ארגון ה-AI הישראליארגון ה-AI הישראלי
מנהלת גיוס מביטה במסך עם רשימת מועמדים דומים
הטמעת AI בארגוניםמקרה בוחן

מערכת ה-AI סיננה מועמדים, וכולם יצאו זהים: מקרה של הטיה בגיוס

ליאור אברהםליאור אברהם 4 דק׳ קריאה

"לא ברור מה קרה," סיפרה לי רוית, מנהלת גיוס ותיקה בחברת טכנולוגיה מצליחה. "עשינו הכול לפי הספר: הכנסנו מערכת בינה מלאכותית לסינון קורות חיים, הגדרנו פרמטרים ברורים, חיברנו אותה למערכת משאבי האנוש. ודווקא אז משהו התפקשש. כל המועמדים שהמערכת העלתה נראו כמעט זהים."

המקרה אמיתי. השם והפרטים המזהים שונו.

בקצרה
  • מערכת AI לסינון קורות חיים למדה מהגיוסים הקודמים של הארגון, והתחילה להעלות מועמדים כמעט זהים.
  • זה קרה גם ל-Amazon ב-2018. ה-EU AI Act מסווג מערכות גיוס כמערכות בסיכון גבוה.
  • הפתרון: דוגמאות מגוונות, גיוון כיעד מוצהר, בקרה אנושית ובדיקה רבעונית של התפלגות המועמדים.

ההתלהבות, ואז השאלות

בהתחלה כולם היו מרוצים: פחות זמן סינון, פחות קורות חיים לא רלוונטיים, יותר זמן לראיונות איכותיים. ואז הגיעו השאלות. איפה הנשים? איפה המועמדים מהמגזר החרדי, מהחברה הערבית, מהפריפריה? למה אין אף מועמד עם רקע קצת שונה או מסלול קריירה לא שגרתי?

כשהסתכלנו לעומק, התמונה התבהרה. המערכת למדה מהסינונים הקודמים של הארגון, אבל הסינונים האלה שיקפו הטיה שכבר הייתה קיימת. המילים שחזרו שוב ושוב בקורות החיים של מי שנקלטו בעבר הפכו ל"זהב" בעיני המודל. כל מה שלא הופיע במסה של העבר קיבל ציון נמוך. בלי ששמנו לב, בנינו מערכת שמנציחה את ההטיה במקום לתקן אותה.

זה כבר קרה לענקיות

זה לא מקרה מקומי. ב-2018 נחשף שAmazon גנזה כלי גיוס מבוסס AI, אחרי שהתברר שהוא מוריד ציון לקורות חיים שמופיעה בהם המילה "women's". הסיבה זהה: המודל למד מעשר שנים של גיוסים שבהם רוב המועסקים בתפקידים טכניים היו גברים.

והרגולציה כבר כאן. ה-EU AI Act מסווג מערכות AI לגיוס ולסינון מועמדים כמערכות בסיכון גבוה, עם דרישות לניהול סיכונים, לאיכות נתונים ולפיקוח אנושי. חברה ישראלית שמגייסת באירופה, או שמוכרת שם מערכות כאלה, צריכה להיערך לכך כבר עכשיו.

מה היה חסר

  • קלט מגוון. המערכת למדה רק מהעבר של הארגון, על כל ההטיות שבו.
  • מטרה מוצהרת. אף אחד לא הגדיר גיוון כיעד שהמערכת צריכה לשמור עליו.
  • בקרה אנושית. לא היה שלב שבו אדם בודק את הדפוסים שהמערכת מייצרת.
  • מנהלת הגיוס בחוץ. רוית, שמכירה את התפקידים והאנשים יותר מכולם, לא הייתה שותפה בהגדרת הקריטריונים.

אמרתי לרוית: "תחשבי שעובד חדש מצטרף לצוות ואומר: 'אני אבחר לבד את המועמדים, לפי מה שהיה פה עד עכשיו'. היית נותנת לו לעבוד לבד, בלי חפיפה?" היא ענתה מיד: "ברור שלא. זה מסוכן מדי." בדיוק. גם בינה מלאכותית צריכה חפיפה. היא צריכה להבין את הערכים שלך, ולקבל דוגמאות למה זה מועמד טוב וגם שונה.

רוצים לקבל עדכוני AI ישירות לאימייל?

הצטרפו לאלפי מנהלים שמקבלים את הניוזלטר השבועי שלנו

איך תיקנו את זה

המערכת לא הוצאה מהשימוש. היא עברה חינוך מחדש. רוית והצוות שלה הגדירו מחדש את הקריטריונים, הכניסו דוגמאות מגוונות של מועמדים מצליחים, והוסיפו שלב קבוע של ביקורת אנושית על רשימות הסינון. ומאז, פתאום צצו מועמדים חדשים: מפתיעים, טובים ומגוונים. כשרוית שלחה לי מייל עם הכותרת "הפעם, גייסנו אחרת", ידעתי שהמערכת שלה סוף סוף הבינה את האנשים.

"בינה מלאכותית לא שואלת אתכם אם להיות הוגנת. היא פשוט משכפלת את מה שהיא למדה. אתם אלה שצריכים ללמד אותה טוב יותר." — ליאור אברהם, מייסד ארגון ה-AI הישראלי

מה אתם יכולים לעשות כבר עכשיו

שלבמה עושיםמי אחראי
לפני ההטמעהבודקים על אילו נתונים המערכת לומדת, ואילו הטיות יש בהםמשאבי אנוש + ספק המערכת
הגדרת קריטריוניםמגדירים גיוון כערך, לא רק כאילוץ, ומכניסים דוגמאות מגוונותמנהלי הגיוס
בזמן אמתאדם עובר על רשימות הסינון ומחפש דפוסים חוזרים מדירכז הגיוס
אחת לרבעוןבודקים את התפלגות המועמדים שעברו את הסינון לעומת כלל הפוניםמשאבי אנוש + יועץ משפטי

מה לשאול ספק של מערכת גיוס מבוססת AI

לפני שחותמים, כדאי לקבל תשובות כתובות לשאלות האלה:

  1. על אילו נתונים המערכת אומנה, והאם היא ממשיכה ללמוד מההחלטות שלנו?
  2. אילו בדיקות הטיה בוצעו, על אילו קבוצות, ומה היו התוצאות?
  3. האם אפשר לקבל הסבר לכל דירוג של מועמד?
  4. איך המערכת עומדת בדרישות ה-EU AI Act למערכות בסיכון גבוה, אם אנחנו מגייסים באירופה?
  5. היכן נשמר המידע של המועמדים, לכמה זמן, ומי יכול לגשת אליו?

בדיקה רבעונית פשוטה

אין צורך בכלי מתוחכם כדי לזהות בעיה. פעם ברבעון משווים את התפלגות המועמדים שעברו את הסינון להתפלגות כלל הפונים, לפי מגדר, גיל ואזור מגורים, ככל שהמידע נאסף כחוק. פער גדול ועקבי הוא סימן לבדוק את המערכת לעומק, לפני שהוא הופך לבעיה משפטית או תדמיתית.

עוד כלים, מדריכים ומקרים בתחום תמצאו בעמוד AI למשאבי אנוש, ותבניות מוכנות למדיניות ולנהלים בערכת הטמעת ה-AI החינמית שלנו.

השורה התחתונה

סינון קורות חיים עם AI יכול לחסוך מאות שעות, ולהביא מועמדים שבן אדם עייף היה מפספס. אבל רק אם מלמדים את המערכת מה באמת מחפשים, ולא רק מה חיפשו בעבר. מערכת גיוס בלי בקרה אנושית היא לא חיסכון. היא סיכון משפטי ותדמיתי שמחכה לקרות.

מקורות ואימות

הטענות העובדתיות בכתבה נבדקו מול המקורות הבאים.

  1. 1Amazon גנזה כלי גיוס מבוסס AIreuters.com
  2. 2מערכות AI לגיוס ולסינון מועמדים כמערכות בסיכון גבוהartificialintelligenceact.eu
שאלות ותשובות
כי הן לומדות מהחלטות הגיוס של העבר. אם בעבר נקלטו בעיקר מועמדים מסוג מסוים, המודל ילמד להעדיף אותם. כך קרה ל-Amazon, שגנזה ב-2018 כלי גיוס שהוריד ציון לקורות חיים של נשים.
הצטרפו לקבוצת הווטסאפ שלנו לעדכונים

תגיות:

שתפו את הכתבה:

עוד כתבות שיעניינו אותך

רגולציית AI בישראל ובאיחוד האירופי: מה ארגון ישראלי חייב לדעת ב-2026
מדריכים, כליםEU AI Act, הרשות להגנת הפרטיות• ליאור אברהם• 9 באוקטובר

רגולציית AI בישראל ובאיחוד האירופי: מה ארגון ישראלי חייב לדעת ב-2026

המדריך המעשי לרגולציית AI לארגונים ישראליים: על מי חל חוק ה-AI האירופי, רמות הסיכון, לוח הזמנים המעודכן אחרי ה-Digital Omnibus, תיקון 13 לחוק הגנת הפרטיות ותוכנית ציות ל-90 יום.

תוכנית עבודה AI לשנת 2027: איך ארגונים בונים תוכנית ותקציב AI שעומדים בביקורת
מדריכים, כליםGartner, MIT NANDA• ליאור אברהם• 9 באוקטובר

תוכנית עבודה AI לשנת 2027: איך ארגונים בונים תוכנית ותקציב AI שעומדים בביקורת

המדריך המלא להכנת תוכנית העבודה ותקציב ה-AI הארגוני ל-2027: תהליך של 8 שבועות, 7 סעיפי תקציב, שיטות לקביעת הגודל, דוגמה מספרית, לוח KPI ושבעה כלים מוכנים לשימוש.

100 מונחי AI שכל עובד צריך להכיר לשנת 2027
חדשות AI, כלים, מדריכיםארגון ה-AI הישראלי• ליאור אברהם• 7 באוקטובר

100 מונחי AI שכל עובד צריך להכיר לשנת 2027

מילון AI בעברית ובאנגלית: 100 מונחי בינה מלאכותית שכל עובד ומנהל צריך להכיר, מ-LLM וטוקן ועד הזרקת הנחיה, RAG, סוכני AI ואוריינות AI, עם הסבר פשוט לכל מונח.

מנהל בארגון: בכירי ה-AI מוטרדים מהבינה המלאכותית, למה אתה לא?!
מדריכיםOpenAI, Anthropic, NVIDIA, Cloud Security Alliance• ליאור אברהם• 6 באוקטובר

מנהל בארגון: בכירי ה-AI מוטרדים מהבינה המלאכותית, למה אתה לא?!

אמודיי קורא להאט, אלטמן מזהיר באו"ם, OpenAI עוצרת מודלים אחרי שסוכן עקף את הבידוד ו-NVIDIA בונה בלמים בסיליקון. ובארגונים מחברים סוכנים בלי נוהל. מה כל דרג צריך לעשות מחר בבוקר.

איך בונים סוכן AI ארגוני: הפלייבוק המקצועי (Agentic AI) 2026
מדריכים, כליםAnthropic• ליאור אברהם• 5 באוקטובר

איך בונים סוכן AI ארגוני: הפלייבוק המקצועי (Agentic AI) 2026

המדריך המעשי לבניית סוכן AI בארגון: מתי סוכן ומתי workflow, דפוסי ארכיטקטורה, עיצוב כלים וזיכרון, אבטחה מפני הזרקת הנחיות, ניטור, הערכה ותהליך בנייה ב-10 שלבים.

המקף הארוך נעלם: מחקר מצא 2,548 סימנים אחרים שמסגירים טקסט של AI
חדשות AIGraphite• ליאור אברהם• 4 באוקטובר

המקף הארוך נעלם: מחקר מצא 2,548 סימנים אחרים שמסגירים טקסט של AI

Claude Opus 5.5 כמעט הפסיק להשתמש במקף הארוך, אבל מחקר חדש של Graphite מצא בו 2,548 ביטויים ותבניות שמסגירים כתיבת AI. הנתונים, ההשוואה ל-GPT, ו-7 סימנים לזיהוי בעברית.

McKinsey: AI ייצור יותר משרות ממה שייקח, אבל 11 מיליון עובדים יצטרכו מקצוע חדש. מה זה אומר לכם
חדשות AIMcKinsey Global Institute• ליאור אברהם• 4 באוקטובר

McKinsey: AI ייצור יותר משרות ממה שייקח, אבל 11 מיליון עובדים יצטרכו מקצוע חדש. מה זה אומר לכם

דוח חדש של McKinsey Global Institute צופה עד 2035 צמצום של 36 מיליון משרות ויצירה של יותר מ-40 מיליון. האתגר האמיתי הוא המעבר, וזה מה שעובדים ומנהלים צריכים לעשות כבר עכשיו.

המערכת נתנה תשובה שגויה, ומאז אף אחד בצוות לא סומך עליה
הטמעת AI בארגונים• ליאור אברהם• 2 באוקטובר

המערכת נתנה תשובה שגויה, ומאז אף אחד בצוות לא סומך עליה

מנהל צוות בחברת ייעוץ הנדסי העביר תשובה של AI בלי לבדוק, והטעות הגיעה להנהלה. איך אירוע אחד מחק חודשים של הטמעה, מה קרה ל-Deloitte באוסטרליה, ואיך מגדירים מה חייב בדיקה לפני שליחה.

הלקוחות גילו שהנציגה 'דנה' היא בוט, והאמון קרס: למה חייבים גילוי נאות
הטמעת AI בארגונים• ליאור אברהם• 2 באוקטובר

הלקוחות גילו שהנציגה 'דנה' היא בוט, והאמון קרס: למה חייבים גילוי נאות

בוט שירות מצוין בחברת תקשורת הציג את עצמו כנציגה אנושית, עד שלקוח שאל 'את אמיתית?'. איך שקיפות הפכה לסוגיה רגולטורית (EU AI Act, סעיף 50), מה למדנו מ-Air Canada, ואיך מפעילים בוט שירות נכון.

רצינו מודל AI פנימי, וגילינו שהוא עולה פי שלושה מהטמעה חכמה
הטמעת AI בארגונים• ליאור אברהם• 2 באוקטובר

רצינו מודל AI פנימי, וגילינו שהוא עולה פי שלושה מהטמעה חכמה

ארגון פיננסי השקיע חצי שנה בבניית מודל AI פנימי, ושילם פי שלושה בשביל עשירית מהתוצאה. מה השתבש, למה רוב הארגונים לא צריכים מודל משלהם, ומתי כן נכון לבנות אחד: טבלת החלטה.

הצטרפו אלינו