Yeni personel işe almak söz konusu olduğunda, büyük şirketler genellikle zaman ve kaynak gerektiren bir süreç olan yüzlerce aday arasından seçim yapmak zorundadır. Matematik bu prosedürleri kolaylaştırmaya yardımcı olabilir mi? En azından en geniş anlamda, muhtemelen evet.
Yayınlanan bir makale İstatistiksel Mekanik Dergisi: Teori ve Deney Boston Üniversitesi’nde istatistiksel bir fizikçi olan Pavel Krapivsky, her biri bir şirketin sahip olabileceği farklı hedeflere karşılık gelen üç işe alma stratejisini tanımlayan bir algoritma öneriyor.
Krapivsky ünlü “Sekreter Sorunu” veya “Optimal Evlilik Sorunu” ndan ilham aldı. Birçok versiyonundan birinde, bir prenses gelecekteki kocasını büyük bir resepsiyonda 100 adaydan oluşan bir havuzdan seçmelidir. Bununla birlikte, katı kurallar geçerlidir: Bir seferde sadece bir taliple karşılaşabilir ve onu tanımak için sınırlı zamanı vardır.
Her karşılaşmanın sonunda, talipi kabul edip etmeyeceğine derhal karar vermelidir. Önceki adayları tekrar ziyaret edemez, ne de başkalarını düşünürken beklemesini isteyemez. Prenses en iyi seçimi nasıl yapmayı umabilir?
Sır bir sayıdır: 37, kesin olarak (42 düşünürseniz elinizi kaldırın). Krapivsky, “100’ü 2.718’e bölersek, Euler’in sayısı – matematik tarihinin en ünlülerinden biri – yaklaşık 37’si elde ediyoruz.”
Pratik açıdan, bu, prensesin ilk 37 adayı değerlendirmesi ve reddetmesi gerektiği anlamına gelir. 38 numaralı adaydan başlayarak, daha önce tanıştığı herkesten daha iyi olan ilkini seçmelidir. Krapivsky’ye göre, bu strateji verilen kısıtlamalar altında mümkün olan en iyi sonucu garanti ediyor.
Yöntem o kadar güvenilir ki, Johannes Kepler bile ikinci karısını seçmek için kullanmış olmasına rağmen – sağlam bir kanıt olmasa da söylentiler. Krapivsky, “Sorunu çok ayrıntılı olarak inceledi, bunu kendi büyük araştırmasından ziyade bir yıl geçirdi ve sonra bir seçim yaptı.”
Krapivsky, sorunu daha modern bir bağlamda yeniden biçimlendirerek büyük şirketlerdeki işe alım uygulamalarına uyguladı. Temel fikir aynı kalır: Şirket, bir adayın kalitesini değerlendirmek için tek bir parametreye sahiptir ve bunları derhal işe almaya veya yeniden değerlendirmeden reddetmeye karar vermelidir. Dahası, bu modelde, yeni işe alınan çalışanlar reddedilemez.
“İnsanları kovmayı sevmiyorum,” diye şaka yapıyor. Sekreter sorunundan farklı olarak, burada adayların akışı sürekli ve potansiyel olarak sonsuzdur, bu da modeli, işe alım kararlarının acil iş ihtiyaçlarına göre verildiği modern işyerleri için daha gerçekçi hale getirir.
Çalışma üç farklı işe alım stratejisini araştırıyor:
- Maksimum İyileştirme Stratejisi (MIS), bir adayın ancak puanlarının daha önce işe alınan herhangi bir çalışanın puanından daha yüksek olması durumunda işe alındığını belirtir.
- Ortalama iyileştirme stratejisi (AIS), puanları mevcut tüm çalışanların ortalama puanını aşarsa bir adayın işe alınmasına izin verir. Yerel İyileştirme Stratejisi (LIS) ise, her bir adayın rastgele seçilen bir çalışan veya küçük bir işe alım komitesi tarafından değerlendirilmesini ve ancak puanları görüşmecinin veya tüm komite üyelerininkini aşması durumunda işe alınır.
Optimal evlilik probleminin aksine, en iyi tek bir strateji yoktur – bu seçim şirketin amacına bağlıdır. Amaç uzun vadeli kaliteyi en üst düzeye çıkarmaksa, MIS en iyi yaklaşımdır, ancak daha yavaş işe alım ile sonuçlanır. Öncelik kalite ve işe alma hızını dengelemekse, AIS makul bir uzlaşmadır. Hızlı işe alım kaliteden daha önemliyse, LIS en etkili stratejidir.
“Tabii ki, bunlar basitleştirmeler,” diye belirtiyor Krapivsky, “ama yine de yararlı olabilirler.” Makalede sunulan gibi bir model, örneğin, sosyal ağlarda ve dijital platformlarda kullanılan algoritmaların temelini oluşturabilir.
Bunlar sadece LinkedIn gibi iş aramaları için tasarlanmış platformları veya Tinder gibi flört uygulamaları, geçmiş “kaydırma” na dayalı gelecekteki maç önerilerini de uyarlamakla kalmaz, aynı zamanda içerik seçimi, kaynak yönetimi ve yapay zekayı yönetenleri de içerir.
Krapivsky, “Bunların çoğu aslında YouTube’da izlediğimizi önerenler gibi çok basit algoritmalara dayanıyor.”
