Tehisaru põhine kandidaatide hindamine on kiire ja erapooletu ning muutub järjest valiidsemaks oskustöötajate valikul, kuna nende tulemuslikkust ennustavad kriteeriumid on standardselt hinnatavad. Tehisaru jääb aga jänni arendustöötajate valikul, kuna nende hindamine sõltub suurel määral kontekstist, mille arvestamine ja kujundamine nõuab hindajalt loovust.
- Kandidaatide hindamise peamine eesmärk on ennustada nende tulemuslikkust.
- Oskustööde kandidaate hakkab peagi suuremas osas hindama tehisaru.
- Arendustööde kandidaatide hindamine jääb põhiosas hindamiseksperdile.
Brigitta Leesi lugu tehisaru (AI) kasutamisest personalivalikus on tänuväärne, kuna ta tõi välja AI peamise väärtuse, milleks on kandidaatide kiire hindamine ja juhtis samas õigustatult tähelepanu AI võimalikule erapoolikusele. Tema loos jäi kõlama seisukoht, et kuna AI võib hindamisel kandidaate diskrimineerida rassi, soo, vanuse jms alusel, peab AI antud hinnanguid inimene kriitiliselt üle vaatama.
Kuid tuginedes viimastele andmetele, on AI erapooletusega juba päris hästi ja põhiküsimus on palju tähtsamas kohas – hindamise valiidsuses.
Erapooletus
AI erapoolikust tõendab näiteks kuulus 2018. a. Amazon.com’i kaasus, milles AI eelistas kandidaatide hindamisel meeskandidaate, kuna selle masinõppe algoritmid põhinesid valdavalt meesoost tarkvaraarendajate andmetele. Et AI erapoolikus on olnud laialdane, näitab Berkeley Haasi 2021. a. uuring, millest selgus, et 44 protsenti AI-põhistest personalisüsteemidest diskrimineerib naisi. Ehk AI erapoolikus on olnud tõepoolest suureks probleemiks.
Kuid viimased uurimustulemused on paljulubavad, kuna need kinnitavad, et AI suudab kandidaatide hindamisel olla juba niisama erapooletu nagu hindamisekspert või isegi erapooletum. Ehk personalivalikus on AI kasutamise põhiküsimus nihkunud hindamise erapooletuselt palju tähtsamale, milleks on hindamise valiidsus. Ja seda täiesti põhjendatult, kuna personalivalikus on hindamise peamine eesmärk kandidaatide tulemuslikkuse ennustamine ehk valiidsus. Pole ju suurt mõtet rääkida hindamise erapooletusest, kui hindamine ei ennusta tulemuslikkust ehk on praktiliselt kasutu. Seetõttu vajab AI-põhise hindamise valiidsus eraldi selgitamist.
Valiidsuse nõue
AI praktikate uurimisel on selgunud, paljud ettevõtted ei avaldada oma AI-põhise hindamise valiidsuse tulemusi, kuna nad tegelikult ei teagi, milliste omaduste põhjal nende AI ennustab kandidaatide tulemuslikkust (AI on must kast) või nad ei oska neid omadusi teoreetiliselt seletada ning nii nad lihtsalt koguvadki AI abil andmeprügi kandidaatide CV-dest, taotlustest, e-kirjadest jms ning isegi sotsiaalmeediast.
Kuna AI-põhise hindamise rikkumiste levik suurenes, pidas Ameerika tööstus- ja organisatsioonipsühholoogia ühing SIOP vajalikuks kehtestada 2023. a. nõuded, et AI-põhine hindamine peab olema valiidne, lähtuma tööst, olema erapooletu, põhjendatud ja auditeeritud.
See tähendab, et AI-põhine hindamine peab vastama täpselt samadele nõuetele nagu iga teinegi seni kasutatud hindamismeetod. Ehk üldsõnaline jutt, et AI teeb personalivaliku palju kiiremaks ja on erapooletu, pole piisav, vaid AI kasutajal peavad olema tõendid AI-põhise hindamise kõigi viie nõude täitmise kohta. Ja ta peab alustama valiidsusest ehk kõige tähtsamast.
Suurenev valiidsus
AI-põhise hindamise märkimisväärset valiidsust tõendab äsja avaldatud USA viie organisatsiooni uuring, millest selgus, et kõnekeskuse ja hooldustööde kandidaatide kompetentside hindamine AI-põhise automatiseeritud videointervjuuga ennustab nende tulemuslikkust 5,8 protsendi määral. Selline valiidsus on samaväärne isiksusetestide skaaladest kõige valiidsemaga, milleks on töökonteksti kohusetundlikkus, mis ennustab kandidaatide tulemuslikkust keskmiselt 6,3 protsendi määral.
Teine hea näide on USA suurettevõte, mille tarkavarainseneri, uurimisteadlase ja tootejuhi tööde kandidaatide CV-de, taotluste ja intervjuude loomuliku keele töötlusel (NLP) põhinev kompetentside hindamine ennustab nende tulemuslikkust 5,3 protsendi määral, kusjuures see jäi ainult veidi alla hindamiseksperdi 6,3 protsendile.
Üks parimaid näiteid on USA ohvitserikool, mille kandidaatide tulevast õpiedukust ennustab nende tekstide ja arvandmete NLP-põhine hindamine niisama hästi kui hindamiskomisjoni hinnang, kusjuures NLP lisas teistele meetoditele (vaimsete võimete testidele, arvandmetele ja hindamiskomisjoni hinnangule) valiidsust juurde 8,5, 5,0 ja 6,5 protsenti.
Olgu lisatud, et kõigis neis uuringutes olid AI-põhised hinnangud täiesti erapooletud, mis kinnitab, et AI erapooletus on täiesti saavutav ja et on ainult aja küsimus, millal enamik AI kasutajaid seda tahab ja suudab saavutada.
Et AI ennustab praegu ainult vähesel määral kandidaatide tulemuslikkust, tuleb personalivalikus AI-le lisaks praegu kasutada ka teisi hindamismeetodeid (tööteadmiste testi, tööproovi, vaimsete võimete testi jne) ja seejuures kindlasti ka struktureeritud intervjuud, kuna see on personalivalikus kõige valiidsem hindamismeetod, nagu on selgunud 105 uuringu metaanalüüsist, ennustades kandidaatide tulemuslikkust 17,6 protsendi määral.
Standardne hindamine
AI-põhise hindamise suurt levikut kinnitab Gartneri 2020. a. uuring, millest selgus, et 86 protsenti ettevõtetest kasutab personalivalikus AI-põhist automatiseeritud videointervjuud. Sellele aitas palju kaasa koroonapandeemia, mil tuli eelistada distantssuhtlemist kohtumistele. Küllap on praeguseks AI levik personalivalikus veelgi suurenenud.
Pole kahtlust, et AI-põhise hindamise valiidsus pidevalt suureneb tänu psühholoogia ja andmeteaduse avastustele ja innovatsioonidele. Selle tulemusel saab järjest paremini selgeks, millised omadused kandidaatide tulemuslikkust kõige valiidsemalt ennustavad ja milliste AI-põhiste meetoditega saab neid kõige valiidsemalt hinnata.
Seetõttu võib ennustada, AI võtab personalivalikus endale järjest suurema osa kandidaatide hindamisest. Nii jääb hindamiseksperdile ainult AI-põhise hindamisega lõppvooru jõudnud paari-nelja kandidaadi intervjueerimine ja neist parima valiku otsustamine. Kuid see piirdub siiski ainult lihtsate ja mõõdukalt keerukate oskustööde (rutiinide spetsialistide ja juhtide) kandidaatide hindamisega, kuna nende hindamine ei sõltu oluliselt kontekstist ehk on standardselt hinnatav.
Kontekstis hindamine
AI jääb aga jänni väga keerukate arendustööde (teadlaste, inseneride, arendustiimi juhtide, tippjuhtide jms) kandidaatide hindamisel, kuna nende tulemuslikkust ennustavate kriteeriumite hindamine sõltub suurel määral kontekstist, mida suudab arvestada ja kujundada ainult inimene, kuna ta on loov ja suudab iseennast korrigeerida, mida aga AI ei suuda.
Loovus võimaldab hindamiseksperdil kujundada intervjuu käiku nii, et kandidaat avaneb ja näitab täpselt neid vaimseid võimed, isiksuseomadusi ja kompetentse (teadmisi, oskusi ja hoiakuid), mis ennustavad tema tulemuslikkust tema tulevases töös esinevate keerukate probleemide lahendamisel. Loovus võimaldab eksperdil esitada kandidaadile täpsustavaid küsimusi sõltuvalt kandidaadi ainulaadsest mõtlemis-, tunde- ja käitumisviisist ja kogemusest ning kandidaadi vastustest ja anda saadud tõendite põhjal valiidseid hinnanguid.
Niikaua, kuni AI pole loov ega võimeline iseennast korrigeerima (mis eeldaks koodi ümberkirjutamist ja selleks omakorda uudsete meetodite leiutamist), jääb väga keerukate arendustööde kandidaatide hindajaks ekspert. Tõenäoliselt kestab see kaua, kuna MIT-i robootika emeriitprofessor ja Robust AI kaasasutaja Rodney Brooks arvab, et tõenäoliselt ei suuda AI loovalt mõelda enne paarisada aastat.
Globaalsed platvormid
On ainult aja küsimus, millal AI võtab oskustööde kandidaatide hindamise suuremas osas endale, testides kandidaatide vaimseid võimeid, isiksuseomadusi ja kompetentse täiesti erapooletult ja suure valiidsusega. See tähendab, et personalivalikus hakkavad valitsema paar-kolm globaalset platvormi, mis ühendavad kõiki ettevõtteid ja kandidaate üle maailma. Seejuures saavad juhtivaks platvormiettevõtted, mis on parimad psühholoogia ja andmeteaduse avastustes ja neil põhinevates tehnoloogiainnovatsioonides.
Nende arengute tulemusel muutub oskustööjõuturg radikaalselt, saades täiesti globaalseks. Kuna oskustöötajate standardne hindamine ja valik saab igale organisatsioonile kättesaadavaks, kaob ära üksikute ettevõtete konkurentsieelis oskustöötajate valikul. Samuti hääbuvad kohalikud personalivaliku platvormid. Nähes kiireid edusamme teaduses, juhtub see arvatavasti umbes seitsme kuni kümne aastaga.
Hindamiseksperdid
Kuid selline globaliseerumine ei toimu väga keerukate arendustööde kandidaatide valikul, kuna nende hindajaks jääb põhiosas hindamisekspert.
Seetõttu peaks iga tulevikku vaatav ettevõte saama konkurentides paremaks oma teadlaste, inseneride, arendustiimide juhtide ja tippjuhtide kandidaatide hindamisel. Sama kehtib ka riigiasutuste puhul, kuna ka riigid konkureerivad omavahel. Nii jääb Eesti ettevõttele ja riigiasutusetele reaalne võimalus eristuda innovatsiooniga globaalses konkurentsis. See on väga oluline, kuna innovatsiooniga eristumine on kõige tähtsam eeldus kõrgtehnoloogilise ekspordiga kasvatamiseks. Ja viimasest sõltub omakorda kõige rohkem Eesti jõukuse kasv.