對任何事情都盲目信任始終是一個錯誤，但如果人力資源(HR)過于依賴AI來雇用人員，則更是如此。隨著無處不在的AI爆炸，我決定找出組織如何在充分利用最新的HR技術的同時解決招聘偏見。

SAP Security Research經理Michele Bezzi領導一個團隊，研究AI中的安全挑戰(zhàn)。他說，隱私，公平和偏見是他們研究的三個主要方面。這些領域也反映在SAP AI指導原則中。他對雇用經理的建議很簡單：對數據進行全面審查，然后再將數據散布在機器中。他解釋說，現代AI使用機器學習通過數據獲取知識。例如，程序員將圖像和文本輸入到機器中，最終學會識別貓還是狗。問題是，數據可能會固有地和無意識地產生偏差，從而在諸如招聘之類的更為復雜的情況下增加風險。

“機器無法從他們所訓練的數據中學習。使用無偏數據訓練機器非常重要。” Bezzi說。“確保您的數據代表您的招聘目標。刪除有偏見的歷史數據，并添加反映您的新期望結果的原始數據。”

他也告誡不要意外的歧視。通過將各種看似無害的數據匯總在一起，算法可以做出有偏見的決策。

他說：“即使您刪除某人的性別或種族，機器也會通過自動考慮他們的學?；蛩麄兯幼〉纳鐓^(qū)來做出有偏見的決定。”

讓人們處于招聘循環(huán)中

在關于人工智能在尋找頂尖人才方面的好處的所有抱怨中，事實證明，缺少的要素是人。

Bezzi說：“當您開始將數據應用于招聘之類的復雜任務而沒有涉及人員時，這可能會導致錯誤并給招聘決策帶來嚴重后果，”“自動化HR任務很重要，但是您仍然需要人們來分析機器生成的結果。”

這就是SAP Brilliant Hire的用武之地。這項篩選即服務服務是由SAP.iO Venture Studio企業(yè)內創(chuàng)業(yè)計劃的員工開發(fā)的，將人工智能與人工支持相結合。該服務與SAP SuccessFactors人類體驗管理(HXM)緊密結合軟件，與評估候選人結果的外部專家一起開發(fā)和管理求職者測試。這些專家看不到候選人的姓名，簡歷或其他個人身份證明，并且至少有三個不同的評估者對每個申請人進行審查。在最早的招聘階段，算法可以對簡歷進行分類，使求職者的技能與職位描述中的關鍵字相匹配。但是一旦人們進入了候選名單，就要求他們解決與工作相關的挑戰(zhàn)是發(fā)現最強候選人的更好方法。

“Brilliant Hire by SAP”總經理Ryan Phillips說：“我們的測試問題使求職者進入了實際的工作環(huán)境。”“可能會要求財務分析師下載電子表格，完成特定任務，然后重新上傳?？赡軙儐栐O計師，他們建議如何重新設計一個復雜的網站以簡化用戶體驗。這些問題很難被欺騙。”