Combatting Hiring Bias: Recruiting a Diverse Workforce with Intelligent Automation
23:46 Share

智能自动化可以帮助消除可能导致歧视性招聘行为的人为偏见。在本期IBM智慧对话中，马尔科姆·格拉德威尔与“你的问题是什么？”节目的主持人雅各布·戈德斯坦以及ThisWay Global的创始人兼首席执行官安吉拉·胡德讨论了智能自动化如何加快包容性招聘实践，为什么机器可以减轻偏见但不能消除偏见，以及为什么多元化的公司更具竞争力。这是IBM的付费广告。请访问omnystudio.com/listener了解更多隐私信息。</context> <raw_text>0 哈喽，哈喽。欢迎收听IBM智慧对话，这是普希金工业、iHeartRadio和IBM联合推出的播客。我是马尔科姆·格拉德威尔。在本季节目中，我们将与新兴创作者、开发者、数据科学家、首席技术官和其他有远见的创新者对话，他们正在创造性地将技术应用于商业，以推动变革。他们运用自己的知识和专业技能，正在开发更具创意和效率的解决方案，无论行业如何。

我们今天的嘉宾是This Way Global的创始人兼首席执行官安吉拉·胡德。安吉拉的使命是消除招聘过程中的歧视。安吉拉是一位连续创业者，她看到了利用自动化技术来对抗导致不公平招聘行为以及劳动力缺乏多样性、竞争力下降的人为偏见。

在今天的节目中，你将听到自动化如何比以往更容易地将企业与合适的候选人联系起来，为什么自动化是减轻偏见如此强大的工具，以及安吉拉自身在歧视性招聘方面的经历如何激励她采取行动。安吉拉与普希金播客“你的问题是什么？”的主持人、NPR前节目“金钱星球”的主持人雅各布·戈德斯坦进行了交谈。

雅各布是一位拥有超过十年从业经验的商业记者，曾为NPR、《华尔街日报》、《迈阿密先驱报》撰稿，并著有《金钱：一个虚构事物的真实故事》一书。好了，让我们开始采访吧。你能告诉我，我们稍后会详细讨论，但简单来说，This Way Global是什么？

我们的技术专门用于在没有偏见的情况下将所有人才与所有工作匹配。最后一点是最难的部分，也是最重要的一部分。这个公司的想法从哪里来的？

我是一名女性工程师，毕业后进入职场，我认为和其他人一样，我只需要在我的简历顶部写上我的名字，然后提交给公司，他们就会邀请我面试。

我发现，由于我正在寻找的工程职位是在建筑行业，情况并非如此。这些公司的招聘人员和招聘经理看到我的名字后会想，嗯，我认为我们不想要一个女人，或者认为她并不真正了解这份工作，因为它是在现场进行的。所以我的一个导师说，你为什么不使用你的缩写，恰好是AL呢？

所以我用AL Hood的名义提交我的简历，人们以为我是一个男人。所以在同一家公司，同样的职位，我就能得到面试。那一刻我意识到市场上存在很多偏见。事实证明，偏见远不止这些，我们努力纠正所有偏见。有趣的是，这种故事不应该令人震惊，对吧？我知道我不应该为此感到震惊，但我仍然有点震惊。

很明显，世界上存在大量的偏见，招聘中也存在偏见。我们熟悉这些关于人为偏见的故事。但是现在出现了一个新的问题，那就是算法偏见。那是什么？告诉我关于算法偏见的事情。

许多算法都基于机器学习。机器学习简单来说可以有两种不同的方式。你研究过去发生的事情，并尝试更快、更有效地复制它。在这种情况下，这被称为监督学习。这似乎是几乎所有招聘技术的逻辑起点。

问题在于，历史上存在如此多的偏见，以至于你实际上所做的只是捕捉到公司、招聘经理或招聘人员的偏见，并将其非常快速、非常有效地复制。所以你只会比人类更快地扩大偏见。

另一方面是所谓的无监督学习。这是你构建一个系统，本质上是一个黑盒。它在内部进行各种计算和决策，理论上它是不偏见的，但你不知道它根据什么来做出判断。所以它可能会产生奇怪的结果。此外，它是无法解释的。

所以你就会陷入这种困境：我不想大规模地进行偏见，但我需要它是可解释的。那该怎么办？经过13次失败后，我们终于找到了一种方法来做到这一点。我们最终找到的产生无偏见结果的方法是，从不让数学模型或计算机看到导致偏见的信息。

所以我们不能让性别进入系统。种族也不能进入系统，诸如此类的事情。所以接下来的问题是，好吧，如果你不允许这些信息进入，那么你如何才能让合格且多元化的人才脱颖而出呢？答案是，当你移除这些因素时，它会自然而然地发生。对。

我们通过测试了解到这一点。我们已经有15.5万亿个匹配事件通过我们的系统，现在已经快十年了。通过这些，我们学到了很多。人们非常多样化。如果你只是消除你自己的偏见，你就会开始看到他们。

所以这就像你创建公司之前所做的事情的自动化版本，当时你从在申请中使用你的全名改为只使用你的缩写，有效地隐藏了你的性别。是的，它始于此。但是我们也了解到，即使你隐藏了你的名字，也有一些词语，比如有人以前做过服务员。然后这个人就会想，啊，那是女性，对吧？

所以我们不得不更进一步。我们不得不这样说，现在我们必须中和简历中的这些性别特有的词语，这样一个人就无法查看文档并仍然找出种族、性别和其他具有偏见的属性。令人惊奇的是，在从计算机中隐藏了诸如候选人的性别或种族等带有偏见的信息后，合格的多元化员工队伍自然而然地组建起来。

对于负担过重的招聘人员来说，使用智能自动化具有巨大的优势。通过自动化，他们可以在很短的时间内筛选数千份工作申请，并保护整个过程免受不必要的偏见。这是一个双赢的局面。随着谈话的继续，安吉拉解释了IBM的技术如何帮助她简化客户的招聘流程。

她还阐明了智能自动化在过去几年中取得的进展。与五年前相比，今天的智能自动化有何不同？它实际上有效。这是第一件事。发生的创新水平绝对令人难以置信。

而且，人们对那些自称自动化的东西有过一些负面的互动。现在他们就像，我不想用它。发生的创新水平绝对令人难以置信。而他们不去尝试一些东西，仅仅是因为他们十年前尝试过一些东西，而且没有成功。

这完全是错误的方法。在未来五到十年，我们还将看到大规模的创新。你不想错过这一点。你不想说，哦，我坐在场边，因为我十年前有过一次糟糕的经历。所以，我认为如果你参与技术或业务增长，你就需要参与其中。这是你的经济，发挥你的作用。那么什么是数字员工？

啊，对。

所以我们与IBM Watson Orchestrate的合作围绕着数字员工。数字员工是一个数字员工。我一直认为它更像是一个礼宾。例如，你可以让所有职位描述都放在一个盒子里。所以这里有所有职位描述。然后你说，哦，我需要为这份工作找一个人。沃森进入盒子，对吧？

获取职位描述，然后将其发送到This Way的系统。This Way会自动从多元化组织中筛选出

多达300名合格人员，对吧？所以现在招聘人员不必弄清楚他们将从哪里寻找这些人。他们不必弄清楚如何联系多元化组织，因为我们有8500个合作伙伴。所以现在这部分工作已经完成了。

然后Watson Orchestrate执行下一步，即自动向你感兴趣的候选人发送沟通信息。然后你可以坐下来等待这些人回复你，表示他们有兴趣和你讨论一些事情。所有这些都已自动化。而我刚才描述的内容很容易花费一个人三周的时间。

去寻找所有人才。所以你花三周时间，现在把它缩短到大约三到四分钟。这绝对令人难以置信。我认为这给了招聘人员时间去做他们真正想做的事情，那就是与人交谈。你是如何决定自动化是打击偏见的正确工具的？这是一段旅程。我认为很多创业都是创新之旅。

当我们雇用技术时，我们是在雇用技术为我们工作。那么这里要完成的工作是什么？它是识别合格人才，而没有偏见。所以当你开始分解这个问题时，你会意识到，如果人类能够做到，我们早就已经做到了。

多年来，人们一直渴望做到这一点。而我们没有成功。原因是偏见不是歧视。这些东西总是混淆在一起。偏见是我们生存机制的产物。我们总是要作为人类生存下去。所以我们需要这些生存技能。这是偏见的一部分。

所以我们不会消除它。它不是性格缺陷。偏见是人类固有的。我们是人类。我认为技术可以发挥的最佳作用是，它可以做一些我们做不到的事情。我们必须非常小心地设计它。我们自己的技术的设计优先考虑的是消除偏见。但我们真的可以让技术使我们成为更好的人，因为它可以做我们做不到的事情。

尽管有可能极大地改善我们的招聘方式，但大多数公司仍然认为自动化是难以实现的，也许是未来才能实现的奢望。但我们生活在一个公司比以往任何时候都渴望快速填补职位的时代。

雅各布问安吉拉，自动化今天可以为企业带来什么，以及公司的创造力如何与其多样性联系起来。智能自动化在人才获取工作流程中的普及程度如何？

我们的数据显示，在企业中，大约7%的企业采用了某种程度的真正自动化技术。但是，如果你看看整个就业市场，如果你看看我们拥有的数百万雇主，那么采用自动化的企业不到3%。这些公司

拥有少量员工来完成大量工作。他们正在从疫情中恢复过来。他们需要帮助，他们认为自动化很昂贵，而实际上恰恰相反。它一点也不贵。

所以我鼓励中型企业和小型企业以他们以前从未做过的方式拥抱技术。我的意思是，现在还有一些事情似乎与你所做的事情非常有趣，那就是

现在对工人的巨大需求，对吧？我不知道，有1000多万个职位空缺。出现了“大辞职”。所以我很想知道自动化现在是如何帮助公司和员工度过这个难关的。我们现在所处的就业市场前所未有。所以我们必须考虑，作为雇主，我们必须考虑，我该如何吸引这些人才？

关于职位空缺数量的另一件事是，如果你简单地进行计算，那么每个正在寻找工作的人都有两份工作。好吧，这本身就令人震惊。在我们市场上可用的工作中，大多数人并没有在积极寻找工作的求职者人才库中找到填补这些工作所需的技能。

所以现在你必须走出去，你需要寻找被动人才。你需要培养与拥有你所需技能的人的关系。当你找到他们时，你需要能够说出两件事。你需要能够说，我们使用最好的技术来识别你，因为你是特别的，我们真的希望你来为我们工作。这是第一点。

第二，你需要说，当你来到这里时，我们将帮助你自动化你从未真正享受过的工作部分，因为我们希望你能够在你充满热情的工作领域深入研究，因为你会更快乐，并且会有更好的工作与生活平衡。这就是你在这个市场上赢得人才的方式。是的。你从招聘人员那里听到了什么关于技术整合加强的信息？是的。

我认为最令人惊讶的事情之一是，它真正打开了同一公司内部招聘经理和招聘人员之间的沟通。长期以来，招聘经理发布职位描述并说，招聘人员，你知道，去寻找符合这个要求的人，一直存在着一种隔阂。

然后招聘人员需要额外的支持，因为他们会收到候选人的问题，或者围绕实际的职位特定要求有一些问题。他们很难从招聘经理那里得到这些答案。招聘经理非常忙碌，他们有自己的工作要做。所以通过提高效率，你开始获得整个公司之间更好的互动。在这个市场，

公司真的迫切需要找到他们需要的人才。人们希望被找到。现在技术可以帮助实现这一目标。这就是自动化部分。让我们谈谈多样性部分，你知道，最终在这里，对吧？所以在多样性方面，多元化的员工队伍如何帮助企业更有创造力？

许多大型咨询公司在过去十年里一直在深入研究，并说：“多元化真的有投资回报率吗？”而答案始终是：“是的，有。”利润增加，

更稳定的员工队伍，这意味着人们不想离开。当员工队伍更加多元化时，人员流失率不会那么高，招聘人数也会更好。所以所有这些都是结果。但我认为关键是要理解其背后的原因。原因是，当你多元化时，你会从不同的角度看待解决方案、问题和挑战。

当你拥有一个多元化的员工队伍，他们正在合作并将他们的创造力带入市场，并且你正在利用他们的见解来开发更好的解决方案时，你将创造更好的解决方案。你将更快地将这些解决方案推向市场。你将了解你在市场上的价值主张的定位。当你拥有多元化的员工队伍时，所有这些都会更加清晰地发生。

你之前提到你失败了，是13次吗？我很想知道，克服这些失败并走向成功是否是你进行创造性问题解决的地方。我会说这是一种轻描淡写。

有时，你知道，我只是顺便提一下13次失败，但有时我觉得自己作为一名创新者快要崩溃了。事实上，我就像，这个问题根本没有解决方案。13次失败令人难以置信地令人心碎，但我幸运的是，我有非常支持我的投资者。所以我们挺过来了。我为我们今天的公司感到非常自豪，因为这些失败。是的。

为了总结一下，让我们谈谈未来。我们已经讨论了过去，我们已经讨论了现在。让我们谈谈未来。我的意思是，你认为未来的招聘流程会是什么样子？比如五年、十年后。特别是自动化、智能自动化、增强智能，所有这些将扮演什么角色？

好吧，如果你回顾几十年前，有些人会在同一家公司工作10年、20年，这并不罕见。现在非常罕见，在未来，我认为这将绝对罕见。我认为我们更有可能看到人们为多家公司工作。我们看到零工经济的兴起。

我们显然看到人们喜欢远程工作。我知道当我们在市场上发布一份活跃的工作，如果它是远程的并且优先考虑多样性，你将获得20到30倍的申请者。所以我认为我们将开始看到公司真正投资于这两个属性，试图尽可能多地保留远程工作，并且

仅仅是因为它吸引了公司现在正在努力寻找的人才。我认为自动化的水平将继续提高。这将在未来五到十年继续增加投资。20年后，我认为我们将回顾过去，并说，为什么我们都做了这些疯狂的工作？为什么我们没有自动化这些？因为我们一直在等待像Orchestrate提供的技术。

对于希望在其业务、工作中整合技术和自动化的企业，你有什么具体的建议？

我会说，意识到你每天都在使用自动化。你每天都在使用人工智能。所以当你使用谷歌地图或类似的东西时，你正在作为消费者、作为个人使用这种技术。没有理由担心将其作为企业采用。不要被它吓倒。你绝对可以随时使用它，你的企业也随时可以从中受益。不要害怕。

我们公司当然与各种规模的公司合作。我们有一些公司只有5到10名员工。我们也有一些公司有数十万名员工。自动化的伟大之处在于，它不关心你公司的规模。它会为你工作。安吉拉，和你交谈很有趣。感谢你的时间。祝贺你克服了13次失败。如果你真的考虑一下，这是一个

令人印象深刻的毅力水平。就像，我可以想象失败几次，但我会在九次或其他什么时间放弃。哦，在七次的时候。在七次的时候，我想，我是一个疯子。正确招聘至关重要。还有什么比决定哪些人组成这个组织更重要呢？如果我们放任我们的偏见不管，

我们最终会排斥合格的候选人，使我们的员工队伍多样性降低，因此竞争力降低。安吉拉之前提出一个有趣的观点，我想再提一下。她说偏见不是性格缺陷。这是一种生存本能。技术可以发挥的最佳作用是，通过为我们做我们做不到的事情来使我们成为更好的人。偏见是人的天性，我们永远无法真正摆脱它。

但减少其影响的第一步是承认这是一个我们需要帮助解决的问题。智能自动化可以使招聘更加公平、更高效。当我们允许计算机减轻我们的偏见时，更好的招聘就是结果。有时，为了组建最好的团队，我们必须知道何时倾听我们的直觉，何时将它们放在一边。

在下一期IBM智慧对话中，我们将讨论如何创造性地使用数据来解决新问题。我们将与YouTube内容创作者和IBM高级数据科学与人工智能技术专家尼古拉斯·雷诺会面。IBM智慧对话由马特·罗曼诺、大卫·贾、罗伊斯顿·贝瑟夫和埃迪思·鲁西洛与雅各布·戈德斯坦共同制作。

我们由索菲·克莱恩编辑。我们的工程师是杰森·甘布雷尔、莎拉·布鲁格尔和本·托利迪。主题曲由Gramascope创作。特别感谢卡莉·米格里奥雷、安迪·凯利、凯西·卡拉汉以及8 Bar和IBM团队，以及普希金营销团队。IBM智慧对话是普希金工业和iHeartMedia联合制作的。

要查找更多普希金播客，请在iHeartRadio应用程序、Apple Podcasts或您收听播客的任何地方收听。我是马尔科姆·格拉德威尔。这是IBM的付费广告。