人工智能(AI)具有徹底改變業務運營的巨大潛力。事實上，根據一項研究發現，67%的企業預計人工智能和機器學習用例在未來一年將會增加。這些技術在提高業務效率、產生洞察力、增強市場競爭能力和提供個性化客戶體驗方面具有優勢。

然而，在高度監管的行業中，企業面臨著與AI可解釋性相關的特殊挑戰。金融服務、保險和醫療保健等行業必須使用透明、可審計的決策平臺，以遵守嚴格的法規和合規標準。如今，有很多人工智能解決方案可以自動化業務流程和決策，但很少有能夠提供有意義的解釋。在充滿潛力的同時，企業必須絕不能忽視自動化決策和預測背后的原因。

為未來的法規做準備

如今，政治組織和社會都呼吁提高人工智能的透明度。此外，政府和消費者希望更深入地了解其信貸和貸款審批、營銷活動和智能家居技術背后的算法。美國的算法問責法和全球歐盟人工智能法的擬議立法尋求建立安全、道德和透明的人工智能結果的標準。然而，由于用例仍在演變和出現，政府才剛剛開始尋找對AI實施監管的方法。

例如，紐約市議會通過了一項針對就業工具中使用的人工智能算法的法案。該法律將于2023年生效，要求雇主聘請獨立審計師來評估，以及用于評估求職者和現有員工的人工智能工具。該法律要求對用于篩選求職者或提拔員工的人工智能工具進行偏見審計。對于有偏見的AI算法或未事先通知員工和候選人使用此類工具，將處以最高1,500美元的罰款。在短期內，隨著法規的出現和標準的發展，企業應該專注于提高透明度的方法，為未來的法規做好準備。

利用機器學習的一個挑戰是，根據定義，它是基于偏見構建的。雖然并不是所有的偏見都是有害的，但當它產生的結果對受保護階層，如性別、種族、年齡等有利或不利，并對一個人產生負面影響，如批準臨床試驗、健康管理、貸款資格或信貸批準時，它就會變得有害。

保護算法和防止有害偏見的必要性是眾所周知的。但要有效地消除有害的偏見，就需要了解每個決定或預測的數據。為了獲得至關重要的透明度，企業必須對由機器學習和業務規則組成的算法有可見性，從而推動決策以提供完整的審計跟蹤。例如，使用人工智能進行理賠審批的保險公司必須能夠清楚地解釋為什么要做出每個決定。

“黑匣子”問題如何加重AI創新的負擔

借助人工智能，許多企業面臨著一個問題，它們的人工智能解決方案提供了預測并支持自動化，但無法解釋為什么它會做出某個決定以及影響結果的因素，就將企業置于重大法律或名譽損害的風險之中。

企業需要能夠清楚地看到結果背后的原因，以確保算法決定返回預期的結果。將人工智能的黑匣子變成透明、可解釋的“玻璃盒子”，對于防止對客戶和消費者的傷害、降低公司和品牌的風險至關重要。

從本質上講，機器學習基于歷史數據進行預測。“通過意識實現公平”指的是一種方法，該方法允許企業通過使用元數據字段來確定一個模型是否對具有共享特征的各個組同樣表現良好，即使該特征沒有直接在模型中使用。這種意識有助于企業在導致不公平或有害的決定之前避免、量化和減輕有害的偏見。

企業人工智能未來的清晰愿景

隨著人工智能在整個企業的應用越來越多，企業必須尋求人工智能的透明度和可審計性，以確保結果不受有害偏見的影響。只有當我們優先考慮并實施可解釋的、透明的人工智能解決方案時，我們才能減少有害的偏見，降低風險并促進信任。

雖然基于技能的招聘越來越受歡迎，但關于這種做法的有效性和優點的神話仍然存在。消除這些誤解是促進必要變革的關鍵，以創造更公平、更可持續的勞動力。

畢業生的生活

美國勞動力市場將在2022年繼續調整。一項針對2,300多名高管的調查發現，65%的高管希望在上半年增加新的固定職位。還有33%的人在競爭填補職位空缺，目前全美有超過1080萬個職位空缺。傳統的招聘實踐不是滿足勞動力需求的可行手段。公司必須使他們的方法現代化以保持競爭力。這意味著接受基于技能的招聘。

基于技能的招聘強調候選人的技術技能和核心能力，而不是學位或證書，是工作成功的最關鍵因素。這種做法要求招聘團隊定義一個角色所需的和首選的技能，并客觀地評估這些技能，以最大限度地減少招聘過程中的偏見。

領先公司越來越多地轉向以技能為基礎的招聘，下面我們將討論一些關于采用基于技能的方法的最大誤區、以及如何解決它們來推動公司的文化轉變。

1、以技能為基礎的招聘對大學畢業生不公平。

以技能為基礎的招聘并不是要把大學畢業生排除在考慮范圍之外，或者降低入職門檻。它是關于闡明學位所代表的特定技能。這樣一來，持有學位的人和通過其他途徑掌握技能的求職者都可以考慮擔任該職位。這有助于為所有人提供民主化的經濟機會，并擴大公司可以獲得的人才庫。

以前不需要學歷的職位，如今對四年學歷的需求，助長了聲望經濟，也讓企業需要付出更多的成本。在這種模式下，許多曾經向上流動的工作對所有人來說都變得遙不可及，只有那些能夠負擔得起不斷上漲的高等教育費用的人才能得到。這也將人才排除在低收入社區之外，尤其是有色人種。以技能為基礎的招聘為解決這種不平等提供了一種切實可行的方法，并為66%沒有學士學位的美國人，包括75%以上的黑人和80%以上的拉美裔恢復了候選人資格。

2、基于技能的招聘會導致糟糕的招聘并損害業務。

采用以技能為基礎的方法可以更有效地篩選和招聘候選人。基于技能的招聘對未來表現的預測能力是基于教育招聘的5倍，是基于工作經驗的招聘的2.5倍。此外，許多企業報告稱，沒有學位的員工與大學畢業生的工作效率一樣高，在某些情況下甚至更高。

以技能為基礎的招聘的其他優勢包括：減少招聘時間，提高員工敬業度，降低人員流失率。

3、在以技能為基礎的招聘并不是一個現實的人才獲取策略。

也許不是在過去。從歷史上看，招聘團隊對招聘工作采取了超本地化的視角。隨著遠程工作的興起，企業可以發起更廣泛的求職者搜索，找到符合市場技能需求的人。

從宏觀上來看，這可能看起來像在資源不足的地區與勞動力開發企業建立伙伴關系，以建立技能多樣的候選人管道來填補遠程角色。通過這些伙伴關系，企業可以同時推動業務成果和經濟公平。

雖然設計和啟動基于技能的招聘需要時間，需要有意識地學習和放棄，但你的公司、員工和社區最終會受益。現在投資于以技能為基礎的招聘將使企業為未來以技能為驅動的工作做好準備，并創造一個所有美國人都能切實參與未來的經濟。