Es kann Ihnen nicht entgangen sein: KI-Tools wie ChatGPT erobern die Welt im Sturm. Sie schlagen auch in HR- und in Recruiting-Medien Wellen mit neuen Ideen zur Rationalisierung von Arbeitsabläufen. Von der Generierung von Inhalten (z.B. Stellenangebote, Fragen in Vorstellungsgesprächen und Marketingmaterialien) bis hin zur KI-gestützten Auswahl von Bewerberinnen und Bewerbern und der Kommunikation mit ihnen gibt es eine Fülle von Ideen. Auch wenn einige davon erfolgversprechender sein werden als andere, ist es sicher, dass das Recruiting und das Personalwesen zu den vielen Bereichen gehören, die von dieser neuen KI-Technologiegeneration beeinflusst, wenn nicht gar revolutioniert werden.
In diesem Blog erklären wir, worum es bei dieser Technologie geht und wie sie sich von früheren KI-Generationen unterscheidet. In weiteren Blogs werden wir uns eingehender mit den Einschränkungen befassen, die Sie beachten sollten, und die Vor- und Nachteile von Anwendungen für die Recruiting-Technologie bewerten.
Eine kurze Geschichte der KI-Innovationen
Der Einsatz von KI-Algorithmen in Recruiting und HR hat sich in den letzten Jahrzehnten beschleunigt. Frühe regelbasierte KI-Systeme aus den 80er Jahren waren aufgrund ihrer Fehleranfälligkeit und schwierigen Wartung nur bedingt einsetzbar. Dies senkte die Qualität der Ergebnisse.
Machine learning
Das änderte sich durch die Einführung von Machine Learning, bei dem statistische Verfahren eingesetzt werden. Damit konnten Sprachaufgaben, beispielsweise die Dateneingabe von Lebensläufen, mit hoher Genauigkeit automatisiert werden. Diese Systeme waren jedoch nur begrenzt in der Lage, den Kontext zu erfassen, und erforderten mehr menschliche Eingriffe als gewünscht.
Deep learning
Diese Nachteile wurden durch eine besondere Art des Machine Learnings, dem so genannten Deep Learning (siehe dazu auch diesen Blogpost und diesen), überwunden. Deep Learning zeichnet sich durch das Erfassen komplexer Muster aus, ohne dass man der Software sagen muss, was sie erfassen soll. Es stellte sich heraus, dass diese Fähigkeiten noch weiter gesteigert werden können, indem Deep Learning-Modelle vergrößert und mit mehr Daten gefüttert werden. Die Skalierung des Modells und des Datenvolumens führte schließlich zu einer besonderen Art von Deep Learning-Modellen, den sogenannten Large Language Models (LLMs). Dazu gehören die OpenAI-Anwendungen GPT-4 und das Chat-orientierte Pendant ChatGPT sowie LaMDA von Google und weitere Mitbewerberprodukte.
*Möchten Sie mehr darüber erfahren, wie Textkernel diese verschiedenen Phasen durchlaufen hat und welchen Einfluss jede einzelne auf die Recruiting-Technologie hatte? Lesen Sie auch die nächsten Ausgaben dieser Blog-Serie.
LLMs
LLMs gehören zu den bahnbrechendsten Entwicklungen in der Sprachtechnologie. LLMs sind KI-Systeme, die Sprache simulieren und versuchen, das Wort vorherzusagen, das am wahrscheinlichsten auf eine Folge vorheriger Wörter folgt. Durch die Verwendung immer größerer neuronaler Netze und umfangreicherer Sprachdaten haben LLMs begonnen, Fähigkeiten an den Tag zu legen, die selbst ihre Schöpfer überrascht haben, wie beispielsweise das Generieren von qualitativ hochwertigem Text, das Zusammenfassen von Text und das Umschreiben von Text entsprechend einer Stilvorgabe. Die Möglichkeiten von LLMs sind beeindruckend, mit ihrer großen Leistungsfähigkeit geht jedoch auch große Verantwortung einher.
Verläuft die Entwicklung zu schnell?
Da wir uns seit über zwei Jahrzehnten mit KI-gesteuerten innovativen Technologien beschäftigen, sind wir uns bei Textkernel bewusst, dass technologische Durchbrüche auch mit Nachteilen verbunden sein können. Und wir sind nicht die ersten, die darauf hinweisen, dass der Einsatz von Technologien wie ChatGPT mit Einschränkungen und Risiken verbunden ist. Es gibt technische Einschränkungen hinsichtlich der Skalierbarkeit und der Kosten. Noch wichtiger ist jedoch, dass es berechtigte Bedenken hinsichtlich Datenschutz, Transparenz und Objektivität gibt. Diese Bedenken müssen sehr ernst genommen werden, und die kommenden Rechtsvorschriften zur künstlichen Intelligenz, wie das EU-Gesetz zur künstlichen Intelligenz und das NY AEDT-Gesetz, werden dazu beitragen, dass sie berücksichtigt werden.
Bleiben Sie dran und erfahren Sie im nächsten Teil dieser Blogserie mehr darüber, wie LLMs mit der KI-Gesetzgebung zusammenhängen, wie Textkernel die Einhaltung von Compliance-Regeln mit Innovation verbinden wird und wie wir LLMs bereits auf verantwortungsvolle Weise einsetzen.
