AI Hiring Bias ใครต้องรับผิดชอบถ้า AI คัดคนผิด ?

HIGHLIGHT Workday ถูกผู้สมัครงานฟ้องในสหรัฐอเมริกาว่า แพลตฟอร์ม AI-Powered Hiring Software อาจมีส่วนทำให้เกิดการเลือกปฏิบัติในการคัดเลือกเข้าทำงานต่อผู้สมัครบางกลุ่ม ทำให้ประเด็น AI Hiring Bias ถูกจับตามองมากขึ้น AI Hiring อาจไม่ได้ใช้ข้อมูลอ่อนไหวโดยตรง แต่ตัวแปรที่ดูเป็นกลาง เช่น Employment Gaps, Keyword Matching หรือประวัติการทำงาน อาจทำให้ผู้สมัครบางกลุ่มเสียเปรียบได้ ปัญหา AI Hiring Bias ไม่ได้อยู่ที่เทคโนโลยีอย่างเดียว แต่เกี่ยวข้องกับการออกแบบระบบการสรรหา, การกำกับดูแลข้อมูล และความรับผิดชอบของ HR ทั้งกระบวนการ HR ที่ใช้ AI ในการสรรหาต้องมีระบบตรวจสอบที่ชัดเจนเพื่อให้แน่ชัดว่า การสรรหาจะเป็นไปอย่างโปร่งใส และยุติธรรม

AI กลายเป็นเครื่องมือสำคัญในงาน Recruitment ของหลายองค์กรไปแล้ว ตั้งแต่การอ่านเรซูเม่ คัดกรองผู้สมัคร จัดอันดับ Candidate แนะนำผู้สมัครที่เหมาะสม ไปจนถึงช่วยลดเวลาการทำงานของ Recruiter ในช่วงที่มีใบสมัครจำนวนมาก

สำหรับ HR นี่คือเครื่องมือที่ช่วยเพิ่ม Productivity ได้จริง เพราะทำให้กระบวนการสรรหาเร็วขึ้น เป็นระบบขึ้น และลดภาระงานซ้ำ ๆ ได้มากขึ้น

แต่เมื่อ AI เข้ามาช่วยคัดคน คำถามก็คือ ถ้า AI คัดคนผิด มองข้ามผู้สมัครที่มีศักยภาพ หรือทำให้ผู้สมัครบางกลุ่มเสียเปรียบโดยไม่รู้ตัว ใครควรเป็นคนรับผิดชอบ ?

ประเด็นนี้ถูกพูดถึงมากขึ้น หลัง Reuters รายงานว่า คดีที่ผู้สมัครงานรายหนึ่งฟ้อง Workday แพลตฟอร์ม HR Tech รายใหญ่ของสหรัฐฯ ว่า AI-Powered Hiring Software อาจทำให้เกิดการเลือกปฏิบัติต่อผู้สมัครงาน จนส่งผลกระทบต่อผู้สมัครบางกลุ่ม รวมถึงผู้พิการ

อย่างไรก็ตาม ไม่ได้หมายความว่า Workday มีความผิดแล้ว เพราะคดียังอยู่ในกระบวนการพิจารณา และบริษัทเองก็ปฏิเสธข้อกล่าวหาดังกล่าว

สิ่งที่ทำให้คดีนี้น่าจับตามองคือ มันกำลังตั้งคำถามสำคัญต่อวงการ HR Tech ว่า หาก AI Hiring ทำให้เกิดผลกระทบที่ไม่เป็นธรรม ความรับผิดชอบควรอยู่ที่นายจ้างเพียงฝ่ายเดียว หรือควรขยายไปถึงผู้ให้บริการเทคโนโลยีด้วย

AI Hiring Bias ไม่ได้เกิดจากการใส่ “ข้อมูลต้องห้าม” เสมอไป

เวลาพูดถึง AI Bias หลายคนอาจนึกถึงกรณีที่ระบบใช้ข้อมูลอ่อนไหวโดยตรง เช่น เพศ อายุ เชื้อชาติ ศาสนา หรือความพิการ

แต่ในกระบวนการจ้างงานจริง Bias อาจซับซ้อนกว่านั้น

แม้ระบบจะไม่ได้ถามอายุโดยตรง แต่ข้อมูลบางอย่างอาจบอกใบ้ช่วงอายุได้ แม้ระบบจะไม่ได้ถามเรื่องความพิการโดยตรง แต่ Employment Gaps หรือช่องว่างระหว่างการทำงาน อาจเชื่อมโยงกับคนที่เคยป่วย ต้องดูแลครอบครัว ต้องพักรักษาตัว หรือมีข้อจำกัดบางอย่างในชีวิต

แม้ระบบจะไม่ได้ถามฐานะทางสังคม แต่ชื่อมหาวิทยาลัย ที่อยู่ รูปแบบประสบการณ์ หรือเส้นทางอาชีพ อาจกลายเป็นตัวแปรที่สะท้อนความได้เปรียบเสียเปรียบทางสังคมได้เช่นกัน

นี่คือเหตุผลที่ AI Hiring Bias เป็นเรื่องที่ HR ต้องระวัง เพราะระบบอาจไม่ได้เลือกปฏิบัติแบบตรงไปตรงมา แต่ใช้ข้อมูลที่ดูเป็นกลาง แล้วสร้างผลลัพธ์ที่ไม่เป็นกลาง

ปัญหาไม่ได้อยู่ที่ AI อย่างเดียว แต่อยู่ที่กระบวนการคัดเลือกทั้งระบบ

ในมุม HR สิ่งสำคัญคืออย่ามองว่า AI เป็นตัวการเดียว

เพราะ AI มักถูกฝึกจากข้อมูล วิธีคิด เกณฑ์การคัดเลือก และรูปแบบการตัดสินใจที่มนุษย์เคยใช้มาก่อน ถ้าในอดีตองค์กรมี Hiring Pattern ที่เอนเอียงอยู่แล้ว AI ก็อาจเรียนรู้รูปแบบนั้น ถ้าองค์กรใช้ performance data ที่ไม่สมบูรณ์ AI ก็อาจเรียนรู้จากข้อมูลที่ไม่สะท้อนความสามารถจริง และถ้า Job Criteria ไม่ชัด AI ก็อาจคัดคนจากตัวแปรที่ไม่เกี่ยวกับความสำเร็จในงานจริง

ดังนั้น AI Hiring Bias จึงไม่ใช่ปัญหาของเทคโนโลยีเพียงอย่างเดียว แต่เกี่ยวข้องกับการออกแบบกระบวนการสรรหา การจัดการข้อมูล และความรับผิดชอบของ HR ทั้งระบบ

สิ่งที่เราต้องตั้งคำถามก่อนก็คือ ระบบใช้ข้อมูลอะไร ? เกณฑ์การคัดเลือกสัมพันธ์กับงานจริงแค่ไหน ? มนุษย์มีบทบาทตรวจสอบตรงไหน ? ผู้สมัครรู้หรือไม่ว่าถูกประเมินด้วยระบบอัตโนมัติ ?

และถ้าผู้สมัครถูกปฏิเสธ เขามีช่องทางโต้แย้งหรือขอคำอธิบายหรือไม่ ?

แม้องค์กรไทยยังไม่ถูกบังคับเหมือนต่างประเทศ แต่ทำไม HR ต้องสนใจประเด็นนี้

บางคนอาจมองว่าคดีนี้เกิดในสหรัฐฯ และกฎหมาย AI Hiring ของไทยยังไม่ได้เข้มข้นเท่านิวยอร์ก แคลิฟอร์เนีย หรือยุโรป แต่สำหรับ HR ไทย ประเด็นนี้ควรถูกมองเป็นสัญญาณล่วงหน้า

เพราะองค์กรไทยเองก็เริ่มใช้ HR Tech, ระบบ ATS, Assessment Platform, Chatbot, Resume screening หรือ AI ในกระบวนการสรรหามากขึ้นเรื่อย ๆ และยิ่งองค์กรรับสมัครคนจำนวนมาก ก็ปฏิเสธไม่ได้ว่าการใช้ระบบคัดกรองอัตโนมัติจะช่วยลดเวลาและต้นทุนได้มากจริง ๆ

แต่ถ้าองค์กรใช้ AI โดยไม่มีการกำกับดูแลที่ดี ความเสี่ยงจะไม่ได้อยู่แค่เรื่องกฎหมายเท่านั้น แต่รวมถึงชื่อเสียงขององค์กร ความเชื่อมั่นของผู้สมัคร, Employer Branding และคุณภาพของ Talent Pool ในระยะยาว

ถ้าระบบคัดคนบางกลุ่มออกตั้งแต่ต้น องค์กรอาจไม่ได้แค่เสี่ยงถูกฟ้อง แต่กำลังเสียคนเก่งที่ไม่เข้ากับแพทเทิร์นเดิมของระบบ

ใช้ AI คัดคนได้ แต่ต้องมีหลักฐานว่าใช้แล้วยุติธรรมพอ

AI Hiring ไม่ใช่สิ่งที่ HR ต้องหยุดใช้ แต่ต้องใช้แบบรู้ว่าความเร็วไม่ได้สำคัญกว่าความเป็นธรรม

และนี่คือสิ่งที่ HR ควรทำ

1. Vendor Due Diligence

ก่อนเลือกใช้ HR Tech หรือ AI Screening Tool HR ควรถามผู้ให้บริการให้ชัดว่า ระบบใช้ข้อมูลอะไร ใช้โมเดลแบบไหน อธิบายผลลัพธ์ได้แค่ไหน มีการทดสอบอคติหรือไม่ มีเอกสาร validation หรือไม่ และลูกค้าสามารถ Audit ได้แค่ไหน

2. Bias Audit

องค์กรควรตรวจสอบว่าระบบคัดกรองทำให้ผู้สมัครบางกลุ่มผ่านหรือไม่ผ่านในอัตราที่แตกต่างกันอย่างมีนัยสำคัญหรือไม่ โดยเฉพาะกลุ่มที่เกี่ยวข้องกับเพศ อายุ ความพิการ เชื้อชาติ หรือปัจจัยที่กฎหมายคุ้มครองในแต่ละประเทศ

3. Human Oversight

AI ไม่ควรถูกปล่อยให้เป็นคนตัดสินใจสุดท้ายโดยไม่มีมนุษย์ตรวจสอบ โดยเฉพาะในตำแหน่งที่มีผลกระทบสูง หรือกรณีที่ระบบให้คะแนนต่ำด้วยเหตุผลที่ไม่ชัดเจน

4. Job-related Criteria

ทุกเกณฑ์ที่ใช้คัดกรองผู้สมัครควรตอบได้ว่าเกี่ยวข้องกับงานจริงอย่างไร เช่น หากใช้ช่องว่างระหว่างการทำงาน การเปลี่ยนงานบ่อย หรือการจับ Keyword ในเรซูเม่ HR ต้องรู้ให้ชัดว่าเกณฑ์เหล่านี้บอกถึงความสามารถในการทำงานจริงหรือไม่ หรือเป็นแค่ความเชื่อเดิมขององค์กร

5. Candidate Transparency

ผู้สมัครควรรู้ว่ากระบวนการคัดเลือกมีการใช้ AI หรือ Automated Tool ในส่วนใดบ้าง และควรมีช่องทางสอบถามหรือขอความช่วยเหลือ หากมีข้อจำกัด เช่น ความพิการ การเข้าถึงเทคโนโลยี หรือข้อมูลในเรซูเม่ที่ระบบอาจตีความผิด

คำถามที่ HR ควรถามก่อนใช้ AI Hiring Tool

ก่อนนำ AI เข้ามาในกระบวนการคัดเลือก HR ควรถามอย่างน้อย 10 ข้อนี้

1. AI ใช้ข้อมูลอะไรในการคัดกรองผู้สมัคร
2. มีข้อมูลหรือตัวแปรใดในระบบที่อาจบ่งชี้ถึงข้อมูลอ่อนไหวของผู้สมัครโดยอ้อมหรือไม่
3. เกณฑ์การคัดเลือกเกี่ยวข้องกับความสำเร็จในงานจริงแค่ไหน
4. ระบบเคยได้รับการตรวจสอบเรื่อง Bias หรือผ่านการประเมินความน่าเชื่อถือมาแล้วหรือไม่
5. มีเอกสารอธิบายโมเดลและวิธีประเมินหรือไม่
6. เมื่อ AI ให้ผลลัพธ์ออกมา HR สามารถตรวจสอบ ทบทวน หรือปรับการตัดสินใจได้มากน้อยแค่ไหน
7. ผู้สมัครจะได้รับแจ้งหรือไม่ว่ามีการใช้ระบบอัตโนมัติ
8. หากผู้สมัครมีข้อจำกัดบางอย่าง เช่น ความพิการ ปัญหาการเข้าถึงเทคโนโลยี หรือข้อมูลที่ระบบอาจตีความผิด มีช่องทางให้แจ้งหรือขอความช่วยเหลือเพิ่มเติมหรือไม่
9. ใครเป็นผู้รับรับผิดชอบเมื่อเกิดผลลัพธ์ที่ไม่เป็นธรรม
10. ระบบนี้ช่วยให้การจ้างงานยุติธรรมขึ้นจริง หรือเพียงแค่ทำให้กระบวนการเร็วขึ้น

คำถามเหล่านี้อาจดูละเอียด แต่ในยุคที่ AI Hiring เริ่มถูกตรวจสอบมากขึ้น การไม่มีคำตอบอาจเป็นความเสี่ยงมากกว่าการลงทุนตรวจสอบตั้งแต่แรก

AI Bias in HR อคติของปัญญาประดิษฐ์ ภัยเงียบขององค์กร

บทเรียนสำหรับ HR ไทย

สำหรับองค์กรไทย ประเด็นนี้ไม่ควรถูกมองว่าเป็นเรื่องไกลตัว เพราะการใช้ AI ใน Recruitment อาจเริ่มจากเรื่องเล็ก ๆ เช่น ใช้ระบบคัด Keyword ในเรซูเม่, ใช้ Chatbot ช่วย Pre-Screen, ผู้สมัครใช้ Assessment Platform ให้คะแนนอัตโนมัติ หรือใช้ AI ช่วยเรียงลำดับ Candidate

แต่เมื่อระบบเริ่มมีอิทธิพลต่อโอกาสในการได้งานของคน ความรับผิดชอบของ HR ก็เพิ่มขึ้นตามไปด้วย

HR จึงควรเริ่มสร้าง AI Hiring Governance ตั้งแต่ตอนที่ระบบยังไม่ได้ซับซ้อนมาก ไม่ใช่รอให้เกิดปัญหาแล้วค่อยหาว่าใครผิด

เพราะในอนาคต หลายฝ่าย ไม่ว่าจะเป็นผู้สมัครงานเอง หรือสังคม จะยิ่งถามแน่นอนว่า “คุณพิสูจน์ได้อย่างไรว่า AI ที่ใช้ไม่ทำให้คนบางกลุ่มเสียเปรียบ ?”

บทสรุป

AI ช่วยให้ Recruitment เร็วขึ้นได้ แต่ความเร็วไม่ควรแลกกับความเป็นธรรม

คดี Workday เป็นเพียงหนึ่งตัวอย่างที่ทำให้เห็นว่า AI Hiring Bias ไม่ใช่ประเด็นเชิงทฤษฎีอีกต่อไป แต่เริ่มกลายเป็นความเสี่ยงจริงขององค์กร ผู้ให้บริการ HR Tech และกระบวนการสรรหาทั้งระบบ

สำหรับ HR คำถามสำคัญคือ “จะใช้ AI คัดคนอย่างไรให้ตรวจสอบได้ อธิบายได้ และรับผิดชอบได้ ?”

เพราะการจ้างงานที่ดีในยุค AI ไม่ได้วัดจากการคัดคนได้เร็วที่สุด แต่วัดจากการคัดคนได้แม่นขึ้น แฟร์ขึ้น และไม่ทิ้งคนที่มีศักยภาพไว้ข้างหลังเพียงเพราะระบบมองไม่เห็นคุณค่าของเขา

หากองค์กรของคุณกำลังมองหา HR Solution เพื่อช่วยแบ่งเบาภาระงานด้าน Recruitment เช่น Recruitment Technology, Applicant Tracking System รวมถึง Recruitment Agency สามารถค้นหา HR Solution ที่เกี่ยวข้องได้ผ่าน HREX