Intersekcionalnost u procesima odjela za ljudske resurse: zapošljavanje i selekcija

Sada kada smo obradili teorijske osnove i značenje intersekcionalnosti, vrijeme je da vidimo kako ovaj koncept možemo konkretno primijeniti unutar procesa koji provodi odjel za ljudske resurse, s naglaskom na faze zapošljavanja i selekcije. Intersekcionalni pristup u ljudskim resursima ne znači samo prepoznavanje raznolikosti među kandidatima, već i aktivno uklanjanje prepreka koje osobe s isprepletenim identitetima mogu doživjeti.

Neke od najčešćih prepreka u zapošljavanju i selekciji:

1. Nesvjesne pristranosti – Stručnjaci za zapošljavanje i menadžeri, iako nenamjerno, mogu donijeti odluke pod utjecajem stereotipa vezanih uz spol, etnicitet, dob, izgled, način govora ili obrazovni put kandidata. (npr. Žene se češće isključuju za tehničke uloge zbog pretpostavki o manjoj tehničkoj sposobnosti.)
   
   
2. Neuključivo oglašavanje radnih mjesta – Jezik oglasa može biti rodno pristran, kulturološki isključiv ili napisan tako da se određene skupine ne osjećaju pozvano prijaviti. Iako je namjera bila neutralna, jezik može nesvjesno isključivati određene skupine. (npr. Rodno pristrani izrazi poput dominantan ili strateški orijentiran privlače više muškarce, dok suradljiv ili strpljiv privlače žene.)

Također, poslodavci često (nesvjesno) navode dugačke popise vještina, znanja ili osobina koje zapravo nisu ključne za obavljanje tog konkretnog posla. Kad se u oglasu traži previše ili suviše specifične (a za obavljanje tog posla nepotrebne) zahtjeve, to može obeshrabriti ili isključiti neke od kandidata. Bolja opcija bila bi primarno se fokusirati na one kompetencije koje su stvarno ključne za uspješno obavljanje posla i jasno ih opisati jednostavnim, razumljivim jezikom. Umjesto širokih zahtjeva, korisno je navesti što će osoba konkretno raditi i koje su minimalne vještine potrebne, uz napomenu da su dodatne vještine poželjne, ali ne i nužne.

3. Standardizirani kriteriji koji ne uzimaju u obzir različite životne okolnosti –
   Zahtjevi poput kontinuiranog radnog staža ili radnog iskustva u inozemstvu mogu nesrazmjerno isključiti kandidate koji su, primjerice, zbog brige o djeci, bolesti ili migracijskih okolnosti imali netipične karijerne puteve. Također, intervju isključivo putem Zooma ili Teamsa može isključiti kandidate koji nemaju stabilnu internetsku vezu, računalo ili miran prostor. Dodatni primjeri uključuju intervju zakazan isključivo u radnom vremenu koji može biti nepristupačan kandidatima koji trenutno rade, skrbe o djeci ili imaju druge obaveze, kao i ocjenjivanje neverbalne komunikacije kao kriterij (kontakt očima, gestikulacija) može biti kulturno pristrano i isključujuće prema neurodivergentnim osobama.
   
   
4. Algoritamska pristranost – Automatizirani alati za selekciju kandidata mogu reproducirati postojeće društvene nejednakosti ako su trenirani na podacima koji odražavaju pristrane obrasce, zbog čega se neki kandidati automatski isključuju iz procesa selekcije bez stvarne prilike za evaluaciju njihovih kompetencija.
   
   
5. Nedostatak raznolikosti u selekcijskim timovima – Kada odluke o zapošljavanju donosi homogena skupina ljudi, prirodno je da, često nesvjesno, favoriziraju osobe koje izgledaju, razmišljaju ili se ponašaju slično njima. To nije nužno zlonamjerno, već jednostavno odražava način na koji naš mozak funkcionira kroz obrasce prepoznavanja i sigurnosti, no upravo zato je važno svjesno graditi raznolike timove kako bi se smanjile takve nesvjesne pristranosti.

Važno je naglasiti kako sve navedene prepreke ne moraju nužno proizlaziti iz intersekcionalne isključenosti. Neke od njih mogu biti rezultat općeg nedostatka uključivosti u organizacijskim praksama. No važno je razvijati svijest o složenosti identiteta, kako bi se prepoznale suptilne, ali važne razlike u iskustvima pojedinaca te izbjegli potencijalni previdi u dizajnu procesa u odjelima za ljudske resurse. Prepoznavanje ovakvih prepreka prvi je korak prema stvaranju pravednijih praksi zapošljavanja.

U nastavku navodimo neke od općih pristupa koji mogu poslužiti kao temelj te se dalje razvijati i prilagođavati vašem radnom okruženju.

• Edukacije o nesvjesnim pristranostima

Organiziranje edukacija i radionica o nesvjesnim pristranostima za sve osobe uključene u zapošljavanje pomaže u osvještavanju duboko ukorijenjenih stereotipa koji mogu utjecati na donošenje odluka. Dodatno rješenje može biti i blind hiring: uklanjanje imena, spola, dobi i fotografija iz životopisa prije selekcijskog postupka.

• Pisanje uključivih oglasa i oglašavanje putem različitih kanala

Oglasi za posao trebaju biti formulirani uključivim jezikom, bez izraza koji impliciraju bilo kakve preferencije, kako bi se svi kandidati osjećali dobrodošlo. Također, oglašavanje putem različitih kanala, uključujući suradnju s organizacijama koje rade s, primjerice, osobama s invaliditetom, migrantima ili LGBTIQ+ zajednicom osigurava da informacija o natječaju dosegne širu i raznolikiju publiku. Dodatna rješenja uključuju dodavanje rečenica poput “Pozivamo sve kvalificirane kandidate, bez obzira na pozadinu, da se prijave”, kao i korištenje alata za analizu jezika  (npr. Develop Diverse) za prepoznavanje pristranih riječi u oglasima.

• Fleksibilnost u kriterijima selekcije

Umjesto inzistiranja na tradicionalnim karijernim putovima i linearnim biografijama, važno je prepoznati vrijednost različitih oblika iskustava i znanja koje kandidati mogu donijeti. To uključuje volonterski rad, brigu o članovima obitelji, neformalno obrazovanje ili rad u alternativnim sektorima, što često ostaje nevidljivo u standardiziranim biografijama. Stoga je preporuka u oglasu staviti fokus na kompetencije umjesto iskustva. Primjerice, zamjena zahtjeva za 5 godina iskustva s dokazanom sposobnosti upravljanja projektima.

• Revizija i nadzor nad algoritamskim alatima

Digitalni alati i algoritmi koji se koriste u prvoj fazi selekcije trebaju biti pažljivo testirani kako bi se spriječilo da repliciraju postojeće predrasude. Ako koristite gotov (već istreniran) alat, važno je provjeriti na koji način on donosi odluke i koje varijable koristi, kako biste identificirali moguće izvore pristranosti. Ukoliko sami razvijate i trenirate algoritam (što znači da ga “učite” na određenim skupovima podataka), izuzetno je važno koristiti raznolike i reprezentativne podatke za trening. Na taj način smanjuje se rizik da algoritam nauči i dalje prenosi postojeće predrasude iz podataka. Ne oslanjajte se isključivo na AI – osobito u testnim fazama korištenja alata, nužna je ljudska nadzorna kontrola. Konačnu odluku o kandidatima treba donositi ljudski tim, a ne sam algoritam.

• Uključivanje raznolikih članova u selekcijske komisije i uvođenje strukturiranih, standardiziranih kriterija ocjenjivanja koji smanjuju subjektivnost

Kada selekcijske komisije uključuju osobe različitih identiteta i perspektiva, smanjuje se vjerojatnost grupnog mišljenja i nesvjesne pristranosti. Uvođenjem jasno definiranih, strukturiranih kriterija i standardiziranih upitnika, evaluacija kandidata postaje objektivnija i manje podložna subjektivnim procjenama. Rješenja mogu biti uključivanje zaposlenika različitih spolova, dobi, kultura i sposobnosti u selekcijske panele kao i trening o grupnoj dinamici i izbjegavanju grupnog razmišljanja.