Machine learning, quando a selezionare il personale è un software

Sono sempre di più le aziende che, per compiere una prima scrematura tra gli aspiranti lavoratori, si servono di sistemi di ricerca basati su algoritmi che analizzano i video

machine learning

Accanto al curriculum tradizionale, arriva l’intelligenza artificiale per selezionare candidati e assumere: basta registrare un video e saper rispondere a un set di domande pre-impostate. Sono sempre più le aziende che fanno ricorso al “machine learning”, servendosi di sistemi di ricerca basati su algoritmi che analizzano i video per compiere una prima scrematura tra gli aspiranti lavoratori per scegliere coloro che, in una fase successiva, saranno esaminati da recruiter in carne e ossa. Un modo, insomma, per risparmiare tempo, per ridurre il carico lavorativo e per avere la quasi certezza assoluta di aver fatto la scelta giusta.

A essere tenuti in considerazione nella fase di pre-screening – oltre a quiz e test attitudinali – sono espressioni facciali, cambi di posizione, tono della voce, sguardo, scelta delle parole. La famosa “prima impressione”, dunque, è completamente affidata a una macchina.  

Piattaforme e scenari
Tra i più utilizzati dalle aziende e dalle agenzie specializzate in selezione di personale c’è sicuramente il software inglese Hirevue: i candidati si piazzano davanti alla telecamera e, non appena parte l’intervista, il programma inizia a lavorare come una vera e propria squadra di psicologi ed esperti nascosti dietro la lente. Prende atto di cambiamenti appena percettibili al cervello umano, spacchetta le risposte in segnali verbali e non verbali (il movimento degli occhi, della testa, il momento in cui si prende respiro) le acquisisce e trasforma tutti questi dati in punteggio. Non finisce qui. I risultati vengono confrontati con le risposte e i comportamenti dei dipendenti più preparati ed efficienti.

Aggirare l’ostacolo
Lo scopo è certamente quello di effettuare la migliore selezione possibile, facendo risaltare al meglio le soft skills del candidato (capacità di relazione, di comunicazione e di problem solving, flessibilità, motivazione, empatia, predisposizione al lavoro di squadra), ma comunque non mancano le falle. I forum online specializzati sono pieni di studenti e aspiranti lavoratori che si scambiano le risposte ai test automatici, creando applicazioni ad hoc per aggirare le valutazioni e “imbrogliare” il sistema. Inoltre, Amazon è stato uno dei primi ad accorgersi dei limiti. L’azienda aveva provato a sviluppare un algoritmo che valutasse i candidati con le stesse stelline di gradimento utilizzate per recensire i prodotti. Ci si è accorti subito, però, che la macchina, nell’istruire se stessa sulle informazioni disponibili (il cosiddetto “machine learning” appunto), tendeva a privilegiare gli uomini e a sviluppare modelli che discriminavano le donne, questo perché il mondo della tecnologia è dominato da lavoratori maschi.

Interazione uomo-macchina
L’intenzione non è quella di sostituirsi all’uomo, semmai di supportarlo poiché, soprattutto nella gestione dei big data, la macchina performa meglio rispetto all’essere umano e spesso gli algoritmi intercettano informazioni che invece sfuggono all’occhio umano. Allo stesso tempo, tuttavia, un selezionatore in carne e ossa percepisce dei feedback, osserva, legge e intuisce chi gli è di fronte secondo altri criteri. È per questo che la maggior parte delle aziende realizza entrambi i percorsi: prima la selezione automatica e dopo il tradizionale colloquio, poiché non può essere prioritaria solo l’efficienza a scapito dell’etica.

Da diverse analisi fatte sul mercato del lavoro, però, risulta che più del 70 per cento dei candidati è spaventato da questa modalità di selezione e non vuole essere valutato da una macchina neppure nella fase iniziale e, nel momento in cui lo scopre, perde anche fiducia nell’azienda che lo sta selezionando.