多样性（或缺乏）仍然是高科技公司的一个重大挑战。有望彻底改变工作世界在一般情况下，一些组织正在利用新技术，以铲除偏见，更好地识别和筛选应聘者，并帮助缩小差距的多样性。
该公司的分析师凯文•马尔卡希(Kevin Mulcahy)说，首先要理解偏见的本质，并承认无意识的偏见是一个大问题未来职场和共同作者未来职场经历：10条规则在招聘和引人入胜的员工管理中断。人工智能和机器学习可以成为筛选偏见模式的客观观察者，马尔卡希说。
“与无意识的偏见所面临的挑战是，顾名思义，它是无意识的，所以它需要一个第三方，如AI，要认识到这些事件，并点出任何偏见的感知模式。关于通信模式启用AI-分析发送方或接收 - 如性别或年龄 - 可被用于筛选偏置模式和呈现模式分析回始发者，”马尔卡希说。
[相关报道：性别中立的工作职位如何减少时间对出租]
设置策略
一旦偏差是确定的，但是，企业如何才能解决这个问题？第一个步骤是确定偏差是在组织的各个层面解决的问题和一系列战略和改变它，马尔卡希说。
“企业应对各种方式无意识的偏见，以确认它的存在，说明要改变的愿望和制定战略和目标，以实现与轨道的变化开始。一个键解决观察到的偏见是绑偏见的例子，他们的促销活动和奖金付款。同时，你可以明确地表明包含这样的例子将有助于推广和赚取奖金，”马尔卡希说。
马尔卡希说，衡量和跟踪改善和负面行为模式也很重要。人工智能接口可以成为客观测量工人之间行为模式的一个重要来源。但马尔卡希说，这不能全靠技术。
“你必须创造一种‘如果你看到什么，就说什么’的文化，这种文化要延伸到高管领导阶层。如果高层没有提供许可，也没有以身作则，不要指望低层人士举出偏见的例子。你仍然可以使用人工智能来帮助;机器不懂等级制度，可以向所有级别的工人提供分析报告，但必须有人为因素。
问责制，也就是在改变偏置模式键。每个人都在一个组织必须对采购和促进个人谁是从自己不同的一些责任，AI可以通过在新员工或促销活动，工人要么建议是可测量相同或比自己可测量的不同考生的分析模式帮助，马尔卡希说：。
这种类型的例外报告可以客观地让经理们更有责任以书面形式向自己解释任何与自己年龄、性别和种族相近的雇员的理由。他表示:“如果把检测千篇一律的任务转嫁给机器，同时又让招聘经理承担解释千篇一律的责任，很快就会暴露出支持持续千篇一律的无力论据，并传递出一个更有力的信息，即重视多样性。”
[相关报道：作战的性别偏见在IT]
偏离的解决方案
当然，你必须确保任何AI或以这种方式使用机器学习产品本身无偏见 - 或尽可能免费，阿曼亚历山大，产品管理总监说，CEB日长石分析，一个算法的评估平台，招聘和录用。
“人工智能/机器学习可以帮助缩小差异，只要它不受人类偏见的影响。例如，招募呼叫中心员工时，可以为AI/机器学习模型提供客户满意度得分较高的呼叫中心员工的历史应用表单。这使得模型能够捕捉到细微的应用属性/特征，而不会受到工作中的人类偏见的影响，”亚历山大说。
通过简单地使用自动化，客观的过程就是这样，有可能大幅度地减少人为偏差的范围。如果，例如，相当训练有素的AI /机器学习工具来消减申请人池100个申请到最终的10名受访下来，这意味着90％的池减少将是一个过程免疫做了任何人的偏见，亚历山大解释说。
[相关报道：5种方法来降低你的雇佣行为偏差]
意外的结果
有，但是，你必须筛选andeliminate一些无意的不利影响，亚历山大说。“说的AI /机器学习模型可以准确地挑上大学橄榄球四分卫和销售职务高性能之间的统计关系，这种关系可以在完全任人唯才的致病因素为前提 - 四分卫的角色需要心智技能的组合，决定制作和影响能力带领一个团队，转化顺利进入高压销售的作用。当然，这方面的一个意想不到的后果是排除女性申请者，凭借的事实，只有男人可以是大学橄榄球四分卫，该算法将随后是有利于一个特点，它永远不会在妇女发现，因此他们处于不利地位，”他说。
关于技术这样的伟大的事情，虽然是不同于人类的偏见，这是审计要容易得多，并删除这些偏见，他说。算法可以通过使用他们的得分数千申请人的，然后测试这些申请人的人口统计和/或性别的击穿测试。
亚历山大说:“平均而言，在算法所评估的所有特征中，女性或其他群体被不成比例地排除，那么算法就可以迭代地、无缝地识别和纠正。”
除了一般的人工智能识别潜力无意识的偏见,一些科技公司利用人工智能和机器学习来解决特定的偏见的表现,喜欢性别语言的工作描述,识别不同候选人的顶部漏斗和采购候选人,已经存在于一个公司的申请人跟踪系统。
注意你说的话
公司经常把缺乏多样性归咎于合格的候选人不足。使用人工智能和机器学习来帮助组织从职位描述中去除性别偏见的语言，可以使你的求职者更加多样化，从而提高雇佣女性技术人员的机会TEXTIO，机器学习平台，分析语言模式。
的概念“性别”工作清单指在工作描述中使用男性或女性倾向的词汇。这个想法已经获得承认,因为它是由美国心理协会研究,其结果说明了一些看似无关紧要的话实际上可能预示着性别歧视在招聘广告,斯奈德说,影响女性的数量可以申请开放角色以及最终雇佣的人数。
斯奈德说:“很明显，如果你的应聘者范围更广，你就更有可能招到更多的人，这反过来又提高了多样性，加快了招聘和招聘过程。”
TEXTIO的预测指数会使用超过4500万个就业岗位的数据和联合与雇用结果的数据来衡量招聘的性能和工作职位的性别音Snyder说。该工具旨在使在招聘广告中使用有关语言的有效性的定量判断，帮助公司调整更好地吸引，更多样化的候选人，斯奈德说。
放眼国内第一
人才再发现软件公司(talent rediscovery software company)首席执行官、创始人史蒂夫•古德曼(Steve Goodman)表示，人工智能和机器学习还可以帮助发现你可能已经存储在ATS中的候选人，从而改善你的产品线，加快搜索速度不安分的土匪。
“我们是一个人工智能和数据分析的公司，我们的工具钩到您的ATS或你的人力资源系统，看看应用程序并恢复你已经有了，然后比较那些开放工作说明”。不安分的土匪的产品通过消除名称，地理信息和可能引发偏见，不省人事或其他候选人的任何其他信息删除无意识的偏见，他说。
公司坐拥的应用，简历和潜力的人才宝库，然而，他们继续支付招聘人员远近寻找候选人，古德曼说。不仅不宁强盗的工具帮助下做出招聘更高效，它的潜在候选人的眼里提高雇主的品牌，他说。
“有多少次你听到了，‘谢谢，我们将让你的简历上的文件’，然后从来没有从该公司再次听到了吗？这是一个巨大的问题。您的应用程序只是消失在深渊。但是想象一下，你怎么样候选感觉如果你可以给他们打电话说，“让我们来看看这些其他的工作你胜任，即使是你不加什么” - 它显示你真正重视他们，”古德曼说。
相关招聘
最后，正在应用人工智能和机器学习进行针对性更强，相关候选人的搜索CEO与Shon伯顿说，HiringSolved，一个公司，搜索网站的公开可用的候选数据，然后编译成那个候选人档案资料，伯顿说。
“简历已经死了十年前，我们会得到所有关于从简历的候选人的信息。现在，我们从网上得到它，和它的不断更新 - 这是一个高频率数据流，我们做的是。看看某些相关层在网络上所有可公开获得的数据和我们的软件看起来发现人才，”伯顿说。
它比布尔搜索过滤器，它需要更多的手动输入和精力，是基于消除数据集“错误”的答案不同。HiringSolved的算法基于从他们的公开的个人资料信息，以及如何相关的信息是具体的职位描述的特定的搜索参数排序的潜在候选人，他说。
“如果你出去并试图确定候选人,你有一个大规模数据问题马上——你看十亿社会概要文件,你必须决定什么是相关的,什么不是,什么是同一个人的信息,是什么日期,和数据推断,”波顿表示。他表示，使用人工智能和机器学习来进行搜索，可以加快搜索过程，提高搜索效率，并更容易在招聘漏斗的顶端找到不同的候选人。
例如，如果一家公司正在寻找一名女性Linux系统管理员，该软件可以搜索并筛选所有具有相关经验、适当的证书和教育背景的潜在女性候选人，并将她们交给招聘经理或招聘人员。伯顿说，它不仅仅关注职位头衔和过去的工作经验，还可以关注那些能让一个人成为具有Linux经验的优秀系统管理员的特定技能，从而打开潜在的人才库，因为你是在选择人才而不是把他们过滤出去。
“那么什么是高达涉及的人是去推理。有多老数据？它有多可靠？这种事情，但技术可以大大加快这一进程，”他说。
未来的潜在
CEB Sunstone Analytics的Alexander表示，人工智能/机器学习工具相对于人工过程的最大优势之一是它们可以通过经验进行培训和验证。有时候，公司认为对高质量招聘最重要的特质，结果却变得无关紧要，而被认为是“负面”的特质，实际上让应聘者更有可能成功。他表示，有了人工智能和机器学习技术，企业可以仅依靠实际的统计关系来做出这些决定。
“人的思想不适合模式识别，可以在作出聘用决定最有帮助的类型。例如，大多数人都能够背出他们的理想人选希望或避免很多的单子，但根本不知道是什么的相对成功或失败率是谁表现出这些特质的人。因此，他们没有任何数据来证明自己的信念，”他说。AI和机器学习分析，但是，可以提供硬数据确认或否认招聘人员，招聘经理或主管的有关类型，他们应该让员工的信念，他说。
潜在的这些解决方案
亚历山大说，许多这类技术已经被部署在市场和销售于财富100家强公司，以及其潜在的范围和适用性只会增加。
“有一些主要的因素在起作用。企业的ATS和人力资源信息系统能够更好地捕捉数据，这意味着人工智能和机器学习技术能够更好地提供有意义的影响。通过语义和自然语言编程工具，更多的数据可访问性使我们能够分解和解锁非结构化数据(如自由格式文本或混乱数据格式的数据)中的含义和数据。这为训练算法提供了更丰富的数据集。可伸缩的云计算带来的更便宜的计算能力，以及人力资源和招聘社区的使用，也在推动采用云计算。
无论是通过消除一般无意识的偏见或攻击偏差具体表现在招聘，筛选和招聘人才，AI和机器学习有潜力水平为妇女和其他少数族裔的竞争环境，为企业提供竞争优势维多利亚·埃斯皮内尔说，倡导行业集团首席执行官BSA软件联盟。她说，这些技术可以在为尽可能多的人提供职业和经济机会方面发挥重要作用，特别是为了减少或消除偏见而补偿偏见。
“我认为有对这类技术的巨大潜力，并以这种方式来运用他们这是非常重要的。软件绝对可以减轻我们的偏见的任何负面影响，使发挥作用肯定有一个广泛的视野和创造性思维是的进入设计产品和解决方案，使他们能够对人的最广泛的访问，”埃斯皮内尔说。
相关视频
这个故事，“如何人工智能可以消除偏见雇用”最初发表CIO 。