數據驅動的招聘指導工具

在整個招聘行業，數據驅動工具的使用正在上升*。這為該部門提供了重要的機會，包括提高時間密集過程的效率。然而，也存在一些重大風險，一些引人注目的案例研究強調，如果這些工具設計和使用不當，可能會產生歧視性和不公平的結果。

的CDEI對算法決策中的偏見的回顧強調了這些問題，並建議製定指導方針，以幫助招聘人員在使用數據驅動工具時做出明智的決定。該指導方針旨在為那些希望購買數據驅動工具的招聘人員提供有效評估和負責任地部署這些工具的機製，確保采取適當措施來降低風險和最大化機會。

該指南是由招聘和就業聯合會(REC)和數據倫理與創新中心(CDEI)聯合製定的。CDEI是一個政府專家機構，能夠可靠地使用數據和人工智能。關於CDEI的更多信息可以在CDEI網頁或者通過聯係cdei@cdei.gov.uk．

一個節介紹了在招聘過程中使用的數據驅動工具，涵蓋了招聘漏鬥中現有的工具類型——跨采購、篩選和麵試——以及它們可能帶來的各種風險。

部分B提供關於合並和使用數據驅動工具的指導，包括:

• 評估招聘過程的有效性和增值
• 數據驅動工具的關鍵注意事項
• 溝通你的方法，以促進信任和透明度。

我們使用術語“數據驅動工具”來指幫助從數據中生成有用見解的技術和技巧。從使用軟件進行大數據分析，到過程自動化係統，再到機器學習或其他形式的人工智能(AI)。

這主要是一份買家指南:它假設招聘人員正在使用從外部技術供應商購買的工具。但是，如果工具是內部構建的，大部分指導仍然適用。

重點是人工智能和數據驅動工具:除了現有的招聘合規做法外，還應使用該指南。

* (算法決策中的偏差研究綜述第三章:招聘)

下表總結了本文件其餘部分提供的指導，特別適用於為招聘過程的篩選和麵試階段采購的工具。要了解更多細節和解釋，請參閱下麵的完整指南。

在本節中，我們將介紹招聘漏鬥中現有的工具類型以及它們可能帶來的各種風險。關於如何處理和減輕這些風險的指導意見可在下麵找到。

當你在招聘過程中使用數據驅動技術時，這部分建議了一些通用的步驟;它分為三個部分:

1.評估工具的價值和有效性

1.1.在更廣泛的招聘過程中使用工具

1.2.信息功能

2.數據驅動招聘工具的主要考慮因素

2.1基礎科學的準確性和合法性

2.2偏見和歧視(包括可達性)

2.3數據保護

2.4透明度和正當程序

3.建立信任和有效溝通

指導意見的執行情況

您對數據驅動工具的采購和使用應用的保證級別必須與所涉及的風險成比例。風險水平存在於一個範圍內;它以法律為指導，但基於你的專業判斷，這種指導應該在一定程度上與風險成正比。

您需要確保您知道組織中誰負責執行下麵列出的每一個步驟，以及誰對整個過程負有總體責任。這可能包括采購團隊、法律或合規團隊、數據保護官員和其他人員。可能是您在內部確定某人來提高技能，並讓他們全權負責確保遵守指導。

如果您覺得有任何問題或步驟沒有資格回答或采取，並且您沒有內部的專業知識來支持您，您應該尋求外部的專業知識來確保您的采購決策過程是穩健的。

1.評估:該工具在您的業務環境中是否有價值和有效?

設定一個清晰的願景，你希望通過使用這個工具達到什麼目的，以及它在整個招聘過程中的位置。這應該包括決定您是否希望該工具進行完全自動化的招聘決策，或者您是否打算使用該工具來支持招聘決策。如果是前者，則觸發特定的數據保護立法(英國GDPR第22條)，需要作出額外的規定(見2.4)。

如果有策略地使用，一些工具也可能有助於標準化評估，並解決現有招聘過程中的任何偏見——例如，標準化第一輪考試的準入門檻。它們還可能拓寬人才渠道，幫助尋找具有特定技能的候選人，並降低運營成本。仔細考慮使用該工具的預期好處是什麼，以及如何將其納入到招聘流程中。

這些都是在開始采購工具之前必須進行的重要操作，以確保產品將滿足您的特定業務需求並提供物有所值。

如果一個工具或它的界麵沒有發揮預期的作用，使用該工具的好處將受到限製，它可能會不公平地阻礙申請人，或讓他們放棄。供應商應該能夠向您提供有關工具功能的信息，並在演示中向您介紹這些信息。

數據驅動的工具提供了使招聘過程更加透明和公平的機會。然而，它們並非沒有風險和法律要求;這些措施必須與現有的減少歧視、提高透明度和滿足法律要求的方法一起仔細考慮和處理。

重要的是要了解工具自動化了哪些決策過程(如簡曆篩選、評估或麵試)，並了解工具是如何做出決策的，以便判斷您的組織是否適應該技術做出的基本假設。例如，如果該工具使用基於遊戲的評估來評估候選人，那麼就要確保這些遊戲的基礎科學是合理的。

候選人的評估方法不應該基於任意的因素或人類行為的方麵。最重要的是，評估必須與工作所需的技能掛鉤。

在數據驅動的工具中，偏見可能以兩種獨立但相關的方式出現，這兩種方式結合起來形成累積的偏見。

a)習得性偏見:數據驅動工具“學習”如何基於現有就業數據做出招聘決策。如果數據中存在偏見模式，那麼數據驅動的工具可能會重複這些模式，這可能導致不公平。

b)不準確:分析麵部、語音或聲音的工具對特定的人口統計群體可能不太準確，並因為對這些群體的效果不佳而引入歧視。研究表明，麵部識別技術對膚色較深的人，尤其是膚色較深的女性，準確率可能較低。分析聲音或音調方麵的工具，或將音頻轉錄為文本的工具，對於某些口音和說話方式可能不太準確。

好的供應商會測試他們的技術，例如:審計和驗證底層算法，以防止潛在的偏見。招聘人員在尋找這些工具時應該要求進行這些測試。然而，請注意，這種測試可能是在不同的國家進行的，如美國。重要的是要意識到人口統計和法律標準的差異，比如五分之四規則。

相關框架和原則

• 2010年《平等法》禁止基於9個受保護特征(年齡、殘疾、變性、婚姻和民事伴侶關係、懷孕和生育、種族、宗教或信仰、性別和性取向)的歧視，這適用於數據驅動工具的使用。更多信息可在平等與人權委員會的網站．

• 直接歧視發生在當一個人受到比另一個人更差的待遇時，因為他們有——或被認為有——受保護的特征，或因為他們與具有受保護特征的人有聯係。例如，如果一個數據驅動的篩選工具根據記錄的性別對女性的排名低於男性。

• 間接歧視發生在表麵上中立的做法、政策或規則使具有受保護特征的群體處於特別不利地位的情況下，除非有客觀理由。如果雇主/招聘人員能夠證明這是實現合法目標的適當手段，就會存在客觀理由。[首先必須清楚地確定合理的目標，然後考慮相稱性。合理的目標將逐案審查(可包括保護健康和安全、運行高效服務或經濟和業務需求)。相稱性要求在雇主目標的重要性和對雇員影響的嚴重性之間取得平衡。例如，如果一種工具隻根據候選人的帶薪工作年數來優先考慮他們，這很可能是年齡的代表(也可能對具有其他受保護特征的群體產生影響)。
• 根據2010年《平等法》的《公共部門平等義務》，公共部門機構必須充分考慮到消除歧視的必要性。這可能包括運行他們自己的測試，以發現和減輕偏見——這仍然是所有組織的最佳實踐(詳情見下文“如何評估統計偏見”)。
• 不歧視的責任在招聘人員或雇主身上，而不在供應商身上。

數據驅動的招聘工具很可能需要個人數據，因此涉及數據保護法。此外，如上文歧視一節所述，為了監測雇用製度對受保護群體的影響，雇主(或供應商)將有必要收集和分析候選人的受保護特征數據，如果有適當的保障措施，這是合法的。

相關框架和原則

• 通用數據保護製度由英國通用數據保護條例(UK GDPR)覆蓋，並由2018年數據保護法(DPA)調整。信息專員辦公室(ICO)負責監管英國的數據保護，並為解釋法律和良好實踐提供實際指導網上。
• 根據英國數據保護法，您必須有處理個人數據的合法基礎。遵守數據保護法規的法律責任落在數據控製者身上。誰是控製器可能取決於設置，但重要的是要與供應商確認他們打算如何使用和處理候選數據，以保持公平性、隱私性，並確保在整個管道中遵守數據保護法。在大多數情況下，招聘人員可能是數據控製者，而供應商將是處理器，因為招聘人員將決定數據處理的目的和處理方法(控製器指示處理器將如何使用和處理數據)。如果供應商也使用雇主的數據來訓練他們的算法，他們也將成為一個控製者，因為他們正在確定處理方法，因此獲得相關的責任。
• 收集用於多樣性監測的數據:這些數據很可能是“特殊類別數據”，因為它特別敏感，因此需要額外的保護。[確定第6條下的合法基礎和第9條下的英國GDPR處理條件]。實際上，這意味著必須得到申請人的明確同意，除非是出於重大公眾利益的原因而必須進行處理，並符合《發展促進條例》附表1(8)所列的機會平等或待遇條件。您可能希望采取措施，在作為更大的同意請求的一部分尋求此類處理的同意時，突出顯示此收集和處理。哈裏發國有一本指南數據保護與人工智能．

2.4透明度和正當程序

3.建立信任和有效溝通

當在招聘中使用數據驅動的工具時，職位空缺者可能很難理解為什麼要做出決定，也很難與候選人溝通這個過程。與傳統的招聘流程類似，數據驅動係統可能會使用空缺人員或候選人不知道的因素。就如何使用數據驅動工具進行有效和積極的溝通，可以提高對這些係統和使用這些工具的組織的信任。

即使在實踐中，數據驅動的工具比傳統方法更加標準化和經過測試，但技術工具可以引起公眾對公平、透明度和隱私以及如何駕馭在線係統的信任擔憂。