GUIDE DES APPLICATIONS

Filtrage de CV par IA

Les employeurs peuvent utiliser des logiciels pour organiser, analyser ou évaluer les candidatures.

Écoutez ce guideNarré par l'IA · ~2 min

Sur cette page2 minutes de lecture
  1. Aperçu
  2. Plongée profonde
  3. Mise en œuvre dans le monde réel
  4. L'avenir de la sélection de CV par l'IA
  5. Le mettre en pratique
  6. Continuez à explorer
  7. Questions fréquemment posées

Aperçu

La sélection automatisée peut affecter l'accès aux entretiens, les employeurs doivent donc examiner comment les outils sont utilisés, si la sélection a un impact négatif et quels avis ou aménagements s'appliquent.

Plongée profonde

Les systèmes de suivi des candidats gèrent les candidatures ; certains produits incluent des fonctionnalités automatisées, mais tous les ATS ne classent pas les candidats. En vertu du Titre VII, les procédures de sélection peuvent soulever des problèmes de discrimination lorsqu'elles ont un impact négatif. Les directives de l'EEOC abordent l'évaluation de l'impact des logiciels et de l'IA et expliquent la validation liée au travail et la nécessité commerciale. La règle des quatre cinquièmes est une règle empirique et non une garantie de conformité. La loi locale 144 de New York s'applique aux outils automatisés de décision en matière d'emploi couverts et exige un audit dans un délai d'un an, des informations d'audit public et des avis ; Les États du DCWP notifient le timing. La loi sur le handicap peut également exiger des aménagements raisonnables en matière d’embauche assistée par l’IA. La loi locale 144 de New York exige que les employeurs couverts effectuent un audit annuel indépendant en matière de préjugés, publient un résumé et donnent aux candidats un préavis d'au moins 10 jours ouvrables avant d'utiliser un AEDT ; l'avis doit inclure les qualifications professionnelles et les caractéristiques utilisées. La règle des quatre cinquièmes compare le taux de sélection d’un groupe avec le taux de groupe le plus élevé et constitue une règle empirique et non une règle de sécurité. Le témoignage de l'EEOC indique également que les employeurs utilisant les écrans des fournisseurs restent responsables de la compréhension du produit et de la détermination s'il entraîne un impact négatif.

Mise en œuvre dans le monde réel

Un ATS stocke les applications et peut inclure des fonctionnalités d'analyse ; le comportement dépend du produit et de la configuration.

Un employeur examine les taux de sélection et l’impact négatif potentiel d’un contrôle automatisé.

Un employeur de la ville de New York vérifie si la loi locale 144 couvre son outil et suit les règles d'audit et de notification.

Un candidat qui a besoin d’un accommodement demande à l’employeur une procédure alternative.

L'avenir de la sélection de CV par l'IA

Les exigences varient selon la juridiction et peuvent changer. Vérifiez les règles en vigueur, documentez l'utilisation des outils, fournissez les notifications requises et évaluez les résultats plutôt que de supposer qu'un seul audit rend un système équitable ou légal.

Le mettre en pratique

Pourquoi c'est important

  • Choix de construction. La conception au niveau de l’application détermine si l’IA améliore les résultats réels.
  • Équipe et flux de travail. Une bonne intégration des flux de travail crée des gains de productivité sur lesquels les utilisateurs peuvent compter.
  • Risques et sécurité. Des cas d’utilisation bien ciblés réduisent la lassitude face au changement et les risques de mise en œuvre.

Attention à

  • L'automatisation d'un processus interrompu peut amplifier les problèmes existants.
  • Les équipes peuvent sur-automatiser et supprimer le jugement humain nécessaire.
  • La qualité peut dériver si les résultats ne sont pas évalués en permanence.

Prochaines étapes

  1. Cartographiez le flux de travail actuel et identifiez l’étape la plus problématique.
  2. Définissez des points de contrôle humains avant une automatisation complète.
  3. Formez les utilisateurs aux invites, aux voies d’escalade et aux normes de qualité.
  4. Suivez les résultats au niveau des tâches pour confirmer la valeur durable.

Continuez à explorer

Newsletter gratuite

Recevez le briefing quotidien sur l'IA

Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.

Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.

Testez-vous

Répondez au quiz de sélection de CV AI

Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.

Démarrer le quiz

Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don

Questions fréquemment posées

Qu’est-ce que le filtrage de CV par IA ?

Les employeurs peuvent utiliser des logiciels pour organiser, analyser ou évaluer les candidatures. La sélection automatisée peut affecter l'accès aux entretiens, les employeurs doivent donc examiner comment les outils sont utilisés, si la sélection a un impact négatif et quels avis ou aménagements s'appliquent.

Quel type de logiciel héberge généralement des fonctionnalités de sélection de CV par l'IA ?

La sélection des CV est généralement intégrée aux systèmes de suivi des candidats, les plateformes que les employeurs utilisent pour collecter et gérer les candidatures.

Quel principe juridique est pertinent lorsqu'une procédure de sélection à l'embauche a un impact négatif au titre du titre VII ?

Les directives de l'EEOC traitent de la validation liée à l'emploi et de la nécessité commerciale lorsque les procédures de sélection ont un impact négatif.

Qu'est-ce que la loi locale 144 de New York exige pour l'utilisation couverte de l'AEDT ?

DCWP répertorie les exigences en matière d'audit, d'information du public et de notification pour les outils couverts.

Pourquoi la suppression des noms des CV ne parvient-elle toujours pas à empêcher les préjugés ?

D'autres champs peuvent être en corrélation avec des attributs protégés, de sorte qu'un modèle peut toujours produire des résultats biaisés même avec des noms masqués.

Quelle est la règle des quatre cinquièmes couramment utilisée pour signaler ?

L’EEOC appelle cela une règle empirique pour des taux de sélection sensiblement différents, et non une sphère de sécurité.