ការសិក្សាឯករាជ្យដ៏ទូលំទូលាយបំផុតនៃក្បួនដោះស្រាយការជួលដែលដំណើរការដោយ AI ដែលមិនធ្លាប់មានពីមុនមក បានរកឃើញភាពខុសគ្នានៃជាតិសាសន៍ដែលបង្កប់នៅក្នុងឧបករណ៍ដែលប្រើដើម្បីពិនិត្យអ្នកដាក់ពាក្យរាប់លាននាក់។ កម្មវិធីច្រើនជាងមួយក្នុងចំនោម 4 ដែលត្រូវបានបញ្ជូនដោយអ្នកស្វែងរកការងារខ្មៅគឺសម្រាប់មុខតំណែងដែលក្បួនដោះស្រាយបង្កើតលទ្ធផលដែលបង្កឱ្យមានការត្រួតពិនិត្យការរើសអើងទូទាំងប្រទេស។
ក្រដាស “Algorithmic Monocultures in Hiring” ត្រូវបានសរសេរដោយអ្នកស្រាវជ្រាវនៅសាកលវិទ្យាល័យ Stanford សាកលវិទ្យាល័យ Chapman និងសាកលវិទ្យាល័យ Northeastern ហើយនឹងត្រូវបានបង្ហាញនៅក្នុងសន្និសីទ ACM ស្តីពីយុត្តិធម៌ គណនេយ្យភាព និងតម្លាភាពនៅទីក្រុង Montreal នៅខែក្រោយ។ វាបានវិភាគលើកម្មវិធីជាង 4 លានដែលបានដាក់ស្នើដោយអ្នកដាក់ពាក្យ 3 លាននាក់ទៅកាន់និយោជក 156 នាក់ ដែលភាគច្រើនជាក្រុមហ៊ុនដែលមានប្រាក់ចំណូលប្រចាំឆ្នាំ 5 ពាន់លានដុល្លារ ឬច្រើនជាងនេះ ហើយបានពិនិត្យមើលពួកវាទាំងអស់ដោយប្រើក្បួនដោះស្រាយដែលបង្កើតឡើងដោយអ្នកលក់ដូចគ្នា ដែលជាវេទិកាទេពកោសល្យហៅថា Pymetrics ។
អ្នកនិពន្ធសរសេរថា “យើងរកឃើញភាពខុសគ្នាខាងពូជសាសន៍ដ៏សំខាន់នៅក្នុងលទ្ធផលអ្នកដាក់ពាក្យ” ។
Kathleen Creel សាស្ត្រាចារ្យនៅភាគឦសាននៃសហរដ្ឋអាមេរិក និងជាសហអ្នកនិពន្ធនៃការស្រាវជ្រាវបាននិយាយថា “នៅពេលដែលអ្នកផ្តល់សេវាតែមួយគ្របដណ្តប់លើការសម្រេចចិត្តនៅក្នុងតំបន់មួយ ចំនុចខ្វះខាត ឬចំណុចខ្វះខាតរបស់វាអាចមានវត្តមាននៅទូទាំងវិស័យនេះនៅក្នុងវិធីដែលមិនអាចធ្វើទៅបានពីមុនមក” ។ ពេលវេលាហិរញ្ញវត្ថុដែលធ្លាប់រាយការណ៍អំពីការសិក្សា។
ម្ចាស់ Pymetrics Harver មិនបានឆ្លើយតបទៅនឹងសំណើសុំការអត្ថាធិប្បាយទេ។
របៀបដែលក្បួនដោះស្រាយដំណើរការ – និងកន្លែងដែលវាបរាជ័យ
Pymetrics ដែលទទួលបានក្នុងឆ្នាំ 2022 និងក្បួនដោះស្រាយរបស់វាត្រូវបានប្រើប្រាស់ដោយនិយោជកធំៗក្នុងផ្នែកហិរញ្ញវត្ថុ ការផលិត និងបច្ចេកវិទ្យា អេក្រង់អ្នកដាក់ពាក្យមិនផ្អែកលើប្រវត្តិរូបសង្ខេបទេ ប៉ុន្តែជាស៊េរីនៃហ្គេមអនឡាញដែលត្រូវបានរចនាឡើងដើម្បីវាស់ស្ទង់លក្ខណៈនៃការយល់ដឹងដូចជាការអត់ឱនចំពោះហានិភ័យ ល្បឿនដំណើរការ និង altruism ។ ក្រុមហ៊ុនបានធ្វើទីផ្សារជាយូរមកហើយនូវវិធីសាស្រ្តនេះថាមានគោលបំណងច្រើនជាងការពិនិត្យមើលប្រវត្តិរូបសង្ខេបបែបប្រពៃណី ហើយមិនបានរកឃើញភាពខុសស្រឡះនៅក្នុងការវិភាគពីមុនរបស់ខ្លួនដែលនឹងស្មើនឹងការត្រួតពិនិត្យផ្លូវច្បាប់។
ការសិក្សាថ្មីនេះប្រឈមនឹងការសន្និដ្ឋាន – មិនមែនដោយការសួរសំណួរគណិតវិទ្យារបស់ Pymetrics ទេ ប៉ុន្តែដោយការប្រកែកថាក្រុមហ៊ុនកំពុងសួរសំណួរខុស។
Pymetrics បានវាស់វែងភាពលំអៀងដោយការប្រមូលផ្តុំបេក្ខជនទាំងអស់ និងលទ្ធផលពីនិយោជក និងមុខតំណែងទាំងអស់។ ក្រុមដែលដឹកនាំដោយ Stanford ជំនួសវិញបានវិភាគមុខតំណែងនីមួយៗចំនួន 1,746 ដាច់ដោយឡែកពីគ្នា ដូចដែលត្រូវបានបម្រុងទុកនៅក្នុងការអនុវត្តច្បាប់រើសអើងការងាររបស់សហរដ្ឋអាមេរិក ជាពិសេស អ្វីដែលគេហៅថា “ច្បាប់ទីបួនប្រាំ” របស់គណៈកម្មការឱកាសការងារស្មើគ្នា។
នៅពេលវិភាគទីតាំងដោយមុខតំណែង 10.62% នៃការងារនៅក្នុងសំណុំទិន្នន័យមានផលប៉ះពាល់អវិជ្ជមានលើអ្នកដាក់ពាក្យខ្មៅ មានន័យថា ក្បួនដោះស្រាយបានណែនាំបេក្ខជនខ្មៅក្នុងអត្រាទាបជាងកម្រិតសហព័ន្ធទាក់ទងទៅនឹងក្រុមពូជសាសន៍ដែលត្រូវបានជ្រើសរើសញឹកញាប់បំផុត។ បេក្ខជនស្បែកខ្មៅសាមសិបភាគរយបានដាក់ពាក្យសុំយ៉ាងហោចណាស់មួយមុខតំណែងទាំងនេះ។ ហើយ 25.87% នៃកម្មវិធីទាំងអស់ដែលបានដាក់ស្នើដោយអ្នកដាក់ពាក្យខ្មៅ – ជិត 40,000 ការដាក់ស្នើ – គឺសម្រាប់ការងារដែលក្បួនដោះស្រាយបង្កើតលទ្ធផលដែលត្រូវបានចាត់ទុកថាជាការរើសអើងក្រោមការណែនាំរបស់សហព័ន្ធ។
បេក្ខជនអាស៊ីក៏រងផលប៉ះពាល់យ៉ាងខ្លាំងផងដែរ៖ 14.74% នៃពាក្យសុំរបស់ពួកគេបានទៅកាន់មុខតំណែងដែលមានលទ្ធផលរើសអើង។
អ្នកនិពន្ធសរសេរថា “ការប្រមូលផ្តុំមុខតំណែងបុគ្គលទៅជាក្រុមការងារគឺគ្រប់គ្រាន់ដើម្បីបិទបាំងផលប៉ះពាល់អវិជ្ជមានក្នុងមួយមុខតំណែង” ដោយហៅការអនុវត្តនៃការរាយការណ៍តែលទ្ធផលសរុបជាការបកស្រាយ “មិនត្រឹមត្រូវ ឬយ៉ាងហោចណាស់មិនពេញលេញ” នៃគោលការណ៍ណែនាំសហព័ន្ធ។
ឥទ្ធិពល “Algorithmic Blackball”
ការស្វែងរកគន្លឹះទីពីរនៃការសិក្សានេះអាចមានផលវិបាកកាន់តែច្រើនសម្រាប់អ្នកស្វែងរកការងារធ្វើ៖ ក្បួនដោះស្រាយរបស់អ្នកផ្តល់សេវាដូចគ្នាមានទំនាក់ទំនងគ្នាយ៉ាងខ្លាំងរវាងនិយោជក ដែលការបដិសេធពីក្រុមហ៊ុនមួយមានអត្ថន័យព្យាករណ៍ពីការបដិសេធពីថ្ងៃបន្ទាប់។
អ្នកស្រាវជ្រាវហៅវាថា “ការបដិសេធជាប្រព័ន្ធ” ។ ក្នុងចំណោមបេក្ខជនដែលបានអនុវត្តការងារចំនួន 10 ដែលត្រូវបានពិនិត្យដោយ Pymetrics នោះ 4% ត្រូវបានច្រានចោលពីការងារនីមួយៗ ដែលជាអត្រាស្ថិតិខ្ពស់ជាងការព្យាករណ៍ ប្រសិនបើនិយោជកនីមួយៗធ្វើការសម្រេចចិត្តដោយឯករាជ្យ។
ជាពិសេស នៅពេលដែលអ្នកដាក់ពាក្យលេងល្បែងវាយតម្លៃរបស់ Pymetrics លទ្ធផលរបស់ពួកគេត្រូវបានរក្សាទុក និងប្រើឡើងវិញរហូតដល់ 330 ថ្ងៃ។ ប្រសិនបើក្រុមហ៊ុនពីរផ្សេងគ្នាទាំងពីរប្រើ Pymetrics នោះអ្នកដាក់ពាក្យសុំមិនទទួលបានពិន្ទុពីរដាច់ដោយឡែកពីគ្នានោះទេ ពួកគេទទួលបានពិន្ទុដូចគ្នាពីរដង។ បេក្ខជនមួយចំនួនត្រូវបានដកចេញយ៉ាងមានប្រសិទ្ធភាពពីក្រុមហ៊ុនជាច្រើនក្នុងពេលតែមួយដោយក្បួនដោះស្រាយដោយមិនដឹងខ្លួន។
អ្នកស្រាវជ្រាវពណ៌នាថានេះជា “គ្រាប់ខ្មៅក្បួន” ដែលជាពាក្យដែលបានទ្រឹស្តីពីមុននៅក្នុងអក្សរសិល្ប៍វិទ្យាសាស្ត្រ ប៉ុន្តែមិនដែលចងក្រងជាឯកសារក្នុងវិសាលភាពនេះនៅក្នុងទិន្នន័យពិភពលោកពិតដែលបានដាក់ពង្រាយឡើយ។
ដើម្បីយល់ថាតើបញ្ហាមានជម្រៅប៉ុនណា ក្រុមការងារបានដំណើរការការក្លែងធ្វើទ្រង់ទ្រាយធំ ដោយទាញយកអត្ថប្រយោជន៍ពីការពិតដែលថា algorithms ខុសពីសវនកររបស់មនុស្ស បង្កើតលទ្ធផលដូចគ្នាសម្រាប់ការបញ្ចូលដូចគ្នារាល់ពេល។ ពួកគេបានស្នើសុំឱ្យ Pymetrics ដំណើរការគំរូរបស់ខ្លួនលើគំរូនៃបេក្ខជនចំនួន 1,000 នាក់សម្រាប់មុខតំណែងនីមួយៗដែលអាចអនុវត្តបាននៅក្នុងសំណុំទិន្នន័យ។ ដំណឹងល្អ៖ គ្មានអ្នកដាក់ពាក្យត្រូវបានគេបដិសេធដោយគ្រប់ម៉ូដែល។ ដំណឹងអាក្រក់៖ ដើម្បីកាត់បន្ថយប្រូបាប៊ីលីតេនៃការមិនរាប់បញ្ចូលជាប្រព័ន្ធមកតិចជាង 0.1% បេក្ខជនត្រូវអនុវត្តយ៉ាងហោចណាស់ 25 មុខតំណែងផ្សេងគ្នា – ច្រើនជាងទ្វេដងនៃកម្មវិធីចំនួន 10 ដែលនឹងគ្រប់គ្រាន់ប្រសិនបើការសម្រេចចិត្តជួលត្រូវបានធ្វើឡើងដោយឯករាជ្យ។
ហើយយោងទៅតាមអ្នកនិពន្ធ អនុសាសន៍ Pymetrics គ្រាន់តែដាក់បេក្ខជននៅក្នុងក្រុមបេក្ខជនដែលត្រួតពិនិត្យដោយមនុស្សប៉ុណ្ណោះ។ វាមិនមែនជាការធានានៃការសម្ភាសន៍ទេ។
បញ្ហានៃការផ្តោតអារម្មណ៍
ការរកឃើញនេះកើតឡើងនៅពេលដែលឧស្សាហកម្មជួល AI ត្រូវបានប្រមូលផ្តុំយ៉ាងខ្លាំង។ យោងតាមកាសែតនេះ គិតត្រឹមខែឧសភា ឆ្នាំ 2023 ជាង 60% នៃក្រុមហ៊ុន Fortune 100 និងប្រាំបីនៃភ្នាក់ងារសហព័ន្ធធំបំផុតរបស់សហរដ្ឋអាមេរិកកំពុងប្រើប្រាស់ក្បួនដោះស្រាយរបស់ HireVue ។ អ្នកនិពន្ធព្រមានថាការប្រមូលផ្តុំនេះបង្កើតហានិភ័យជាប្រព័ន្ធដែលហួសពីភាពលំអៀង៖ ប្រសិនបើអ្នកផ្តល់សេវាលេចធ្លោតែមួយទៅក្រៅបណ្តាញ ឬត្រូវបានរកឃើញថាកំពុងបង្កើតលទ្ធផលរើសអើង វាអាចរំខានដល់ការជួលនិយោជករាប់ពាន់នាក់ក្នុងពេលដំណាលគ្នា។
អ្នកនិពន្ធសរសេរថា “ដោយការបង្រួបបង្រួមផ្នែកនៃដំណើរការសម្រេចចិត្តលើការជួលនៅទូទាំងនិយោជក ក្បួនដោះស្រាយការជួលមានឥទ្ធិពលលើអត្រាផលប៉ះពាល់អវិជ្ជមានរួម និងគំរូនៃការបដិសេធជាប្រព័ន្ធ”។
ឥទ្ធិពលនយោបាយ
ការសិក្សានេះកើតឡើងនៅពេលនិយតករទាំងនៅសហរដ្ឋអាមេរិក និងអឺរ៉ុបកំពុងដោះស្រាយយ៉ាងសកម្មលើបទប្បញ្ញត្តិនៃឧបករណ៍ជួល AI ។ ទីក្រុងញូវយ៉កបានអនុម័តច្បាប់ក្នុងស្រុក 144 ក្នុងឆ្នាំ 2021 ដែលជាច្បាប់ដំបូងដែលកំណត់ដោយផ្ទាល់ទៅលើការអនុវត្តការជួលក្បួនដោះស្រាយ។ ទោះជាយ៉ាងណាក៏ដោយ អ្នកនិពន្ធបានកត់សម្គាល់ថា គោលការណ៍ណែនាំរបស់រដ្ឋាភិបាលដែលមានស្រាប់លេចឡើងចំពោះសវនករផ្ទាល់ដើម្បីប្រមូលទិន្នន័យនៅទូទាំងមុខតំណែង និងនិយោជក ដែលជាវិធីសាស្រ្តនៃការប្រមូលផ្តុំដែលពួកគេនិយាយថាបិទបាំងវិសមភាព។
នៅអឺរ៉ុប ច្បាប់ AI របស់សហភាពអឺរ៉ុបកំណត់ក្បួនដោះស្រាយការជួលជាប្រព័ន្ធ AI ដែលមានហានិភ័យខ្ពស់តាមលំនាំដើម ដោយតម្រូវការអនុលោមភាពនឹងចូលជាធរមាននៅថ្ងៃទី 2 ខែសីហា ឆ្នាំ 2026 នៅសល់តែប៉ុន្មានសប្តាហ៍ទៀតប៉ុណ្ណោះ។
អ្នកនិពន្ធបង្កើតអនុសាសន៍គោលនយោបាយចំនួនបួន៖ ការវាស់វែងផលប៉ះពាល់អវិជ្ជមាននៅកម្រិតទីតាំង។ ការពង្រឹងការឃ្លាំមើលទីផ្សារឆ្លងនិយោជក; ការត្រួតពិនិត្យហានិភ័យតាមរយៈការប្រមូលផ្តុំ algorithmic; និងបង្កើតវិធីផ្លូវច្បាប់សម្រាប់អ្នកស្រាវជ្រាវឯករាជ្យដើម្បីចូលប្រើទិន្នន័យពីក្បួនដោះស្រាយជ្រើសរើសបុគ្គលិក ស្រដៀងទៅនឹងបទប្បញ្ញត្តិនៅក្នុងច្បាប់សេវាកម្មឌីជីថលរបស់ EU ដែលបង្ខំឱ្យវេទិកាធំៗចែករំលែកទិន្នន័យជាមួយអ្នកសិក្សា។
ចំណុចចុងក្រោយមានការព្រមានមិនច្បាស់លាស់។ ការសិក្សានេះគឺអាចធ្វើទៅបានដោយសារតែ Pymetrics ស្ម័គ្រចិត្តផ្តល់ទិន្នន័យរបស់ខ្លួនក្រោមកិច្ចព្រមព្រៀងដែលធានានូវឯករាជ្យភាពរបស់អ្នកស្រាវជ្រាវ។ អ្នកនិពន្ធទទួលស្គាល់ថាការរកឃើញរបស់ពួកគេអាចរារាំងការចែករំលែកទិន្នន័យនាពេលអនាគតដោយអចេតនាដោយអ្នកផ្តល់សេវាដែលចង់រក្សាក្បួនដោះស្រាយរបស់ពួកគេឱ្យស្រអាប់។
ពួកគេសរសេរថា “ការស្រាវជ្រាវឯករាជ្យគឺចាំបាច់ដើម្បីបំភ្លឺលើក្បួនដោះស្រាយការជួលដែលស្រអាប់”។ បើគ្មានពួកគេទេ វិសមភាពពូជសាសន៍ដែលបានចងក្រងជាឯកសារក្នុងការសិក្សានេះ ដែលប៉ះពាល់ដល់អ្នកដាក់ពាក្យរាប់ម៉ឺននាក់នៅក្រុមហ៊ុនធំៗមួយចំនួនរបស់អាមេរិក ប្រហែលជាមិនដែលឃើញច្បាស់នោះទេ។
សម្រាប់រឿងនេះ ទ្រព្យសកម្ម អ្នកសារព័ត៌មានបានប្រើ AI ជំនាន់ថ្មីជាឧបករណ៍ស្រាវជ្រាវ។ អ្នកកែសម្រួលបានពិនិត្យភាពត្រឹមត្រូវនៃព័ត៌មានមុនពេលបោះពុម្ព។
