Processos baseados em Machine Learning eliminam viés inconsciente e contribuem para aumentar a diversidade e lucros nas empresas  

Home Blog Processos baseados em Machine Learning eliminam viés inconsciente e contribuem para aumentar a diversidade e lucros nas empresas  

80% das vagas selecionadas através do sistema da LEVEE são preenchidas por pessoas do sexo feminino com idade entre 18 e 25, com filhos, um dos grupos mais vulneráveis do mercado de trabalho e que as empresas comumente apresentam resistência em contratar

Alcançar um nível satisfatório de diversidade nas equipes e tratar de forma igualitária seus colaboradores, independente do gênero, raça e origem social, continua sendo um dos principais desafios a serem enfrentados por companhias de todos os segmentos. Todos somos humanos e, mesmo tendo consciência que, pré-julgamos antes de conhecer de fato, e buscando corrigir estes preconceitos em nossas atitudes, às vezes, foge ao nosso controle. Isso se tratando do preconceito que é consciente. O que dizer então do viés inconsciente, que é aquele preconceito que aplicamos em nossas atitudes do dia a dia sem nem perceber?

Um simples teste consegue provar o que estamos dizendo. Foi partindo desta premissa que, por vezes, existem alguns pré-julgamentos os quais nem o próprio recrutador tem a consciência de que os possui, pesquisadores acadêmicos norte-americanos fundaram o ‘Projeto Implícito de Harvard’. A organização sem fins lucrativos desenvolveu um teste chamado Teste de Associação Implícita (IAT). Na versão brasileira do site , qualquer pessoa pode fazer o teste e mensurar seu nível de viés inconsciente.

Assim que o usuário inicia o teste, surgem na tela palavras e imagens relacionadas a orientação sexual, deficiências, raças e obesidade, que devem ser associadas, em milissegundos, a outro grupo de palavras, um negativo e o outro positivo. O teste mostra, na prática, como os processos manuais intermediados por humanos estão sujeitos a vieses inconscientes – sobre postura e aparência, por exemplo – e podem excluir até mesmo os candidatos mais qualificados com base em atributos não fundamentais para a vaga.

E combater estes vieses na operação está no centro das prioridades dos principais executivos do mundo. A pesquisa Deloitte Human Capital Trends 2017  indicou que o número de líderes que mencionam o incentivo à diversidade como prioridade máxima aumentou 32% de 2014 a 2017 e que 69% dos entrevistados classificam a diversidade e inclusão como uma questão importante. Em 2014, este número era de 59%.

Simplesmente porque é mais justo? Não somente. Estudo da McKinsey com mil empresas de doze países aponta que uma maior diversidade é sinônimo de lucro. Segundo a consultoria, a probabilidade de gerar lucro é 21% maior em empresas que apresentam diversidade de gênero e de 33% maior entre aquelas que têm diversidade étnica.

Focada nos profissionais na base operacional, na LEVEE, a plataforma baseada em machine learning  ajuda a neutralizar fases sensíveis dos processos de contratação, reduzindo vieses envolvidos. Os resultados são surpreendentes. Hoje 80% das vagas acabam preenchidas por mulheres com idade entre 18 e 25, com filhos, um dos grupos mais vulneráveis do mercado de trabalho e que as empresas comumente apresentam resistência em contratar.

A solução da LEVEE utiliza critérios exclusivamente técnicos na avaliação e cruza com características objetivas da vaga, apresentando os melhores candidatos. CEO da empresa, Jacob Rosenbloom, explica que, como resultado imediato deste sistema, há um processo de seleção de candidatos rica em múltiplos perfis, gêneros e classes sociais.

“É algo que naturalmente contribui para o aumento da diversidade, aumentando a produtividade dos departamentos de Recursos Humanos e de métricas operacionais das empresas como e de performance, redução do índice de absenteísmo e do período gasto em processos de contratação”, – Jacob Rosenbloom, CEO da LEVEE

Conheça nossa solução, agende já uma demonstração de business case aplicado ao seu negócio!

Nossos Contatos:

+55 (11) 4118.0535
[email protected]