Miért válik a “géppel olvasható” jelleg egyre inkább a munkavállalás elengedhetetlen feltételévé?.
Nemrég rábukkantam egy olyan első kézből származó beszámolóra, amelyben a kapcsolati körömben szereplő egyik magas beosztású marketingvezető arról mesél, hogyan boldogul a mai munkaerőpiacon – a tárgyalóasztal másik oldaláról nézve.
Kiváló, saját tapasztalatokon alapuló elemzést adott a jelenlegi munkaerő-felvételi trendekről. A kedvenc idézetem a következő:
“2026-ban a pályázók számára az egyik legnagyobb láthatatlan akadályt az ATS-en belüli átláthatatlan mesterséges intelligencia-alapú párosítás jelenti.”
Ezt nem egy pályakezdő jelölt írta, aki csak találgatja, hogyan működik a toborzás. Hanem valaki, aki több mint 20 évet töltött azzal, hogy tehetségszerzési technológiákat fejlesszen és értékesítsen.
És mégis – miután jelölt lett – a rendszer már nem ismerte el őt.
Ez mindannyiunkat aggasztania kellene.
A mesterséges intelligencia ismerete már nem csupán a munkavállalókra korlátozódik
Ez egyre inkább a felvétel elengedhetetlen feltételévé válik.
Sokat beszélünk a munkahelyi mesterséges intelligencia-ismeretekről: a munkavállalók képzéséről, a vezetők átképzéséről, valamint a vezetők felkészítéséről a mesterséges intelligenciával támogatott döntéshozatalra.
De erről ritkán beszélünk: manapság ahhoz, hogy egyáltalán bekerülhessenek számos felvételi eljárásba, a jelentkezőknek már előre tudniuk kell, hogy a mesterséges intelligencia-rendszerek hogyan értékelik őket.
Nem úgy, ahogyan az emberek olvassák őket, hanem ahogyan a gépek.
Kulcsszó-sűrűség. A munkakör megnevezésének pontos egyezése. A kemény készségek előnyt élveznek a puha készségekkel szemben. Olyan pontozási modellre való optimalizálás, amelyet soha nem láthatunk.
Ez már nem karrier-tanácsadás. Ez a kísérletezés, a kudarcok és az elutasítások révén megszerzett informális mesterséges intelligencia-ismeret.
És mint minden informális oktatási rendszer, ez is egyeseknek előnyös – másokat viszont kizár.
Gép által olvasható ≠ méltányos
Az optimalizálás észrevétlenül egy új kiválasztási torzítássá válik.
Elméletileg az ATS-alapú párosítás semlegesnek tűnik: azonos munkaköri leírás, azonos pontozási logika, azonos küszöbérték.
A gyakorlatban ez egy nagyon specifikus típusú jelöltet részesít előnyben: azokat, akik tudják, hogy a rendszer létezik, akik ismerik a működését, és akiknek van idejük, önbizalmuk és eszközeik a kísérletezéshez. Korábbi toborzók. Technikai ismeretekkel rendelkező szakemberek. Anyanyelvűek. Olyan jelöltek, akik máris “otthon érzik magukat” a vállalati rendszerekben.
És ez észrevétlenül hátrányba hozza másokat: azokat, akik pályát váltanak, a karrierjükben szünetet tartók, azok a jelöltek, akiknek a tapasztalata nem illeszkedik pontosan a szabványos pozíciónevekhez, valamint mindenkit, aki emberre szabott önéletrajzot ír a gépek számára optimalizált helyett.
Az elfogultság egyszerűen abból fakad, hogy ki tud alkalmazkodni az átláthatatlansághoz.
Az a rendszer, amelyet nem veszünk leltárba
Erről már írtam korábban — a Amikor az AI már azelőtt elutasítja, hogy bárki látná az önéletrajzát.
Számos szervezet még mindig úgy jellemzi az ATS mesterséges intelligenciáját, hogy az “támogatja” a toborzókat, de nem hoz döntéseket.
A jelölt szempontjából azonban ez a különbségtétel értelmetlen.
Ha a mesterséges intelligencia kiszűri őket, senki sem látja meg a profiljukat, nincs magyarázat, és fellebbezésre sincs lehetőség – ilyenkor gyakorlatilag automatizált döntésről van szó.
Ez az egyik legnagyobb hatással bíró mesterséges intelligencia-rendszer a HR területén – és gyakran a legkevésbé szabályozott is.
Nem azért, mert a HR-nek nem fontos a dolog. Hanem azért, mert a felelősségvállalás, az elszámoltathatóság és az átláthatóság szétszóródott a beszállítók, az IT, a jogi osztály és az operatív részlegek között.
És a jelölt közvetlenül megtapasztalja ennek a széttagoltságnak a következményeit.
Az ember mint “adatsignál”
Miért jobb még mindig az ajánlás a tökéletes optimalizálásnál – és miért rontja csak a helyzetet.
A cikkben szereplő egyik kellemetlen igazság a következő volt: egy barátságos bemutatás gyakran olyan eredményt hoz, amit egy tökéletesen összeállított önéletrajz sem képes elérni.
A mesterséges intelligenciával szűrt toborzási folyamatban az ajánlások olyanok, mint egy emberi beavatkozási jel. Átlépik az automatizált küszöbértékeket, bizalmat visznek egy egyébként rideg rendszerbe, és visszahozzák a mérlegelési lehetőséget.
De egyúttal alátámasztanak egy olyan tényt is, amit ritkán mondunk ki hangosan: amikor a mesterséges intelligencia lesz a kapuőr, a társadalmi tőke még értékesebbé válik.
Ha nincs kapcsolati hálózatod, akkor jobban támaszkodsz a gépre. Ha a gép elutasít, akkor csökkennek az esélyeid a kapcsolati hálózat kiépítésére. Ez egy ördögi kör.
A hatékonyságot és a méltányosságot tartottuk szem előtt
És egyikből sem kapunk semmit, anélkül, hogy bárki is észrevenné.
Az ATS AI ígérete egyszerű volt: a mesterséges intelligencia segít nekünk a nagy léptékű jelölt-szűrésben, és objektívebbé teszi a toborzást.
A valóság? Több tízezer, szinte azonos, mesterséges intelligencia által generált önéletrajzot előszűrünk. A jelöltek a modellhez igazodnak, nem pedig a pozícióhoz. A toborzók “magas egyezésű” profilokat kapnak – de ezek nem feltétlenül jobbak.
Így hát fel kell tennünk a kényelmetlen kérdést: valóban javítjuk-e a toborzás minőségét – vagy csupán a feldolgozási sebességet növeljük?
Ha mindenki megtanulja, hogyan lehet kijátszani ugyanazt az átláthatatlan rendszert, a jel-zaj arány nem javul. Csak drágábbá és inkább színjátékká válik.
Megtanítottuk a jelölteket arra, hogy ésszerűen alkalmazkodjanak a rendszereinkhez. Aztán pont azért hibáztattuk őket, mert pontosan ezt tették.
Na… és most mi lesz?
Ha elfogadjuk, hogy a mesterséges intelligencián alapuló ATS-rendszerek határozzák meg, hogy kinek jut egyáltalán esélye, akkor ezek szabályozása nem csupán “szabálykövetési gyakorlat”.
Ez üzleti, etikai és tehetségstratégiai kérdés.
Ez azt jelenti, hogy a HR-nek sokkal magabiztosabban kell kezelnie a munkaerő-elemzést – nem elméletben, hanem a gyakorlatban.
Nem csupán a “felvételhez szükséges idő”, hanem olyan kérdések is, mint például:
- Korai lemorzsolódás: kik távoznak az első 3–6 hónapban, és mely toborzási csatornákon keresztül érkeznek?
- A termelékenység eléréséhez szükséges idő: Mennyi időbe telik, amíg az új munkatársak elérik a tőlük elvárt teljesítményt?
- A felvétel minősége: nem pusztán megérzés alapján, hanem a teljesítményhez, a munkavállalók megtartásához és az előrelépéshez kapcsolódóan.
- A folyamat igazságosságának vizsgálata: ki, melyik szakaszban, milyen profilokkal és mely döntési pontok után lép ki?
És igen: írjanak egyértelműbb munkaköri leírásokat! Ne alkossanak olyan „hópehelyeket”, amelyeket egyetlen rendszer sem (sem emberi, sem gépi) tud következetesen értelmezni – ez egyébként teljes mértékben összhangban áll az EU bérátláthatósági elveivel. A toborzás során kezeljék a mesterséges intelligenciát szabályozott rendszerként, ne pedig „fekete dobozként”.
Mivel egy mesterséges intelligencia-rendszer csak annyira jó, amennyire: az adatok, amelyekre betanították, a célok, amelyekre optimalizálták, és az a komolyság, amellyel felügyelik.
A mesterséges intelligencia nem tette tönkre a toborzást. De láthatóvá tette annak gyenge pontjait.
És általában éppen a láthatóság jelenti azt a pillanatot, amikor a felelősség kezdődik.
Irányítsd a szűrőfolyamatot: méltányossági elemzés a toborzási folyamatodhoz, bizonyítékok az ATS-hez.
Mesterséges intelligencia irányításának gyors áttekintése →Személyzeti elemzési diagnosztika →