، فقد أتممت أتمتة الجزء الخطأ من العملية.

Sapia.ai تميز بين الذكاء الاصطناعي التوليدي المستخدم للمحادثات المفتوحة وأنظمة أكثر حتمية تُستخدم لتقييم المرشحين. لماذا هذا التمييز مهم، خصوصًا عندما تحتاج مخرجات الذكاء الاصطناعي إلى الاتساق، والقابلية للتدقيق، والقدرة على الدفاع؟

الناس يسمعون كلمة “AI” ويفترضون أنها شيء واحد، لكن في مجال التوظيف هذا الدمج هو بالضبط المكان الذي تسوء فيه الأمور. نحن نقسم المهمة إلى جزأين عمدًا، لأن المحادثة المفتوحة والتقييم عالي المخاطر لهما متطلبات مختلفة تمامًا، وتظاهرهما كأنهما نفس التقنية هو ما يؤدي إلى حصول الشركات على أنظمة لا يمكنها شرحها أو الدفاع عنها أو الوثوق بها.

الذكاء الاصطناعي التوليدي رائع في طبقة المحادثة — حيث يتيح تبادلًا طبيعيًا وشبه بشري مع المرشح، ويسأل أسئلة متابعة جيدة، ويجعل التجربة تشبه محادثة بدلاً من استمارة. هنا تحتاج إلى المرونة، والدقة، وحتى قليل من عدم التنبؤ، لأن المحادثات الحقيقية ليست مكتوبة مسبقًا.

ولكن في اللحظة التي تنتقل فيها من التحدث إلى المرشح إلى تقييمه، يتغير كل ما تحتاجه من النظام. يجب أن يكون التقييم متسقًا: يجب أن يحصل الجواب نفسه على نفس التقييم سواء كان المرشح الأول أو المرشح الألف، سواء كان ذلك صباح الاثنين أو بعد ظهر الجمعة. يجب أن يكون قابلًا للتدقيق، مما يعني أنه يجب أن تكون قادرًا على الرجوع وإظهار السبب الدقيق الذي حصل به المرشح على النتيجة التي حصل عليها، وليس مجرد الثقة بأن النموذج “استنتج ذلك”. ويجب أن يكون مبررًا لأن سُبل عيش شخص ما تعتمد على تلك النتيجة، وعبارة “النموذج التوليدي شعر أن هذا كان جوابًا جيدًا” لا تُصمد أمام مراجعة منظم، أو صحفي، أو مرشح يرغب في معرفة سبب عدم حصوله على الوظيفة.

النماذج التوليدية بطبيعتها احتمالية — إذا طرحت نفس السؤال مرتين قد تحصل على مخرجات مختلفة بشكل طفيف. هذا يُعد ميزة للمحادثة ولكنه خطر جدي للتقييم. في Sapia، نستخدم أنظمة حتمية للجزء من العملية الذي يحدد فعليًا نتيجة الشخص. نحن نمذج حيث ينتج نفس المدخل دائمًا نفس المخرج، حيث يمكننا تتبع السبب، وحيث يمكننا إثبات أن مرشحين متشابهين يُعاملان على قدم المساواة.

إنها في الواقع فصل للمهام: دع الذكاء الاصطناعي التوليدي يتقن أن يكون شبيهًا بالإنسان، ودع الأنظمة الحتمية والقابلة للتدقيق تتحمل عبء القرار الذي يجب أن يكون عادلاً، قابلاً للتفسير، ومبررًا تحت التدقيق.

غالبًا ما يُناقش مفهوم الشفافية كمتطلب للذكاء الاصطناعي المسؤول، لكن العديد من النماذج المتقدمة لا يزال من الصعب على المستخدمين فهمها. إلى أي مدى يجب أن يتوقع المرشح أو الموظف شرحًا معقولًا عندما يؤثر الذكاء الاصطناعي على قرار التوظيف؟

أعتقد أن المرشحين يستحقون أكثر مما تقدمه معظم الشركات حاليًا، وبصراحة، أكثر مما تعتقد معظم الشركات أنها قادرة على تقديمه. عبارة “الخوارزمية قررت” هي اعتراف بالفشل مغطىً بالتصنّع.

هنا ما أؤكده: يجب أن يكون المرشح دائمًا قادرًا على فهم، بلغة واضحة، ما تم تقييمه عليه ولماذا وصل إلى النتيجة التي وصل إليها تقريبًا. ليس الرياضيات الأساسية، ولا طباعة أوزان النموذج. ما يرغبون فيه وما يستحقونه أقرب إلى ما سيقوله مدير جيد لهم وجهًا لوجه: هذه هي الصفات التي كنا نبحث عنها، هذا هو ما كنت قويًا فيه، وهذا هو ما لم يكن أقرب تطابقًا لك هذه المرة. هذا معيار معقول تمامًا، وأي نظام لا يستطيع تحقيقه لا ينبغي أن يتخذ قرارات بشأن سُبل عيش شخص ما في المقام الأول.

لذلك بالنسبة لنا، يجب أن تكون الشفافية مدمجة في الهندسة منذ اليوم الأول، لأنه لا يمكنك شرح ما لا يمكنك تتبعه.

ما سأعترض عليه قليلًا هو الفكرة القائلة بأن الشفافية تعني أن على المرشحين أن يكون لديهم تعليم تقني حول كيفية عمل النموذج. هذا معيار زائف، وغالبًا ما يُستَخدم كعذر عندما يكون السبب الحقيقي هو أن النظام لم يُصمم ليُشرح. الطبيب الجيد لا يشرح لك الكيمياء الحيوية للتشخيص؛ بل يخبرك بما وجده وما يعنيه لك. يجب أن يلتزم الذكاء الاصطناعي في التوظيف بنفس معيار الصدق القابل للقراءة البشرية.

الاختبار الحقيقي هو نفسه الذي أطبقه على الرقابة البشرية: هل يمكن للمرشح أن يسأل “لماذا لم أتقدم؟” ويحصل على إجابة محددة، صادقة، ومخصصة له؟ إذا لم يستطع الذكاء الاصطناعي لديك تقديم تلك الإجابة، فأنت لم تبنِ نظامًا شفافًا. لقد بنيت نظامًا تأمل ألا يطرحه أحد.

غالبًا ما تركز الشركات على ما إذا كان الموظفون والمديرون يستخدمون أداة الذكاء الاصطناعي، بدلاً من ما إذا كانوا يثقون فعليًا في مخرجاتها. ما هي العلامات التحذيرية التي تشير إلى أن المؤسسة قد حققت تبنيًا للذكاء الاصطناعي دون تحقيق ثقة حقيقية في التقنية؟

التبني هو أسهل مقياس يمكن تزويره، وهذا هو السبب بالضبط في أن العديد من الشركات تخطئ في اعتباره نجاحًا. إذا أخبرتك أن الجميع في الشركة “يستخدمون” أداة الذكاء الاصطناعي، فهذا لا يخبرك تقريبًا بأي شيء عن ما إذا كانوا يثقون بها — قد يعني ذلك فقط أنها إلزامية، أو أنها الطريق الأسهل، أو أن لا أحد وجد طريقة لتجاوزها بعد.

الإشارة التحذيرية الأولى هي سلوك الحلول البديلة. إذا كان الناس يستخدمون أداة الذكاء الاصطناعي لكنهم يواصلون بهدوء العملية القديمة بالتوازي — يتحققون يدويًا من مخرجاتها، يحتفظون بملاحظاتهم الخاصة، يشغلون نظامًا ظلًا تحسبًا لأي طارئ — فهذا يُعد امتثالًا لسياسة تأمين مرفقة. أرقام الاستخدام تبدو رائعة. الحقيقة هي أن الجميع يعتقد أن الأداة قد تكون خاطئة.

الإشارة الثانية هي الصمت. في ثقافة ثقة حقيقية، يتحدى الناس النظام عندما يبدو شيء ما غير صحيح: يطرحون أسئلة، يعترضون، يضعون علامة على النتائج التي لا تشعرهم بالرضا. عندما يكون التبني حقيقيًا لكن الثقة غير موجودة، تحصل على العكس. يتوقف الناس عن التساؤل لأنه قرروا أن الأمر لا يستحق الصراع. يُفسَّر هذا الصمت من قبل القيادة على أنه رضا. في الواقع هو استسلام.

الإشارة الثالثة هي الفجوة بين ما يقوله الناس في الاستطلاع وما يقولونه لبعضهم البعض. سأكون أكثر قلقًا بشأن شركة يكون فيها لوحة تبني رسمية خضراء في جميع الأقسام لكن الحديث الحقيقي في غرفة الاستراحة هو “نعم، نفعل ما تقوله لأنها أسهل من الجدال” — هذه ثقافة لم تتحول بعد.

وأعمق إشارة تحذيرية والأكثر أهمية بالنسبة لي: عندما يتوقف الناس عن إحضار حكمهم الخاص إلى الطاولة تمامًا. هذا تنازل. الثقة الحقيقية في أداة تعني أن الناس لا يزالون يشعرون بالتمكين للاعتراض عليها عندما تخبرهم خبرتهم بشيء مختلف — ويشعرون بالأمان للقيام بذلك. إذا أصبح مديروك صامتين ويعتمدون فقط على ما يقوله الذكاء الاصطناعي، فقد بنيت اعتمادًا.

لذلك الاختبار الحقيقي ليس “هل يستخدمه الناس” بل “هل سيختار الناس الاستمرار في استخدامه إذا كان اختياريًا، وهل سيخبرونك بصراحة عندما يخطئ”. معظم الشركات لم تسأل أيًا من هذين السؤالين فعليًا. هذا عادةً ما يكون الدليل.

يمكن لأدوات التوظيف بالذكاء الاصطناعي أن تقيم المرشحين على نطاق واتساق لا يستطيع المجندون البشر تحقيقهما، لكن التوظيف يتضمن أيضًا السياق والدقة. أين تعتقد أن الذكاء الاصطناعي يمكنه التفوق على الحكم البشري اليوم، وأين لا يزال البشر ضروريين؟

يمكن للذكاء الاصطناعي أن يكون أداة رائعة لتقييم مجموعة كبيرة من المرشحين بغض النظر عن خلفياتهم وتجاربهم، مع تقديم تقييم مخصص للمرشحين ذوي الاحتياجات الخاصة. قد يميل المجند البشري إلى تفضيل المرشحين من جامعة ذات تصنيف عالي أو الذين لا يعانون من حالات صحية سابقة. يقوم الذكاء الاصطناعي بإجراء تقييم عادل ومتساوٍ لجميع المرشحين بطريقة لا يستطيع البشر تحقيقها عندما يواجهون مئات الطلبات. ومع ذلك، لا يزال الحكم البشري ضروريًا لتقييم ما إذا كان المرشح سيتناسب مع ثقافة الشركة أو يفي بالمعايير المطلوبة من قبل العملاء.

مع تزايد دمج الذكاء الاصطناعي في التوظيف، التدريب، إدارة الأداء، وغيرها من قرارات القوى العاملة، كيف ينبغي هيكلة المساءلة عندما ينتج قرار مدعوم بالذكاء الاصطناعي نتيجة غير عادلة أو غير صحيحة؟

تظل المساءلة في الذكاء الاصطناعي عندما يكون البشر هم صانعي القرار النهائي بينما يتضمن سير عمل التوظيف الشفافية، القابلية للتفسير، واختبار التحيز الصارم. أطلقنا نموذج FAIR™ للمساعدة في تعزيز ممارسات الذكاء الاصطناعي المسؤولة. يوصي بـ:

• عدم التحيز: اختبار التحيز واستخدام المقاييس الإحصائية المناسبة — مثل قاعدة 4/5، تكافؤ معدل الخطأ، وغيرها من اختبارات التحيز ذات الصلة — للتحقق من أن النتائج عادلة.
• الصحة: الأدلة المدفوعة بالذكاء الاصطناعي تستند إلى بيانات فعلية ومربوطة بالنتيجة التي يُقصد توقعها.
• القابلية للتفسير: وجود وثائق واضحة وأدوات لتفسير النتائج، ما الذي حدده الذكاء الاصطناعي عن المرشح وكيف ساهم ذلك في درجته.
• الشمولية: يعني ذلك ضمان معاملة جميع المرشحين بعدل طوال العملية بأكملها، من التقديم حتى اتخاذ القرار. إنها نظرة شاملة لتجربة التوظيف — تشمل الأشخاص، العمليات، التكنولوجيا، والذكاء الاصطناعي المتعاون.

نظرة إلى المستقبل، هل تتوقع أن يصبح الذكاء الاصطناعي طبقة اتخاذ قرار أساسية داخل أنظمة الموارد البشرية، أم سيكون دوره الأهم هو الحوار، مساعدة المرشحين والموظفين على فهم الفرص بشكل أفضل، وتطوير المهارات، وتوجيه مساراتهم المهنية؟

حتى أكثر التقنيات تقدمًا تحتاج إلى اللمسة البشرية، الحكم البشري، والإشراف البشري. الذكاء الاصطناعي موجود لدعم العملية، وضمان حصول كل مرشح على فرصة عادلة ومتساوية للنظر في وظيفة. في Sapia، نحب أن نسمي ذلك “نهج الإنسان في الحلقة” حيث نجمع بين الذكاء البشري والآلي لإنشاء تجارب محادثة ذكية تنبؤية، مسؤولة وشخصية. للقيام بذلك، نضم عملائنا، لذا نتحقق باستمرار من الدقة والعدالة، مع تعليم نماذج الذكاء الاصطناعي لدينا لتتطور مع الوقت.

نهجنا البشري ينعكس أيضًا في ما نقدمه للمرشحين. أطلقنا مؤخرًا Phai، وهو مدرب مهني يعمل كمرشد، يقدم للباحثين عن عمل إرشادًا مخصصًا، ورسمًا لخريطات نقاط القوة، وإعدادًا للمقابلات لمساعدتهم على مواجهة فرصتهم التالية بثقة. إنه أداة إيجابية للحفاظ على تحفيز المرشح بعد نتيجة المقابلة.

شكرًا لكم على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Sapia.ai.