ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ У ВІДБОРІ ПЕРСОНАЛУ: ОГЛЯД ЛІТЕРАТУРИ З ОРГАНІЗАЦІЙНОЇ ПСИХОЛОГІЇ
Анотація
Вступ. Штучний інтелект (ШІ) стає невід’ємною частиною сучасних HR-процесів, зокрема відбору персоналу. Його інтеграція дозволяє автоматизувати та оптимізувати традиційні підходи до найму, зменшуючи витрати та підвищуючи ефективність процесів. Використання технологій, таких як машине навчання, обробка натуральної мови (NLP), комп’ютерний зір та великі мовні моделі (LLMs), дозволяє аналізувати резюме, оцінювати кандидатів, прогнозувати їхню відповідність посаді та автоматизувати інтерв’ю.
Мета. Метою дослідження є систематизація існуючих знань про використання ШІ у відборі персоналу, визначення його переваг і викликів, а також ідентифікація прогалин у науковій літературі для подальших досліджень.
Методи. Використавши систематичний огляд літератури, проаналізовано 61 наукову статтю з провідних наукометричних баз даних (PsycINFO, WoS, Scopus, GoogleScholar).
Результати. Основні напрями застосування ШІ включають автоматизацію скринінгу резюме, чат-боти для спілкування, прогностичну аналітику та аналіз поведінки під час інтерв’ю. Виявлено, що ШІ аналізує такі психологічні аспекти, як особистісні риси, когнітивні здібності, емоційний інтелект, соціальні навички, мотивація та культурна відповідність. Перевагами є зниження витрат, скорочення часу найму та покращення досвіду кандидатів, проте існують виклики, зокрема алгоритмічна упередженість і етичні проблеми.
Висновки. Застосування ШІ у відборі персоналу має потенціал значно покращити ефективність і якість процесів найму, проте його впровадження потребує збалансованого підходу, що враховує етичні, правові та соціальні аспекти. Подальші дослідження повинні зосереджуватися на розробці прозорих і справедливих алгоритмів, оцінці довгострокового впливу ШІ на організації та кандидатів, а також аналізі його адаптації до специфічних потреб різних галузей та культур.
Посилання
Albert, E. T. (2019). AI in talent acquisition: A review of AI-applications used in recruitment and selection. Strategic HR Review, 18(5), 215–221. https://doi.org/10.1108/shr-04-2019-0024
Allal-Chérif, O., Aránega, A. Y., & Castaño Sánchez, R. C. (2021). Intelligent recruitment: How to identify, select, and retain talents from around the world using artificial intelligence. Technological Forecasting and Social Change, 169, 120822. https://doi.org/10.1016/j.techfore.2021.120822
Arksey, H., & O’Malley, L. (2005). Scoping studies: Towards a methodological framework. International Journal of Social Research Methodology, 8(1), 19–32. https://doi.org/10.1080/1364557032000119616
Bersin, J. (2013). Employee retention now a big issue: Why the tide has turned. Bersin by Deloitte, 16, 1–4. https://www.multibriefs.com/briefs/apta-pps/EmployeeRetention.pdf
Black, J. S., & van Esch, P. (2020). AI-enabled recruiting: What is it and how should a manager use it? Business Horizons, 63(2), 215–226. https://doi.org/10.1016/j.bushor.2019.12.001
Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3, 205395171562251. https://doi.org/10.1177/2053951715622512
Cappelli, P., Tavis, A., Burrell, L., Barton, D., Carey, D., & Charan, R. (2018). The new rules of talent management. Harvard Business Review. (March), 16–21. https://www.learn
Chamorro-Premuzic, T., Winsborough, D., Sherman, R. A., & Hogan, R. (2016). New talent signals: Shiny new objects or a brave new world? Industrial and Organizational Psychology, 9(3), 621–640. https://doi.org/10.1017/iop.2016.6
Dahlbom, B., & Mathiassen, L. (1997). The future of our profession. Communications of the ACM, 40(6), 80–89. https://doi.org/10.1145/255656.255706
Derous, E., & Ryan, A. M. (2019). When your resume is (not) turning you down: Modelling ethnic bias in resume screening. Human Resource Management Journal, 29(2), 113–130. https://doi.org/10.1111/1748-8583.12217
Deshmukh, A., & Raut, A. (2024). Applying BERT-Based NLP for automated resume screening and candidate ranking. Annals of Data Science. https://doi.org/10.1007/s40745-024-00524-5
Faliagka, E., Tsakalidis, A., & Tzimas, G. (2012). An integrated e‐recruitment system for automated personality mining and applicant ranking. Internet Research, 22(5), 551–568. http://dx.doi.org/10.1108/10662241211271545
Gardner, J., O’Leary, M., & Yuan, L. (2021). Artificial intelligence in educational assessment:‘Breakthrough? Or buncombe and ballyhoo?’ Journal of Computer Assisted Learning, 37(5), 1207–1216. https://doi.org/10.1111/jcal.12577
Gee, L. K., Jones, J., & Burke, M. (2017). Social networks and labor markets: How strong ties relate to job finding on Facebook’s social network. Journal of Labor Economics, 35(2), 485–518. https://www.jstor.org/stable/26553262
Geetha, R., & Bhanu, S. R. D. (2018). Recruitment through artificial intelligence: A conceptual study. International Journal of Mechanical Engineering and Technology (IJMET), 9(7), 63–70. http://www.iaeme.com/ijmet/issues.asp?JType=IJMET&VType=9&IType=7
Holm, A. B. (2012). E-recruitment: towards an ubiquitous recruitment process and candidate relationship management. German Journal of Human Resource Management: Zeitschrift für Personalforschung, 26(3), 241–259. https://doi.org/10.1177/239700221202600303
Jiang, H., Beeferman, D., Roy, B., & Roy, D. (2022). CommunityLM: Probing partisan worldviews from language models. arXiv.org. https://arxiv.org/abs/2209.07065
Kluemper, D. H., Mitra, A., & Wang, S. (2016). Social media use in HRM. In M. R. Buckley, J. R. B. Halbesleben, & A. R. Wheeler (Eds.), Research in Personnel and Human Resources Management (Vol. 34, pp. 153–207). Emerald Group Publishing Limited. https://doi.org/10.1108/S0742-730120160000034011
Koivunen, S., Ala-Luopa, S., Olsson, T., & Haapakorpi, A. (2022). The march of chatbots into recruitment: Recruiters’ experiences, expectations, and design opportunities. Computer Supported Cooperative Work (CSCW), 31(3), 487–516. https://doi.org/10.1007/s10606-022-09429-4
Kristof‐Brown, A. L., Zimmerman, R. D., & Johnson, E. C. (2005). Consequences of individual’s fit at work: A meta‐analysis of person-job, person-organization, person-group, and person-supervisor fit. Personnel Psychology, 58(2), 281–342. https://doi.org/10.1111/j.1744-6570.2005.00672.x
Langer, M., König, C. J., & Papathanasiou, M. (2019). Highly automated job interviews: Acceptance under the influence of stakes. International Journal of Selection and Assessment, 27(3), 217–234. https://doi.org/10.1111/ijsa.12246
Leicht-Deobald, U., Busch, T., Schank, C., Weibel, A., Schafheitle, S., Wildhaber, I., & Kasper, G. (2022). The challenges of algorithm-based HR decision-making for personal integrity. In Business and the Ethical Implications of Technology (pp. 71-86). Cham: Springer Nature Switzerland.
Leicht-Deobald, U., Busch, T., Schank, C., Weibel, A., Schafheitle, S., Wildhaber, I., & Kasper, G. (2019). The challenges of algorithm-based HR decision-making for personal integrity. Journal of Business Ethics, 160(2), 377–392. https://doi.org/10.1007/s10551-019-04204-w
Naim, I., Tanveer, M. I., Gildea, D., & Hoque, M. E. (2016). Automated analysis and prediction of job interview performance. IEEE Transactions on Affective Computing, 9(2), 191-204.
Naim, I., Tanveer, M. I., Gildea, D., & Hoque, M. E. (2018). Automated analysis and prediction of job interview performance. IEEE Transactions on Affective Computing, 9(2), 191–204. https://doi.org/10.1109/taffc.2016.2614299
Nikolaou, I. (2021). What is the role of technology in recruitment and selection?. The Spanish Journal of Psychology, 24, 2. https://doi.org/10.1017/SJP.2021.6
OpenAI. (2023). GPT-4. https://openai.com/product/gpt-4
Park, G., Schwartz, H. A., Eichstaedt, J. C., Kern, M. L., Kosinski, M., Stillwell, D. J., Ungar, L. H., & Seligman, M. E. (2015). Automatic personality assessment through social media language. Journal of Personality and Social Psychology, 108(6), 934–952. https://doi.org/10.1037/pspp0000020
Poria, S., Cambria, E., Hazarika, D., Majumder, N., Zadeh, A., & Morency, L.-P. (2017). Context-dependent sentiment analysis in user-generated videos. In R. Barzilay, & M.-Y. Kan (Eds.), The 55th annual meeting of the association for computational linguistics (Vol. 1: Long Papers) (pp. 873–883). Association for Computational Linguistics. https://aclanthology.org/P17-1081.mp4
Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020, January). Mitigating bias in algorithmic hiring: Evaluating claims and practices. In M. Hildebrandt, C. Castillo, E. Celis, S. Ruggieri, L. Taylor, & G. Zanfir-Fortuna (Eds.), FAT*’20: Conference on Fairness, Accountability, and Transparency (pp. 469–481). Association for Computing Machinery. https://doi.org/10.1145/3351095.3372828
Serban, O., Yu, H., & Cao, L. (2017). A cognitive AI-based approach for virtual interview training. In E. André, R. Baker, X. Hu, M. T. Rodrigo, & B. du Boulay (Eds.), Artificial Intelligence in Education: AIED 2017 (pp. 424–427). Springer. https://doi.org/10.1007/978-3-319-61425-0_45
Shute, V. J. (2011). Stealth assessment in computer-based games to support learning. Computer Games and Instruction, 55(2), 503–524.
Shute, V. J. (2011). Stealth assessment in computer-based games to support learning. In S. Tobias & J. D. Fletcher (Eds.), Computer Games and Instruction (pp. 503–524). Information Age Publishing. https://myweb.fsu.edu/vshute/pdf/shute%20pres_h.pdf
Strohmeier, S. (2020). Digital human resource management: A conceptual clarification. German Journal of Human Resource Management: Zeitschrift für Personalforschung, 34(3), 345–365. https://doi.org/10.1177/2397002220921131
Tadesse, M. M., Lin, H., Xu, B., & Yang, L. (2018). Personality predictions based on user behavior on the facebook social media platform. IEEE Access, 6, 61959–61969. https://doi.org/10.1109/access.2018.2876502
Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15–42. https://doi.org/10.1177/0008125619867910
Tippins, N. T. (2015). Technology and assessment in selection. Annual Review of Organizational Psychology and Organizational Behavior, 2(1), 551–582. https://doi.org/10.1146/annurev-orgpsych-031413-091317
Upadhyay, A. K., & Khandelwal, K. (2018). Applying artificial intelligence: Implications for recruitment. Strategic HR Review, 17(5), 255–258. https://doi.org/10.1108/shr-07-2018-0051
van Esch, P., Black, J. S., & Ferolie, J. (2019). Marketing AI recruitment: The next phase in job application and selection. Computers in Human Behavior, 90, 215–222. https://doi.org/10.1016/j.chb.2018.09.009
Vrontis, D., Morea, D., Basile, G., Bonacci, I., & Mazzitelli, A. (2021). Consequences of technology and social innovation on traditional business model. Technological Forecasting and Social Change, 170, 120877. https://doi.org/10.1016/j.techfore.2021.120877
Wang, Z., Wei, W., Xu, C., Xu, J., & Mao, X. L. (2022). Person-job fit estimation from candidate profile and related recruitment history with Co-Attention Neural Networks. Neurocomputing, 501, 14–24. https://doi.org/10.1016/j.neucom.2022.06.012
Woods, S. A., Ahmed, S., Nikolaou, I., Costa, A. C., & Anderson, N. R. (2020). Personnel selection in the digital age: A review of validity and applicant reactions, and future research challenges. European Journal of Work and Organizational Psychology, 29(1), 64–77. https://doi.org/10.1080/1359432X.2019.1681401
