Miten tekoäly voi auttaa sinua houkuttelemaan ja palkkaamaan aliedustettua lahjakkuutta
Lue litterointi:
Kokeilemme podcastiemme litterointia ohjelmistolla. Anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole 100-prosenttisen tarkka.
Becca Banyard: Onko tekoäly avain osallistavamman työvoiman rakentamiseen? Jos on, miten löydämme herkän tasapainon tekoälyyn perustuvan tehokkuuden ja ihmisten tekemien päätösten välillä varmistaaksemme oikeudenmukaisuuden? Vai ovatko ihmisten päätökset aivan yhtä puolueellisia kuin tekoälyteknologiat?
Tervetuloa People Managing People -podcastiin. Tehtävämme on rakentaa parempi työelämä ja auttaa sinua luomaan onnellisia, terveitä ja tuottavia työpaikkoja. Olen juontajasi Becca Banyard.
Vieraanani on tänään DEI-asiantuntija Albrey Brown, joka toimii tällä hetkellä Joonkon strategiajohtajana ja New Yorkin pääjohtajana. Keskustelemme siitä, miten tekoälyteknologian käyttöönotto voi auttaa aliedustetun lahjakkuuden houkuttelemisessa ja palkkaamisessa. Kuuntele, niin opit rekrytoijien ja organisaatioiden nykyisistä haasteista, tekoälyn mahdollisuuksista vähentää ennakkoluuloja ja edistää monimuotoisuutta sekä todellisista esimerkeistä sen vaikutuksista. Pysy kuulolla!
Hei Albrey ja tervetuloa ohjelmaan. On hienoa saada sinut tänään vieraaksi.
Albrey Brown: Kiitos kutsusta.
Becca Banyard: Sukellamme aiheeseen, jossa käsitellään tekoälyn käyttöä aliedustettujen ryhmien houkuttelemiseen ja palkkaamiseen työpaikoilla. Ennen kuin aloitamme, haluaisin kuulla hieman enemmän sinusta. Voisitko kertoa taustastasi ja siitä, mitä teet Joonkolla?
Albrey Brown: Toki. Nimeni on Albrey Brown ja olen Joonkon strategiajohtaja. Päädyin tähän tehtävään siten, että ensimmäinen työni teknologia-alalla oli ohjelmistosuunnittelijana, ja kävin koodauksen intensiivikoulutuksen.
Sitä ennen minulla ei ollut lainkaan kokemusta koodauksesta. Kokemus oli minulle niin uskomaton, että päätin perustaa oman koodauskoulutuksen. Se oli suunnattu erityisesti naisille ja värillisille ihmisille. Olen siis aina ollut kiinnostunut varmistamaan, että aliedustetuilla ihmisillä on pääsy mahdollisuuksiin.
Perustin koodauskoulutuksen, ja sillä meni todella hyvin. Opetimme noin 450 ihmistä koodaamaan, ja suurin osa heistä sai työpaikan alalta. Myöhemmin myin koulutuksen suuremmalle koodauskoulutukselle ja ryhdyin sen monimuotoisuus- ja osallisuusjohtajaksi. Tämä tapahtui vuonna 2013, jolloin DEI:stä oli juuri tullut merkittävä aihe teknologia-alalla. Ajattelin, että ryhdyn taas yrittäjäksi ja perustan yrityksen, mutta kokeilen ensin tätä monimuotoisuus- ja osallisuustyötä jonkin aikaa.
Jokin aika venyi kahdeksaksi vuodeksi. Johdin monimuotoisuutta ja osallisuutta neljässä eri yrityksessä, ja rakastin sitä. Pidin siitä, että sain edustaa yrityksiä ja niiden ajatuksia siitä, miten varmistetaan, että aliedustetut ihmiset otetaan tervetulleina mukaan sekä demografisesta että osallisuuden näkökulmasta.
Viimeisimmässä tehtävässäni DEI-johtajana pienessä Airtable-nimisessä startup-yrityksessä tutustuin Joonkoon ja tapasin sen perustajan Ilit Razin. Idea teki minuun valtavan vaikutuksen. Joonkolla yhdistämme yrityksiä aliedustettuihin ehdokkaisiin, jotka ovat hiljattain päättäneet haastatteluprosessin toisessa verkostoomme kuuluvassa yrityksessä.
Kuvitellaan, Becca, että haet Intuitilla, joka on yksi asiakkaistamme, markkinointijohtajan tehtävää ja pääset viimeiseen vaiheeseen. He päätyvät kuitenkin valitsemaan jonkun muun. Ei siksi, ettet olisi ollut loistava, vaan koska haastatteluprosessit toimivat niin. Viimeiseen vaiheeseen päätyy useita loistavia ihmisiä, joista voi valita vain yhden.
Sen sijaan että he hylkäisivät sinut, he ohjaavat sinut Joonkolle ja sanovat: “Pidimme sinusta todella paljon. Olit mielestämme erinomainen ehdokas, ja haluamme olla mukana urasi matkalla.” He ohjaavat sinut meille, rekisteröidyt Joonkoon, ja me ohjaamme sinut vastaaviin tehtäviin samanlaisissa yrityksissä, jotta löydät työpaikan nopeammin.
Tiedät, että nämä yritykset ovat sitoutuneet monimuotoisuuteen ja osallisuuteen, koska ne etsivät aliedustettuja ehdokkaita. Tämä ajatus teki minuun valtavan vaikutuksen: yritys voi muuttaa aliedustetun ehdokkaan torjunnan mahdollisuudeksi ja yritysten välisen kilpailun yhteistyöksi.
Tapasin perustaja Ilitin, tutustuin ideaan ja jäin koukkuun. Yritin jatkuvasti löytää tapoja liittyä yritykseen. Olin jonkin aikaa neuvonantajana, annoin neuvoja tuotteesta ja kohderyhmästä, ja päädyin strategiajohtajaksi. Olen toiminut tässä tehtävässä nyt noin vuoden.
Tässä oli hieman minusta.
Becca Banyard: Kiitos paljon, että kerroit. Taustasi kuulostaa todella vaikuttavalta, ja olet saanut työskennellä niin monien hienojen yritysten kanssa. Joonko kuulostaa ainutlaatuiselta ja todella kiinnostavalta organisaatiolta.
Sukelletaan nyt aliedustettujen ryhmien palkkaamisen ja houkuttelemisen tilanteeseen. Millaisia nykyisiä haasteita rekrytoijat, esihenkilöt ja organisaatiot kohtaavat näiden ryhmien houkuttelemisessa ja palkkaamisessa?
Albrey Brown: Suurin haaste piilee sanassa aliedustettu. Aliedustettu tarkoittaa sitä, että esimerkiksi naiset ja värilliset ihmiset muodostavat lukumääräisesti pienemmän ryhmän kuin ihmiset, joita voisi pitää enemmistönä tai yliedustettuina.
Näen monimuotoisuuden ja osallisuuden haasteen kysynnän ja tarjonnan ongelmana. Tarjolla on yksinkertaisesti vähemmän esimerkiksi afroamerikkalaisia ohjelmistosuunnittelijoita, ja jokainen heitä palkata haluava yritys kysyy heitä. Ei vain siksi, että se on oikein, vaan siksi, että organisaatio, jossa aliedustetut ihmiset ovat edustettuina, on parempi.
Tästä on valtavasti tutkimustietoa. Yritykset kilpailevat siis kiivaasti aliedustetusta lahjakkuudesta. Asiakkaita puhutellessani ja aiemmin DEI-johtajana toimiessani olen huomannut, että vaikeinta on erottua joukosta. Miten yrityksestä tulee aliedustettujen ehdokkaiden haluttu työnantaja?
Miten yrityksestä tulee puheenaihe, kun naisten, värillisten ihmisten ja LGBTQIA+-yhteisöön kuuluvien yhteisöissä puhutaan paikoista, joissa halutaan työskennellä? Miten tätä ylläpidetään ajan kuluessa ja rakennetaan brändi, hakijapolku ja maine yrityksenä, johon ihmiset voivat tulla tuntemaan itsensä osallisiksi, saamaan yhdenvertaisia mahdollisuuksia ja menestymään?
Kilpailu tekee tästä pienemmästä lahjakkuusjoukosta kilpailemisesta erittäin vaikeaa. Se näkyy investoinneissa. Kymmenen vuotta sitten termi henkilöstön resurssiryhmä oli harvinainen. Nyt jokaisella tietyn kokoisella yrityksellä on sellaisia.
Jos et tunne henkilöstön resurssiryhmiä, ne ovat aliedustetuille ihmisille tarkoitettuja sisäisiä yhteisöjä, joissa he voivat verkostoitua. Kun ryhdyin DEI-johtajaksi, ne olivat vasta nousemassa esiin. Nyt ne ovat perustason vaatimus. Haastatteluprosessissa on ymmärrettävä, miten organisaatio tarjoaa resurssit näille ryhmille.
Tarvitaan myös monimuotoisuustavoitteita. Useimmissa organisaatioissa niitä ei ollut vielä 10–15 vuotta sitten, mutta nyt ne ovat perustason vaatimus. Yritysten on siis omaksuttava perustavanlaatuiset monimuotoisuus- ja osallisuuskäytännöt, kuten henkilöstön resurssiryhmät, monimuotoisuustavoitteet ja monimuotoisuusjohtaja, ja sen jälkeen löydettävä uusia tapoja erottua, koska kaikilla yrityksillä on nykyään nämä käytännöt.
Se on useimmille yrityksille vaikeinta aliedustetun lahjakkuuden houkuttelemisessa.
Becca Banyard: Miten organisaatio voi siis erottua kilpailijoista aliedustettua lahjakkuutta houkutellessaan?
Albrey Brown: Se on vaikea kysymys, ja yritämme auttaa asiakkaita tässä jatkuvasti. Ensimmäinen asia on aitous.
Ehdokkaat haluavat työskennellä yrityksissä, jotka tuntevat itsensä ja arvonsa sekä ilmaisevat nämä arvot alusta alkaen. Palataan esimerkkiin. Becca, sinulla on omat arvosi, joiden haluat näkyvän yrityksessä, johon menet.
Oletan, että monimuotoisuus, yhdenvertaisuus ja osallisuus ovat yksi niistä. Entä jos yrityksellä ei ole monimuotoisuustavoitteita? Keskustelemme monien tällaisten yritysten kanssa. Yritys saattaa ajatella, ettei asiasta kannata puhua haastatteluprosessissa.
Jos ehdokas ei kuule asiasta lainkaan, aitouden puute luo hänelle kielteisen kokemuksen. Kannustamme yrityksiä, rekrytoijia ja rekrytointijohtajia puhumaan asiasta suoraan ja rehellisesti: “Meillä ei vielä ole monimuotoisuustavoitteita, mutta teemme seuraavaa.”
Voimme esimerkiksi sanoa, että pyrimme ensin ymmärtämään organisaatiomme demografista rakennetta ja että johtomme haluaa selvittää, millaiset tavoitteet tuottaisivat todellisen vaikutuksen. Keskustelun johtaminen aidosti on ensimmäinen asia. Toiseksi tarvitaan luovuutta ja halua investoida.
Yksi haaste on se, että yritykset haluavat välittömiä tuloksia. Ne menevät konferenssiin, kuten naissukupuoleen identifioituville ohjelmistosuunnittelijoille tarkoitettuun Grace Hopper -konferenssiin. Ne käyttävät konferenssiin 30 000 dollaria ja saavat kolme palkkausta.
Menestys mitataan sanomalla, että saimme vain kolme palkkausta. Sen sijaan pitäisi nähdä kumppanuus investointina: saimme tänä vuonna kolme palkkausta, mutta miltä ensi vuosi ja sitä seuraava vuosi näyttävät, kun alamme rakentaa brändipääomaa konferenssissa? Kärsimättömyys uusiin kanaviin investoitaessa koituu yritysten tappioksi.
Joonkolla ohjelmiston tai työpaikkailmoituspaikan käyttöön sitoudutaan yleensä kuukaudeksi. Me pyydämme yrityksiä sitoutumaan vuodeksi, jotta ne näkevät tuotteemme eksponentiaalisesti kasvavan arvon ajan mittaan.
Ensimmäisen kuukauden aikana ei saada kymmentä loistavaa ehdokasta, koska algoritmimme ja verkostomme on mukautettava meille annettuihin tehtäviin. Kolmantena, neljäntenä, kuudentena ja yhdeksäntenä kuukautena alat nähdä, miten investointi kanavaan alkaa kasvaa.
Jos investoinnin arvo kasvaa kanssamme eksponentiaalisesti, kannattaa miettiä muita kanavia, joista ehkä luovuitte liian aikaisin. Jos olisit käyttänyt hieman enemmän aikaa ja vaivaa ymmärtääksesi, miten kanava kasvaa, siitä olisi voinut 18 kuukauden kuluttua tulla erinomainen kanava aliedustetulle lahjakkuudelle. Yksittäinen kumppanuusmahdollisuus ei ehkä aluksi näyttänyt yhtä hyvältä kuin muut rekrytointikanavat.
Kyse on siis kärsivällisyydestä ja aitoudesta. Kolmanneksi mainitsisin luovuuden. Aliedustetun lahjakkuuden houkuttelemisessa on kokeiltava luovia tapoja. Yhteisöihin voi mennä ilman aikomusta palkata, tavata ihmisiä siellä missä he ovat ja keskustella heidän kanssaan.
Voi esimerkiksi tarkastella ansioluetteloita paikallisissa korkeakouluissa ja selvittää, keitä huoneessa on. Luovuus auttaa ajattelemaan laatikon ulkopuolelta ja löytämään halutut ehdokkaat, jotta saat yrityksesi nimen heidän puheisiinsa, vaikka se ei johtaisikaan heti suoraan palkkaukseen.
Becca Banyard: Erityisesti viimeinen kohta, luovuus, on hieno. Se kuulostaa siltä, että kiinnostutaan ihmisistä, jotka ovat aliedustettuina tai ehkä erilaisia kuin itse, ja opitaan, keitä he ovat ja mitä he tarvitsevat.
Haluaisin nyt siirtyä tekoälyn yksityiskohtiin. Millainen rooli tekoälyllä voi mielestäsi olla ennakkoluulojen vähentämisessä ja monimuotoisuuden ja osallisuuden edistämisessä rekrytointiprosessissa?
Albrey Brown: Se on hyvä kysymys, koska yleensä kysytään päinvastaista. Tekoäly on hyvin laaja aihe. Puhumme luonnollisen kielen käsittelystä ja suurista kielimalleista, jotka on koulutettu ihmisten luonnostaan puolueelliseen tietoon ja käyttäytymiseen.
Kaikkeen käyttämäämme teknologiaan, myös tekoälyyn, sisältyy siis ennakkoluuloja. Joonkolla käytämme luonnollisen kielen käsittelyä aliedustettujen ehdokkaiden ja avoimien tehtävien yhdistämiseen. Tarkastelemme ansioluetteloasi ja tehtävää, johon juuri haastattelit, ja yhdistämme sinut parhaiten sopivaan yritykseen ja tehtävään. Käytämme tekoälyä siis tilaisuuden laajentamiseen aliedustetuille ihmisille.
Laajemmin ajatellen rekrytointiprosessiin on sovellettu useita hienoja tekniikoita, jotka tekevät siitä osallistavamman. Yksi vähemmän ilmeinen mutta yksinkertainen esimerkki on tekstitys. Videohaastattelujen tekstitys auttaa huonokuuloisia tai neuroepätyypillisiä ihmisiä lukemaan, mitä haastattelussa sanotaan.
Useimmat eivät ajattelisi, että se vähentää ennakkoluuloja tai tekee prosessista osallistavamman. Kun sen selittää, huomaa kuitenkin, että näin on. Tekoäly kuuntelee ääntä ja muuttaa sen tekstiksi. Kun sitä käytetään haastattelussa, useampi ihminen voi osallistua, koska lukeminen on mahdollista kuuntelemisen sijaan.
Toinen esimerkki ovat työpaikkailmoitukset. Ne ovat luonnostaan puolueellisia: kieli voi kutsua henkilöä esimerkiksi rocktähdeksi tai ninjaksi, ja vaatimuksia voi olla liikaa. Usein siteerataan tutkimustietoa, jonka mukaan naiset hakevat työpaikkoja, joihin he sopivat täydellisesti, kun taas miehet hakevat työpaikkoja, joihin he sopivat 60-prosenttisesti.
Textio on erinomainen tuote, joka auttaa yrityksiä kirjoittamaan työpaikkailmoituksista osallistavampia. Se voi ilmoittaa, että työpaikkailmoituksessa on yhdeksän vaatimusta ja kysyä, voisiko määrän vähentää kuuteen. Ilmoitukseen voi lisätä tekstin: “Vaikka et täytä kaikkia vaatimuksia, hae tehtävää.” Näin rohkaistaan epävarmempia hakijoita. Ilmoituksesta voidaan myös poistaa sukupuolittuneet ilmaukset, kuten “hän” mieheen viittaavana.
Nämä ovat yksinkertaisia tapoja, joilla tekoälyä on käytetty työpaikkailmoitusten kielen muuttamiseen. Viimeinen esimerkki liittyy haastatteluihin. Tämä on kiistanalainen alue, koska jotkin videohaastatteluohjelmistot käyttävät kasvojentunnistusta arvioidakseen, sopiiko henkilö tehtävään.
Oma näkemykseni on, että näihin liittyy runsaasti ennakkoluuloja. Kasvojen ilmeeseen tai äänensävyyn perustuvaa ilmaisua voivat tulkita väärin sekä ihminen että tekoäly. Ajattelen esimerkiksi sitä, miten mustia naisia kuvataan työpaikoilla. On kuitenkin olemassa työkaluja, jotka arvioivat haastattelijaa eli haastattelun suorittavaa henkilöä.
Yksi mieleen tuleva työkalu on Hireguide. Se arvioi, onko haastattelija esittänyt samat kysymykset eri haastatteluissa, antanut riittävät vastaukset yleisiin kysymyksiin ja käyttänyt haastateltavan kannalta osallistavaa kieltä ja käytäntöjä.
Tekoälyn hyödyntämisessä on siis vähemmän kyse teknologiasta ja enemmän sen soveltamisesta. Mihin teknologiaa käytämme? Arvioimmeko ehdokkaita? Silloin on oltava erittäin varovaisia. Jos käytämme sitä yritysten arvioimiseen, voimme ehkä alkaa vähentää eriarvoisuutta.
Ehdokas on aina vähemmän puolueellinen kuin yritys, koska yrityksillä on valta. Jos käytämme teknologiaa ehdokkaiden mahdollisuuksien määrän kasvattamiseen ja yritysten osoittamien ennakkoluulojen vähentämiseen, tekoälyn laajamittainen käyttö voi alkaa ratkaista rekrytoinnin epätasapainoa.
Becca Banyard: Tämä on todella hyvää. Liikutuin hieman jo alussa, kun puhuit niin pieneltä vaikuttavasta asiasta kuin tekstityksestä. Ihmiselle, joka ei tarvitse tekstitystä, se saattaa vaikuttaa pieneltä, mutta sitä tarvitsevan ihmisen elämässä vaikutus voi olla valtava. Pienetkin muutokset ovat siis tärkeitä.
Tiedämme, että tekoälyllä on rajoituksensa ja ennakkoluuloja. Miten tasapainottaisit tekoälyn käytön tehokkuuden ja osallisuuden vuoksi samalla, kun varmistetaan ihmisten harkinnan ja päätöksenteon mukanaolo syrjivien lopputulosten välttämiseksi?
Albrey Brown: Tämä on suuri kysymys, jota pohditaan sekä organisaatioissa että laajemmin työelämässä.
Ennen lähetystä puhuimme New Yorkin äskettäin hyväksymästä paikallislaista 144, joka keskittyy rekrytoinnin ennakkoluulojen vähentämiseen. Se velvoittaa yritykset tarkastamaan kaiken tekoälyä hyödyntävän rekrytointiteknologian. Yksinkertaistettuna yrityksen on pyydettävä käyttämältään toimittajalta raportti siitä, miten teknologia tekee demografiaan perustuvia päätöksiä.
On selvitettävä, kuinka moni nainen ja värillinen henkilö seuloutuu prosessissa mukaan tai ulos, ja verrattava näitä ryhmiä toisiinsa, jotta nähdään, kohteleeko teknologia jotakin ryhmää puolueellisesti. Ensimmäinen tasapainottamisen keino, olipa kyse lahjakkuuksien hankinnan johtajasta, henkilöstöjohtajasta tai teknologiasta rekrytoivasta henkilöstä, on siis auditointi. Kysy käyttämiltäsi toimittajilta, miten teknologia toimii eri tavalla eri kokemuksista ja taustoista tuleville ihmisille ja voivatko he tuottaa raportin.
Voit kysyä, näetkö datan, joka osoittaa, etteivät nämä epätasapainot näy ohjelmistossa, ja jos näkyvät, miten ne korjataan ajan mittaan.
Tästä tulee onneksi pian laki, ja laki leviää nopeasti. Yritysten on joka tapauksessa tehtävä tämä. Teknologian hyödyntämisessä auditointi on siis erittäin tärkeää. Toinen asia on viestintä. Tekoälyä on käytetty rekrytoinnissa jo pitkään.
Käytännön esimerkki: useimmat hakijaseurantajärjestelmät seulovat hakijan automaattisesti mukaan tai ulos ansioluettelon avainsanojen perusteella. Tämä on hyvin tunnettu käytäntö. Ehdokkaat osaavat nykyään käyttää ChatGPT:tä sen ohittamiseen. Mutta kyse on tekoälystä.
Ero tämän käytännön ja esimerkiksi kasvojentunnistuksen välillä on siinä, että ehdokkaat tietävät näistä käytännöistä nykyään. Heille on kerrottu, että robotti suorittaa seulonnan. He voivat mukauttaa toimintaansa ja parantaa mahdollisuuksiaan päästä ihmisen arvioitavaksi.
Samaa käytäntöä pitäisi soveltaa kaikkeen muuhun teknologiaan. Ehdokkaille pitäisi kertoa, että teknologiaa käytetään, että se on auditoitu ja mitä auditoinnissa havaittiin sekä miksi teknologiaa käytetään. Tämä rakentaa luottamusta ehdokkaiden ja rekrytointitiimien välille.
Se varmistaa myös, että ehdokkaiden ja rekrytoijien välinen viestintä pitää toimittajat vastuussa teknologian kehittämisestä ajan mittaan. Kolmas asia on mielestäni se, että on tunnustettava ennakkoluulojen olemassaolo teknologiasta riippumatta. Tekoäly ei todellakaan ole täydellinen järjestelmä.
Amazonin esimerkki on tunnettu. Amazon rakensi vuonna 2016 suuren kielimallin ansioluetteloidensa perusteella ja pyysi sitä kertomaan, kuka olisi hyvä ohjelmistosuunnittelija. Ajan mittaan huomattiin, että kun järjestelmään kirjoitettiin naisen nimi, nainen sijoittui paljon alemmas kuin miehen nimi.
Järjestelmään syötettiin myös opiskelijayhdistysten nimiä. Henkilöt, joiden ansioluettelossa oli tällainen yhdistys, sijoittuivat ohjelmistosuunnittelijoina paljon alemmas kuin muut. Järjestelmä oli selvästi puolueellinen ja se romutettiin. Se on kuuluisa ennakkoluulojen esimerkki.
Mitä eroa on sillä ja sillä, että esihenkilö pyytää rekrytoijaa tarkastelemaan vain viidestä tietystä oppilaitoksesta tulevia ehdokkaita? Ennakkoluuloja on ollut jo ennen tekoälyä. Kun puhumme tekoälyn käytön ja ennakkoluulojen olemassaolon tasapainosta, samaa ajattelutapaa on sovellettava robotteihin, rekrytoijiin ja esihenkilöihin.
Työkalut eivät vieläkään tee päätöstä, vaan vaikuttavat siihen. Jos päätös perustuu jo valmiiksi puolueelliseen lähteeseen, puolueellisuus jatkuu riippumatta siitä, kuinka täydellistä tekoäly on.
Ihmiset osoittavat näitä ennakkoluuloja joka tapauksessa. Siksi samaa ajattelutapaa on sovellettava samanaikaisesti sekä robotteihin että ihmisiin.
Becca Banyard: Mainitsit, että hakijoiden seulontaohjelmistoja on käytetty melko vakiintuneesti jo vuosia. Mitä uusia tekoälytyökaluja yritykset ja henkilöstöosastot alkavat käyttää useammin?
Albrey Brown: Aloitetaan hankinnan näkökulmasta. Kun haluat löytää lahjakkuutta, siihen on muutama tapa.
Ehdokkaiden tavoittaminen on yksi parhaista tavoista. Ehdokaslähteiden hankintaohjelmisto, jossa saa käyttöönsä suuren tietokannan, jota voi suodattaa ja jonka ehdokkaille voi lähettää viestejä, on ollut tekoälyn yleisin käyttötapa. Tekoälyllä etsitään parhaat ehdokkaat, suositellaan ehdokkaita aiempien hakujen perusteella koneoppimisen avulla ja kirjoitetaan suurten kielimallien avulla viestejä ehdokkaille automaattisesti.
Tekoäly on siis alkanut automatisoida joitakin lahjakkuuksien hankinnan toistuvia prosesseja. Datan ja analytiikan puolella voidaan ottaa hakijaseurantajärjestelmästä kaikki data, kuten sadattuhannet hakijat, ja analysoida, ketkä ovat menestyneet, ketkä eivät, ketkä ovat rajatapauksia ja miten haastatteluprosessin läpi menestyvien ehdokkaiden määrää voidaan kasvattaa.
Tähän käytetään koneoppimista ja luonnollisen kielen käsittelyä. Kolmantena ovat haastattelut. Kasvojen- ja äänentunnistuksen päälle rakennetaan esiseulontamenetelmiä: ehdokkaalle annetaan arviointi tai kysymys, johon hän vastaa.
Tämä on suosittua myyntitehtävissä. Ehdokas voi vastata asiakaskysymykseen, minkä jälkeen analysoidaan hänen äänensävyään, ilmeitään ja muita asiakaspuheluun liittyviä asioita sen arvioimiseksi, sopiiko hän tietynlaisille asiakkaille tai puheluihin.
Joonko on ainutlaatuinen, koska käytämme kolmea tekoälyksi luokiteltavaa toimintoa. Automatisoimme sen ymmärtämisen, onko henkilö hylätty viimeisessä vaiheessa. Kutsumme hänet automaattisesti Joonkon verkostoon ja yhdistämme hänet automaattisesti toiseen tehtävään, ilman että rekrytoijan tarvitsee tehdä mitään.
Rekrytoijan ei tarvitse ohjata häntä meille eikä etsiä häntä poolistamme. Hän vastaanottaa Joonko-ehdokkaan, innostuu ja palkkaa hänet. Käytämme myös koneoppimista ymmärtääksemme, milloin ehdokkaat katsovat heille lähettämiämme tehtäviä, jotta voimme tarjota ajan mittaan parempia suosituksia.
Lisäksi käytämme luonnollisen kielen käsittelyä tarkastelemaan ansioluettelon ja aiemman haastattelutehtävän avainsanoja, jotta voimme lähettää ehdokkaan oikeaan yritykseen ja tehtävään, jossa hänellä on hyvät mahdollisuudet selviytyä haastatteluprosessista.
Rekrytointiprosessin jokaisessa vaiheessa nähdään siis paljon tekoälyyn liittyvää innovaatiota.
Becca Banyard: Onko sinulla muita menestystarinoita organisaatioista, jotka ovat käyttäneet tekoälyä rekrytoinnissa houkutellakseen enemmän aliedustettuja ryhmiä?
Albrey Brown: On. Gem-niminen yritys tarjoaa hankintatuotteen, jolla voi hallita kaikkia tavoiteltavia ehdokkaita. Se on eräänlainen ehdokkaiden hallintaohjelmisto. He julkaisivat hiljattain tuotteen, jonka avulla kaikki parhaillaan tavoiteltavat ehdokkaat voi nähdä demografian mukaan ja sen perusteella, miten he julkisesti identifioituvat.
Jos LinkedIn-profiilissa on esimerkiksi pronominit she/her, järjestelmä voi päätellä, että henkilö saattaa identifioitua naiseksi. Lahjakkuustiimit käyttävät työkalua ymmärtääkseen kaikkien tällä hetkellä tavoiteltavien ihmisten demografian ja suunnitellakseen, miten näitä lukuja voidaan tulevaisuudessa kasvattaa tai pienentää.
Jos viimeisen kuukauden aikana tuhannesta ehdokkaasta vain 20 on ollut naisia, voidaan ryhtyä toimiin määrän nostamiseksi 25:een, 30:een tai 50:een. Työkalu ei auta aktiivisesti kasvattamaan yhteydenottoon saatujen aliedustettujen ehdokkaiden määrää samalla tavalla kuin Joonko.
Se on enemmänkin tekoälyä hyödyntävä tilannekuvatyökalu, joka auttaa yrityksiä ymmärtämään tilanteensa ja tekemään investointeja reaaliajassa. Se on erittäin tehokas ja ainutlaatuinen lahjakkuuksien hankinnan työkalu.
Becca Banyard: Olemme pian lopettelemassa. Onko sinulla vielä neuvoja henkilölle, joka haluaa käyttää tekoälyä aliedustettujen ehdokkaiden houkuttelemiseen ja palkkaamiseen sekä monimuotoisuuden, yhdenvertaisuuden ja osallisuuden lisäämiseen organisaatiossa?
Albrey Brown: Neuvoni on: kokeile. Se kuulostaa yksinkertaiselta, mutta erityisesti monimuotoisuuden, osallisuuden ja yhdenvertaisuuden kohdalla johtajat pelkäävät kokeilla, koska he eivät halua tehdä virhettä, sanoa väärää asiaa tai investoida väärään ratkaisuun.
Se synnyttää muna-kana-ongelman. Jos pelkäät investoida kumppanuuteen, ostaa uutta teknologiaa tai kokeilla sitä, on vaikea selvittää, mikä toimii sinulle.
DEI-teknologiamarkkinat ovat olleet olemassa vasta noin viisi vuotta. Kaikki ratkaisut ovat uusia ja valmiita vastaanottamaan palautettasi. Ne voivat myös antaa etumatkaa muihin kilpaileviin yrityksiin nähden.
Nyt on oikea aika kokeilla toimittajia ja uusia kumppanuuksia, rakentaa suhteita ja tarjota rekrytoijille valmiudet, joita he tarvitsevat demografisen monimuotoisuuden, neuromonimuotoisuuden ja muiden työntekijöille tärkeiden asioiden kehittämiseen.
Kokeile siis. Paras tapa on asettaa ajallinen rajaus: kolmen kuukauden pilotti, kuuden kuukauden pilotti tai vuoden pilotti. Tavoitteena ei ole täydellisyys vaan edistyminen. Sama pätee monimuotoisuuteen ja osallisuuteen yleensä.
Organisaatio ei tule koskaan olemaan täydellisen monimuotoinen. Monimuotoisuutta kohti edetään jatkuvasti. Vielä yksi Joonko-maininta: Joonko on nimetty ensimmäisenä Mount Everestille kiivenneen naisen mukaan. Nimi valittiin tarkoituksella, koska monimuotoisuus ja osallisuus ovat kuin vuorelle kiipeämistä.
Aina kun tuntuu, että huippu on saavutettu, edessä on vielä lisää matkaa. Näin tulee aina olemaan. Tämän ajattelutavan soveltaminen monimuotoisuuteen, osallisuuteen, tuotteisiin ja työkaluihin on johtajille erittäin hyödyllistä.
Becca Banyard: Pidän tuosta todella paljon.
Kysyn kaikilta vierailtani kaksi kysymystä. Haluaisin kuulla näkemyksesi ennen kuin päästän sinut menemään. Mikä mielestäsi pitää työntekijät ennen kaikkea tyytyväisinä työpaikalla?
Albrey Brown: Voinko sanoa raha? Ei, vitsailen.
Palaan aitouteen. Työelämä on vaikeaa ja yhteistyö on vaikeaa. Joskus liiketoiminta ei suju niin hyvin kuin pitäisi, mutta rehellisyys siitä, mitä tapahtuu ja miksi, auttaa ihmisiä tietämään, mitä on tulossa, rentoutumaan ja mahdollisesti olemaan onnellisia.
Becca Banyard: Mitä sinä itse tarvitset menestyäksesi johtajana?
Albrey Brown: Luottamusta. Se on eri asia kuin luotettuna oleminen. Minun on luotettava siihen, että johtoni pitää minut vastuullisena. Minun on luotettava organisaationi ihmisiin ja siihen, että kun päätämme jostakin, teemme päätöksen tai ryhdymme toimeen, kaiken perustana on luottamus. Meidän on vain luotettava toisiimme niin hyvinä kuin huonoinakin aikoina.
Loppujen lopuksi, mitä muutakaan meillä on?
Becca Banyard: Albrey, kanssasi on ollut suuri ilo keskustella. Kiitos paljon, että olit mukana ohjelmassa. Jos ihmiset haluavat olla yhteydessä sinuun, seurata työtäsi tai ottaa sinuun yhteyttä, missä se onnistuu?
Albrey Brown: Minua voi seurata LinkedInissä nimellä Albrey Brown ja Twitterissä tunnuksella @albreybrown. Muuten minut tavoittaa Joonkolta. Kiitos, Becca. Tämä oli uskomaton keskustelu. Arvostan mahdollisuutta osallistua ohjelmaan ja odotan seuraavaa kertaa.
Becca Banyard: Hienoa. Kiitos vielä kerran, ja kiitos kaikille kuuntelijoille, että olitte mukana. Jos haluat pysyä ajan tasalla HR:ään ja johtajuuteen liittyvistä aiheista, siirry osoitteeseen peoplemanagingpeople.com/subscribe ja liity uutiskirjeyhteisöömme.
Ensi kertaan, hyvää päivänjatkoa!



