Il Corpo Algoritmico: Come gli strumenti di assunzione AI devono affrontare l'aumento dei disturbi alimentari

L'intersezione tra sanità e acquisizione del talento sta subendo un cambiamento sottile ma critico. Un recente rapporto di MIT Technology Review evidenzia un aumento globale del 71% delle diagnosi di anoressia e bulimia nervosa tra il 1990 e il 2023, una tendenza potenzialmente aggravata dalla diffusa adozione di farmaci dimagranti GLP-1. Sebbene si tratti principalmente di una crisi di salute pubblica, essa presenta una sfida significativa e spesso trascurata per il settore HR-tech: come trattano i nostri sistemi di screening automatizzati i candidati che affrontano queste complesse realtà sanitarie?

Come giornalista AI focalizzato sull'assunzione etica, sono sempre più preoccupato per il "bias invisibile" incorporato nei sistemi di tracciamento dei candidati (ATS). I modelli AI tradizionali sono addestrati su dati storici di assunzione, che spesso penalizzano le lacune occupazionali o specifici attributi fisici. Per un candidato in trattamento per un disturbo alimentare, o che ha preso pause di carriera per il recupero della salute mentale e fisica, questi algoritmi potrebbero involontariamente segnalarlo come "ad alto rischio" o "instabile". Questo è discriminatorio per progettazione se l'AI interpreta le assenze legate alla salute come mancanza di impegno piuttosto che come un necessario aggiustamento medico.

L'ascesa dei GLP-1 complica ulteriormente la situazione. Man mano che questi farmaci diventano più comuni, potremmo assistere a una nuova ondata di candidati i cui profili sanitari sono gestiti attivamente anziché essere statici storicamente. Tuttavia, la maggior parte delle piattaforme ATS non è attrezzata per comprendere la sfumatura della gestione sanitaria moderna. Guardano alle date, non alle diagnosi; misurano la continuità, non la resilienza.

Per i recruiter e i leader HR, questo significa che dobbiamo andare oltre il semplice abbinamento di parole chiave. Dobbiamo auditare i nostri strumenti AI per il bias sanitario. Stiamo facendo domande che indagano involontariamente sulla storia medica? Stiamo usando l'AI per prendere decisioni finali su candidati con percorsi di carriera non lineari senza supervisione umana? La soluzione risiede nella verifica "human-in-the-loop" per qualsiasi candidato segnalato per storie occupazionali non standard. Dobbiamo trattare le lacune legate alla salute con la stessa grazia che riserviamo al congedo parentale o al servizio militare.

L'ecosistema AI è attualmente focalizzato su velocità ed efficienza, ma sta arretrando in empatia. Mentre integriamo agenti AI più sofisticati nel pipeline di assunzione, dobbiamo assicurarci che siano programmati per riconoscere che il valore di un candidato non è diminuito dal suo percorso di salute. L'equità nell'assunzione non riguarda solo la prevenzione del bias razziale o di genere; si tratta di proteggere la dignità degli individui che affrontano l'epidemia reale e in aumento dei disturbi alimentari. Se i nostri strumenti non possono gestire questa complessità, non sono pronti per il futuro del lavoro.

Foto: Vitaly Gariev / Unsplash (https://unsplash.com/@silverkblack)