Paradox v Kanadě: Země potřebuje imigranty, ale algoritmy jim neviditelně komplikují cestu k práci

Kanada se v posledních letech výrazně spoléhá na imigranty, kteří mezi lety 2016 a 2021 tvořili čtyři pětiny růstu pracovní síly. Zároveň země rychle přijímá umělou inteligenci, jejíž využití v náboru, přijímání a řízení pracovních sil se zdvojnásobilo.

Kanada se v posledních letech výrazně spoléhá na imigranty, kteří mezi lety 2016 a 2021 tvořili čtyři pětiny růstu pracovní síly. Zároveň země rychle přijímá umělou inteligenci, jejíž využití v náboru, přijímání a řízení pracovních sil se zdvojnásobilo. Tyto dva trendy, často diskutované odděleně, jsou však stále více propojené a jejich budoucí úspěch závisí jeden na druhém.

Kanadský imigrační systém je považován za jeden z nejrozvinutějších pro výběr kvalifikovaných migrantů. Přesto se imigranti nadále potýkají s vyšší mírou podzaměstnanosti a překvalifikace než Kanaďané narození v zemi. Téměř třetina nedávných imigrantů s postsekundárním vzděláním je překvalifikovaná pro svou práci, zatímco u Kanaďanů je to méně než jeden z pěti. Mnozí se setkávají s překážkami v uznávání zahraničních kvalifikací, omezenými profesními sítěmi a požadavky na takzvanou „kanadskou zkušenost“.

Historicky byl přístup k zaměstnání zprostředkován lidskými institucemi a úsudky. Dnes se však mnoho rozhodnutí odehrává dříve, v digitálních systémech, které uchazeče vyhodnocují, řadí a filtrují, než se k nim dostane lidský náborář. Tyto systémy, jako jsou nástroje pro sledování uchazečů, automatizované screeningové nástroje a platformy pro nábor s umělou inteligencí, transformují nábor napříč Kanadou i dalšími zeměmi OECD.

Rostoucí počet výzkumů vyvolává obavy, jak tyto systémy mohou reprodukovat stávající nerovnosti prostřednictvím dat a předpokladů, na nichž jsou založeny. Studie z Cornellovy univerzity zjistila, že mnohá tvrzení o spravedlnosti algoritmického náboru je obtížné ověřit, protože náborové systémy často dědí vzorce zakotvené v historických náborových datech. Podobně profesorka Safiya Noble ukázala, jak zdánlivě neutrální digitální systémy mohou reprodukovat širší sociální nerovnosti. Zpráva OECD Employment Outlook z roku 2023 varovala, že systémy umělé inteligence používané v zaměstnání mohou vyvolávat značné obavy ohledně transparentnosti, vysvětlitelnosti, odpovědnosti a diskriminace, zejména u skupin, které již čelí znevýhodnění na trhu práce.

Předběžné výsledky studie „Bridging Divides“ ukazují, že mnoho imigrantů vnímá digitální náborové systémy jako „černou skříňku“, která ovlivňuje výsledky, ale zůstává pro dotčené osoby z velké části neviditelná. Uchazeči často nevědí, zda byli odmítnuti kvůli kvalifikaci, konkurenci, preferencím zaměstnavatele nebo automatizovaným screeningovým systémům. Mnozí se tak učí přizpůsobovat své žádosti nikoli náborářům, ale algoritmům, čímž jsou nuceni nejen prokazovat kompetence, ale také se stát „čitelnými“ pro stroje.

To neznamená, že umělá inteligence je inherentně diskriminační nebo že by zaměstnavatelé měli opustit digitální náborové technologie. Při zodpovědném používání mohou tyto nástroje zlepšit efektivitu a pomoci zaměstnavatelům identifikovat kvalifikované kandidáty. Kanada strávila desítky let zdokonalováním výběru kvalifikovaných imigrantů, ale méně pozornosti je věnováno technologiím, které stále více ovlivňují, zda jsou tyto dovednosti po příjezdu uznány. Jak se umělá inteligence stává nedílnou součástí náboru, je nezbytné zvážit, jak je řízena příležitost, jakmile imigranti vstoupí na trh práce. Budoucnost Kanady závisí jak na imigraci, tak na umělé inteligenci, a zajištění, aby se tyto dvě ambice vzájemně posilovaly, spíše než podkopávaly, se může stát jednou z určujících politických výzev éry umělé inteligence.