Esiste un termine per definire ciò che sta accadendo nelle assunzioni in questo momento, e arriva dal CEO di un’azienda che produce sistemi di tracciamento dei candidati. Daniel Chait di Greenhouse lo definisce un “circolo vizioso della IA”. Chi cerca lavoro usa la IA per aggirare gli strumenti di screening automatizzato. I datori di lavoro usano la IA per esaminare la marea di candidature quasi identiche che ne derivano. La soluzione di ciascuna delle due parti peggiora il problema dell’altra. Nessuno vince.
Il mito che alimenta il ciclo
L’intero ciclo si regge su una convinzione: che i sistemi di tracciamento dei candidati, noti come ATS, classifichino e filtrino automaticamente i candidati, e che solo dal 10 al 20 percento dei migliori candidati venga mai visto da un essere umano. Tutti gli altri, l’80 percento in fondo alla lista, svaniscono in una scatola nera.
Questa convinzione è così diffusa che intorno ad essa è nata una fiorente industria. Strumenti come Jobscan, che costa tra i 30 e i 50 dollari al mese, promettono di ottimizzare un curriculum per gli algoritmi degli ATS. Gli utenti imparano a sostituire la parola “percent” con il simbolo ”%”, a evitare i curriculum di due pagine e a riempire i loro documenti di parole chiave. La scienziata dei dati Jodi Beggs ha testato uno di questi sistemi e ha scoperto che piccole scelte di formattazione facevano salire o scendere il suo punteggio. La sua conclusione è stata pragmatica: se l’obiettivo è compiacere i sistemi automatizzati, allora il contenuto che funziona per le macchine potrebbe non essere quello che riflette chi è realmente.
Ecco cosa manca alla maggior parte degli articoli su questo argomento: la premessa non è sempre vera. Chait afferma che esiste una notevole quantità di leggende metropolitane su come funzionano realmente gli ATS. Non esistono due sistemi identici. Se un determinato ATS usi o meno la IA dipende dal prodotto specifico e da quali funzionalità un’azienda ha pagato e attivato. Alcune organizzazioni utilizzano la classificazione automatica. Altre fanno esaminare ogni singola candidatura da esseri umani. Kim Jones, vicepresidente delle risorse umane di Toshiba, è esplicita: il suo team legge ogni candidatura personalmente. Nota che l’ottimizzazione automatica non aiuterà i candidati a superare il suo processo, perché il suo processo non funziona in quel modo.
Due esperimenti che rivelano il divario
La distanza tra il mito e la realtà diventa più evidente quando le organizzazioni mettono alla prova questa supposizione. Doist, una piccola azienda completamente da remoto che assume a livello internazionale, ha condotto esattamente quel tipo di esperimento interno. Il team ha preso ruoli che erano già stati coperti, ha inserito le descrizioni delle posizioni e tutto il materiale dei candidati salvati in un sistema di ranking ATS, e ha fatto una semplice domanda: le persone che avevano effettivamente assunto sarebbero entrate nella rosa dei candidati generata dalla IA?
In due casi testati, la risposta è stata no. I candidati che sono stati assunti, e che stavano ottenendo buoni risultati a circa sei mesi dall’inizio del loro lavoro, non comparivano affatto nella rosa ristretta della IA. C’era una certa sovrapposizione su chi avesse ricevuto gli inviti ai colloqui, ma le persone scelte in ultima analisi dall’azienda erano state filtrate dal sistema automatizzato.
Questa non è una discrepanza di poco conto. Suggerisce che ottimizzare per un punteggio ATS ed essere un candidato forte per un ruolo specifico possono essere due cose completamente diverse.
Dal lato di chi cerca lavoro, un professionista del design di nome James Jacobsen mostra fino a che punto può spingersi l’impulso all’ottimizzazione. Ha trascorso cinque mesi in una ricerca che ha consumato tanto tempo quanto un lavoro a tempo pieno. Ha usato Claude e ChatGPT per personalizzare i suoi materiali di candidatura, ma ha visto pochi progressi. Ha quindi costruito quello che ha descritto come l’opposto di un ATS: un sistema di tracciamento personale che utilizzava la IA per setacciare gli annunci, valutare le opportunità rispetto ai propri criteri, registrare i rifiuti con delle note e far emergere i ruoli con la massima priorità. Ha anche usato la IA per criticare il suo portfolio, il che ha portato a una revisione di sei ore. Ha ricevuto chiamate. Non ha ricevuto offerte. La valutazione di Chait sui candidati come Jacobsen è diretta: fare di più della stessa cosa non è la risposta.
Cosa segnala realmente il circolo vizioso
Il circolo vizioso non è solo una storia di tecnologia che non funziona correttamente. È una storia di crollo della fiducia su entrambi i lati di una transazione. Chi cerca lavoro riferisce di aver profuso un impegno enorme nelle candidature e di non aver ricevuto alcuna risposta. I datori di lavoro riferiscono di ricevere centinaia di candidature che sembrano quasi identiche, il che è in parte conseguenza degli strumenti di scrittura assistita da IA che fanno sembrare ogni documento uguale. Entrambe le parti si rivolgono alla IA per gestire il volume, e il volume continua a crescere.
Chait lo spiega chiaramente: questa è la prima volta che ricorda in cui entrambe le parti sono infelici riguardo al processo di assunzione. Il sistema non funziona per nessuno.
Ciò che si perde nella corsa all’ottimizzazione è il comportamento che differenzia realmente i candidati: una lettera di presentazione autentica, che secondo Jones quasi nessuno invia più; la comunicazione diretta con le aziende prima che venga pubblicato un ruolo; il networking, che rimane sottovalutato in un mercato inondato di candidature. Questi sono segnali umani in un sistema sempre più progettato per filtrarli.
Il problema più profondo è che gli strumenti di IA vengono applicati a un problema che non hanno creato e che non possono risolvere completamente. La disfunzione del mercato del lavoro, che include annunci scarsi, posti di lavoro fantasma e un’interruzione della comunicazione tra candidati e datori di lavoro, è precedente all’attuale ondata di adozione della IA. L’automazione sta accelerando i sintomi, non curando la causa.
In breve
La IA viene utilizzata sia da chi cerca lavoro sia dai datori di lavoro per gestire un processo di assunzione che è già sotto pressione. Gli strumenti che ciascuna parte utilizza per farvi fronte peggiorano l’esperienza dell’altra, creando un ciclo che si autoalimenta. L’assunzione che la classificazione automatica controlli ogni decisione di assunzione non è universalmente vera, il che significa che i candidati che si ottimizzano per le macchine potrebbero stare risolvendo il problema sbagliato. I comportamenti che hanno maggiori probabilità di emergere, una vera lettera di presentazione, una ricerca mirata, il contatto umano diretto, sono quelli che gli strumenti di ottimizzazione non possono replicare.
Basato su un articolo di Wired.