जसे कृत्रिम बुद्धिमत्तेची (AI) साधने आधुनिक भरती प्रक्रियेला आकार देत आहेत, तसेच त्यांच्या अनियंत्रित वापरामुळे पक्षपात, जबाबदारी आणि डेटा गोपनीयता यासारख्या तातडीच्या समस्या निर्माण होत आहेत.
Image Source: Getty
1956 मध्ये जॉन मॅकार्थी यांनी ‘आर्टिफिशियल इंटेलिजन्स’ (AI) हा शब्द प्रथम वापरला, तेव्हा ही संकल्पना मुख्यतः शैक्षणिक चौकटीतच मांडली जात होती. त्या काळात झालेलं प्रारंभीचं संशोधन हे प्रतीकात्मक विचार, तर्कशास्त्र आणि समस्या-समाधान यांसारख्या मानवसदृश संज्ञानात्मक प्रक्रियांभोवती केंद्रित होतं. पण प्रत्यक्ष जीवनात त्याचा फारसा वापर होत नव्हता. मात्र पुढील काही दशकांत AI ही केवळ एक संकल्पना न राहता आपल्या दैनंदिन जीवनात खोलवर समाविष्ट झालेलं तंत्रज्ञान बनलं. आज ते एक बहुआयामी साधन आहे. जे शिक्षण क्षेत्रात, विशेषतः भौतिकशास्त्रासारख्या विषयांमध्ये मदतनीस, तर कधी समुपदेशक, मार्गदर्शक किंवा डेटा विश्लेषक म्हणून भूमिका बजावत आहे. विशेषतः भरती प्रक्रिया आणि मानव संसाधन व्यवस्थापन यांसारख्या महत्त्वपूर्ण निर्णय प्रक्रियांवर AI चा प्रभाव झपाट्याने वाढतो आहे.
एका अलीकडील सर्वेक्षणात असं निष्पन्न झालं की, फॉर्च्युन 500 यादीतील तब्बल 93 टक्के मुख्य मानव संसाधन अधिकारी (CHROs) आपल्या व्यवसाय पद्धती अधिक परिणामकारक बनवण्यासाठी AI साधनांचा वापर करू लागले आहेत. विशेषतः भरती प्रक्रियेमध्ये AI चा वापर लक्षणीयरीत्या वाढला असून, जगभरातील सुमारे 88 टक्के कंपन्या सुरुवातीच्या उमेदवार निवडीत AI प्रणालींचा समावेश करत आहेत. तथापि, या तंत्रज्ञानाचा वेगाने होत असलेला प्रसार आणि जागतिक नोकरी बाजारावर त्याचा वाढता प्रभाव लक्षात घेतल्यास, कायदेशीर जबाबदारी आणि डेटा गोपनीयतेसंदर्भातील गंभीर आणि गुंतागुंतीचे प्रश्न उद्भवत आहेत.
भरती प्रक्रियेत AI चा वापर झपाट्याने वाढला आहे. सध्या सुमारे 88 टक्के कंपन्या सुरुवातीच्या उमेदवार निवड प्रक्रियेत AI साधनांचा वापर करत आहेत.
हा लेख दोन परस्परसंबंधित आणि अत्यंत महत्त्वाच्या मुद्द्यांवर केंद्रित आहे — पहिला मुद्दा म्हणजे भरती प्रक्रियेत AI आधारित निर्णयप्रक्रियेच्या वापरात उत्तरदायित्व सुनिश्चित करणाऱ्या ठोस यंत्रणांचा अभाव, आणि दुसरा मुद्दा म्हणजे या AI साधनांद्वारे गोळा होणाऱ्या वैयक्तिक डेटाचं प्रमाण, जे अनेकदा स्पष्ट आणि ठोस संमतीशिवाय संकलित केलं जातं.
या पार्श्वभूमीवर, लेखात जागतिक तसेच भारतीय कायद्यांची सध्याची चौकट अशा समस्यांना सामोरे जाण्यासाठी किती अपुरी आणि मर्यादित आहे, याचा तपशीलवार आढावा घेतला आहे.
आजच्या वेगवान आणि स्पर्धात्मक युगात, सर्वोत्तम प्रतिभेला टिकवून ठेवण्यासाठी कंपन्यांना जलदगतीने ऑनबोर्डिंग करण्याची क्षमता विकसित करावी लागते. या आवश्यकतेला प्रतिसाद देताना, अनेक कंपन्यांनी AI-आधारित भरती प्रणालींचा अवलंब केला आहे, ज्यामुळे संपूर्ण प्रक्रियेची कार्यक्षमता लक्षणीयरीत्या वाढली आहे. उपलब्ध आकडेवारीनुसार, AI वापरणाऱ्या कंपन्यांमध्ये भरतीसाठी लागणारा वेळ 50 टक्क्यांपर्यंत कमी झाला आहे, शिवाय खर्चातही मोठी बचत झाली आहे. यामुळे स्पष्ट होतं की आधुनिक टॅलेंट मॅनेजमेंटमध्ये AI हा एक परिवर्तनात्मक साधन ठरत आहे.
AI प्रणाली मोठ्या प्रमाणावर अर्जदारांची माहिती हाताळू शकतात, हे एक महत्त्वाचं वैशिष्ट्य असून त्याद्वारे नियोक्ते उमेदवारांना वेगाने क्रमवारी लावू शकतात आणि छाननी करू शकतात. जे मानवी भरती तज्ञांच्या क्षमतेपलीकडचं आहे. AI प्रणाली काही मिनिटांत किंवा काही सेकंदांत शेकडो, हजारो बायोडेटा तपासू शकतात. प्रगत नैसर्गिक भाषा प्रक्रिया (Natural Language Processing - NLP) तंत्रज्ञानाच्या सहाय्याने, या AI साधनांद्वारे उमेदवारांची कौशल्यं, अनुभव आणि शैक्षणिक पात्रता यावर आधारित मूल्यांकन केलं जातं. पूर्वी जे काम करताना मानव भरती तज्ञांना काही दिवसांपासून काही आठवडे कालावधी लागत होता, ते आता AI च्या साहाय्याने अतिशय जलद पार पडतं. उमेदवार छाननीच्या सुरुवातीच्या टप्प्यांचे स्वयंचलन करून, AI प्रणाली भरती प्रक्रियेत गती आणतात आणि मानवी भरती तज्ञांना सखोल मुलाखती आणि अंतिम निवडीसारख्या अधिक गुंतागुंतीच्या आणि महत्त्वपूर्ण कामांवर लक्ष केंद्रित करण्यास सक्षम करतात.
प्रगत नैसर्गिक भाषा प्रक्रिया (Natural Language Processing - NLP) तंत्रज्ञानाचा वापर करून, AI आधारित साधने उमेदवारांचं मूल्यांकन त्यांच्या कौशल्यं, अनुभव आणि शैक्षणिक पात्रता यासारख्या निकषांवर आधारित करतात.
ही प्रणाली मानवी निर्णयांमधील अर्धसामान्य पूर्वग्रह टाळण्यास मदत करू शकते, कारण मानवी व्याख्यांमध्ये व्यक्तिनिष्ठतेमुळे चुकांची शक्यता अधिक असते. मात्र, याच AI साधनांच्या प्रशिक्षणासाठी वापरण्यात आलेल्या डेटामध्ये आधीपासूनच अस्तित्वात असलेल्या पूर्वग्रहांचा वासही त्यात दिसून येतो. परिणामी, काही उमेदवारांना त्यांच्या लिंग, वंश किंवा अन्य सामाजिक-लोकसंख्याशास्त्रीय ओळखीच्या आधारावर अन्यायकारक फटका बसू शकतो.
AI प्रणालींची ही कार्यक्षमता भरती प्रक्रियेसाठी आकर्षक ठरते, परंतु त्यासोबतच अनेक गंभीर प्रश्नही उपस्थित होतात. जर एखाद्या AI प्रणालीने चुकीचा किंवा पक्षपाती निर्णय घेतला, तर त्या निर्णयाची जबाबदारी कोण घेणार? अशा निर्णयांना आव्हान देता येईल का? त्याबाबत स्वतंत्र चौकशी होऊ शकते का? यांसारख्या मुद्द्यांचा गांभीर्याने विचार होणं आवश्यक आहे, कारण भरती प्रक्रियेत AI चा वाढता वापर लक्षवेधी असून, त्याचे संभाव्य परिणाम चिंतेची बाब ठरू शकतात.
मानवी भरतीकर्त्यांच्या तुलनेत, AI आधारित भरती साधने बहुतांश वेळा ‘ब्लॅक-बॉक्स’ स्वरूपात कार्य करतात. जिथे वापरकर्त्यांना केवळ इनपुट आणि आउटपुट माहिती असते, परंतु त्या निर्णयापर्यंत नेमकं कसं पोहोचलं गेलं, हे समजत नाही. अशा परिस्थितीत, जर एखादा पात्र उमेदवार पक्षपाती प्रशिक्षण डेटामुळे, त्रुटीपूर्ण अल्गोरिदममुळे किंवा चेहऱ्यावरील भाव, उच्चार यांसारख्या इनपुट्सच्या चुकीच्या मोजमापांमुळे नाकारला गेला, तर त्याची जबाबदारी नेमकी कोणाची हे स्पष्ट होत नाही. नियोक्ता सॉफ्टवेअरमधील तांत्रिक त्रुटींसाठी नोकरी पुरवठादारांकडे बोट दाखवतात, तर नोकरी पुरवठादार अंतिम निर्णय कंपनीने घेतल्याचं सांगून जबाबदारी झटकू शकतात. या अस्पष्टतेमुळे जबाबदारीची मोठी पोकळी तयार होते. जिथे उमेदवार अडकतो आणि त्याला त्या निर्णयाविरोधात अपील किंवा पुनर्विचार करण्यासाठी कोणताही ठोस आणि परिणामकारक मार्ग उपलब्ध राहत नाही. सुदैवाने, काही देशांनी या समस्येची गांभीर्याने दखल घेतली असून, भरती प्रक्रियेत AI चा वापर कसा असावा, यासाठी नियामक आराखडे तयार करण्याची प्रक्रिया सुरू केली आहे. यासोबतच, चूक घडल्यानंतर नेमकी जबाबदारी कोणाची असावी, यावरही अधिक स्पष्टता आणण्याचे प्रयत्न सुरू आहेत.
जगभरात कृत्रिम बुद्धिमत्तेच्या (AI) वापराबाबतच्या नियामक चौकटी आता हळूहळू विकसित होत आहेत, जरी त्या अद्याप अपुर्या आणि विसंगत स्वरूपाच्या आहेत. युरोपियन युनियनचा जनरल डेटा प्रोटेक्शन रेग्युलेशन (GDPR) त्यातील अनुच्छेद 22 अंतर्गत एखाद्या व्यक्तीस पूर्णतः स्वयंचलित पद्धतीने घेतलेल्या अशा निर्णयांपासून वाचण्याचा अधिकार देतो, जे निर्णय त्याच्या जीवनावर लक्षणीय परिणाम करू शकतात, जसे की नोकरी मिळणे किंवा नाकारले जाणे. तथापि, प्रत्यक्षात या अधिकाराला सहजपणे बगल दिली जाऊ शकते, कारण अनेक नियोक्ते असा दावा करतात की प्रक्रियेत एखाद्या माणसाचा सहभाग होता, जरी तो सहभाग केवळ औपचारिक किंवा नावापुरता का असेना. युरोपियन संघाचं ‘Artificial Intelligence Act’ हे पुढचं पाऊल अधिक ठोस आहे ज्यामध्ये भरती प्रक्रियेत वापरल्या जाणाऱ्या AI प्रणालींना “उच्च-जोखमीच्या” (high-risk) तंत्रज्ञान म्हणून वर्गीकृत केलं जातं. त्यामुळे अशा प्रणाली वापरणाऱ्या कंपन्यांना अधिक कडक पारदर्शकता, विस्तृत दस्तऐवजीकरण, आणि अनिवार्य मानवी देखरेखीचे निकष पाळावे लागतात. मात्र, हे सर्व असूनही, 2025 पर्यंतही या आधी अस्तित्वात असलेल्या कायद्यांचं प्रभावी आणि सातत्यपूर्ण अंमलबजावणी होणं अत्यावश्यक आहे .अन्यथा या नियामक उपाययोजना केवळ कागदापुरत्या मर्यादित राहतील.
युरोपीय संघाचं Artificial Intelligence Act भरती प्रक्रियेसाठी वापरल्या जाणाऱ्या AI प्रणालींना "उच्च-जोखमीची" (high-risk) म्हणून वर्गीकृत करतं. याचा अर्थ असा की अशा AI प्रणाली वापरणाऱ्या कंपन्यांना अधिक कठोर निकषांची पूर्तता करावी लागेल. ज्यात पारदर्शकता, योग्य दस्तऐवजीकरण, आणि मानवी देखरेखीची सक्ती यांचा समावेश आहे.
याउलट, अमेरिकेत भरती प्रक्रियेसाठी वापरल्या जाणाऱ्या अल्गोरिदमविषयी सध्या कोणताही स्पष्ट फेडरल कायदा अस्तित्वात नाही. Equal Employment Opportunity Commission (EEOC) ने काही मार्गदर्शक तत्त्वं जाहीर केली आहेत, ज्यामध्ये असं स्पष्टपणे नमूद केलं आहे की जर एखाद्या AI टूलमुळे भेदभाव घडून आला, तर त्याची जबाबदारी नियोक्त्यावरच येईल. EEOC v. iTutorGroup हे 2023 मधील प्रकरण याचं उदाहरण आहे. मात्र, या मार्गदर्शक धोरणांची अंमलबजावणी तुलनेने कमी प्रमाणात होते आणि तीही बहुधा नंतरच्या टप्प्यावर (post-facto), किंवा एखाद्या माहिती देणाऱ्या व्यक्तीच्या तक्रारीच्या आधारे केली जाते.
भारताच्या बाबतीत पाहिलं, तर IT, वित्तीय सेवा आणि एडटेकसारख्या क्षेत्रांत Applicant Tracking Systems (ATS) आणि व्हिडिओ मुलाखतींचा वापर झपाट्याने वाढतो आहे. मात्र, सध्या भारतात AI वापराबाबत कोणताही स्पष्ट किंवा स्वतंत्र नियामक कायदा अस्तित्वात नाही. Digital Personal Data Protection Act (DPDPA), 2023 मध्ये भरती प्रक्रियेतील स्वयंचलित निर्णयप्रक्रियेचा थेट उल्लेख नाही, आणि अल्गोरिदम वापरात पारदर्शकतेचं बंधनदेखील नाही. या कायद्यात "डेटा फिड्युशरी" म्हणजे डेटा वापरणाऱ्या संस्थेला जबाबदार धरलं जातं, परंतु AI प्रणाली तयार करणाऱ्या किंवा चालवणाऱ्या विक्रेत्यांवर ही जबाबदारी येते का, याबाबत काहीच स्पष्टता नाही. याशिवाय, भारतातील श्रम कायदे आणि भेदभावविरोधी नियम प्रामुख्याने मानवी हस्तक्षेप असलेल्या निर्णय प्रक्रियांना उद्दिष्ट करून तयार करण्यात आले आहेत. त्यामुळे अल्गोरिदमिक भरती प्रक्रियेत ‘प्रक्रियात्मक न्याय’ (procedural fairness) कसा सुनिश्चित करायचा, याबाबत कोणतीही कायदेशीर चौकट किंवा मार्गदर्शक तत्त्वं सध्या अस्तित्वात नाहीत.
या संपूर्ण परिस्थितीत अंमलबजावणीची जबाबदारी अनेक वेळा एक पोकळी ठरते. अनेक देशांमध्ये नियोक्ते भरती प्रक्रियेसाठी तृतीय-पक्ष AI विक्रेत्यांची मदत घेतात, मात्र जेव्हा या प्रक्रियेत त्रुटी निर्माण होतात, तेव्हा विक्रेते स्वतःला केवळ ‘तटस्थ सॉफ्टवेअर पुरवठादार’ म्हणवून जबाबदारी झटकतात. दुसरीकडे, नियोक्ते अल्गोरिदमच्या अपारदर्शकतेकडे बोट दाखवून दोष झाकण्याचा प्रयत्न करतात. यामुळे प्रत्यक्ष अर्जदारांसाठी ही प्रक्रिया पूर्णतः अंधारात घेऊन जाणारी ठरते, त्यांना हेच कळत नाही की निर्णय नेमका कसा झाला, त्यामागची प्रक्रिया काय होती, आणि सर्वात महत्त्वाचं म्हणजे अशा अन्यायकारक निर्णयाविरोधात त्यांच्याकडे कोणताही प्रभावी कायदेशीर पर्यायच उरत नाही.
दुसरा गंभीर मुद्दा म्हणजे, AI आधारित भरती प्रणाली मुलाखतीच्या संपूर्ण प्रक्रियेत उमेदवारांचे वैयक्तिक आणि वर्तणूकविषयक डेटा मोठ्या प्रमाणावर गोळा करतात व प्रक्रिया करतात. Pymetrics (सध्या Harver च्या मालकीची) आणि Modern Hire (सध्या HireVue कडून संचालित) यांसारख्या AI आधारित प्लॅटफॉर्म्सना सुरुवातीच्या भरती टप्प्यांत मोठ्या प्रमाणावर वापरले जात आहे. हे प्लॅटफॉर्म्स व्हर्च्युअल मुलाखती आणि अॅसेसमेंट दरम्यान केवळ उमेदवारांनी दिलेली माहितीच नव्हे, तर त्यांच्या वर्तन, हावभाव, आवाजाचा टोन आणि प्रतिक्रिया यासारखी अनपेक्षित माहितीही गोळा करतात व विश्लेषित करतात.
युरोपियन GDPR (General Data Protection Regulation) ही खास ओळखीच्या संदर्भातल्या माहितीच्या प्रक्रियेसंबंधी विशेष श्रेणीतील डेटाचे संरक्षण करते. मात्र, वर्तणूक आधारित किंवा अनुमानित (inferred) डेटाबाबत कायदेशीरदृष्ट्या नेमकं काय करावं, याबाबत अजूनही अस्पष्टता आहे. भारताचा डेटा संरक्षण कायदा, DPDPA (Digital Personal Data Protection Act), देखील वर्तणूकविषयक किंवा अनुमानित डेटाला स्वतंत्र वा संवेदनशील श्रेणीत मान्यता देत नाही. त्यामुळे अशा डेटाचा वापर, पुनर्वापर किंवा त्यावर आधारित निर्णय अगदी मनमानीपणे घेता येतो.
भारताचा डिजिटल वैयक्तिक माहिती संरक्षण कायदा (DPDPA) ही समस्या अधिकच गुंतागुंतीची करतो, कारण या कायद्याच्या कलम 7 अंतर्गत “विधिसंगत वापर” (legitimate use) या अपवादामध्ये कंपन्यांना उमेदवारांची वैयक्तिक माहिती नव्याने संमती न घेता पुन्हा वापरण्याची मुभा दिली जाते. परिणामी, एकदा केलेली नोकरीसाठी अर्ज ही उमेदवाराची दीर्घकालीन डेटा मालमत्ता ठरू शकते, ज्याचा उपयोग भविष्यातही विविध पद्धतींनी केला जाऊ शकतो, उमेदवाराच्या ज्ञानाशिवाय वा परवानगीशिवाय.
सहमती (Consent) ही डेटा प्रक्रियेचं एक महत्त्वाचं कायदेशीर अधिष्ठान असलं, तरी विशेषतः नोकरीच्या भरती प्रक्रियेत डेटाची अंमलबजावणी प्रभावी ठरत नाही. उमेदवारांकडून केवळ ‘टिक बॉक्स’ स्वरूपात सहमती घेतली जाते, ज्यात त्यांचा कोणता डेटा वापरण्यात येणार आहे, तो किती काळ साठवला जाईल, आणि भविष्यात त्याचा पुन्हा वापर होणार का? याबाबत कोणतीही स्पष्ट माहिती दिली जात नाही. भारताच्या डिजिटल वैयक्तिक डेटा संरक्षण कायद्यातील (DPDPA) कलम 7 अंतर्गत "विधिसंगत वापर" या अपवादामुळे ही समस्या अधिक गंभीर बनते, कारण या तरतुदीनुसार कंपन्यांना पुन्हा सहमती न घेता आधीच संकलित केलेला उमेदवारांचा डेटा वापरण्याची मुभा मिळते. परिणामी, एका नोकरीसाठी केलेला अर्ज उमेदवाराच्या अनंतकाळच्या ‘डेटा संपत्ती’त रूपांतरित होतो. त्यामुळे निष्पक्ष मूल्यांकनाच्या नावाखाली उमेदवारांच्या वर्तनविषयक आणि अनुमानाधारित डेटाचा संग्रह व विश्लेषण सुरू राहतं अनेकदा त्यांना त्याची जाणीवही नसते, आणि त्यामुळे एक प्रकारची तंत्रनिगराणीची व्यवस्था उद्भवते.
जगभरात, आणि आता भारतातही, कृत्रिम बुद्धिमत्तेवर (AI) आधारित भरती प्रणाली अशा प्रकारचे निर्णय घेत आहेत जे थेट व्यक्तींच्या आयुष्यावर प्रभाव टाकतात. मात्र, अशा प्रणालींना नियंत्रित करण्यासाठी आवश्यक त्या नियमांचा अभाव किंवा अपूर्णता दिसून येते. परिणामी, भरती प्रक्रिया जरी अधिक कार्यक्षम वाटत असली, तरी ती अनेक वेळा जबाबदारीपासून दूर राहते आणि डेटाच्या वापरामधील सूक्ष्म अन्याय लक्षात घेण्यास असमर्थ ठरते.
AI चा वापर वाढत असलेल्या जगात भरती प्रक्रियेत न्याय सुनिश्चित करण्यासाठी कायदेशीर चौकटींमध्ये मोठ्या प्रमाणात सुधारणा करण्याची गरज आहे. वर्तनाधारित डेटाचं संकलन, वापर आणि साठवणूक यासाठी स्पष्ट आणि अंमलबजावणीयोग्य मर्यादा आखणं अत्यावश्यक ठरेल. या सुधारणा केल्या नाहीत, तर AI आधारित भरती प्रणाली कदाचित प्रभावी ठरतील, पण त्या उमेदवाराच्या पारदर्शकतेवर आणि विश्वासावर खर्चिक ठरतील.
तनुषा त्यागी ह्या ऑब्झर्वर रिसर्च फाउंडेशनच्या सेंटर फॉर डिजिटल सोसायटीजमध्ये रिसर्च असिस्टंट आहेत.
The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.
Tanusha Tyagi is a research assistant with the Centre for Digital Societies at ORF. Her research focuses on issues of emerging technologies, data protection and ...
Read More +
PREV
