בשנים האחרונות, עולם הגיוס עובר טרנספורמציה מואצת בזכות הצטרפות טכנולוגיות בינה מלאכותית. חברות ענק וגם ארגונים קטנים יותר מטמיעים פתרונות AI בשלבי הסינון, הראיונות והאבחון, מתוך תקווה למנוע הטיות שמקורן בשיפוט אנושי וליצור תהליך אובייקטיבי ושוויוני יותר. אך האם אכן כך הדבר? האם AI הוא התרופה להטיות – או שהוא עצמו טומן בחובו הטיות חדשות ומורכבות יותר, אולי אפילו בלתי נראות?
### כיצד משתמשים ב-AI בגיוס עובדים?
היישומים מתחילים כבר משלב איתור המועמדים – אלגוריתמים לסינון קורות חיים אוטומטי, צ'אטבוטים שמבצעים תהליכי סינון ראשוניים, ומערכות מתקדמות לניתוח וידאו של ראיונות. מערכת ה-AI מתיימרת לדרג מועמדים לפי התאמתם למשרה ולתרבות הארגונית, לעיתים תוך ניתוח נתונים מרשימות ארוכות במיוחד ובמהירות אדירה, מעבר ליכולת האנושית. לכאורה, קל להניח שאם למחשב אין דעות קדומות ולא "נמאס" לו לקרוא עוד קורות חיים, התהליך יהיה בהכרח שוויוני – אך המציאות מורכבת הרבה יותר.
### מניעת הטיות – חלום או מציאות?
תיאורטית, אם נייצר אלגוריתם שאינו "מבחין" במגדר, גיל, מוצא, מוגבלות או כל מאפיין פרסונלי לא רלוונטי, הוא ינטרל הטיות שהאדם לא מצליח להימנע מהן. לדוגמה, בוחן אנושי עלול להיות מושפע לא-מודע משם לא שגרתי או מסגנון כתיבה, בעוד אלגוריתם מתמקד בפרמטרים אבסולוטיים. גם לצורך תאימות לדרישות החוק – לדוגמה שוויון בתעסוקה – זו יתרון מהותי.
אולם, חשוב להבין שמערכות AI לומדות מנתונים היסטוריים שנאספו בארגון. אם הנתונים עצמם מוטים (למשל, אם הארגון קלט באופן מסורתי פחות נשים או בני מיעוטים לתפקידים בכירים), האלגוריתם עלול "ללמוד" שרק מועמדים עם איכויות דומות – שהם בפועל מייצגים את ההטיות ההיסטוריות – הם אלה המתאימים. במקרה קיצוני, קיים חשש שמערכת תדחה מראש מועמדים מרקע אחר, גם מבלי שיהיה לכך בסיס מקצועי, ותעשה זאת ב"שקיפות בעייתית" – חוסר בהירות בהחלטותיה.
### הטיות חדשות – ואתגרים בלתי צפויים
עוד נקודה בעייתית היא קושי בהסבר החלטות שקיבלה המכונה, המכונה "הסבריות" (explainability). למנהל הגיוס קשה מאוד להבין על סמך מה אלגוריתם העדיף מועמד מסויים, לעיתים אין דרך אפילו להוכיח שההחלטה חפה מהטיות לא רצויות. קיימות גם הטיות "תוך-מערכתיות", לדוג' – שינוי בנוסח קורות החיים למען קריאת אלגוריתם, או יצירת שפה אחידה שפוגעת בגיוון מועמדים.
גם העובדה שמשתמשים באלגוריתמים שפותחו ע"י צוותים במדינות או תרבויות שונות, יוצרת בעיות חדשות: האם המערכת מבינה את ההבדלים התרבותיים, את המשמעות של שמות מסויימים או נסיון עבודה רלוונטי בתחומי משפט? האם יש התאמה לציפיות ומושגים רלוונטיים לשוק המקומי?
### איך בכל זאת ממזערים הטיות?
כדי להפיק את המיטב מ-AI ולמנוע את ההטיה – יש להשקיע בעיצוב מודע ורגיש של האלגוריתם, בשקיפות מלאה, בבקרות שוטפות וביזור קבלת ההחלטות. חשוב שתהיה אפשרות להתערבות אנושית ובדיקה תקופתית של איכות התהליך, ולא להסתמך על מכונה "עיוורת".
בנוסף, על הארגונים לשאול את עצמם כיצד הם בוחרים את הנתונים שמלמדים עליהם את ה-AI, מהן ההגדרות של "מועמד טוב" וכיצד לקבוע האם המערכת מצליחה להגדיל גיוון או דווקא להצר אותו.
לסיכום, קשה לטעון ש-AI בניטרול הטיות בגיוס הוא טוב או רע באופן מוחלט. הוא עשוי להוות כלי משמעותי לצמצום אפליה, אך בשימוש לא נכון ייצור אפליה סמויה מסוכנת אף יותר. על כן, יש לדאוג לאיזון מדויק בין טכנולוגיה אחראית ושיפוט אנושי מעמיק – למען שוק עבודה מגוון, הוגן ומותאם לעידן הדיגיטלי.