Megérdemelt helyükre kerülnének az alkalmatlan főnökök, ha gépi algoritmusra bíznák a kinevezéseket?

Hogyan segíthet be a cégvezetők kiválaszátásába a gépi tanulás, hogyan semlegsítheti a kinevezéseknél érvényesülő diszkriminációt? Visszaveti-e a nők karrierkilátásait, ha kicsivel tovább maradhatnak otthon az újszülöttjükkel? 

Az igazságos gép

Az algoritmusok használata egyre elterjedtebb nagyjából minden szférában: algoritmusok mondják meg, mit vegyél, melyik lesz a következő film, amit meg kell nézned a Netflixen, egy Algoritmus Feri nevű arc még ide a Qubitre is szokott írni. Az algoritmusok egyik nagy előnye (és hátránya) lehet egy csomó területen, hogy emberi érzelmek és elfogultságok befolyásától mentesen hoznak ítéletet. Ezért lehetnek hasznosak például a bírósági ítéleteknél is.

Egy most megjelent műhelytanulmány a vállalatok felsővezetőinek kinevezésénél vizsgálja az algoritmusok lehetséges szerepét. Isil Erel (Ohio State University), Léa Stern (University of Washington), Chenhao Tan (University of Colorado) és Michael S. Weisbach (Ohio State University) gépi tanulásos módszerekkel próbálták megjósolni, hogy egy újonnan kinevezett igazgató mennyire teljesít majd jól. A gépi tanulás lényege, hogy ráengednek egy algoritmust egy adathalmazra: ez esetben a 2000 és 2011 közötti kinevezési adatokra. Az algoritmus megmondja, hogy milyen tulajdonságok jósolják meg a kimeneteleket – ez esetben, hogy melyik igazgató válik be –, utána pedig ezt felhasználva jósolnak egy másik adatsorban – a kísérletben ez a 2012 és 2014 közötti kinevezések halmaza.

Az általában használt statisztikai módszerekhez képest a gépi tanulás előnye, hogy a kutatók egyszerűen bedobnak minden szóbajövő tulajdonságot, például az életkort, a szakmát, a tanulmányokat, a munkakört, hogy valaki hány másik cégben igazgatótanácsi tag, mennyit keres, milyen nemzetiségű, milyen nemű – de oldalakon át sorolják, mikkel etetik a véletlen erdőket és a neurális hálózatokat, hogy azok végül kidobják, melyik tulajdonság korrelál a teljesítménnyel. Ráadásul a kutatóknak nem kell semmilyen előfeltételezéssel élniük a lehetséges összefüggésekről. Nagyon fontos viszont, hogy itt egyáltalán nem ok-okozati viszonyról beszélünk, csak korrelációról.

Grafika: Tóth Róbert Jónás

A kutatók csaknem ötezer nagy cég több mint negyvenezer igazgatótanácsi kinevezését használták fel a tanulmányhoz. Kimenetelnek az igazgatók későbbi szavazásokon való szereplését és a cég későbbi teljesítményét tekintették, emellett összehasonlították a kinevezett igazgatótanácsi tagokat kisebb „szomszédos” cégek menedzsereivel, akik potenciális vezetői lehettek volna a vizsgált vállalatnak is. 

A tanulmány készítői a gépi tanulás felhasználásával saját értékelésük szerint végül elég jól meg tudták jósolni, kiből lenne jó vezető. Többekről például azt jelezték előre, hogy nem fognak annyira jól szerepelni. Akiket az algoritmus az alsó tizedbe jósolt, átlagosan a negyedik tizedben szerepelnek a valóságban, akiket pedig a felső tizedbe jósoltak, átlagosan a hetedik tizedben szerepelnek a valóságban.

Nem kizárt tehát, hogy hasznos lenne, ha a kinevezéseknél és előléptetéseknél alkalmaznák ezeket a módszereket. Annál is inkább, mert a gépi helyett kézi módszerrel választott igazgatók, akik később aztán nem szerepelnek jól a részvényesek szavazásain, nagy eséllyel jó kapcsolatokkal rendelkező pénzügyes férfiak, akik több igazgatótanácsban is tagok. A gépi módszer így a diszkrimináció csökkentésében is segíthet az öreg fehér férfiak klubjában.

Kalifornia lépett egy merészet, 16 hétre növelte a fizetett szülési szabadságot

Amerika sok szempontból eléggé civilizálatlan hely: az egyetlen fejlett ország, ahol nincs mindenkinek egészségbiztosítása, évente huszonötször annyi embert lőnek le, mint a többi fejlett országban, és nincsen országos fizetett szülési szabadság sem. Egy friss tanulmányban azt vizsgálták, mi történt az ország legnépesebb államában, Kaliforniában, amikor megpróbálkoztak, ha nem is a fegyverek betiltásával vagy egy mindenkire kiterjedő egészségbiztosítási rendszerrel, de legalább a fizetett szülési szabadsággal.

Sarah Bana (University of California, Santa Barbara), Kelly Bedard (University of California, Santa Barbara) és Maya Rossin-Slater (Stanford) a 2005 és 2014 között szülő nők részletes szülésiszabadság- és kereseti adatait használta a 2000-től 2014-ig tartó időszakból. 

Mint mindig, az adatokat ezúttal is óvatosan kellett kezelni, mert nem lehet csak úgy összehasonlítani a „gyest” felvevő nők későbbi életpályáját azokéval, akik inkább gyorsan visszamentek dolgozni, hiszen sok egyéb tényezőben is különbözhetnek (ami a közgazdaságtan tipikus identifikációs problémája). A gyors vagy lassú visszatérés a munkába ugyancsak másféle jelentéssel rendelkezik Amerikában, mint itthon: a 2004-es jogszabály, amelynek hatásait a kutatók vizsgáltak, 10 hétről kemény 16 hétre emelte a fizetett szabadság hosszát, tehát még a reform után is csak szűk 4 hónap fizetett szabadság járt. (Összehasonlításképpen Magyarországon két évre rövidítették a gyes időtartamát, és a gyed is két évig jár.) 

Mivel feltehető, hogy a munkába gyorsan vagy lassan visszatérő nők között elég nagy különbségek vannak, a kutatók nem őket hasonlították össze, hanem azt vizsgálták, milyen hatással volt későbbi életükre az ellátás összege. A juttatás évi 79 300 dollár keresetig annak 55 százaléka, tehát legfeljebb heti 840 dollár volt, ennél magasabb fizetésnél pedig mindenkinél heti 840 dollárban maximálták az összeget.

Arra jutottak, hogy a magasabb kifizetéseket kapó nők nem maradtak tovább otthon, és nem szenvedtek hátrányt a későbbiekben a munkaerőpiacon. Sőt egy-két évvel később egy kicsit nagyobb eséllyel dolgoztak és vettek ki újra hosszabb szülési szabadságot.

A szerző a Harvard Egyetem PhD-hallgatója.  

Ola Rosling sztárstatisztikus kiderítette, hogy nem tudunk többet a majmoknál

Budapesten tartott előadást a Tények (Factfulness) című sikerkönyv társszerzője. A könyv és az előadás alapján a világ sokkal jobb hely, mint ahogy általában hisszük: a Nobel-díjas kutatók és a hétköznapi halandók is alapvetően el vannak tájolva a valósággal kapcsolatban. Tizenhárom egyszerű kérdésből a legtöbben alig néhányra tudják a választ.