L'Intelligenza Artificiale e il suo impiego nella Selezione

Machine Learning, un aiuto oppure una minaccia per il recruiter ?

La digitalizzazione ridisegna e rimodella non solo il business delle aziende tradizionali ma anche l’intero comparto del lavoro, dei modi di produrre e di vivere delle persone nelle organizzazioni e nella società.
Da quando la digitalizzazione dei processi di Recruiting e Selezione ha fatto capolino su WEB (siamo, per nostra esperienza, intorno all'anno 2.000) anche le competenze delle persone che si occupano di individuare il personale, i talenti per l'impresa, sono cambiate.

Come indicavo nel mio Libro "Social recruiting, soft skills e neuroscienze.Criteri e strumenti per la selezione del personale" (CUI Editore), "la piattaforma social come LinkedIn che offre servizi di Employer Branding è in grado di strutturare, quindi di influenzare, le modalità di lancio degli annunci. Guidati nelle loro scelte di servizi del social di riferimento, che inseriscono nei loro “allert” anche i candidati passivi o dormienti, gli incaricati del recruiting e selezione potrebbero finire per convocare a colloquio soggetti che alla prova dei fatti presentano caratteristiche non coerenti con il ruolo da ricoprire. E siccome i candidati sono stati scelti con filtri e altri algoritmi dai “social”, sia i recruiters che i candidati, potrebbero non essere perfettamente coscienti di come si è formato il “matching” tra domanda e offerta di lavoro: magari l’incontro è stato reso possibile solo dalla spinta interessata del “social” oppure da un cv “socialmente sensibile” (pag.258).

Ma come da LinkedIn a fornire profili simili a quelli precedentemente ricercati dall'impresa ?

Si basa su dati inseriti volontariamente dal Candidato o Professionista che si registra su LinkedIn. Se tali dati inseriti sono forzati dal soggetto oppure se la terminologia utilizzata "dagli user" è allineata a quella di tutti gli altri profili del medesimo settore professionale, della medesima area di lavoro, dello stesso profilo lavorativo, non c'è il rischio che le "Machine Learning" possano essere allenate su dati che sono in partenza "socialmente desiderabili" ?

LinkedIn, come altri sistemi di Intelligenza Artificiale,  si serve di una varietà di tecniche matematiche e statistiche per riconoscere modelli presenti nei dati inseriti nel suo illimitato Data Base e fare previsioni sul futuro lavorativo che potrebbe interessare i propri users e le aziende. Prende in considerazione non tanto i dati impliciti dei singoli soggetti (come si emozionano, come realmente la pensano, come sono guidati nelle scelte reali, ecc.) ma le esigenze del Recruiter/Azienda incrociandoli con i dati di navigazione dell'user (si sa che navigano di più gli estroversi, ad esempio). 

Come ogni sistema di Intelligenza Artificiale, il sistema algoritmico di LinkedIn è utile quando ci sono tantissimi dati da trattare. Infatti la segmentazione utilizzata dall'azienda per fare selezione prende in considerazione pochi fattori (esempio: formazione, residenza, esperienze pregresse, ecc.), mentre, ad esempio, il "clustering" (machine learning di apprendimento non supervisionato che potrebbe utilizzare LinkedIn) utilizza moltissimi altri dati dei candidati (età, zona, tempi di occupazione, ultime attività svolte nella rete, annunci più consultati, cambiamenti nei CV, similitudine ad altri profili da proporre, ecc.) per scoprire quelli che l'occhio umano e i data base statici delle imprese non sono in grado di intercettare.

E' la datificazione della Selezione e del Recruiting, utile nel momento di scrematura dei CV più interessanti,  quelli scelti da machine learning propriamente allenate a fare questo lavoro per conto degli umani. Tuttavia se l'I.A. è allenata su dati poco veritieri finisce per fornire informazioni false: ad oggi ad esempio non si sa bene quanti Data Scientist contiene il Data Base di LinkedIn per l'Italia. Ma soprattutto non si capisce come mai improvvisamente una miriade di CV contengano questa informazione non si sa bene come formata, sviluppata e applicata.

In ogni caso terminato il lavoro automatico di LinkedIn inizia il lavoro del Recruiter e del Selezionatore che ha nella sua cassetta degli attrezzi altre risorse capaci di intercettare quei fattori soggettivi impliciti che la machine learning non intercettano in maniera affidabile (per il momento ...). 
Tra i fattori soggettivi che il Selezionatore deve individuare nelle fasi di intervista, colloquio e assessment ci sono, a mio parere, la capacità d'azione/attivazione/agilità; la memoria del candidato e l'influenza dell'esperienza per le sue scelte future; la capacità di ragionamento; il pensiero intellettuale, la creatività, le emozioni; la socialità; la voglia di applicarsi e apprendere; la disposizione alla diversità,..
Non è poco.