Illuminate Adelaide 2026 के हिस्से के रूप में आयोजित ऑटोमेशन बायस कार्यक्रम में स्टूडियो ENESS द्वारा HP*ATM की एक इंटरैक्टिव इंस्टॉलेशन प्रस्तुत की गई थी। यह मशीन, जिसे ह्यूमन साइकी एआई टेलर मशीन कहा जाता है, इस बात पर ध्यान आकर्षित करती है कि मानवता कृत्रिम बुद्धिमत्ता के साथ कैसे बातचीत करती है, यह विश्लेषण करते हुए कि लोग उन बुद्धिमान प्रणालियों के साथ व्यक्तिगत जानकारी साझा करने के लिए कितने तैयार हैं जो दावा करती हैं कि वे व्यक्ति की पहचान को समझते हैं।
दर्शक पहले यह तय करते हैं: मशीन के साथ इंटरैक्ट करना है या आगे बढ़ना है। यह चुनाव मशीन द्वारा सहमति और जिज्ञासा के संबंध में अध्ययन का हिस्सा है। जो लोग जारी रखने का निर्णय लेते हैं, वे चेहरे के विश्लेषण, हथेली स्कैनिंग और बटन दबाने सहित चरणों की एक श्रृंखला से गुजरते हैं। सिस्टम एकत्र किए गए डेटा का उपयोग एक काव्यात्मक व्यक्तिगत प्रोफ़ाइल बनाने के लिए करता है, जिसे राशिफल के प्रारूप में प्रस्तुत किया जाता है।
भले ही पढ़ना पारंपरिक भविष्यवाणियों की भाषा का अनुकरण करता हो, यह कई प्रकार के व्यक्तिगत डेटा की व्याख्या और संग्रह पर आधारित है। इस इंस्टॉलेशन के माध्यम से ENESS का लक्ष्य एआई की आलोचना करना नहीं है, बल्कि आगंतुकों को इस तकनीक के साथ अपने संबंधों पर विचार करने के लिए प्रेरित करना है। एक पुराने एटीएम को एआई ओरेकल में बदलकर, इंस्टॉलेशन एक गेमिंग इंटरैक्शन फॉर्म का उपयोग करता है ताकि तीखे सवालों को उठाया जा सके, जैसे: 'हम मशीन की इस व्याख्या पर इतनी आसानी से क्यों विश्वास करते हैं कि हम कौन हैं?' और 'जब एक आत्मविश्वासी एल्गोरिथम हमारी अपनी अंतर्ज्ञान से अधिक विश्वसनीय लगने लगता है तो क्या होता है?'
इंस्टॉलेशन के डिज़ाइन में एटीएम को एक विशाल इन्फ्लेटेबल शेल में रखना शामिल है, जिसे लैंडलाइन फोन जैसी उदासीन ग्राफिक तत्वों से सजाया गया है। पुरानी तकनीकों और एआई के आधुनिक उछाल के बीच यह विरोधाभास इस बात की याद दिलाता है कि कोई भी तकनीक, चाहे वह कभी कितनी भी क्रांतिकारी क्यों न लगे, अंततः एक अवशेष बन जाती है।
विभिन्न अवसरों के लिए बायोडाटा भेजते और दस्तावेजों को अनुकूलित करते समय, उम्मीदवार अक्सर देखते हैं कि प्राप्त उत्तर समान होते हैं। स्टैनफोर्ड विश्वविद्यालय द्वारा किए गए एक शोध से पता चलता है कि यह समानता संयोग नहीं हो सकती है।
शोधकर्ताओं ने लाखों आवेदनों का विश्लेषण किया और निष्कर्ष निकाला कि विभिन्न कंपनियां ऐसे आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग कर सकती हैं जो समान स्वीकृति और अस्वीकृति मानदंड दोहराते हैं। 'एल्गोरिथमिक मोनोकल्चर इन हायरिंग' नामक इस शोध में 11 आर्थिक क्षेत्रों की 156 कंपनियों द्वारा 3.4 मिलियन से अधिक व्यक्तियों द्वारा जमा किए गए लगभग 4 मिलियन आवेदनों की जांच की गई।
पहचाना गया एक महत्वपूर्ण कारक यह था कि ये सभी संगठन एक ही प्रदाता द्वारा प्रदान किए गए एल्गोरिदम का उपयोग कर रहे थे। इस विवरण ने 'एल्गोरिथमिक मोनोकल्चर' नामक घटना की पहचान करने में मदद की, जो कृषि से प्रेरित शब्द है, जहां विशाल क्षेत्र केवल एक प्रकार की फसल के लिए समर्पित होते हैं। जब कई कंपनियां समान उपकरणों को अपनाती हैं, तो यह संभावना बढ़ जाती है कि वे मूल रूप से समान तर्क का पालन करते हुए उम्मीदवारों का मूल्यांकन करेंगे, जो मॉडल की अंतर्निहित सफलताओं और विफलताओं दोनों पर लागू होता है।
एक अन्य प्रासंगिक खोज समान उम्मीदवार प्रोफाइल से संबंधित है। अध्ययन के अनुसार, समान विशेषताओं वाले व्यक्तियों को अलग-अलग निगमों में नौकरियों के लिए प्रतिस्पर्धा करते समय भी सुसंगत मूल्यांकन प्राप्त होने की प्रवृत्ति होती है। प्राथमिक परिणाम बताते हैं कि चार चयन प्रक्रियाओं में भाग लेने वाले लगभग 10% उम्मीदवारों को उन सभी में अस्वीकार कर दिया जाता है। इसके अतिरिक्त, दस नौकरियों के लिए आवेदन करने वालों में से लगभग 4% लगातार दस अस्वीकृतियाँ झेलते हैं।
इन अस्वीकृतियों की आवृत्ति स्वतंत्र रूप से लिए गए निर्णयों में अपेक्षित आवृत्ति से अधिक होती है। यह ध्यान देने योग्य है कि कई बायोडाटा मानव भर्तीकर्ता द्वारा जांचे जाने से पहले ही हटा दिए जाते हैं। यह पुष्टि करने के लिए कि क्या यह व्यवहार यादृच्छिक था, शोधकर्ताओं ने डेटा की तुलना एक सैद्धांतिक आधार रेखा और एल्गोरिथम केंद्रीकरण के बिना भर्ती पर पिछले अध्ययनों से की, जिससे पता चला कि लगातार अस्वीकृतियाँ विभिन्न चयन प्रक्रियाओं के बीच एक सामान्य पैटर्न को दर्शाती हैं।
किए गए सिमुलेशन के अनुसार, बायोडाटा भेजना जारी रखना अभी भी फायदेमंद है। अध्ययन इंगित करता है कि आवेदन की मात्रा बढ़ाने से अवसर प्राप्त करने की संभावना में सुधार होता है, हालांकि यह लाभ कम हो जाता है जब कंपनियां समान सिस्टम का उपयोग करती हैं। एक ऐसे परिदृश्य में जहां निर्णय स्वायत्त होते हैं, कम से कम एक सकारात्मक सिफारिश प्राप्त करने की उच्च संभावना तक पहुंचने के लिए लगभग दस आवेदन पर्याप्त होंगे। हालांकि, जब प्रक्रियाएं केंद्रीकृत प्लेटफार्मों द्वारा मध्यस्थ होती हैं, तो 99.9% की संभावना सुनिश्चित करने के लिए यह संख्या बढ़कर लगभग 25 आवेदन हो जाती है।
लेखकों ने भर्ती के लिए लक्षित प्रौद्योगिकी बाजार के केंद्रीकरण पर भी एक चेतावनी जारी की है। चूंकि कुछ ही आपूर्तिकर्ता कई कंपनियों को सेवा प्रदान करते हैं, इसलिए मौजूद कोई भी पूर्वाग्रह या सीमा तेजी से फैल सकती है। इसके अलावा, इन प्लेटफार्मों की कम पारदर्शिता स्वतंत्र शोध को मुश्किल बनाती है और यह समझने को जटिल बनाती है कि ऐसे उपकरण रोजगार तक पहुंच को कैसे प्रभावित करते हैं, जबकि कई उम्मीदवारों के लिए, यह पूरी प्रक्रिया तब होती है जब वे यह नहीं जानते कि किसी एल्गोरिथम ने बायोडाटा का पहला विश्लेषण किया है।
