¿Reducirá la IA el sesgo de género en la contratación?
Por Tomas chamorro-premuzic
Contratación
Harvard Business Review
La AI está perturbando todas las áreas de la vida, incluso cómo las organizaciones encuentran talento. Las empresas generalmente son conscientes del ROI que se obtiene al encontrar a la persona adecuada para el trabajo correcto. McKinsey estimó que, para roles altamente complejos, se puede esperar que las estrellas produzcan un 800% más que los artistas promedio. Y un estudio reciente de la Escuela de Negocios de Harvard mostró que existen beneficios aún mayores para evitar trabajadores tóxicos.
A pesar de este papel crucial del talento, las organizaciones aún no pueden atraer al talento adecuado, confiando más en las prácticas de identificación del talento intuitivas que en las basadas en datos, especialmente en la parte superior, donde la participación es realmente la más alta. De hecho, demasiados líderes son contratados sobre la base de su experiencia técnica, influencia política o desempeño de la entrevista. Como ilustro en mi último libro, ¿Por qué tantos hombres incompetentes se convierten en líderes? (Y cómo solucionarlo), la mayoría de las empresas se enfocan en los rasgos equivocados, contratando más confianza que caridad, carisma más que humildad y tendencias narcisistas. que la integridad, lo que explica el excedente de líderes incompetentes y hombres. El resultado es una desconexión patológica entre las cualidades que nos seducen en un líder y las que se necesitan para ser un líder eficaz.
Una pregunta interesante que surge es hasta qué punto las nuevas tecnologías dentro del mundo nuevo y valiente de las herramientas de contratación basadas en IA podrían ayudarnos a reducir errores, ruidos y sesgos en nuestros procesos de identificación de talentos. Por ejemplo, ¿las mujeres estarían mejor si AI y los algoritmos estuvieran a cargo de la contratación? Investigaciones anteriores han puesto de relieve una clara inconsistencia en torno al género y el liderazgo. Por un lado, las mujeres a menudo son evaluadas más negativamente por otras, incluso cuando hay pocas diferencias de comportamiento granular entre mujeres y hombres. Por otro lado, los metanálisis a gran escala sugieren que las mujeres tienen una ligera ventaja en lo que respecta a las habilidades sociales que predisponen a los individuos a ser líderes más efectivos, y que generalmente adoptan estilos de liderazgo más efectivos que los hombres. Por ejemplo, si los líderes fueran seleccionados sobre la base de su inteligencia emocional, autoconciencia, humildad, integridad y capacidad de entrenamiento, la mayoría de los líderes serían mujeres en lugar de hombres.
Y, sin embargo, ha habido noticias destacadas recientemente que indican que la IA puede contribuir incluso a un mayor sesgo e impacto adverso contra las mujeres, y que cuando los algoritmos se capacitan para emular a los reclutadores humanos, no solo reproducen los sesgos humanos, sino que también los exacerban. En una forma mucho más eficiente de discriminación.
Para estar seguros, nos sorprendemos y escandalizamos mucho más fácilmente al contratar errores cometidos por AI, que por errores humanos o sesgos. Es un poco como con los autos que conducen por cuenta propia: se necesita un accidente automovilístico para convencernos de que la tecnología es defectuosa, pero estamos bien con 1.2 millones de accidentes fatales y 50 millones de lesiones por conducir al año, cortesía de los humanos. Entonces, comencemos con la importante conclusión de que la mayoría de las prácticas de contratación son (a) intuitivas y (b) ineficaces. Para cada compañía que nombra a la mayoría de sus líderes según criterios objetivos y meritocráticos, hay muchos más en los que tales nombramientos son una verdadera rareza, algo que puede suceder por accidente, ocasionalmente e independientemente de sus intenciones. También está claro que la IA no puede ser sesgada en la forma en que los humanos son: eso requeriría que la IA tenga emociones, sentimientos u opiniones. AI no necesita involucrarse en sesgos inconscientes para penalizar a las mujeres u otros grupos desfavorecidos con el fin de obtener un aumento de la autoestima. Por supuesto, si AI se entrena con datos sesgados, por ejemplo, si enseñamos a predecir qué candidatos serán calificados positivamente por los entrevistadores humanos, no solo emulará, sino que también exacerbará, el sesgo humano: aumentarlo y hacerlo mucho más eficiente. Pero esto se puede abordar enseñando AI para predecir resultados relevantes y objetivos, en lugar de imitar la intuición humana.
Además, hay razones para esperar que las herramientas de inteligencia artificial sean más precisas y predictivas que los humanos (no solo porque los humanos son generalmente malos en esto):
Tomas Chamorro-Premuzic es el científico en jefe de talentos de ManpowerGroup, profesor de psicología empresarial en el University College London y en la Universidad de Columbia, y asociado en el Laboratorio de Finanzas Empresariales de Harvard. Él es el autor de ¿Por qué tantos hombres incompetentes se convierten en líderes? (Y como arreglarlo). Encuéntralo en Twitter: @drtcp o en www.drtomas.com.
Contratación
Harvard Business Review
La AI está perturbando todas las áreas de la vida, incluso cómo las organizaciones encuentran talento. Las empresas generalmente son conscientes del ROI que se obtiene al encontrar a la persona adecuada para el trabajo correcto. McKinsey estimó que, para roles altamente complejos, se puede esperar que las estrellas produzcan un 800% más que los artistas promedio. Y un estudio reciente de la Escuela de Negocios de Harvard mostró que existen beneficios aún mayores para evitar trabajadores tóxicos.
A pesar de este papel crucial del talento, las organizaciones aún no pueden atraer al talento adecuado, confiando más en las prácticas de identificación del talento intuitivas que en las basadas en datos, especialmente en la parte superior, donde la participación es realmente la más alta. De hecho, demasiados líderes son contratados sobre la base de su experiencia técnica, influencia política o desempeño de la entrevista. Como ilustro en mi último libro, ¿Por qué tantos hombres incompetentes se convierten en líderes? (Y cómo solucionarlo), la mayoría de las empresas se enfocan en los rasgos equivocados, contratando más confianza que caridad, carisma más que humildad y tendencias narcisistas. que la integridad, lo que explica el excedente de líderes incompetentes y hombres. El resultado es una desconexión patológica entre las cualidades que nos seducen en un líder y las que se necesitan para ser un líder eficaz.
Una pregunta interesante que surge es hasta qué punto las nuevas tecnologías dentro del mundo nuevo y valiente de las herramientas de contratación basadas en IA podrían ayudarnos a reducir errores, ruidos y sesgos en nuestros procesos de identificación de talentos. Por ejemplo, ¿las mujeres estarían mejor si AI y los algoritmos estuvieran a cargo de la contratación? Investigaciones anteriores han puesto de relieve una clara inconsistencia en torno al género y el liderazgo. Por un lado, las mujeres a menudo son evaluadas más negativamente por otras, incluso cuando hay pocas diferencias de comportamiento granular entre mujeres y hombres. Por otro lado, los metanálisis a gran escala sugieren que las mujeres tienen una ligera ventaja en lo que respecta a las habilidades sociales que predisponen a los individuos a ser líderes más efectivos, y que generalmente adoptan estilos de liderazgo más efectivos que los hombres. Por ejemplo, si los líderes fueran seleccionados sobre la base de su inteligencia emocional, autoconciencia, humildad, integridad y capacidad de entrenamiento, la mayoría de los líderes serían mujeres en lugar de hombres.
Y, sin embargo, ha habido noticias destacadas recientemente que indican que la IA puede contribuir incluso a un mayor sesgo e impacto adverso contra las mujeres, y que cuando los algoritmos se capacitan para emular a los reclutadores humanos, no solo reproducen los sesgos humanos, sino que también los exacerban. En una forma mucho más eficiente de discriminación.
Para estar seguros, nos sorprendemos y escandalizamos mucho más fácilmente al contratar errores cometidos por AI, que por errores humanos o sesgos. Es un poco como con los autos que conducen por cuenta propia: se necesita un accidente automovilístico para convencernos de que la tecnología es defectuosa, pero estamos bien con 1.2 millones de accidentes fatales y 50 millones de lesiones por conducir al año, cortesía de los humanos. Entonces, comencemos con la importante conclusión de que la mayoría de las prácticas de contratación son (a) intuitivas y (b) ineficaces. Para cada compañía que nombra a la mayoría de sus líderes según criterios objetivos y meritocráticos, hay muchos más en los que tales nombramientos son una verdadera rareza, algo que puede suceder por accidente, ocasionalmente e independientemente de sus intenciones. También está claro que la IA no puede ser sesgada en la forma en que los humanos son: eso requeriría que la IA tenga emociones, sentimientos u opiniones. AI no necesita involucrarse en sesgos inconscientes para penalizar a las mujeres u otros grupos desfavorecidos con el fin de obtener un aumento de la autoestima. Por supuesto, si AI se entrena con datos sesgados, por ejemplo, si enseñamos a predecir qué candidatos serán calificados positivamente por los entrevistadores humanos, no solo emulará, sino que también exacerbará, el sesgo humano: aumentarlo y hacerlo mucho más eficiente. Pero esto se puede abordar enseñando AI para predecir resultados relevantes y objetivos, en lugar de imitar la intuición humana.
Además, hay razones para esperar que las herramientas de inteligencia artificial sean más precisas y predictivas que los humanos (no solo porque los humanos son generalmente malos en esto):
- Nuestro método favorito para seleccionar y examinar a los candidatos, incluidos los líderes, es la entrevista, y los estudios científicos a gran escala han demostrado que las entrevistas son más predictivas cuando están altamente estructuradas. Mientras que las entrevistas en persona / analógicas son difíciles de estandarizar, las entrevistas en video nos permiten pasar a las personas exactamente por la misma experiencia, capturar millones de puntos de datos sobre sus comportamientos (por ejemplo, lo que dicen, cómo lo dicen, el uso del lenguaje, el lenguaje corporal). y micro-expresiones), y remover observadores humanos prejuiciosos del proceso. Es seguro suponer que la automatización de todas las entrevistas no estructuradas y con calificación humana reduciría los sesgos y el nepotismo al tiempo que aumentaría la meritocracia y la precisión predictiva. Esto debería ser bueno para las mujeres (y malo para los hombres).
- Por supuesto, hay algunos entrevistadores humanos increíblemente inteligentes que generalmente superan los algoritmos (aunque tenga cuidado con el próximo documental de Netflix sobre cómo la IA supera a los mejores entrevistadores humanos, al igual que lo hacen con los mejores jugadores de ajedrez o AlphaGo). El problema principal, sin embargo, es que la mayoría de las personas no son tan intuitivas como piensan. Y por cada brillante entrevistador, hay cientos o miles que piensan que son brillantes, pero en realidad no lo son. Todos pensamos muy bien de nuestra propia intuición, especialmente cuando no somos intuitivos. Daniel Kahneman, uno de los fundadores del movimiento de economía del comportamiento, y ganador del Premio Nobel, señaló: "En general, estamos demasiado seguros de nuestras opiniones y de nuestras impresiones y juicios". Independientemente de la capacidad de AI para detectar talento, podemos esperar que sea mucho más conscientes de su capacidad que los humanos son de su propia capacidad. Esto también permitirá que la IA mejore (más de lo que se puede esperar que hagan los humanos). Tenga en cuenta que el entrevistador humano promedio ni siquiera admitirá haber cometido un error de contratación, ya que se dedicará al sesgo de confirmación para ver a los candidatos que personalmente contrataron en una vena positiva una vez que tienen la tarea de evaluar su desempeño. Los seres humanos tienen piel en el juego: aceptar errores los hace parecer estúpidos, a la IA no le importa verse estúpida.
- Una de las grandes ventajas de la IA es que, además de ser mejor para detectar cosas (es decir, millones de puntos de datos), también es superior para ignorar las cosas. Imagine a un ser humano ético, bien intencionado y de mente abierta que tiene todas las intenciones de ser justo en sus prácticas de contratación y, por lo tanto, está decidido a evitar los prejuicios de género en su (supongamos que es un proceso de contratación masculino). Independientemente de lo duro que intente, será muy difícil para él ignorar el género de los candidatos. Imagínelo sentado frente a una candidata femenina, repitiéndose: "No debo pensar en el hecho de que esta persona es una mujer" o "No debo permitir que el género de esta persona interfiera con mi evaluación". De hecho, cuanto más Intenta suprimir este pensamiento, cuanto más prominente sea en su mente. Esto también conducirá a la distracción o el exceso de compensación. En contraste, la IA puede ser entrenada para ignorar el género de las personas y enfocarse solo en las señales relevantes de talento o potencial. Por ejemplo, los algoritmos pueden ser entrenados para captar señales relevantes de EQ, competencia o habilidades de comunicación, mientras están realmente ciegos al género. Esto definitivamente favorecería a las mujeres.
- El factor crítico para que esto funcione es que las organizaciones identifican datos de rendimiento reales para entrenar los algoritmos. Si se enseña a la IA a predecir o anticipar las preferencias humanas, como si un jefe (humano) agradecerá a un candidato una vez que sea contratado, podemos esperar que el sesgo se mantenga ... y se incremente. Sin embargo, si AI está capacitado para identificar los impulsores reales del desempeño, definidos ampliamente como la contribución de un individuo a la organización, entonces podemos esperar una evaluación mucho más justa, más precisa y reproducible del potencial de las personas que lo que los humanos pueden hacer. Esto, una vez más, debería ser bueno para las mujeres.
Tomas Chamorro-Premuzic es el científico en jefe de talentos de ManpowerGroup, profesor de psicología empresarial en el University College London y en la Universidad de Columbia, y asociado en el Laboratorio de Finanzas Empresariales de Harvard. Él es el autor de ¿Por qué tantos hombres incompetentes se convierten en líderes? (Y como arreglarlo). Encuéntralo en Twitter: @drtcp o en www.drtomas.com.
No hay comentarios:
Publicar un comentario