Στον σύγχρονο ψηφιακό κόσμο, η αναζήτηση εργασίας έχει μετατραπεί σε μια διαδικασία που θυμίζει περισσότερο μαθηματικό γρίφο παρά μια ανθρώπινη αλληλεπίδραση. Ο ψηφιακός μετασχηματισμός της αγοράς εργασίας υπόσχεται ταχύτητα, αντικειμενικότητα και απαλλαγή από τα ανθρώπινα υποκειμενικά σφάλματα. Στην πραγματικότητα, όμως, για χιλιάδες εργαζόμενους άνω των 40 ή 50 ετών, τα αυτόματα συστήματα αξιολόγησης βιογραφικών (Applicant Tracking Systems – ATS) έχουν μετατραπεί σε έναν αόρατο, «ψηφιακό τοίχο».
Όταν ένα βιογραφικό απορρίπτεται μέσα σε λίγα λεπτά —ή ακόμα και δευτερόλεπτα— χωρίς να το έχει δει ανθρώπινο μάτι, η αιτία σπάνια είναι η έλλειψη προσόντων. Πολύ συχνά πρόκειται για τη λεγόμενη αλγοριθμική ηλικιακή διάκριση (algorithmic age bias), μια παράπλευρη απώλεια της μηχανικής μάθησης που αναπαράγει και διογκώνει τα στερεότυπα του παρελθόντος.
Πώς το AI «μαντεύει» την ηλικία σου χωρίς να τη ρωτήσει
Τα συστήματα Τεχνητής Νοημοσύνης σπάνια ζητούν απευθείας την ηλικία του υποψηφίου. Αντίθετα, εκπαιδεύονται να εντοπίζουν έμμεσους δείκτες μέσα στην περιγραφή της προϋπηρεσίας. Όταν ένας αλγόριθμος τροφοδοτείται με ιστορικά δεδομένα προσλήψεων μιας εταιρείας που ιστορικά προτιμούσε νεότερο προσωπικό, μαθαίνει αυτόματα να θεωρεί συγκεκριμένες αναφορές ως «κόκκινες σημαίες».
- Έτη αποφοίτησης: Η αναγραφή του έτους πτυχίου (π.χ. 1998) υπολογίζει αυτόματα την ηλικία του αιτούντος.
- Προϋπηρεσία άνω των 15-20 ετών: Η πλήρης χρονολογική καταγραφή όλων των θέσεων εργασίας από τη δεκαετία του ’90.
- Κενά στο ιστορικό εργασίας: Διαστήματα απουσίας για φροντίδα οικογένειας ή αναζήτηση εργασίας αξιολογούνται αρνητικά από τον αλγόριθμο.
- Παλιές τεχνολογικές αναφορές: Λογισμικά ή εργαλεία που δεν χρησιμοποιούνται πλέον στην αγορά.
Η κατάσταση γίνεται ακόμα πιο σύνθετη όταν εξετάσουμε τον τρόπο με τον οποίο διανέμονται αυτά τα λογισμικά. Έρευνα του Πανεπιστημίου Stanford αποκάλυψε ότι όταν εκατοντάδες εργοδότες χρησιμοποιούν το ίδιο αλγοριθμικό σύστημα, δημιουργείται μια «αλγοριθμική μονοκαλλιέργεια». Αυτό με απλά λόγια σημαίνει ότι αν ένας υποψήφιος απορριφθεί από το σύστημα μιας εταιρείας λόγω κάποιου ηλικιακού δείκτη, κινδυνεύει να αποκλειστεί συστημικά από δεκάδες εταιρείες ταυτόχρονα, χωρίς να λάβει ποτέ ουσιαστική ανατροφοδότηση για τους λόγους απόρριψης.
Οι δικαστικές διαμάχες που αποκαλύπτουν το μέγεθος του προβλήματος
Η αλγοριθμική διάκριση δεν αποτελεί θεωρητική ανησυχία, αλλά έχει ήδη μεταφερθεί στις αίθουσες των δικαστηρίων. Χαρακτηριστικό παράδειγμα αποτελεί η υπόθεση της εταιρείας iTutorGroup, η οποία το 2022 υποχρεώθηκε να καταβάλει 365.000 δολάρια σε εξωδικαστικό συμβιβασμό, μετά από παρέμβαση της Επιτροπής Ίσων Ευκαιριών Απασχόλησης των ΗΠΑ. Η έρευνα αποκάλυψε ότι το AI λογισμικό της εταιρείας ήταν προγραμματισμένο να απορρίπτει αυτόματα γυναίκες υποψήφιες άνω των 55 ετών και άνδρες άνω των 60 ετών.
Παράλληλα, βρίσκεται σε εξέλιξη η υπόθεση Mobley εναντίον της Workday. Ο Derek Mobley, ένα έμπειρο στέλεχος IT άνω των 40 ετών, υπέβαλε αίτηση σε περισσότερες από 100 εταιρείες που χρησιμοποιούσαν το συγκεκριμένο λογισμικό, εισπράττοντας συνεχείς αυτόματες απορρίψεις. Η απόφαση του δικαστηρίου να αναγνωρίσει την υπόθεση ως συλλογική αγωγή σε εθνικό επίπεδο άνοιξε τον ασκό του Αιόλου για την ευθύνη των εταιρειών ανάπτυξης λογισμικού HR.
Τι δείχνουν οι έρευνες και τα στατιστικά
Τα αριθμητικά δεδομένα επιβεβαιώνουν ότι η αλγοριθμική διάκριση δεν είναι μεμονωμένο φαινόμενο, αλλά μια σύγχρονη πραγματικότητα της αγοράς εργασίας:
- 1 στους 5 εργαζόμενους άνω των 50 ετών: Δηλώνει σύμφωνα με έρευνες του AARP ότι έχει υποστεί ηλικιακή διάκριση κατά τη διαδικασία αναζήτησης εργασίας.
- Διπλάσιος χρόνος επανένταξης: Σύμφωνα με τον OECD, οι υποψήφιοι μεγαλύτερης ηλικίας χρειάζονται σχεδόν διπλάσιο χρόνο για να βρουν δουλειά σε σύγκριση με τους νεότερους συναδέλφους τους.
- 93% των επικεφαλής HR (Fortune 500): Ενσωματώνουν πλέον εργαλεία AI στις διαδικασίες επιλογής προσωπικού, την ίδια ώρα που μόλις το 1/3 των εργαζομένων γνωρίζει αν και πώς αξιολογείται από έναν αλγόριθμο, σύμφωνα με στοιχεία της Gallup.
- Πτώση 12% στις αιτήσεις: Μελέτη του NBER έδειξε ότι αγγελίες με διατυπώσεις που εμπεριέχουν έμμεσα ηλικιακά στερεότυπα οδηγούν σε αισθητή μείωση των αιτήσεων από άτομα άνω των 40 ετών.
Οδηγός επιβίωσης: Πώς να προσαρμόσεις το βιογραφικό σου
Για να ξεπεράσεις τα αλγοριθμικά φίλτρα, πρέπει να κάνεις το λεγόμενο “CV Botoxing”:
- Ανέφερε τα πτυχία και τα ιδρύματα, αλλά όχι τα έτη αποφοίτησης
- Συμπύκνωσε την παλαιότερη προϋπηρεσία σε μια ενότητα «Λοιπή επαγγελματική Εμπειρία» χωρίς συγκεκριμένες χρονολογίες.
- Αν η αγγελία ζητά “Stakeholder Management”, χρησιμοποίησε ακριβώς αυτή τη φράση αντί για “Client Relationships”.
- Δείξε εξοικείωση με σύγχρονα ψηφιακά εργαλεία του κλάδου σου.
- Ρώτησε για τη χρήση AI. Έχεις το δικαίωμα να γνωρίζεις αν η πρώτη αξιολόγηση γίνεται από αλγόριθμο.