这个人工智能工具帮助公司以生产力的名义消除招聘偏见

在本系列《我们的工作方式》中，企业家副编辑Lydia Belanger研究了人们如何在工作场所促进生产力，专注，协作，创造力和文化。

如果你的犯罪记录是清白的，你可能不会对背景调查考虑太多。但是概率表明，与您一起工作的人几乎可以肯定。

犯罪记录的构成范围从轻微到重大犯罪，从无证捕鱼到超速驾驶再到酒后驾车再到谋杀。但是从历史上看，一些背景调查程序并没有区分不同程度的犯罪。

The Box movement推动的禁令删除了 “你曾经被判有罪吗？” 在可以自动将候选人的应用程序放入垃圾箱的求职申请上的复选框，而不管那项罪行可能是什么。一家公司可能会考虑其庞大的候选人库，并决定将任何有犯罪记录的人转嫁给他们，他们不愿花费时间和人力资源来审查他们。

背景调查的耗时性质是背景调查软件公司Checkr的最初灵感。当 “零工经济” 首次形成时，联合创始人丹尼尔·亚尼斯 (Daniel Yanisse) 和乔纳森·佩里雄 (Jonathan perichon) 在按需交付初创公司Deliv back 2013年担任工程师。突然之间，消费者开始信任初创公司雇用从事合同工作的陌生人来打扫房屋，开车兜风，送晚餐等等。Deliv需要很多驱动程序，但是现有的背景检查技术使筛选过程需要一周或更长时间。

如今，使用AI，Checkr可以自动进行后台检查，并且该过程仅需一两天。这家总部位于旧金山的公司的10,000多个客户包括优步 (Uber) 、Lyft、Instacart、postmates和Grubhub等零工经济巨头，以及员工公司、零售商等。

背景调查的彻底性各不相同。其中包括驾驶记录，就业验证和药物测试。Checkr从各种来源收集数据，包括县，州和联邦各级法院的犯罪记录。这些数据库中有许多是数字的，但是对于那些仍将记录保存在纸上的数据库，Checkr会派遣承包商手动收集信息。雇主通常为每个申请人筛选支付35美元。Checkr定价根据要求的信息和客户运行的支票数量而有所不同。

Checkr还增加了一层质量保证，确认，比如说，两个名字、出生日期和居住状态相同的人不会互相混淆。最后，它被编程为考虑到州一级不同的背景调查法规。

Yanisse说: “人类需要几天的时间来审查和完成这项工作，所以我们已经用更准确、更快的算法实现了自动化。”

但是Checkr小组并没有着手帮助世界上的uber更快地拒绝罪犯。从第一天起，Yanisse表示，他们就设计了该软件，以减少招聘中的偏见，并为更多合格的候选人提供就业机会。他指出，美国经济每年损失870亿美元，因为有犯罪记录的人无法被雇用，而且根据ACLUresearch的说法，将近75% 的以前被监禁的人在获释一年后仍处于失业状态。

有犯罪记录但没有支付生活工资的优质工作的人更有可能再次犯罪。这意味着有更多的人获得政府援助或入狱，还有更多的纳税人钱来支付这笔钱。同时，根据美国公民自由联盟 (ACLU) 的说法，有犯罪历史的人的就业保留率高于普通人群，这意味着雇用他们的公司的长期招聘成本较低。

Yanisse说: “当你查看统计数据时，发生工作场所暴力或犯罪的情况极为罕见，特别是如果你有一个良好的面试过程和良好的人力资源实践，” 他解释说，背景调查行业长期以来一直依赖散布恐惧作为一种营销策略。“所以我们只想重新平衡。”

Checkr还纠正了试图公平雇用的人类之间的差异和偏见。让一家大公司达到一个招聘标准是不现实的。如果某人有权拒绝或晋升候选人，则他或她可能难以标准化方法。

每个Checkr客户端都可以自定义软件，以忽略或从不显示有关他们认为与手头工作无关的某些刑事犯罪的数据。例如，申请成为客户服务代表的人，即使记录在案的交通违规行为，也可以很好地完成这项工作。叫车司机？也许不是。公司还可以指定时间窗口: 如果犯罪发生在某年之前，那就不再是一个问题了。

Yanisse说: “实际上，当你过去得到一份背景调查报告时，如果有一长串的事情，即使只是一长串的交通变化或类似的事情，你可能会产生偏见。”“就像，'哦，这里有一堆旗帜。我不确定我是否要冒险。'”

当谈到人工智能时，许多人担心人工智能有可能反映出建造人工智能的人类软件工程师的偏见。但是Yanisse坚持认为这与Checkr无关，因为AI无法确定候选人是否有资格胜任该工作或为其用户公司做出招聘决定。

Yanisse说: “我们没有预测这个人是否会很适合这份工作。”“我们正在使用人工智能对数据进行分类。比如，这是违章驾驶还是人身犯罪？那些事情更多的是以事实为基础的。”

Yanisse将Checkr比作信用评分的出现。在FICO和信用局 (信用评分确定的自动化) 之前，银行的信贷员可能会做出判断或歧视信贷申请人。

Checkr的传播主管大卫·帕特森 (David patterson) 表示: “这消除了雇主使用背景调查作为代理来筛选人们的能力。”“从历史上看，雇主经常会告诉少数族裔的人他们没有得到这份工作，并以背景调查为借口，比如，'哦，我们不能雇用他们，因为他们的记录上有这样的小事。'但这可能不是实际原因。”

目前，Checkr专注于衡量其影响，并计算有多少候选人会被拒绝使用或不使用其软件。去年，该公司报告说，它帮助8,000候选人被录取，而不是被拒绝。对于2018来说，它的目标是80,000。它的目标不仅是通过签署更多的客户端来实现这一目标，而且还让其现有客户端微调他们对该工具的使用。

“最初，我认为决策的方式是相当二元的。Yanisse说: “要么你是清白的，什么也没做，你是个好人，要么你的背景中有一些旗帜，所以我们不会雇用你。”。“但当你进入细节时，你会意识到事实并非如此。没有好人或坏人，有一个完整的范围。人犯错误，错误的严重程度也不同。”

相关视频: 天真的错误如何使我最终成功