人材採用におけるAI活用
採用担当者が認識すべき「AIのバイアス」という問題
人材採用にAI技術を活用すれば、人が持つ意識的なバイアス（偏り）や無意識的なバイアスを排除できると考える人は少なくない。だがAI技術で全てが解決できるわけではない。
人材採用の分野で人工知能（AI）技術の活用が広がり始めている。ただしAI技術にはバイアス（偏り）が入り込む可能性がある。人材採用担当者やHR（人事）部門の意識的なバイアスや無意識的なバイアスは採用判断に影響するが、それがAIシステムにも当てはまることはあまり認識されていない。
Wharton School of the University of Pennsylvania（ペンシルベニア大学ウォートン校）の経営学教授で同校人材センター所長のピーター・キャペリ氏によると、アルゴリズムによる人事判断が、職場の判断として受け入れられる考え方に沿わないことはよくある。ただし標準的に"正しくない"結果をアルゴリズムが導き出すとしたら「そこにはバイアスがあり、アルゴリズムの基になったデータに原因がある」（キャペリ氏）。
ビッグデータとデータサイエンスのトレーニングプログラムを提供するElephant Scaleの共同創業者、マーク・カーズナー氏によると、AI技術のアルゴリズムにはプログラマーの考えや従業員構成に存在するバイアスが反映される。「従業員構成を与えるだけだとプログラムにバイアスが入り込みやすい」とカーズナー氏は説明する。
採用担当者はAI技術を活用するシステムについて最低限の基礎知識を持ち、アルゴリズムに与えるデータについて理解しておく必要がある。
バイアスを排除したAIを構築するには
人材採用にAI技術を活用する場合、適切なデータセットに基づくことが重要だ。コンサルティング会社PricewaterhouseCoopers（PwC）のパートナーで同社の人員組織担当ジョイントグローバルリーダーを務めるブーシャン・セティ氏は、「信頼性と多様性のあるデータセットをAIモデルに与えなければ結果は偏る」と語る。セティ氏によると、特定グループへのバイアスがAIシステムに反映されないようにする必要があり、それには技術だけでなくプロセスが重要になるという。
人材採用におけるAI技術活用にはデータセットだけでなく「的確な業務要求と適切な管理を実施することも重要だ」と同氏は指摘する。例えば職務要件を狭く定義すれば、システムの結果も狭い範囲に偏ってしまう。
機械学習を活用する人材採用モデルは通常、その職務に期待する成果に最も適合する経歴の持ち主を見つけようとする。男性に有利な実績指標や、女性が排除されている職位でしか得られない実績評定を職務要件に指定すると、"適切な"候補者を検出するアルゴリズムはそうしたバイアスを反映して、雇用主の要望に女性は合致しないという結論を導く。
この場合「望ましい採用プロフィールとの合致度を測定するスコアを生成するとき、女性候補者のスコアが低くなる」とキャペリ氏は説明する。これを補正するには、職務説明の記述から参照元のデータベースに至るまで、あらゆる情報にバイアスが含まれる可能性を雇用者が認識しておかなければならない。
セティ氏は、人事採用におけるAI技術活用の有効性はデータセット以外にもさまざまなことに影響を受ける、と指摘する。職務要件の書き方や、人によるバックエンド制御の有無なども関係してくる。多様性の確保など、ビジネス目標と一致する結果をAIシステムが導き出せるどうかは「人次第だ」と同氏は語る。
意識的なAI活用
企業の人材採用へのAI技術活用は始まったばかりであり、採用担当者もHR部門もバイアスの可能性をあまり認識していない。カーズナー氏によると、採用担当者にはまだそのような連想が働いていない。「『ロボットに仕事を奪われる？』という話題を目にし、AI技術が不当なものになる懸念を耳にしていても、自身のAI技術活用とこうした議論を結び付けて考えるようになるにはもうしばらくかかるだろう」（同氏）
人材採用向けAIシステムのベンダーは、意図しない結果の可能性についてユーザー企業の教育を始めている。セティ氏によると、そうした教育活動は、
- AIシステムの判断には検証が必要であること
- データセットを適切に管理する必要があること
- 職務要件に組織の他の多様性戦略要素との整合性を持たせる必要があること
について理解を促すという。
人材採用におけるAI技術活用は意識的にすべきだとセティ氏は話し、さらに業界以外や同業他社以外の多様な分野から候補者を探すことも必要だと付け加える。「適合する人材を見つけにくい求人の場合は特に、AI技術に広範な基準を適用し、『十分に開放的かどうか』を問う必要がある」（同氏）
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
事例
[ポールトゥウィン株式会社] 開発スピードと品質を両立、DONUTSが実践する「ハイブリッドなQA体制」の構築術 -
製品レビュー
[ポールトゥウィン株式会社] 開発スピードと品質は両立できる？ DONUTSの「ジョブカン」に学ぶQA戦略 -
市場調査・トレンド
[レッドハット株式会社] 「プラットフォームエンジニアリング」調査レポート：利点・課題・未来像を詳説 -
市場調査・トレンド
[レッドハット株式会社] 生成AI活用のためのテクノロジー基盤、構築に際しての7つの検討事項とは？ -
製品資料
[レッドハット株式会社] ビジネスの現場へのAI導入と活用、何から始めてどのように進めるべきか？
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
-
2
1200万円のSaaS導入を回避 スギ薬局「運用費10万円」のAIエージェント構築術
-
3
IBM iのブラックボックス化を打破 資産継承と進化を実現する「IBM Bob」の実力
-
4
年収700万超エンジニアに共通するスキルと「もっと勉強すべきだった分野」
-
5
「完璧な設計」なのに3000万円溶けた AWSの失敗事例から学ぶ3つの教訓
-
6
GPU偏重に迫る転換点 AnthropicがAkamaiにCPUインフラ託す理由
-
7
「サイバー犯罪株式会社」に潜入 現地調査で判明した“犯罪者求人”の実態
-
8
AIエージェント暴走をミリ秒で隔離 NVIDIAがハードで挑む暴走抑止
-
9
なぜ情シスは評価されにくい？ 読者調査で見えた「成果が見えない仕事」第1位は
-
10
IT製品の導入に関するアンケート「PC＆デバイス」編
ホワイトペーパーランキング PR
-
1
DX／AI投資の壁を突破、現代の最高財務責任者が直面する課題と克服のヒント
-
2
バックアップは“取っているから大丈夫”なのか？ ランサムウェア時代の備え方
-
3
ネットワーク遅延の原因、「パケットロス」の基礎知識と効果的な解決策
-
4
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
5
5分で分かる Microsoft 365のデータ損失に備えるためのバックアップの仕組み
-
6
AI活用を停滞させる「2：6：2の壁」を乗り越えるためのポイントとは？
-
7
ソフトウェア開発の属人化と手戻りをどう防ぐ？ 速さと品質を両立させる方法
-
8
「NAS」「SAN」「DAS」は何が違う？ いまさら聞けないストレージの基礎
-
9
複雑な組織構造で一度は頓挫した電子化、東京女子医科大はどう全学展開したか
-
10
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー