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。

公開 2020年02月18日 05時04分

[TechTarget]

印刷する Googleで優先するソースとして追加

　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。

併せて読みたいお薦め記事

「公平・公正なAI」は可能か

「AI」の学習用データに関する課題

　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）

印刷する

この記事の著者

Mark Feffer

採用担当者が認識すべき「AIのバイアス」という問題

併せて読みたいお薦め記事

「公平・公正なAI」は可能か

「AI」の学習用データに関する課題

バイアスを排除したAIを構築するには

意識的なAI活用

この記事の著者

関連記事

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

採用担当者が認識すべき「AIのバイアス」という問題

併せて読みたいお薦め記事

「公平・公正なAI」は可能か

「AI」の学習用データに関する課題

バイアスを排除したAIを構築するには

意識的なAI活用

この記事の著者

関連記事

Amazon、Facebookも批判の的に 「公平・公正なAI」はなぜ難しいのか

“偏り”がプラスに作用することも 「AI」のバイアスとどう向き合うか

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

Amazon、Facebookも批判の的に　「公平・公正なAI」はなぜ難しいのか

“偏り”がプラスに作用することも　「AI」のバイアスとどう向き合うか