Além disso, o uso de programas de inteligência artificial (IA) nos processos seletivos podem contribuir para aumentar a diversidade dentro das corporações. Afinal, os algoritmos de recrutamento não utilizam sentimentos na hora de selecionar os perfis, os softwares mapeiam a personalidade de cada candidato e cruzam os dados com as habilidades necessárias para a função. Muitas vezes os algoritmos conseguem reconhecer candidatos competentes que não foram escolhidos em processos tradicionais.
Como funcionam os algoritmos de recrutamento
Os algoritmos de recrutamento fazem uma análise de dados a partir de critérios preestabelecidos. O primeiro passo é fazer uma gestão entre as vagas abertas e os candidatos cadastrados. O software cruza as habilidades apresentadas no currículo e o perfil da vaga. Os resultados gerados pelos algoritmos são usados para guiar o recrutador na seleção de perfis. Além de garantir mais imparcialidade, os algoritmos de recrutamento ainda são mais ágeis que os meios tradicionais.
Prós e contras dos algoritmos
Apesar se serem mais imparciais que as pessoas, os algoritmos de recrutamento ainda podem reproduzir discriminação. Como as máquinas precisam ser treinadas por pessoas, é comum que elas tenham a tendência de programar o software para que trabalhe priorizando determinadas qualidades na hora de selecionar os candidatos. Assim, os algoritmos de recrutamento acabam carregando os preconceitos das pessoas que os programaram. Pensando nisso, Danielle Li, Lindsey Raymond e Peter Bergman desenvolveram um estudo para avaliar os algoritmos de recrutamento e como eles se comportam. Os testes levaram em consideração os registros de candidaturas de uma empresa Fortune 500. Vale ressaltar que a Fortune 500 é uma lista que reúne as maiores empresas dos Estados Unidos. Foram avaliados três algoritmos. O primeiro modelo avaliado levou em consideração a abordagem de aprendizagem supervisionada estática (SL). No modelo SL os pesquisadores se basearam em dados anteriores das empresas para fazer previsões sobre quais candidatos seriam selecionados. O segundo modelo, chamado SL atualizado, era parecido com o anterior mas carregava informações dos treinamentos usados durante o processo seletivo. Enquanto um terceiro modelo, chamado UCB, valorizava a exploração. A proposta do UCB era considerar as pessoas que não foram escolhidas em processos anteriores. Os resultados gerais do estudo apontaram que o modelo UCB foi responsável por aumentar a diversidade dos candidatos negros e hispânicos de 10% para 23%. Já o SL e o SL atualizado diminuíram a representação do grupo em 2% no caso da representação negra e 5% para hispânica. De acordo com Danielle Li, os resultados devem ajudar as empresas que querem diversificar o ambiente de trabalho. Para ela os algoritmos de recrutamento precisam ser programados para valorizar a exploração e aprendizado e não apenas se basear em informações estáticas. Empresas como a Entelo e a Stella prometem usar os algoritmos de recrutamento de uma maneira mais imparcial. De acordo com informações do fundador da Stella, o algoritmo tem permissão para avaliar apenas as habilidades dos candidatos. Já a Entelo conta com a ferramenta “Unbiased Sourcing Mode”, ou “Modo de fornecimento imparcial” em tradução livre, que permite ocultar dados como foto, universidade, nomes que especifiquem um determinado gênero e muito mais. A propostas dessas empresas é tentar diminuir a discriminações durante o processo de seleção. A preocupação com a diversidade no mercado de trabalho é uma pauta crescente. Recentemente o Magazine Luiza anunciou um processo seletivo diferente dos tradicionais, exclusivo para profissionais negros. A iniciativa é uma tentativa da empresa de aumentar a diversidade racial. O estudo desenvolvido na pesquisa vai permitir que que a adoção de algoritmos de recrutamento contribuam para tornar os processos seletivos mais inclusivos. Fonte: Fast Company; Entelo; Stella
