Inklusion i jobannoncen afmystificeret
Det er vigtigt med diversitet, får man tudet ørerne fulde af. Man må ikke diskriminere med hensyn til fx alder, etnicitet og køn når man for ansætter. Men hvad ligger der egentlig rent praktisk i det?
Det blev debatteret på webinaret Deploying AI to avoid Bias in Hiring, hvor jeg var moderator og hvor Jenifer Clausell-Tormos, grundlægger af Develop Diverse, fortalte om hvordan man kan drive virksomhed på at bekæmpe bias i ansættelsesprocessen.
Michael Birkebæk Jensen, der er en af initiativtagerne til Det Danske AI-løfte og director hos KPMG, lagde ud med at gøre rede for, hvad der har skabt den caucasiske hvide mand som standard for nærmest alt fra testdukker af sikkerhedsseler til jobannoncer og størrelsen på mobiltelefonen.
Det er meget rart, for så starter vi ikke med at skulle diskutere om manglende diversitet er et problem, som det så ofte ender med. Og så kan vi gå direkte til løsningerne.
Diversitet på bundlinjen
En vigtig take home-message fra webinaret for mig er, at det batter på bundlinjen at zoome ind på diversitet. Hvis man fx fjerner ekskluderende ord og køns-klichéer som “ambition”, “strong”, “drive” eller “caring” og udskifter dem med mere neutrale ord, får man flere kvinder og flere mænd til at søge, viste et eksperiment med Amazon.
Desuden ser det ud til, at man får færre ansøgninger fra den type, der måske selv tror de er kompetente, men som reelt ikke er det.
Med andre ord, virksomhederne har alt at vinde og intet at tabe, udover et honorar til de virksomheder, der hjælper dem med at gennemtrawle jobannoncer og måske intern kommunikation, når nu man er i gang. Inkluderende sprog uden fx køns-klicheer hjælper nemlig også med at holde på medarbejderne, fortæller Jenifer Clausell-Tormos.
I firmaets tool er der - ud over en vidensbase af cliche-ord og neutrale, inkluderende alternativer - en underliggende machine learning-algoritme, der identificerer konteksten ved hjælp af natursproganalyse (NLP).
Mange AI-algoritmer gør bias værre
En vigtig drivfaktor til at gøre noget i dag er, at meget af den CV-matchmaking, der bliver mere og mere automatiseret, har en tendens til at forstærke bias frem for at udligne den. Selv når de umiddelbart kønnede ord bliver fjernet fra data, ligger der reminiscenser som forstærker det.
Men nu har jeg snakket nok. Se webinaret nedenfor, og hvis du har noget at skulle have sagt i HR-processen i dit arbejde, er det ellers bare at gå i gang med at identificere bias-ord fra jobannoncerne. Første trin er at læse annoncerne kritisk igennem for kliché-ord.
OBS: Titlen på videoen er måske en smule misvisende - den kommer omkring både køn, etnicitet og alder.
