Why you should be using AI for hiring

અમે 19 જુલાઈ અને વર્ચ્યુઅલ રીતે 20 – 28 જુલાઈના રોજ ટ્રાન્સફોર્મ 2022ને રૂબરૂમાં પાછા લાવવા માટે ઉત્સાહિત છીએ. સમજદાર વાતો અને આકર્ષક નેટવર્કિંગ તકો માટે AI અને ડેટા લીડર્સ સાથે જોડાઓ. આજે નોંધણી કરો!


થોડા અઠવાડિયા પહેલા, VentureBeat એ “શા માટે તમારે AI નો ઉપયોગ ભાડે રાખવા માટે ન કરવો જોઈએ” શીર્ષકથી એક લેખ પ્રકાશિત કર્યો જેમાં દાવો કરવામાં આવ્યો હતો કે AI-આધારિત હાયરિંગ ટૂલ્સમાં ખામીઓ તેમને અન્યાયી બનાવે છે. બે દાયકાથી ભરતી ટેક સેક્ટરમાં કામ કરનાર વ્યક્તિ તરીકે અને AI-આધારિત હાયરિંગ પ્લેટફોર્મ કંપનીમાં સંશોધન અને પ્રોડક્ટ ઇનોવેશનના વડા તરીકે, હું તે વાર્તાનો કાઉન્ટરપોઇન્ટ ઑફર કરવા માંગુ છું.

વાર્તાના લેખક, કોડપાથ સીટીઓ નાથન એસ્ક્વેનાઝી, લોકો વિશેના ઊંચા દાવના નિર્ણયો માટે શા માટે AI સમસ્યારૂપ છે તેના પર કેટલાક મુખ્ય મુદ્દાઓ રજૂ કરે છે, જેમાં નીચેનાનો સમાવેશ થાય છે:

  • AI માં પૂર્વગ્રહનું જોખમ છે
  • AI ને તાલીમ આપવા માટે વપરાતો ડેટા પક્ષપાતી હોઈ શકે છે
  • તમે ફેન્સી AI વગર લોકોને નોકરી સાથે મેચ કરી શકો છો

આ મુદ્દાઓ પર, લેખક સંપૂર્ણપણે wro છે … ભૂલ, વાસ્તવમાં સાચું. સંપૂર્ણપણે સાચું. પરંતુ હું AI વિશે અમુક મુદ્દાઓને સ્પષ્ટ કરવા માંગુ છું કારણ કે તે યોગ્ય સંદર્ભમાં ખૂબ ઉપયોગી થઈ શકે છે.

સૌ પ્રથમ, આપણે “કૃત્રિમ બુદ્ધિ” શબ્દને અસ્પષ્ટ કરવાની જરૂર છે. જ્યારે આ વાક્ય 1950 ના દાયકામાં પ્રથમ વખત પ્રસિદ્ધિમાં આવ્યું, ત્યારે તે માનવ સમસ્યા-નિવારણની નકલ કરી શકે તેવા મશીનો બનાવવાના વધતા જતા પ્રયાસનો ઉલ્લેખ કરે છે. તે સંદર્ભમાં તે અર્થપૂર્ણ બન્યું, અને દાયકાઓમાં તેણે લોકપ્રિય કલ્પનાને કદાચ અન્ય કોઈપણ વૈજ્ઞાનિક ખ્યાલ કરતાં વધુ કબજે કરી છે. આ ટર્મિનેટર મૂવી ફ્રેન્ચાઇઝીએ અબજો ડોલરની કમાણી કરી છે, અને અલ્ટ્રાસ્માર્ટ AIના હોલીવુડના વિચારોએ અસંખ્ય યુવાન ઇજનેરોના માર્ગને આકાર આપ્યો છે જેઓ તેમને સિલ્વર સ્ક્રીન પરથી અને વાસ્તવિક દુનિયામાં લાવવા માટે કામ કરે છે. કોમ્પ્યુટર સાયન્ટિસ્ટ એસ્ટ્રો ટેલર કહે છે તેમ, “એઆઈ એ વિજ્ઞાન છે કે કેવી રીતે મશીનો તેઓ મૂવીમાં કરે છે તે કરવા માટે કેવી રીતે મેળવવી.”

આજે, “AI” શબ્દ એ તકનીકોની વ્યાપક શ્રેણીનો સંદર્ભ આપે છે જે વિવિધ પ્રકારના ડેટા પર પ્રક્રિયા કરે છે. જ્યારે આ તકનીકો કમ્પ્યુટરના રૂપકમાંથી ઉદ્દભવી છે જે માનવની જેમ “વિચારી” શકે છે, તે જરૂરી નથી કે તેઓ મગજની ક્ષમતાઓની નકલ કરવાનો પ્રયાસ કરે. તેથી ખરેખર, AI જે આપણી દુનિયાને સેલ્ફ-ડ્રાઈવિંગ કાર, મેડિકલ ઈમેજ અર્થઘટન અને ઘણું બધું સાથે બદલી રહ્યું છે, તે માત્ર આંકડાકીય વિશ્લેષણ કોડ છે. તે અસંરચિત, જટિલ અને અવ્યવસ્થિત ડેટાનો અર્થ કરી શકે છે જેની સાથે સહસંબંધ ગુણાંક જેવી પરંપરાગત પદ્ધતિઓ સંઘર્ષ કરે છે. અને તેથી ઉપયોગમાં લેવાતી મોટાભાગની AI તકનીકો વિશે ખાસ કરીને “કૃત્રિમ” કંઈ નથી, અને તમે તેમાંથી મોટા ભાગનાને તેમના પોતાના પર “બુદ્ધિશાળી” કહી શકતા નથી.

AI ના અદ્ભુત અને ડરામણા ભાગોમાંનો એક એ છે કે તે સંશોધકોને જટિલ ડેટાના વિશાળ સેટનો અભ્યાસ કરવાની અને વિવિધ એપ્લિકેશન્સમાં ઉપયોગ માટે તે ડેટાના અનુમાનિત પાસાઓને બહાર કાઢવાની મંજૂરી આપે છે. તમારી ફેન્સી સેલ્ફ-ડ્રાઈવિંગ કાર આ શું કરી રહી છે અને એ પણ હાયરિંગ-આધારિત AI શું કરી શકે છે. આનો ખતરનાક ભાગ એ છે કે માણસો ઘણીવાર સંપૂર્ણપણે સમજી શકતા નથી કે AI તેની આગાહીઓમાં કયા પરિબળોનું વજન કરે છે, તેથી જો ડેટાસેટમાં પૂર્વગ્રહ હોય, તો તે સ્કેલ પર નકલ કરી શકે છે અને સંભવ છે.

અને અહીં વાત છે: પક્ષપાત સર્વત્ર છે. તે આપણા વિશ્વનું એક વ્યાપક અને કપટી પાસું છે, અને AI બનાવવા માટે ઉપયોગમાં લેવાતા મોટા ડેટાસેટ્સ આને પ્રતિબિંબિત કરે છે. પરંતુ જ્યારે નબળી રીતે વિકસિત AI અજાણતાં પૂર્વગ્રહને વધારી શકે છે, ત્યારે તે સિક્કાની ફ્લિપસાઇડ એ છે કે AI પૂર્વગ્રહને પણ છતી કરે છે. અને એકવાર આપણે જાણીએ કે તે ત્યાં છે, અમે તેને નિયંત્રિત કરી શકીએ છીએ. (ઉદાહરણ તરીકે, ઉત્તમ દસ્તાવેજી કોડેડ બાયસ જુઓ.)

મોર્ડન હાયર ખાતેની મારી ભૂમિકામાં, હું મનોવૈજ્ઞાનિકો અને ડેટા સાયન્ટિસ્ટ સાથે કામ કરું છું જેઓ ઉમેદવારોના ડેટાનો અભ્યાસ કરે છે જેને આપણે “હાયરિંગના ચાર E’ તરીકે ઓળખીએ છીએ: કાર્યક્ષમતા, અસરકારકતા, સગાઈ અને નૈતિકતા.” અનિવાર્યપણે, દરેક ભરતી પ્રક્રિયાએ સમય બચાવવો જોઈએ, નોકરી/સંસ્થાની કામગીરી અને જાળવી રાખવાની આગાહી કરવી જોઈએ, ઉમેદવારો અને ભરતીકારો માટે સંલગ્ન હોવું જોઈએ અને તમામ પક્ષો માટે ન્યાયી હોવું જોઈએ. પરંપરાગત, પ્રી-એઆઈ આંકડાઓ સાથે, અમે મૂલ્યાંકન પ્રતિસાદો જેવા આંકડાકીય ડેટાને સરળતાથી સ્કોર કરી શકીએ છીએ, પરંતુ અમે રિઝ્યુમ, બેકગ્રાઉન્ડ ચેક, ટાઈપ કરેલા પ્રતિસાદો અને ઈન્ટરવ્યુ જેવા અનસ્ટ્રક્ચર્ડ ડેટા માટે તે જ કરી શકતા નથી. જો કે, આજે, અદ્યતન AI તકનીકો સંશોધકોને આ પ્રકારના ડેટા સ્ત્રોતોનું વિશ્લેષણ અને સ્કોર કરવાની મંજૂરી આપે છે, અને તે રમતમાં પરિવર્તનશીલ છે.

અમે હવે ઇન્ટરવ્યુના પ્રતિસાદો જેવા ગુણાત્મક ડેટા સ્ત્રોતોને માપવા માટે AI નો ઉપયોગ કરી શકીએ છીએ. અને એકવાર તમે કોઈ વસ્તુનું પ્રમાણ નક્કી કરી લો, પછી તમે જોઈ શકો છો કે તે જોબ અને સંસ્થાકીય કામગીરી જેવા મહત્વના પરિણામોની આગાહી કરે છે કે કેમ — અને તમે એ પણ તપાસી શકો છો કે શું તે આગાહીઓ સુરક્ષિત અથવા અન્ય જૂથો સામે પક્ષપાતી છે. નોન-ટેક્નોલોજી સક્ષમ ઇન્ટરવ્યુનો પક્ષપાતી હોવાનો લાંબો ઇતિહાસ છે; અમે માનવીઓ અસરકારક રીતે પૂર્વગ્રહયુક્ત મશીનો છીએ, દરેક સેકન્ડમાં આપણું શરીર જે માહિતી લે છે તેનું મૂલ્યાંકન કરવામાં અને ઝડપથી અર્થઘટન કરવામાં મદદ કરવા માટે તમામ પ્રકારના જ્ઞાનાત્મક પૂર્વગ્રહો સાથે. પરંપરાગત ઇન્ટરવ્યુ એ તારીખો સિવાય બીજું કંઈ નથી જેમાં ઇન્ટરવ્યુ લેનાર ઇન્ટરવ્યુ લેનાર સાથે ચિટ-ચેટ કરે છે અને તે વ્યક્તિની ખૂબ જ અવૈજ્ઞાનિક છાપ ઊભી કરે છે. પરંતુ AI સાથે, અમે વાસ્તવમાં ઇન્ટરવ્યુના પ્રતિસાદોને આપમેળે સ્કોર કરી શકીએ છીએ અને તે સંખ્યાત્મક પરિણામોનું આંકડાકીય રીતે મૂલ્યાંકન કરી શકીએ છીએ.

મોર્ડન હાયર ખાતે, અમે ઓટોમેટેડ ઈન્ટરવ્યુ સ્કોરિંગ (AIS) નામની ક્ષમતા વિકસાવી છે જે બરાબર આ જ કરે છે. જે સમજવું અગત્યનું છે તે એ છે કે આપણે વ્યક્તિ કેવો દેખાય છે અથવા જેવો અવાજ કરે છે તેનું મૂલ્યાંકન અથવા સ્કોર કરતા નથી. ડેટાના તે સ્ત્રોતો પૂર્વગ્રહ અને અપ્રસ્તુત માહિતીથી ભરેલા છે. અમારો સ્કોરિંગ ઉમેદવાર જે બોલે છે તે જ લખેલા શબ્દોના ઉપયોગથી શરૂ થાય છે કારણ કે ઉમેદવાર અમને ભરતી પ્રક્રિયામાં ઉપયોગ કરવા માટે આપે છે તે સામગ્રી છે. અમારું ફિલસૂફી એ છે કે નિર્ણયમાં ઉપયોગ માટે માત્ર ઉમેદવારો જ અમને સભાનપણે આપેલા ડેટાને સ્કોર કરવો જોઈએ. આ ઉપરાંત, અમે ઉમેદવારોને સ્પષ્ટ AI સંમતિ સંદેશ પણ પ્રદાન કરીએ છીએ, જે તેમને AI સ્કોરિંગમાંથી નાપસંદ કરવાની મંજૂરી આપે છે.

અમે AIS સાથે અભ્યાસ કરેલ ડેટાના મોટા નમૂનાઓમાં, અમને જાણવા મળ્યું છે કે તે પ્રશિક્ષિત, વિષયના નિષ્ણાત ઇન્ટરવ્યુઅરોના ઇન્ટરવ્યુ રેટિંગની નકલ કરી શકે છે. આ રોમાંચક છે કારણ કે તે તરત જ થાય છે. પરંતુ પૂર્વગ્રહ વિશે શું? શું આ AIS સ્કોર્સ સુરક્ષિત વર્ગો સામે પક્ષપાતી છે? વાસ્તવમાં, અમારા ડેટાએ દર્શાવ્યું છે કે AIS-જનરેટેડ સ્કોર અમારા પ્રશિક્ષિત વિષય નિષ્ણાતોના સ્કોર કરતાં લગભગ ચાર ગણા ઓછા છે. આ રીતે, AIS સમય અને પ્રયત્ન ઘટાડે છે, માનવ રેટિંગની નકલ કરે છે અને આ બધું નાટકીય રીતે નીચલા સ્તરના પૂર્વગ્રહ સાથે કરે છે.

આ લેખ એઆઈને સમર્થન આપવાથી દૂર છે જેનો ઉપયોગ ભરતી પ્રક્રિયામાં આડેધડ રીતે કરવામાં આવે છે. જો કંઈપણ હોય, તો તે મૂળ લેખનું ખંડન ઓછું અને વિસ્તરણ વધુ છે. હથોડી એ એક સાધન છે જેનો ઉપયોગ ઘરને તોડવા અથવા બનાવવા માટે થઈ શકે છે. AI એ એક શક્તિશાળી સાધન પણ છે અને, જ્યારે વિચારપૂર્વક, સાવચેતીભર્યું, સખત, વૈજ્ઞાનિક રીતે લાગુ કરવામાં આવે છે, ત્યારે ટેક્નોલોજીની ભરતીમાં મોટા સુધારાઓ થઈ શકે છે. પરંતુ આપણે હંમેશા અત્યંત સાવચેત રહેવું જોઈએ કે આપણે જે ઉકેલો બનાવીએ છીએ તે માત્ર સંસ્થાઓને જ નહીં પરંતુ વ્યક્તિઓને પણ મદદ કરે છે. એક મનોવૈજ્ઞાનિક તરીકે, હું માત્ર કંપનીઓ માટે જ નહીં, પણ લોકો માટે ભરતીને બહેતર બનાવવા માટે ટેક્નોલોજી સાધનોનો ઉપયોગ કરવા ઈચ્છું છું. અને આ સંદર્ભે, અમારી પાસે AI જેટલી ઉપયોગી ટેક્નોલોજી ક્યારેય નહોતી.

એરિક સિડેલ, AI-આધારિત હાયરિંગ પ્લેટફોર્મ કંપની Modern Hire ખાતે ઇનોવેશનના EVP છે, જ્યાં તે તમામ સંશોધન અને પ્રોડક્ટ ઇનોવેશન પહેલની દેખરેખ રાખે છે. તે એક ઔદ્યોગિક-સંગઠન મનોવિજ્ઞાની, ઉદ્યોગસાહસિક અને સલાહકાર છે, જેની પાસે ભરતી તકનીક અને સ્ટાફિંગ ઉદ્યોગોમાં કામ કરવાનો બે દાયકાથી વધુનો અનુભવ છે. તે નવા પુસ્તકના સહલેખક પણ છે ડીકોડિંગ ટેલેન્ટ: કેવી રીતે AI અને બિગ ડેટા તમારી કંપનીના લોકોના કોયડાને ઉકેલી શકે છેફાસ્ટ કંપની પ્રેસ દ્વારા પ્રકાશિત.

DataDecisionMakers

વેન્ચરબીટ સમુદાયમાં આપનું સ્વાગત છે!

DataDecisionMakers એ છે જ્યાં ડેટા વર્ક કરતા ટેકનિકલ લોકો સહિત નિષ્ણાતો ડેટા-સંબંધિત આંતરદૃષ્ટિ અને નવીનતા શેર કરી શકે છે.

જો તમે અદ્યતન વિચારો અને અદ્યતન માહિતી, શ્રેષ્ઠ પ્રયાસો અને ડેટા અને ડેટા ટેકના ભવિષ્ય વિશે વાંચવા માંગતા હો, તો DataDecisionMakers પર અમારી સાથે જોડાઓ.

તમે તમારા પોતાના લેખમાં ફાળો આપવાનું પણ વિચારી શકો છો!

DataDecisionMakers તરફથી વધુ વાંચો

Similar Posts

Leave a Reply

Your email address will not be published.