​Аспект дискуссии

​Позиция - тезис

​Аргументы

​Позиция - антитезис

​Аргументы

​Природа объективности искусственного интеллекта (ИИ)

​ИИ позволяет снизить влияние человеческого фактора при отборе персонала, а также позволяет обрабатывать больший объем данных

​Анализ больших данных о поведении соискателей позволяет преодолеть субъективность оценок

​ИИ создает «иллюзию объективности», алгоритмы являются непрозрачными, что может привести к дискриминации отдельных категорий соискателей

​O‘Neil (2016): алгоритмы работают по математическим моделям и могут выступать инструментом, который закрепляет дискриминацию

Pasquale (2015): низкий уровень прозрачности алгоритмов искусственного интеллекта лишает кандидатов права на объяснение.

Подход к справедливости

​Посредством искусственного интеллекта справедливость формализуется

​Mehrabi et al. (2021): противоречивость систематизированных определений справедливости

Формальных метрик недостаточно для обеспечения справедливого подхода к отбору. При отборе не учитывается социальный аспект

Selbst et al. (2019): автор отмечает, что справедливость должна рассматривать во взаимоувязке с социальным контекстом

​Роль человека в отборе

​Человек является «слабым звеном», алгоритмы имеют более валидный и структурированный подход к оценке

​Schmidt & Hunter (1998): Мета-анализ, который доказал высокую прогностическую валидность структурированных методов, а именно тестов, интервью

​Человек является носителем этики и контекста. Высокий уровень стандартизации ведет к потере гибкости и смещению баланса в отборе персонала

​Sackett et al. Отмечает необходимость пересмотра мета-анализов в связи с проблемами их валидности

Примечание: Специфика российского контекста

​Избежание дискриминации по расовым признакам

​Фокус на расовых, гендерных и этнических аспектах дискриминации

​Российская специфика требует адаптации подходов к отбору персонала.

​В России доминируют иные маркеры дискриминации: возраст 35+, семейный статус, регион происхождения.