Quando algoritmos ajudam a escolher o melhor candidato

Getty Images/istockphoto / Metamorworks

A avaliação imparcial de funcionários é o que promete a análise de pessoal por meio da inteligência artificial. Os algoritmos devem permitir a diversidade em vez da uniformidade, a objetividade em vez da subjetividade. Mas será que isso funciona? Ou será que se limita a fixar novamente padrões?

Google, Amazon e Microsoft aplicam extensivamente a “análise da força de trabalho” (Work Force Analytics) ou a “análise de pessoal” (People Analytics). Ambos termos descrevem a análise de dados de recursos humanos em conexão com outros dados da empresa. A base para isto é a análise dos candidatos e funcionários através de questionários padronizados. Estes são verdadeiros testes de personalidade, frequentemente realizados utilizando perguntas com escalas.

“Prefiro trabalhar sozinho”. Qual seria sua resposta em uma escala de 1 a 10?

“Continuo calmo mesmo em situações tensas”. E qual seria seu sentimento ao responder a esta pergunta? A resposta a uma variedade de perguntas deste tipo resulta em um perfil de personalidade.

Do ponto de vista da empresa, surgem outras questões. Decisões erradas de pessoal podem ter consequências dispendiosas. O People Analytics foi projetado para reduzir este risco. As preferências pessoais e os preconceitos dos recrutadores são assim contornados, e os modelos normativos são reduzidos. Somente os candidatos mais adequados devem ser descobertos e promovidos. Uma promessa desta abordagem é que, entre outras coisas, as minorias ou grupos muitas vezes desfavorecidos no mundo do trabalho terão uma chance.

Diversidade

Essa palavra significa a diversidade de pessoas e modos de vida e abrange as diferenças e semelhanças em relação a indivíduos e grupos. O objetivo da política de diversidade é o reconhecimento de todas as pessoas, independentemente da origem, gênero, orientação sexual, afiliação religiosa, visão de mundo, idade ou deficiência.

Na administração de empresas, a gestão da diversidade significa não apenas tolerar as diferenças, mas utilizá-las como potencial e vantagem competitiva.

A prática é agora generalizada, inclusive também na Suíça. A Deloitte, uma das maiores empresas de auditoria e consultoria do mundo, realizou um estudo sobre o uso da análise de pessoal em empresas suíças. De acordo com seu relatório de 2020Link externo, em média quatro das cinco empresas pesquisadas consideram a análise de pessoal como importante ou muito importante. Eles também esperam que sua importância aumente nos próximos dois a cinco anos.

Por que a diversidade é hoje uma vantagem e não uma desvantagem?

Isto não surpreende já que, afinal de contas, trata-se também de diversidade e inclusão, ambos temas altamente atuais e relevantes. Muitas empresas estão atualmente analisando o quão bem estão posicionadas nas áreas de gênero, idade e salário. Aparentemente, a diversidade é cada vez mais entendida como uma preocupação que vai além do gênero, escreve a Deloitte no seu estudoLink externo.

A economista comportamental Iris Bohnet, professora da Universidade de Harvard e membro do conselho de administração do Credit Suisse Group, está convencida de que a diversidade hoje não é apenas uma preocupação de grupos sub-representados, mas uma necessidade geral.

A autora do livro “What Works: Gender Equality By Design” cita duas razões para isso. Primeiro, é uma questão de igualdade perante a lei: todas as pessoas devem ter as mesmas oportunidades de entrar no mundo profissional e desempenhar um papel lá, diz ela.

Em segundo lugar, é uma questão de economia. Os pools de talentos estão se tornando cada vez mais diversificados, e o ideal homogêneo de “branco e homem” não corresponde mais à realidade demográfica. Nenhuma empresa quer excluir uma grande proporção de candidatos.

“Além disso, as pesquisas mostram que equipes diversas são mais criativas e têm melhor desempenho do que equipes homogêneas, especialmente em tempos difíceis. E, portanto, é simplesmente um bom argumento para as empresas que querem ser inovadoras terem pessoas que refletem pontos de vista diferentes”, diz Bohnet.

É também simplesmente uma questão de sucesso financeiro, e isto de fato se materializa com a diversidade. De acordo com um estudoLink externo da empresa de consultoria McKinsey de mil empresas em 15 países, as empresas com alta diversidade de gênero têm 25% mais probabilidade de serem lucrativas do que a média. Se considerarmos o fator da diversidade étnica, este valor é de até 36%.

“É muito mais fácil programar algoritmos sem preconceitos do que mudar milhões de pessoas”. Iris Bohnet

“Programas de diversidade não trazem resultados”

Como resultado, Bohnet reverte a abordagem ao afirmar que o foco não deve estar na diversidade, mas no desempenho que resulta da diversidade. Porque se você olhar para os números dos chamados “programas de ação afirmativa”, verá que nada mudou, ela diz: “Com base nos dados que temos hoje, não há evidência encorajadora de que os programas de promoção das mulheres tragam resultados”.

A razão disso, diz ela, é a abordagem errada: os programas de promoção da mulher falharam “porque não estamos fazendo mudanças no sistema”. “A palavra por si só implica que as mulheres têm algum tipo de deficiência”, diz Iris Bohnet. Porque, diz ela, não deveria se tratar de corrigir as mulheres ou torná-las aptas para o mundo, mas pelo contrário, de adaptar o mundo dos negócios à realidade. Afinal, a promoção da mulher não é uma questão de diversidade, mas uma questão de igualdade, igualdade de direitos e igualdade de oportunidades. Mas programar estes preconceitos saiam de nossas cabeças é difícil.

Para Iris Bohnet, a análise de pessoal desempenha um papel importante a este respeito. “É muito mais fácil programar algoritmos sem preconceitos do que mudar milhões de pessoas”, diz ela. E ainda assim ela vê o perigo de que erros possam se tornar desproporcionalmente maiores porque essas ferramentas são aplicadas em milhões de pessoas. Com processos de seleção convencionais, decisões erradas geralmente permanecem limitadas a um grupo pequeno, enquanto com estas ferramentas, elas são escalonadas.

Inteligência artificial: espada de dois gumes

Em situações de pressão, os algoritmos podem proteger as pessoas contra preconceitos inconscientes, diz Joanna BrysonLink externo, professora de ética e tecnologia na Hertie School, em Berlim. Quando uma recrutadora está avaliando centenas de candidaturas e precisa fazer o trabalho rapidamente, ela pode sucumbir a preconceitos implícitos, mesmo que queira construir uma equipe diversificada. Bryson, cuja pesquisa se concentra no impacto da tecnologia na colaboração humana, vê, portanto, uma oportunidade na IA. Com ela, os responsáveis poderiam superar suas próprias limitações e, assim, ter mais chances de encontrar os melhores candidatos. Isto frequentemente inclui candidatos “que antes não conseguiam ser vistos”.

Mas seu próprio estudoLink externo sobre a língua inglesa também mostrou que os algoritmos podem ter os mesmos preconceitos implícitos que os humanos, “porque eles aprendem com nosso banco de dados”. É por isso que é preciso ter cuidado, especialmente quando se programa a IA, disse ela. “Caso contrário, existe o perigo de que os preconceitos implícitos sejam reforçados com a análise das pessoas”, diz a especialista em matemática.

Poder dos algoritmos

Isto também é demonstrado por um trabalhoLink externo de três pesquisadores do MIT e da Universidade de Columbia que desenvolveram e testaram vários modelos de algoritmos. Eles descobriram que existem diferenças significativas dependendo se os programas estão limitados ao histórico comprovado de candidatos ou se incluem também o potencial de pessoas de grupos subrepresentados. O estudo conclui que o foco no potencial melhora a seleção e recruta candidatos mais diversificados. Em contraste, empresas cujos algoritmos se baseiam apenas em histórico correm o risco de perder candidatos de alta qualidade com formações mais diversas.

“Chefes precisam também refletir”

“É por isso que uma empresa tem que se fazer certas perguntas já ao comprar um programa”, diz Simon Schafheitle do Instituto de Pesquisa para o Trabalho e Mundo do Trabalho da Universidade de St.Gallen. Por exemplo, deve ser verificado se a equipe por trás do algoritmo em si é orientada de forma diversa.

Schafheitle vê outro desafio: os tomadores de decisão muitas vezes têm a sensação de que a tecnologia é uma panaceia. Mas muitas vezes é o oposto. “De repente, eles têm que decidir como lidar com o caso onde o resultado do algoritmo contradiz as ideias dos próprios responsáveis.

A quem você dá mais peso: ao programa caro ou ao experiente gerente de RH? O algoritmo calcula a candidatura ideal, mas talvez não a melhor. É possível que um pensador lateral criativo seja mais adequado para o trabalho do que um profissional de carreira bem ajustado.

Além disso, pesquisas empíricas no mundo analógico mostram claramente que os resultados variam de acordo com o grupo cultural ou cultura corporativa, sendo também entendidos de forma diferente. “E isso é amplificado e também pode ser transferido para o mundo digital”, diz ele.

Iris Bohnet, por sua vez, recomenda a criação de uma autoridade reguladora que estabeleça critérios e condições para o uso de algoritmos antes que eles sejam colocados no mercado. “Afinal de contas, não usamos novos medicamentos em humanos sem antes testá-los em estudos”.

Adaptação: DvSperling