AI Shift: Става ли наемането по-малко меритократично?

Тази публикация е версия на място на нашия бюлетин The AI Shift. Премиум клиентите могат да се записват тук, с цел да получават бюлетина всеки четвъртък. Стандартните клиенти могат да надстроят до Premium тук или да прегледат всички бюлетини на FT.

Добре пристигнали в The AI Shift, нашия седмичен бюлетин за AI и пазара на труда.

Преди да се впуснем в тазседмичното издание за това по какъв начин LLM трансформират набирането на личен състав, взехме решение да разгледаме в резюме историята за изместване на работа в светлината на шумните известия за редуциране на работни места от Amazon и други, както и ново изследване на работодателите в Обединеното кралство предизвестява за обилни съкращения, провокирани от ИИ, през идната година. И по този начин, покалипсисът на работата ли е пред нас? Оставаме скептични. Първо, доста от огромните американски компании, които афишират съкращения, сами показаха, че би трябвало да преустановят след пандемията си наемане на работа. Второ, огромните съкращения (които също са в естествените граници за въпросните компании) наподобяват по-скоро като рутинни опити за понижаване на мазнините. И трето, като цяло съкращенията в Съединени американски щати остават постоянни. Но ние следим от близко тази история и скоро ще имаме част от нашия личен обстоен разбор за вас.

За разлика от мътната картина на изместването на работа, тази седмица ще разгледаме област, в която LLM са имали неоспоримо влияние: набирането на личен състав. Първо, какво демонстрират данните?

Джон написа

Бяхме благословени с някои в действителност страхотни скорошни проучвания по този въпрос. Миналата седмица имаше изключително изчерпателна публикация от икономистите Анаис Галдин от Дартмут и Джеси Силбърт от Принстън, разглеждаща по какъв начин способността да се употребява генеративен AI за писане на мотивационни писма за работа в онлайн платформа за свободна процедура се отразява на наемането. Първоначално всичко звучи много обещаващо: потреблението на AI освен форсира процеса на писане на приложения, само че и писма с по-високо качество, пригодени повече за съответната работа, в сравнение с тези от интервала преди LLM.

Лошата вест е всичко, което следва от това. Преди LLM положителното мотивационно писмо е алармирало както за качеството на претендента, по този начин и за ангажираността му. След LLMs не алармира нито едно от двете. В интервала преди ИИ хората, които са писали по-добри мотивационни писма, са били доста по-склонни да получат работата. Впоследствие равнищата на наемане не бяха по-добри за положителни оферти, в сравнение с за неприятни, и общият % на наемане също падна. Бъдещите работодатели към този момент не се доверяваха на качествените кандидатури, че са от качествени претенденти и поставяха под подозрение всяко предложение, което прочетоха.

Те бяха прави да не се доверяват: оценките на работата, осъществена от хората, наети в интервала след LLM, към този момент нямаха никаква връзка с качеството на мотивационното писмо.

Друг метод да се изрази всичко това е, че потреблението на LLM в кандидатурите за работа направи пазара доста по-малко меритократичен, с 19 % спад в наемането на най-способните служащи и 14% нарастване за минимум способните. О, и броят на приложенията и дължината на мотивационните писма се удвоиха почти, което значи повече време, належащо за пресяване на по-малко потребни и постоянно интензивно безполезни поръчки. Добра работа на всички!

Това просто разглеждаше потреблението на AI от страна на приложението. Друг неотдавнашен документ наблюдава какво се е случило в онлайн работна платформа, когато работодателите са употребявали AI, с цел да пишат разгласи за работа, и са разкрили сходни мрачни резултати.

В към този момент прочут модел LLM оказват помощ на работодателите да пишат повече изявления, отнемайки доста по-малко време за това, и изявленията притеглят повече заявки, в сравнение с тези, които не са подкрепени от AI. Но вместо наемане на високо равнище, нямаше никакво влияние. С повече изявления и повече претенденти, по какъв начин е допустимо това?

Основно тъй като доста от спомагателните изявления, провокирани от AI, бяха от работодатели, които не бяха в действителност сигурни, че желаят или имат потребност от тази работа към момента, и в последна сметка не наеха никого. Работодателите към този момент популяризираха работните места, от които се нуждаеха; Изкуственият разсъдък преди малко направи на ниска цена и елементарно да се разгласяват половинчати изявления за функции, които в никакъв случай не са съществували. Това е в сходство с отчета на New Statesman в Обединеното кралство, който откри, че една от аргументите, заради които висшистите изпитват толкоз мъчно време на настоящия пазар на труда, е повишаването на „ призрачните “ разгласи за работа.

В огледален облик на първото изследване, тук виждаме AI да отстранява сигнала за ангажираност, който работодателят изпраща, когато разгласява работа – още веднъж връзката сред времето, прекарано в писане на публикация за работа, и броя на претендентите за тази публикация се обърна от позитивна към негативно.

Като цяло, до момента в който LLM икономисват на работодателите време за писане на разгласи за работа, търсещите работа губят доста повече време и старания в безсмислени кандидатури за фантомни работни места.

Така че тук имаме две фантастични, изчерпателни изследвания, които стигат до извода, че както от позиция на работодателя, по този начин и на бъдещия чиновник, улеснението на всеки да основава много положителни и много сходни на тип кандидатури за работа или реклами подкопава сигнализирането механизми, които са в основата на процеса на наемане, като никой не остава в по-добро състояние, а множеството в по-зле.

Сара, звучат ли тези открития от платформите за свободна процедура правилни за пазара на труда в по-широк проект? И какво възнамеряват да създадат работодателите по въпроса?

Сара написа

Краткият отговор е да, Джон: тези изследвания слагат твърди числа на това, което слушам от работодателите на всички места. Те споделят, че се давят в приложения и необятно публикуваното потребление на AI ги стопира да разпознават най-хубавите претенденти във всевъзможни онлайн оценки. Това не са единствено автобиографии или формуляри за кандидатстване, само че и асинхронни видео изявленията (в които претендентите към този момент могат просто да четат отговорите на ChatGPT в действително време), оценки на техническата подготвеност и даже психометрични проби.

Трябва да призная, че изпитвам малко зложелателство по този въпрос. За тези от нас, които слушахме, беше ясно отдавна, че търсещите работа се деморализираха от потреблението от страна на работодателите на автоматизирани онлайн системи за набиране на личен състав, което спестяваше голямо време за работодателите, само че отнемаше време и обезличаваше претендентите. Така че не мисля, че някой би трябвало да бъде сюрпризиран, че когато се появи ChatGPT, доста търсещи работа взеха решение да се борят с огъня с огън.

Въпреки това, когато неотдавна обърнах внимание на група студенти по стопанска система в университета в Кеймбридж, те ми зададоха добър и обективен въпрос: „ Е, какво бихте създали, в случай че имате 10 свободни работни места и хиляди претенденти? “

Струва си да си напомним, че доста работодатели започнаха по този път с положителни планове. Не ставаше въпрос единствено за успеваемост. Мнозина също желаеха да разширят набора от претенденти, да понижат риска от човешка пристрастност на стадия на автобиографии или инспекция на предложения и да наемат хора по по-меритократичен метод, въз основа на техните качества, а не на това в какво учебно заведение или университет са учили. В Обединеното кралство, да вземем за пример, доста работодатели с огромни висшисти стопираха да изискват най-малък брой UCAS точки (мярка за това какъв брой добре сте се справили на вашите изпити за A-level) през 2010 година, тъй като се видя, че избират претенденти, които са посещавали частни учебни заведения.

Но както казваш, Джон, методът, по който вървят нещата в този момент, също не е меритократичен. И по този начин, какво може да се направи?

Ето някои хрумвания, които чух да се разискват въз основа на диалози с работодатели и хора в промишлеността за набиране на личен състав. Всички те се основават на опити за добиване на по-добър сигнал за напъните (колко претендентите се интересуват) или качеството (колко са добри).

Онлайн платформата за набиране на личен състав Greenhouse вкара функционалност, наречена „ Мечтана работа “, която разрешава на търсещите работа да маркират една позиция на месец като техен най-хубав избор, което има за цел да помогне на набиращите личен състав да разпознават претенденти с „ високи планове “.

Повече разчитане на онлайн оценки, които наподобяват по-малко уязвими за потребление на AI, като снабдители на онлайн игри като Arctic Shores.

Технически корекции за инспекция за „ машинация “ на AI, да вземем за пример посредством наблюдаване на придвижванията на мишката или даже следене на очите.

Връщане към потреблението на изявленията лице в лице или по телефона по-рано в процеса (вместо да се чака до последния етап).

По-голям акцент върху рекомендациите от настоящи чиновници.

Промени в метода, по който се популяризират работни места. (Чувал съм за един шеф, който е разгласил свободното си работно място единствено в борда за работа на първокласен университет.)

Връщането на центровете за персонално оценяване, в които стотици претенденти за огромни дипломирани стратегии сядат в условия на изпит, с цел да попълнят механически или психометрични проби.

Както можете да видите, някои от тях са в спор с задачите за разширение на достъпността, понижаване на обсега на човешките пристрастия и излизане оттатък разчитане на учебно заведение или университет като сигнал за качество. Накъдето и да погледнете има взаимни отстъпки.

Любопитно ми е да чуя от читателите по този въпрос: какво бихте създали (или в действителност какво вършиме в личните си компании), с цел да отговорите на потреблението на AI при набирането на личен състав? Ако получим някои забавни отговори, ще ги споделим (и ще се радваме да ви запазим анонимни, в случай че предпочитате). Изпратете ни имейл: [email protected].

И по този начин, какво научихме?

Сара

Виждам цялата тази тъжна история като потребно увещание че от време на време технологията може да направи дадена задача по-ефективна за едната страна (кандидатстване за работа) и по-ефективна за другата страна (писане на разгласи за работа), и въпреки всичко да направи системата като цяло изцяло неефективна. Както писах в нашето издание на бюлетин за продуктивността, дилемите и системите не са едно и също.

Джон

Това е страхотна точка в парадокса на успеваемостта. Другото нещо, което ме порази, е по какъв начин изчислението тук е трагично друго от двете страни на решението за наемане. След като сте наели чиновниците си, способността на генеративния AI да покачва равнището на продуктивност на по-слабите служащи е страхотна вест. Но по време на процеса на наемане същата динамичност е призрачен сън.