Автоматизированное ПО для хайринга по ошибке отсеивает миллионы подходящих соискателей
Гарвардская школа бизнеса назвала автоматизированный софт для обработки резюме одним из главных источников проблем в американской системе найма. Подобные программы компании используют для фильтрации неподходящих кандидатов, а попутно цепляют миллионы тех, кто вполне подходит для той или иной вакансии. Из-за этого без работы остаются люди, которые хотят и могут трудоустроиться.
Авторы исследования отмечают, что такими программами пользуется 75% работодателей США, в том числе 99% компаний из списка Fortune 500. Применять их начали по мере того, как стали получать всё больше заявок в электронной форме. Стало проще нанимать людей — но и проще отказывать им.
Все эти системы устроены по-разному, но объединяет их то, что они слишком упрощают отбор, разделяя соискателей на «плохих» и «хороших».
Некоторые по умолчанию отсеивают резюме, владельцы которых не работали дольше 6 месяцев. При этом почему человек был без работы — например, по беременности, из-за необходимости ухаживать за больным родственником или в целом из-за ситуации на рынке, их не интересует. В другом случае больница искала человека с опытом программирования (это должно было быть указано в навыках в резюме) на работу, которая заключалась в вводе данных пациентов в систему. В третьем — кандидаты отпадали из-за отсутствия в резюме одного нерелевантного требования, хотя годились по всем остальным.
В итоге получается замкнутый круг: с помощью технологии компании хотели быстрее заполнять пробелы, но вместо этого стали утопать в заявках. Если в начале 2010-х в среднем на вакансию подавалось 120 человек, то к концу десятилетия их число выросло до 250. В ответ компании стали выставлять слишком жёсткие фильтры, из-за чего отсеиваются хорошие кандидаты и остаётся больше безработных, чем могло бы быть.
Тем временем рынок технологий для автоматического рекрутинга в 2017 году составил $1,75 млрд, а к 2025-му должен достичь $3,1 млрд.
Почти 90% опрошенных в рамках исследования топ-менеджеров знают о недостатках таких программ, а некоторые пытаются найти альтернативные способы найма сотрудников. Для решения проблемы необходимо пересмотреть многие аспекты системы найма, отмечают авторы, начиная с того, где компании ищут кандидатов, и заканчивая тем, как используют вспомогательный софт.
«Взяли другого». Айтишники рассказывают, как компании отзывали их офферы
QA-инженер написал гневный пост в линкедине: компания отозвала оффер, который сделала ему неделю назад, — а он уже успел уволиться с предыдущего места работы.
А в чем разница с обычной системой? если вбивают не релевантные требования в автоматизированную систему, то и в обычной системе будут те же не релевантные. И все равно отсеят.
Нерелевантность требований со стороны рекрутёров плюс недостаток системы, анализирующей информацию по прямолинейному алгоритму, заданному этим самым рекрутёром.
Всё же живого человека адекватно такая система заменить не может. Обученные нейросети в будущем -- возможно, смогут. Сейчас же такая алгоритмическая система работает как технически неграмотный рекрутёр, бездумно отсеивающий кандидатов по формальному опроснику: "Меньше 5 лет опыта в технологии, которой 3 года -- мимо"
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.
А в чем разница с обычной системой? если вбивают не релевантные требования в автоматизированную систему, то и в обычной системе будут те же не релевантные. И все равно отсеят.
Может тут вопрос к HR не софту.
Нерелевантность требований со стороны рекрутёров плюс недостаток системы, анализирующей информацию по прямолинейному алгоритму, заданному этим самым рекрутёром.
Всё же живого человека адекватно такая система заменить не может. Обученные нейросети в будущем -- возможно, смогут. Сейчас же такая алгоритмическая система работает как технически неграмотный рекрутёр, бездумно отсеивающий кандидатов по формальному опроснику: "Меньше 5 лет опыта в технологии, которой 3 года -- мимо"