机器学习技术在招聘中有很多应用，无论是定向招聘广告、候选人简历筛选还是员工接班人规划。但这项技术并非没有挑战。
在这篇文章中，我们将概述机器学习是如何在人才招聘中使用的，它带来的好处，以及企业如何降低相关风险。
什么是机器学习?
简单地说:机器学习是人工智能(AI)的一种形式，它可以让计算机算法学会在高速下做出预测并从大量数据中建立联系。
机器学习解决方案，包括数据挖掘、机器人过程自动化和自然语言处理，不需要特定的编程。相反，机器被输入高质量、干净的数据，从而实现自动学习过程。
如今，人工智能和机器学习正在提升多个行业的工作效率，将许多曾经需要人工劳动的耗时任务自动化。在招聘方面，该技术的应用是广泛的。
招聘经理是如何在招聘中使用机器学习的?
在一个日益互联和数字化的世界，招聘团队可以访问大量有价值的候选人数据。但是收集、整理和分析这些信息以做出明智的招聘决定说起来容易做起来难。
人才招聘团队根本没有时间和资源来仔细审阅每个候选人的简历，针对被动的求职者，或定制工作描述。
但这就是机器学习的用武之地。有了这项技术，许多手工和重复的招聘操作可以自动化，为招聘专业人员留出时间，专注于更具战略意义的增值任务。
以下是机器学习技术在当今人才招聘过程中的一些应用……
1.工作广告
机器学习可以帮助招聘团队分析、撰写和发布招聘广告。例如，工具可以确定为什么某些职位比其他职位表现更好，或者建议招聘机构如何优化描述以吸引不同的候选人。
此外，该技术还可以用来识别合格的候选人，以便通过各种营销渠道(无论是在社交媒体网站还是在招聘公告栏)将他们作为目标。
2.简历筛选
的手动筛选候选人简历的过程既耗时又无效。招聘团队不太可能对他们审阅的每一份简历给予同等重视，无意识的偏见很容易潜入。
简历筛选工具可以快速筛选成千上万的简历入围候选人的申请具备所需的技能和经验。
3.候选人的评估
候选人预选工具使用机器学习算法和申请人数据来评估人才库中的候选人，以确定他们是否拥有软技能才能，才能和核心价值观在一个职位上取得成功。
这些解决方案可以帮助招聘机构快速识别高潜力的求职者，并对候选人进行相应的排名。
4.候选人参与
在寻找顶级人才的过程中，招聘机构必须像对待客户一样对待求职者。这需要提供一个无缝和高效的人才获取过程。
应聘者关系管理工具的作用是指导和通知应聘者的每一步，无论是自动化的面试和评估安排，还是24/7的帮助热线来回答问题和关注。
5.劳动力计划
在大量辞职和转移员工工作重心的情况下，许多公司都在担心技能差距和接班人计划。除了预测招聘需求，机器学习工具还可以帮助分析现有的劳动力，计算重要的指标，如雇佣成本或生产时间。
人工智能和机器学习在招聘过程中的好处和风险是什么?
与任何新技术一样，机器学习在招聘过程中有一系列的好处和风险:
机器学习在招聘过程中的好处
在招聘中使用机器学习有很多好处，包括……
1.有效候选人采购
首先，公司正在利用这些技术从庞大的候选人池中找出最佳候选人。没有机器学习工具在美国，顶尖人才很容易被忽视，做出错误招聘选择的可能性也会增加。
2.招聘的准确性
由于使用了客观数据并消除了人为错误，机器学习工具有望提高招聘准确率。
3.招聘效率
机器学习有望加快招聘周期的每一个阶段，快速撰写工作描述、筛选简历、评估候选人、安排评估和面试，并做出明智的招聘决定。
4.多样性和包容性
如果使用有效，机器学习有望取得进步招聘过程中的多元化和包容性举措．的实例无意识的偏见减少，申请人有平等的机会成功。
在招聘过程中与机器学习相关的风险
如果仔细实施和密切监控，机器学习有能力从根本上改变招聘流程。但是有几个重要的因素需要注意……
1.技术实施和采用
与任何新技术的实施一样，可以预期会出现一些初期问题。组织必须花时间选择一个合适的工具，确定它如何能最好地支持他们的招聘实践，并投资时间和资源来教育和培训将要使用它的工人。
2.机器学习的错误
没有任何工具是100%准确的，这意味着完全合格的候选人可能会在招聘过程中过早被淘汰。招聘机构必须权衡使用机器学习工具的利弊，允许错误的空间，并保持一定程度的人力投入，以减少错过顶级人才的可能性。
3.候选人下降
机器学习工具在招聘过程中提高了很多效率，在某些情况下，还增强了求职者的体验。然而，在管理候选人时，重要的是在部署人工智能工具和依靠传统的人际互动之间取得平衡。如果交流减少到与聊天机器人的互动，应聘者可能会对申请过程感到沮丧或失去兴趣。
4.无意识的偏见
最重要的是，要记住，机器学习工具和创造它们的人类一样有可能表现出无意识的偏见。招聘机构必须让自己了解算法偏见的影响，并采取措施消除它，以确保他们的招聘过程是公平的．
什么是算法偏差?
在招聘过程中，算法偏差是指机器学习系统犯系统性和重复的错误，从而产生不公平或歧视性的结果。其结果是，某些群体的人，通常是来自边缘社区的人，在征聘过程中处于不利地位。
可能是一种算法学会了在候选人筛选过程中歧视女性或少数族裔，将名字听起来像英语的简历列入候选名单，或者将高薪高管职位的男性候选人作为目标。
例如，2018年，亚马逊不得不淘汰一款人工智能(AI)招聘工具对女性的偏见．该工具最终意识到男性求职者比女性求职者更受欢迎，并开始对包含“女性求职者”一词的简历进行惩罚。
研究表明，在模仿人类决策时，算法将复制现实世界中存在的偏见。毕竟，机器学习算法经常从充满偏见和歧视的历史招聘数据中了解招聘成功的样子。
一项研究发现，Facebook上超市收银员职位的广告被展示给了85%的女性观众而出租车公司的职位则针对75%的黑人观众。
如何避免算法偏差
有几种方法可以解决和防止组织内部的算法偏差……
1.使用代表性数据源构建算法
如果一个算法被输入了历史招聘数据，它很快就会采纳一家公司无意识的偏见和歧视做法。
例如，如果一家公司的领导团队80%是白人和男性，算法可能会无意中偏向于相同性别和种族的候选人。
相反，招聘机构应该努力提供平衡和清洁的数据源，并专注于实施客观和可控的招聘流程，如候选人预选评估。
2.审查和改进算法
机器学习工具的一个基本特征是算法可以不断学习和改进。这意味着错误可以被处理和消除，算法偏差的实例可以减少。
当组织寻找合适的工具时，值得考虑那些监视性能并致力于持续改进算法的供应商。
3.删除那些持续存在无意识偏见的数据
由于招聘人员或招聘经理的无意识偏见很容易被传递到机器学习工具上，因此从简历和申请表中删除不相关的数据是值得的。
算法不需要姓名、地址、出生日期或地理位置等信息。
4.雇佣不同的团队来构建算法
多元化团队开发机器学习工具的可能性要小得多，这些工具会延续歧视性的招聘做法。
这些团队应该由技术专家和行为心理学家组成，他们可以很容易地识别可能渗透到工具中的偏见类型和需要考虑的最重要因素。
5.定期测试模型
组织必须确认技术正在执行它应该做的工作。除了提高效率、缩短招聘时间、改善候选人体验之外，该算法是否促进了多样性和包容性举措?
结论
近年来，机器学习取得了长足的进步，为招聘行业带来了诸多好处。
虽然技术可能会不断发展，并提供更多的机会，但招聘机构必须注意解决算法偏见，并不断检查他们的工具，以确保公平有效的招聘流程为所有。
