Come l'IA può aiutare a colmare il divario retributivo di genere ed eliminare i pregiudizi

Con così tanta volontà e incentivo, perché non stiamo ancora facendo guadagni?

202 anni. È quanto tempo ci vorrà per colmare il divario di genere a meno che non acceleriamo il processo, afferma un recente rapporto del World Economic Forum.

E guardando le statistiche, questo ha senso. Un recente studio di Pew Research ha scoperto che il divario retributivo di genere si è ridotto ma è rimasto relativamente stabile dagli … anni ’80.

In qualche modo, abbiamo imparato a costruire auto e smartphone a guida autonoma con più potenza di calcolo rispetto ai primi computer utilizzati nei viaggi nello spazio, ma non abbiamo ancora capito come pagare uomini e donne allo stesso modo.

Fortunatamente, la pressione sociale e guidata dal governo sta aumentando. Movimenti come The Women’s March e #metoo stanno mettendo in luce le discriminazioni, mentre molti paesi tra cui Danimarca, Regno Unito, Francia e Germania richiedono ora alle aziende di riferire sul proprio divario retributivo di genere ogni anno.

Non sono solo società e governi. Con così tanta evidenza dei benefici di fondo, la diversità può portare a un’azienda, sempre più stanno cercando di colmare il loro divario retributivo al fine di attrarre talenti più diversi.

Con così tanta volontà e incentivo per colmare finalmente il divario, perché non stiamo ancora realizzando guadagni? L’emergere di nuove tecnologie potrebbe essere in grado di darci la risposta.

Perché non stiamo facendo progressi

In una strana svolta di eventi, Google ha recentemente riferito di aver riscontrato una discrepanza salariale che avrebbe comportato una riduzione dei salari degli ingegneri maschi nel 2019. Anziché essere una differenza salariale, la discrepanza ha comportato l’assegnazione di una percentuale maggiore di fondi discrezionali alle ingegnere donne. Di conseguenza, hanno corretto in anticipo questo errore aumentando i salari previsti di migliaia di googler maschi.

Proveniente da una società che ora sta affrontando una potenziale causa legale da parte di ingegneri donne attuali ed ex e un’indagine del Dipartimento del Lavoro degli Stati Uniti per la discriminazione in termini di retribuzione e promozione, il nuovo rapporto sta sicuramente sollevando sopracciglia (e in alcuni casi).

I dati di Google confrontano solo i dipendenti con lo stesso livello di retribuzione. Secondo il New York Times, una delle querelanti che hanno intentato una causa contro la società ha affermato di essere stata assunta a un livello inferiore rispetto agli ingegneri maschi con la stessa esperienza. I critici sostengono che è probabile che la discrepanza provenga effettivamente da donne più esperte che vengono assunte a livelli più bassi e quindi allocate più retribuzioni discrezionali per compensare il chiaro errore nel livellamento.

Sono esempi come questi che mostrano chiaramente le crepe nei nostri dati quando si tratta di risolvere il divario retributivo di genere.

Uno dei maggiori problemi che le aziende devono affrontare è vedere i sintomi del divario ma non avere effettivamente le intuizioni per identificare le cause all’interno della loro struttura strutturale unica. Al momento, la maggior parte delle aziende ha i propri dati sui salari e sulle risorse umane su due sistemi separati, il che significa che le discrepanze risultanti da problemi nelle loro strutture di assunzione o promozione non sono state prese in considerazione.

A causa di questa mancanza di intuizioni, stiamo vedendo molte aziende spendere enormi quantità di tempo e risorse per strategie che semplicemente non funzionano. Ma l’IA e l’apprendimento automatico potrebbero essere in grado di fornire una visione più microscopica di ciò che sta realmente accadendo.

 

L’intelligenza artificiale e l’apprendimento automatico possono aiutare a colmare il divario?

Zara Nanu, CEO di Gapsquare, un servizio software che aiuta le aziende a colmare il divario retributivo di genere attraverso la sua tecnologia di intelligenza artificiale e machine learning, ha spiegato la sua opinione.

Spesso, le aziende subiranno una spinta quasi maniacale per risolvere rapidamente i loro problemi di disparità retributiva di genere. Ad esempio, alcuni cercheranno di offrire alti salari iniziali per attirare più donne nel breve periodo ma, alla fine, se le disuguaglianze persistono ancora nel livellamento e successivamente nelle strutture di promozione e retribuzione, ciò non si tradurrà in una soluzione a lungo termine.

“Al contrario, dobbiamo aiutare le aziende a comprendere in che modo tali discrepanze possono essere coperte in un modo più sostenibile che non pregiudichi entrambi i sessi. Non si tratta di rubare una fetta della torta; si tratta di costruire la torta insieme allo stesso modo “, ha spiegato.

La tecnologia di Gapsquare consente alle aziende di gestire i propri dati sui salari e sulle risorse umane attraverso un unico sistema. Usando l’IA e la tecnologia di apprendimento automatico, sono in grado di unire e analizzare i dati insieme fornendo esperienza in tre aree chiave:

  • Individuare eventuali discrepanze retributive esistenti in base al genere, ma anche all’etnia, alla disabilità o ad altre caratteristiche dei dipendenti
  • Approfondimenti sul perché esistono queste lacune basate su una combinazione di dati e competenza accademica del backend
  • Opportunità di prendere più decisioni basate sui dati per colmare queste lacune

Come spiegato da Nanu, i dati di un’azienda si basano spesso su “strutture di remunerazione e compensazione complesse con oltre mille diversi elementi di retribuzione”. Con il software di Gapsquare, le aziende possono esaminare sia le disuguaglianze basate sullo stipendio, sia le discrepanze che potrebbero insorgere da fattori meno visibili come alloggi e indennità di auto.

Con queste informazioni, le aziende possono concentrarsi su quali dipartimenti o a quali livelli esistono soffitti in vetro e utilizzare decisioni basate sui dati per creare un vero cambiamento sostenibile.

“L’uguaglianza di genere può essere un argomento molto emotivo e politico all’interno di un’azienda. Fai in modo che le persone si impegnino in dibattiti sull’opportunità di introdurre quote o obiettivi o altri metodi con pochissime azioni effettivamente accadute alla fine. Considerando che, con il software, abbiamo i numeri e un grafico e una spiegazione del perché i numeri sono quelli che sono. Questo rende molto più facile per i manager iniziare a prendere decisioni basate sui dati e spostare le cose insieme “, ha osservato.

 

L’ironia dell’utilizzo dell’IA per affrontare il pregiudizio

Ironia della sorte, lo stesso campo dell’IA ha uno dei più grandi divari di genere. Attualmente, solo il 22% della forza lavoro AI è costituita da donne. Secondo Nanu, “il divario retributivo di genere è tre volte superiore nell’intelligenza artificiale. Questo è un grosso problema in quanto questa tecnologia sta davvero plasmando il nostro futuro.

A soli 17 anni, Sara Conejo Cervantes è diventata portavoce dell’IA e del genere, avendo partecipato all’IA AI per il buon vertice e al Vertice delle parti interessate dell’AI in Europa lo scorso anno. Ha spiegato che l’incombente divario retributivo di genere è già al primo posto per lei e le altre ragazze che vogliono entrare nel campo.

“Se vado sul campo e ho un collega che viene pagato di più solo per il loro genere, mi sento come se stessi perdendo qualcosa. Crea un percorso in cui le donne sentono di dover dimostrare di essere in grado di assumere quel ruolo. ”

L’enorme divario di genere nel campo sta già mostrando i suoi effetti sulla tecnologia basata sull’intelligenza artificiale che stiamo utilizzando oggi. Ad esempio, i robot di riconoscimento vocale come Siri, Alexa, Google Home e Cortana presentano tutte le voci femminili come impostazione principale.

“C’è uno studio che mostra se parli con Alexa o Siri in modo passivo-aggressivo o persino abusivo, di solito spazzano via ciò che dici o rispondi con un’osservazione civettuola.”

Proprio come in altre applicazioni dell’IA, stiamo iniziando a vedere questo problema sempre di più quando entra nel campo della tecnologia delle risorse umane. Amazon ha tentato di utilizzare l’IA per creare uno strumento di reclutamento in rapido movimento, solo per scoprire che ha imparato a penalizzare le donne candidate assegnando punteggi più bassi per riprendere con la parola “donne” come in “capitano del club di scacchi femminile” o coloro che hanno frequentato le uniche scuole femminili.

Il problema è che l’IA e la tecnologia di apprendimento automatico utilizzano dati storici per apprendere e prendere decisioni. Alla fine, se i tuoi dati passati sono distorti, lo saranno anche i risultati. Come ha spiegato Conejo,

“In questo momento è quando stiamo iniziando a individuare questi schemi negli algoritmi, in particolare nell’intelligenza artificiale, e se non iniziamo a risolverli ora, sarà molto difficile in futuro poiché saranno già profondamente integrati in questi algoritmi “.

Anche il team di Gapsquare ha affrontato questa sfida. La cosa interessante che hanno scoperto è che, dopo aver rimosso le parti di una lacuna che può essere spiegata da prestazioni, durata del servizio e livello di istruzione, avrai ancora circa il 60% inspiegabile a cui è possibile attribuire direttamente pregiudizi e norme sociali che incidono sulla progressione della carriera delle donne.

“Il modo in cui vediamo il nostro lavoro è che, sì, ora stiamo usando l’intelligenza artificiale per vedere come possiamo esplicitamente distogliere l’attenzione dal reclutamento e dalla progressione della carriera, ma, allo stesso tempo, vogliamo assicurarci che ciò che sviluppiamo sia quindi applicabile verso altre sfere in cui inizieremo a essere più consapevoli e consapevoli dei pregiudizi e della necessità di controllarli ”, ha condiviso Nanu.

 

Utilizzo dei dati per colmare finalmente il divario retributivo

Se la previsione del WEF è vera, significa che i giovani ingegneri promettenti come Conejo non vedranno ancora il divario retributivo di genere colmare durante la loro vita. Come ha spiegato Conejo,

“Non è davvero sotto il nostro controllo ed è per questo che, quando parlo in occasione di conferenze e altri eventi, cerco davvero di tirarlo fuori. Se qualcuno fa lo stesso lavoro, dovrebbe essere pagato equamente. Ma tendo a vedere che le persone che sono lì non hanno molto interesse per quello che sto dicendo, sia perché sono molto giovane che anche femmina. ”

Forse, con più donne che sfruttano l’intelligenza artificiale e l’apprendimento automatico per filtrare la distorsione dai nostri dati, avremo le intuizioni di cui abbiamo bisogno per iniziare finalmente a ridurre il divario.

“Se entro in una sala riunioni e vedo che c’è una donna in piedi in una folla di 20 uomini, è ovvio che non c’è diversità e dobbiamo incoraggiarla. Penso che avere i dati possa davvero rafforzarlo ”, ha concluso Conejo.

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui