دکتر علیرضا آگاهی
فهرست مطالب این مقاله
سامانه، چند دقیقه پس از جلسه گزارشی مرتب تولید می‌کند: نقاط قوت، ضعف‌ها و حتی امتیاز تناسب با شغل. برای تیمی که با حجم زیاد مصاحبه روبه‌روست، این سرعت جذاب است. اما آیا سامانه همان چیزی را ثبت کرده که متقاضی گفته است؟ آیا نبودن یک جمله در خلاصه، به‌اشتباه نبودن یک توانایی تلقی شده است؟
هوش مصنوعی در مصاحبه استخدامی می‌تواند بخشی از کار را تسهیل کند، اما کاربردهای آن از نظر اثر و ریسک یکسان نیستند. پیشنهاد اولیه سؤال با رتبه‌بندی متقاضی تفاوت دارد؛ همان‌طور که تبدیل صدا به متن، ارزیابی شایستگی نیست.
پیش از انتخاب ابزار، باید مشخص کنیم چه مسئله‌ای را حل می‌کنیم، چه داده‌ای وارد سامانه می‌شود و مسئول بررسی خروجی چه کسی است.
چهار کاربرد را از هم جدا کنید
| کاربرد | کمک احتمالی | بررسی ضروری |
|---|---|---|
| پیشنهاد سؤال | تولید پیش‌نویس برای معیار مشخص | ارتباط با شغل، وضوح و نبود پرسش القایی |
| رونویسی | تبدیل گفت‌وگو به متن | دقت واژه‌ها، اعداد، نفی و تشخیص گوینده |
| خلاصه‌سازی | مرتب‌کردن اطلاعات و یافتن بخش‌های مرتبط | حذف، اضافه یا تغییر معنای شواهد |
| امتیازدهی و رتبه‌بندی | پیشنهاد ارزیابی بر اساس مدل ابزار | روایی، پایایی، انصاف، توضیح‌پذیری و مسئولیت تصمیم |
موفقیت در یک کاربرد، مجوز اعتماد به کاربرد دیگر نیست. ابزاری که رونویسی خوبی دارد، لزوماً برای استنباط شخصیت یا پیش‌بینی عملکرد شغلی مناسب نیست.
پیش‌نویس سؤال نیز باید با اصول طراحی سؤال مصاحبه بازبینی شود. سؤال خوش‌ساخت اما نامرتبط، کیفیت ارزیابی را بالا نمی‌برد.
خطای تولید محتوا را با ضعف متقاضی اشتباه نگیرید
تعریفهوش مصنوعی مولد (Generative AI) می‌تواند متن یا محتوای تازه تولید کند. یکی از ریسک‌های آن، ساخت اطلاعات نادرست یا استدلال ظاهراً قانع‌کننده است؛ بنابراین روان‌بودن خروجی، شاهد صحت آن نیست.
مثالدر یک موقعیت فرضی، متقاضی گفته است: «آن تصمیم را من نگرفتم؛ فقط اجرای آن را پیگیری کردم.» خلاصه سامانه می‌نویسد: «تصمیم‌گیری و هدایت اجرای پروژه را بر عهده داشته است.» همین تغییر کوتاه می‌تواند امتیاز رهبری یا قضاوت را بدون شاهد واقعی افزایش دهد.
در فارسی، کیفیت کار ابزار را روی زبان واقعی جلسات خود بررسی کنید؛ از جمله نام‌ها، اصطلاحات تخصصی، گفتار محاوره‌ای، اعداد و جمله‌های منفی. عملکرد مناسب روی چند نمونه عمومی یا زبان دیگر، نتیجه سازمان شما را تضمین نمی‌کند.
بازبینی انسانی چه زمانی واقعی است؟
نظارت انسانی (Human Oversight) با وجود نام یک مدیر در انتهای گزارش ایجاد نمی‌شود. ارزیاب باید معیارها را بشناسد، به شواهد لازم دسترسی داشته باشد، زمان بررسی داشته باشد و بتواند خروجی را اصلاح یا کنار بگذارد.
- برای هر ادعای مهم، بخش پشتیبان در یادداشت یا منبع مجاز مشخص باشد.
- موارد مبهم و داده‌های ناقص با حدس تکمیل نشوند.
- تغییرات مهم خروجی و دلیل اصلاح ثبت شوند.
- پیشنهاد سامانه پیش از ارزیابی مستقل، قضاوت فرد را جهت ندهد.
- مسئول تصمیم نهایی و مسیر بررسی اعتراض روشن باشد.
برای کاهش اثر لنگر، می‌توان در اجرای آزمایشی ابتدا ارزیابی مستقل انسان را ثبت و سپس خروجی ابزار را مقایسه کرد. این مقایسه باید کیفیت شواهد را بررسی کند؛ نه اینکه انسان همیشه معیار خطاناپذیر فرض شود.
اصول ثبت شواهد و گزارش مصاحبه همچنان برقرارند. ابزار، مسئولیت توضیح تصمیم را از سازمان نمی‌گیرد.
برای خلاصه‌سازی، دستور محدود و قابل بررسی بدهید
اگر استفاده از ابزار و داده از نظر سازمان مجاز است، می‌توان دستور زیر را برای تولید پیش‌نویس به کار برد. این دستور، نیاز به بازبینی را حذف نمی‌کند:
فقط بر اساس متن ارائه‌شده کار کن. اطلاعات تازه، صفت شخصیتی، امتیاز یا توصیه استخدام نساز. گفته متقاضی را از گفته مصاحبه‌گر جدا کن. برای هر معیار، شواهد صریح و محل آن در متن را مشخص کن. اگر اطلاعات کافی نیست، بنویس «شواهد کافی در متن موجود نیست». ابهام، تناقض و بخش نامفهوم را آشکار نگه دار.
حذف نام نیز به‌تنهایی ناشناس‌سازی کامل نیست. نام پروژه، شرکت، شهر یا جزئیات تجربه می‌تواند هویت فرد را آشکار کند. پیش از ورود اطلاعات، شرایط نگهداری، استفاده برای آموزش مدل، پیمانکاران فرعی و حذف داده را بررسی کنید.
از متقاضی درباره استفاده از هوش مصنوعی چه انتظاری داریم؟
آمادگی پیش از جلسه، ویرایش رزومه و دریافت پاسخ زنده در حین ارزیابی، یک رفتار واحد نیستند. سازمان باید قواعد را متناسب با هدف سنجش و پیش از شروع اعلام کند.
اگر می‌خواهید توان حل مسئله فرد بدون کمک سنجیده شود، کمک مجاز و غیرمجاز را روشن کنید. اگر کار واقعی نقش شامل استفاده از ابزارهای هوشمند است، می‌توان بخشی از ارزیابی را با ابزار طراحی کرد و شیوه بررسی خروجی، اصلاح خطا و توضیح تصمیم را سنجید.
استفاده از ابزار کمکیِ توافق‌شده برای دسترس‌پذیری را با کمک پنهانی برای تولید پاسخ یکی نگیرید. این موضوع با تمهیدات مصاحبه دسترس‌پذیر ارتباط دارد.
هشدارمتن مرتب، مکث یا نگاه‌کردن به گوشه صفحه، اثبات استفاده غیرمجاز نیست. خروجی آشکارساز متن نیز نباید به‌تنهایی مبنای اتهام یا حذف باشد. بررسی باید بر قواعد اعلامشده و شواهد قابل بررسی تکیه کند.
برای روشن‌شدن سهم فرد بپرسید: «چرا این راه‌حل را انتخاب کردید؟»، «کدام فرض را تغییر می‌دهید؟» یا «اگر این داده اشتباه باشد چه می‌کنید؟» هدف، دریافت شواهد فهم و اقدام است؛ نه اجرای بازجویی برای تأیید یک پیش‌فرض.
چک‌لیست انتخاب و اجرای آزمایشی ابزار
- کاربرد: ابزار دقیقاً برای چه کاری و چه تصمیمی استفاده می‌شود؟
- شواهد: چه بررسی مستقلی درباره عملکرد آن در همین کاربرد وجود دارد؟
- زبان و زمینه: روی گفتار و معیارهای شغلی سازمان چگونه عمل می‌کند؟
- خطا: چه اطلاعاتی را حذف، اضافه یا به گوینده اشتباه نسبت می‌دهد؟
- انصاف و دسترسی: چه کسانی ممکن است به‌دلیل شیوه اجرا متضرر شوند؟
- داده: چه چیزی ذخیره، منتقل، بازاستفاده یا حذف می‌شود؟
- انسان مسئول: چه کسی خروجی را بررسی و چه کسی تصمیم را تأیید می‌کند؟
- تغییر ابزار: پس از به‌روزرسانی مدل یا تنظیمات، چه بررسی دوباره‌ای انجام می‌شود؟
- توقف: چه خطایی باعث تعلیق استفاده تا رفع مسئله می‌شود؟
اجرای آزمایشی را با داده ساختگی یا داده‌ای آغاز کنید که استفاده از آن واقعاً مجاز است. صرفه‌جویی خالص زمان را پس از احتساب اصلاح خطا و بازبینی بسنجید. برای تحلیل، فقط پذیرش پیشنهاد سامانه را معیار موفقیت نگذارید.
از نگاه خانه منابع انسانی، پیش از خرید ابزار باید بتوانیم بگوییم کدام مسئله مصاحبه را حل می‌کند. اگر معیارها مبهم و مستندات ضعیف‌اند، خودکارسازی ممکن است همان ضعف را سریع‌تر و منظم‌تر بازتولید کند.
خلاصهکاربرد ابزار را محدود و روشن کنید، خروجی را به شواهد متصل نگه دارید و اختیار واقعی بازبینی را حفظ کنید. فناوری می‌تواند به فرایند کمک کند؛ جای طراحی معتبر، حریم خصوصی و مسئولیت تصمیم را نمی‌گیرد.
پرسش‌های متداول
پاسخ کوتاه به ۴ پرسش درباره «هوش مصنوعی در مصاحبه استخدامی؛ کاربردها و محدودیت‌ها»
۱آیا می‌توان امتیاز مصاحبه را از یک مدل عمومی گرفت؟
توانایی تولید عدد، شاهد روایی آن عدد نیست. استفاده در ارزیابی نیازمند معیار روشن، بررسی عملکرد ابزار و کنترل خطا و انصاف است؛ خروجی عمومی نباید جای ارزیابی مستند را بگیرد.
۲آیا رونویسی خودکار همان یادداشت معتبر است؟
خیر. خطای تشخیص واژه، گوینده یا نفی ممکن است معنا را عوض کند. بخش‌های مؤثر بر تصمیم باید بررسی شوند.
۳آیا استفاده متقاضی از هوش مصنوعی همیشه تخلف است؟
خیر. به نوع استفاده و قواعد از پیش اعلامشده بستگی دارد. آمادگی پیش از جلسه با تولید پنهانی پاسخ در ارزیابی بدون کمک یکسان نیست.
۴آیا تحلیل چهره و صدا، صداقت را مشخص می‌کند؟
نباید چنین ادعایی را بدون شواهد معتبر و مرتبط پذیرفت. از استنباط صداقت یا شخصیت بر اساس ظاهر رفتار و خروجی‌های تأییدنشده پرهیز کنید.
مراجع و منابع
- وزارت علوم، نوآوری و فناوری بریتانیا. استفاده مسئولانه از هوش مصنوعی در جذب کارکنان، ۲۰۲۴.
- دفتر کمیسر اطلاعات بریتانیا. ابزارهای هوش مصنوعی در جذب: گزارش نتایج ممیزی، ۲۰۲۴؛ بخش‌های دقت، بازبینی انسانی و روابط با ارائه‌دهندگان.
- مؤسسه ملی استاندارد و فناوری ایالات متحده. نمایه هوش مصنوعی مولد در چارچوب مدیریت ریسک هوش مصنوعی، ۲۰۲۴، سند ۶۰۰ـ۱.
- لیانگ و همکاران. سوگیری آشکارسازهای متن تولیدشده نسبت به نویسندگان غیربومی انگلیسی، نشریه پترنز، ۲۰۲۳. نتایج این مطالعه مربوط به ابزارها و داده‌های بررسی‌شده است و نرخ خطای همه ابزارهای امروز یا زبان فارسی را تعیین نمی‌کند.
در اتاق‌های جلسات و راهروهای سازمان‌ها، خیلی زود فهمیدم پیچیده‌ترین معادله مدیریت، ابزارها نیستند؛ خودِ انسان‌ها هستند. من به عنوان مشاور مدیریت منابع انسانی و راهبر «خانه منابع انسانی»، کارم ساختن پل میان دو چیز است: منطق بی‌رحم کسب‌وکار و دنیای واقعی آدم‌ها. در این مجله، تئوری‌های خاک‌گرفته را کنار می‌گذارم و از راه‌حل‌هایی می‌نویسم که در دنیای واقعی کار می‌کنند.
این چالش در سازمان شما هم هست؟
اگر می‌خواهید آنچه خواندید را در سازمان خود به کار بگیرید، درخواست‌تان را بفرستید تا هم‌تیمی‌های خانه منابع انسانی برای هماهنگی با شما تماس بگیرند.
- تشخیص دقیق مسئلهپیش از هر راه‌حلی، ریشه را پیدا می‌کنیم
- طراحی راه‌حل متناسبنه نسخه آماده؛ متناسب با فرهنگ و اندازه سازمان شما
- همراهی تا اجرااز طراحی تا استقرار و سنجش نتیجه
میزگرد حرفه‌ای خانه منابع انسانی
اگر ارزیاب فقط پیشنهاد سامانه را تأیید کند، آیا هنوز تصمیم انسانی داریم؟