Why AI can’t do hiring

Why AI can’t do hiring

El argumento central cuestiona la viabilidad de utilizar la inteligencia artificial (IA) para automatizar las decisiones de contratación, sosteniendo que el principal obstáculo no es la capacidad tecnológica, sino la grave escasez de datos propietarios de alta calidad. Si bien los modelos de IA han experimentado avances significativos, una contratación efectiva requiere datos de entrenamiento que reflejen el desempeño real en el trabajo y la idoneidad de los candidatos, información que sigue siendo inaccesible en el dominio público. En consecuencia, los intentos de construir sistemas de emparejamiento basados únicamente en información de código abierto son fundamentalmente defectuosos, ya que las señales necesarias para predecir el éxito en la contratación simplemente no existen en formatos de acceso público. Las fuentes de datos accesibles públicamente, como los perfiles de LinkedIn, los repositorios de GitHub y los grafos sociales, proporcionan señales insuficientes para una evaluación precisa de los candidatos. La información basada en currículos suele correlacionarse débilmente con las habilidades reales de ingeniería, mientras que los repositorios de código representan solo una pequeña fracción de la fuerza laboral desarrolladora, ya que la mayoría de los profesionales no mantienen actividad pública. Además, las redes sociales no logran mapear el talento de manera fiable debido a comportamientos de networking informal que no reflejan estrictamente la competencia profesional. Sin datos propietarios sobre el desempeño en las entrevistas y los resultados laborales a largo plazo, los algoritmos no pueden distinguir entre candidatos capaces y aquellos que simplemente presentan un perfil público favorable. Esta perspectiva es altamente relevante para la comunidad de datos abiertos, ya que pone de manifiesto las limitaciones de los conjuntos de datos públicos para resolver problemas complejos y de alto impacto, como la adecuación laboral. Sirve como una advertencia contra la suposición de que los datos abiertos por sí solos son suficientes para construir sistemas de IA robustos, enfatizando que los conocimientos específicos del dominio y propietarios son a menudo esenciales para aplicaciones significativas. Comprender estas brechas en los datos ayuda a aclarar dónde las iniciativas de datos abiertos pueden contribuir de manera realista al desarrollo de la IA y dónde resultan insuficientes, orientando expectativas más prácticas para la innovación en la tecnología de contratación.

Noticias relacionadas

• Avanza el uso de Internet en México, pero de manera desigual: Inegi
• Information Managers begin training on Freedom of Information Act - ZNS BAHAMAS
• Here's how much your council spent on tea, coffee and biscuits at meetings
• Two NASA Studies Find Lower Methane Emissions in Los Angeles Region
• ChatGPT creator OpenAI is getting ready to release an open-source AI model, report says