کاربردهای هوش مصنوعی

ابزارهای ارزیابی مبتنی بر هوش مصنوعی چگونه رفتار متقاضیان شغلی را تغییر می‌دهند؟

بر اساس گزارش مجمع جهانی اقتصاد، بیش از ۹۰ درصد کارفرمایان از سامانه‌های خودکار برای غربالگری یا رتبه‌بندی درخواست‌های استخدام استفاده می‌کنند و ۸۸ درصد شرکت‌ها نیز هم‌اکنون نوعی از هوش مصنوعی را برای غربالگری اولیه متقاضیان به کار گرفته‌اند. برای نمونه، شرکت…

7 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • هوش
  • مصنوعی
  • ارزیابی
  • متقاضیان
  • می‌کنند
  • می‌کند
ابزارهای ارزیابی مبتنی بر هوش مصنوعی چگونه رفتار متقاضیان شغلی را تغییر می‌دهند؟

خلاصه تحلیلی خبر

بر اساس گزارش مجمع جهانی اقتصاد، بیش از ۹۰ درصد کارفرمایان از سامانه‌های خودکار برای غربالگری یا رتبه‌بندی درخواست‌های استخدام استفاده می‌کنند و ۸۸ درصد شرکت‌ها نیز هم‌اکنون نوعی از هوش مصنوعی را برای غربالگری اولیه متقاضیان به کار گرفته‌اند. برای نمونه، شرکت…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، هوش، مصنوعی، ارزیابی، متقاضیان

بر اساس گزارش مجمع جهانی اقتصاد، بیش از ۹۰ درصد کارفرمایان از سامانه‌های خودکار برای غربالگری یا رتبه‌بندی درخواست‌های استخدام استفاده می‌کنند و ۸۸ درصد شرکت‌ها نیز هم‌اکنون نوعی از هوش مصنوعی را برای غربالگری اولیه متقاضیان به کار گرفته‌اند. برای نمونه، شرکت یونیلیور از ابزارهای مبتنی بر هوش مصنوعی شرکت HireVue برای ارزیابی متقاضیان تازه‌کار استفاده می‌کند؛ اقدامی که بیش از ۵۰ هزار ساعت در زمان و بیش از یک میلیون دلار در هزینه‌های این شرکت صرفه‌جویی کرده است.

بیشتر سازمان‌ها هنگام بررسی استفاده از ابزارهای ارزیابی مبتنی بر هوش مصنوعی، عمدتاً بر مزایایی مانند افزایش کارایی و بهبود کیفیت تمرکز می‌کنند؛ اما معمولاً این موضوع را در نظر نمی‌گیرند که ارزیابی توسط هوش مصنوعی چگونه می‌تواند رفتار متقاضیان را در طول فرایند ارزیابی تغییر دهد. پژوهش جدید HBR که بیش از ۱۳ هزار نفر را در قالب ۱۲ مطالعه بررسی کرده است، نشان می‌دهد این موضوع یک نقطه کور مهم در تصمیم‌گیری سازمان‌ها به شمار می‌رود. در این پژوهش، شبیه‌سازی انواع مختلفی از موقعیت‌های ارزیابی هم در محیط آزمایشگاهی و هم در شرایط واقعی انجام شده و همچنین با استارتاپ Equalture که راهکارهای استخدام مبتنی بر بازی را ارائه می‌دهد، همکاری شده است.

چرا این موضوع برای سازمان شما اهمیت دارد؟

نتایج نشان داد زمانی که متقاضیان تصور می‌کنند توسط هوش مصنوعی ارزیابی می‌شوند، دائماً بر ویژگی‌های تحلیلی خود تأکید بیشتری می‌کنند و در مقابل، به ویژگی‌های کاملاً انسانی مانند همدلی، خلاقیت و شهود که اغلب وجه تمایز کارکنان برجسته از کارکنان صرفاً شایسته هستند را کمتر توجه می‌کنند. در نتیجه، افراد نسخه‌ای متفاوت و درعین‌حال همگن‌تر از شخصیت خود را ارائه می‌کنند؛ موضوعی که بر احتمال موفقیت آن‌ها در فرایندهای استخدام مبتنی بر هوش مصنوعی اثر می‌گذارد و پیامدهایی برای سازمان‌هایی دارد که از هوش مصنوعی در تصمیم‌گیری‌های مرتبط با استخدام، ارتقا یا پذیرش استفاده می‌کنند.

ابزارهای ارزیابی مبتنی بر هوش مصنوعی چگونه رفتار متقاضیان شغلی را تغییر می‌دهند؟

پیامدهای یافته‌های این پژوهش تنها به تصمیم‌های استخدامی محدود نمی‌شود. هنگامی که متقاضیان به طور نظام‌مند خود را به شکلی نادرست یا غیرواقعی معرفی می‌کنند، سازمان‌ها با چند چالش اساسی مواجه می‌شوند.

تحریف استخر استعدادها

اگرچه معمولاً هوش مصنوعی به دلیل تصمیم‌گیری‌های سوگیرانه در استخدام مانند تبعیض علیه زنان در فرایند انتخاب موردانتقاد قرار می‌گیرد، پژوهش HBR نشان می‌دهد صرف آگاهی از اینکه ارزیابی توسط هوش مصنوعی انجام می‌شود نیز خود نوعی سوگیری در متقاضیان ایجاد می‌کند. آن‌ها تصور می‌کنند باید بیش از هر چیز بر توانایی‌های تحلیلی خود تأکید کنند. در نتیجه، ممکن است شرکت‌ها صرفاً به دلیل استفاده از هوش مصنوعی، دقیقاً همان افرادی را کنار بگذارند که به آن‌ها نیاز دارند. متفکران نوآور یا رهبران دارای هوش هیجانی بالا ممکن است خود را به شکل تحلیلگرانی قانون‌مدار معرفی کنند، زیرا گمان می‌کنند هوش مصنوعی دقیقاً چنین ویژگی‌هایی را ترجیح می‌دهد.

تضعیف اعتبار فرایند ارزیابی

کیفیت هر ابزار ارزیابی به کیفیت داده‌هایی بستگی دارد که جمع‌آوری می‌کند. هنگامی که متقاضیان پاسخ‌های خود را به‌صورت راهبردی تغییر می‌دهند، اعتبار بنیادی فرایند ارزیابی ممکن است خدشه‌دار شود. در چنین شرایطی، سازمان‌ها دیگر توانمندی‌های واقعی افراد را اندازه‌گیری نمی‌کنند، بلکه آنچه را می‌سنجند که متقاضیان تصور می‌کنند بیشترین ارزش را از نگاه هوش مصنوعی دارد.

ابزارهای ارزیابی مبتنی بر هوش مصنوعی چگونه رفتار متقاضیان شغلی را تغییر می‌دهند؟

همگن‌سازی ناخواسته نیروی انسانی

اگر اغلب متقاضیان بر این باور باشند که هوش مصنوعی ویژگی‌های تحلیلی را ترجیح می‌دهد، جریان جذب استعدادها به‌تدریج یکنواخت‌تر خواهد شد؛ اتفاقی که می‌تواند برنامه‌های تنوع سازمانی را تضعیف کرده و دامنه دیدگاه‌ها و تجربه‌های موجود در سازمان را محدود کند. شرکت‌هایی مانند IBM و Hilton که از هوش مصنوعی هم در استخدام و هم در فرایندهای ارتقای داخلی استفاده می‌کنند، اکنون باید با این پرسش مواجه شوند که آیا این ابزارها کارکنان را به سمت ارائه تصویری کلیشه‌ای و فرمول‌محور از خود سوق می‌دهند یا خیر.

ازسوی‌دیگر، مقررات جدید شفافیت مانند قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) که سازمان‌ها را ملزم می‌کند استفاده از هوش مصنوعی را در تصمیم‌های پرریسک افشا کنند، احتمال بروز چنین پیامدهایی را افزایش می‌دهد. هرچه متقاضیان آگاه‌تر باشند که توسط هوش مصنوعی ارزیابی می‌شوند، احتمال بیشتری دارد که رفتار خود را تغییر دهند.

مدیران چه اقداماتی می‌توانند انجام دهند؟

بر اساس یافته‌های این پژوهش، سازمان‌ها می‌توانند برای کاهش اثرات ارزیابی مبتنی بر هوش مصنوعی چند اقدام عملی انجام دهند.

شفافیت حداکثری

صرف اعلام اینکه از هوش مصنوعی استفاده می‌کنید کافی نیست؛ باید به‌روشنی توضیح دهید که این سامانه دقیقاً چه چیزهایی را ارزیابی می‌کند. به طور شفاف اعلام کنید که هوش مصنوعی سازمان شما طیف متنوعی از ویژگی‌ها، از جمله خلاقیت، هوش هیجانی و توانایی حل مسئله مبتنی بر شهود را نیز ارزش‌گذاری می‌کند. حتی می‌توانید نمونه‌هایی از متقاضیان موفقی ارائه دهید که با اتکا به توانایی‌های خلاقانه یا شهودی خود پذیرفته شده‌اند.

در حال حاضر، به نظر می‌رسد تعداد اندکی از شرکت‌ها درباره آنچه هوش مصنوعی واقعاً ارزیابی می‌کند شفاف هستند؛ دست‌کم این اطلاعات هنگام مراجعه به صفحات فرصت‌های شغلی بسیاری از شرکت‌های بزرگ به‌سادگی در دسترس نیست. در مقابل، متقاضیان برداشت‌ها و حدس‌های خود را در وبلاگ‌ها و ویدئوهای مختلف با یکدیگر به اشتراک می‌گذارند؛ اقدامی که می‌تواند نتیجه‌ای معکوس داشته باشد، زیرا این برداشت‌ها ممکن است با شیوه واقعی عملکرد سامانه‌ها همخوانی نداشته باشد. توصیه HBR این است که شرکت‌ها اجازه ندهند متقاضیان ناچار شوند درباره نحوه ارزیابی هوش مصنوعی صرفاً حدس و گمان بزنند.

ممیزی‌های رفتاری منظم

بازبینی‌های نظام‌مند از نتایج ارزیابی‌های مبتنی بر هوش مصنوعی را در دستور کار قرار دهید. برای نمونه، شهر نیویورک با تصویب قانون محلی شماره ۱۴۴ (Local Law 144)، کارفرمایان را موظف کرده است هر سال ممیزی سوگیری برای سامانه‌های استخدام مبتنی بر هوش مصنوعی انجام دهند. در همین راستا، شرکت HireVue که یکی از رهبران بازار استخدام مبتنی بر هوش مصنوعی محسوب می‌شود، نتایج ممیزی‌های اخیر خود درباره سوگیری‌های نژادی و جنسیتی را برای مشاغل و موارد استفاده مختلف منتشر می‌کند.

HBR پیشنهاد می‌کند این ممیزی‌ها تنها به بررسی سوگیری‌های جمعیت‌شناختی محدود نشوند، بلکه الگوهای تغییر رفتار متقاضیان نیز در آن‌ها بررسی شود. برای مثال

  • آیا پاسخ‌های متقاضیان به‌مرورزمان همگن‌تر شده‌اند؟
  • آیا روندی مشاهده می‌شود که افراد بیش از گذشته ویژگی‌های تحلیلی خود را برجسته کنند و سایر ویژگی‌های ارزشمند را کمتر نشان دهند؟

ارزیابی ترکیبی انسان و هوش مصنوعی

برخی سازمان‌ها ارزیابی انسانی را با ارزیابی مبتنی بر هوش مصنوعی ترکیب کرده‌اند. برای مثال، Salesforce اعلام کرده است که علاوه بر فناوری، درخواست‌های استخدام توسط نیروی انسانی نیز بررسی می‌شود. همچنین شرکت‌های انویدیا و Philip Morris International تضمین می‌کنند که ارزیابی نهایی و تصمیم‌گیری نهایی توسط انسان انجام خواهد شد.

یکی از مطالعات HBR نشان می‌دهد اگرچه این رویکرد ترکیبی تا حدی تمایل متقاضیان به برجسته‌سازی ویژگی‌های تحلیلی را کاهش می‌دهد، اما آن را به طور کامل از بین نمی‌برد. برای پر کردن این شکاف، لازم است ارزیابان انسانی آموزش ببینند تا بتوانند اثرات جانبی ناشی از ارزیابی هوش مصنوعی را جبران کنند.

ابزارهای ارزیابی مبتنی بر هوش مصنوعی چگونه رفتار متقاضیان شغلی را تغییر می‌دهند؟

مسیر پیش رو

با افزایش نفوذ هوش مصنوعی در تصمیم‌گیری‌های سازمانی، باید بپذیریم که این فناوری صرفاً فرایندها را تغییر نمی‌دهد، بلکه رفتار انسان‌ها را نیز دگرگون می‌کند. هرچند استفاده از هوش مصنوعی در ارزیابی می‌تواند بهره‌وری را افزایش دهد، اما این مزیت ممکن است به بهای کاهش اصالت در نحوه معرفی متقاضیان و در نهایت کاهش همان تنوع انسانی تمام شود که زیربنای نوآوری و تاب‌آوری سازمان‌ها است.

تناقض ماجرا قابل‌تأمل است. در تلاش برای حذف سوگیری‌های انسانی از فرایند استخدام، ممکن است ناخواسته سامانه‌ای ایجاد کرده باشیم که هوش مصنوعی شکل تازه‌ای از سوگیری را وارد این فرایند می‌کند.

راه‌حل، کنارگذاشتن هوش مصنوعی نیست؛ بلکه طراحی نظام‌های ارزیابی جدیدی است که این تغییرات رفتاری را شناسایی کرده و آثار آن‌ها را خنثی کنند. تنها در صورتی می‌توان نظام‌های استخدامی ساخت که واقعاً استعدادهای متنوع موردنیاز سازمان‌ها را شناسایی و جذب کنند و پرورش دهند که در کنار شاخص‌ها و معیارهای کمی، انسان همچنان در مرکز راهبردهای ارزیابی باقی بماند.

گزارش حاضر در نسخه March-April 2026 نشریه Harvard Business Review منتشر شده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.