في عالم توظيف اليوم، أصبحت السيرة الذاتية (Resume) أحد العناصر الأساسية التي يعتمد عليها أصحاب العمل لاختيار المرشحين المناسبين. ومع ظهور نماذج الذكاء الاصطناعي (AI) لتقييم هذه السير الذاتية، تبرز تساؤلات حول مدى استقرار وموثوقية هذه النماذج في اتخاذ قرارات التوظيف أمام تغييرات شكلية في تقديم السير الذاتية.

أظهرت دراسة حديثة تمت مشاركتها على منصة arXiv أن المعايير التقديمية، مثل اختيار الكلمات وتنظيم المعلومات، يمكن أن تؤثر بشكل كبير على النتائج التي يصل إليها الذكاء الاصطناعي عند تقييم المرشحين.

تم تنفيذ التحكم في هذه الدراسة من خلال بناء سير ذاتية متنوعة للمرشحين في مجالات مهنية محددة، حيث تم عرض كل سيرة ذاتية بعدة أشكال تقديمية مختلفة. استخدمت الدراسة ستة نماذج ذكاء اصطناعي مختلفة تم ضبطها لتعليم التعليمات، بما في ذلك نموذج Llama-3.1-8B الذي حقق أقوى نتائج في دقة التقييم ولكن مع معدل تغيير (flip rate) يصل إلى 29.6% للقرارات المتطابقة. من جهة أخرى، حقق نموذج Mistral-7B-v0.3 دقة بلغت 0.644 لكنه سجل معدل تغيير أكبر بنسبة 41.4%.

تظهر النتائج أنه رغم تقدم تقنية النماذج اللغوية الكبيرة (Large Language Models) ونجاحها في التعرف على الكفاءات، إلا أن الاستقرار في النتائج يبقى مسألة حرجة، حيث يحتاج أصحاب العمل إلى ضمان أن تكون قراراتهم المتعلقة بكفاءة المرشحين مستندة إلى أدلة ثابتة لا تتأثر بتغييرات تقديم المعلومات.

من الواضح أن التغيرات السطحية في تقديم المعلومات يمكن أن تؤدي إلى نتائج مختلفة للمؤهلين، مما يسلط الضوء على أهمية تطوير استراتيجيات تقييم تضمن الثبات والموثوقية في اتخاذ القرارات. يمكن أن تُدفع هذه النتائج الشركات إلى إعادة النظر في كيفية استخدام التكنولوجيا في مجالات التوظيف.