Traduzione in italiano di Domenico Pastore dall’essay originale di Paul Graham "A Way to Detect Bias" [Ottobre 2015].

Per molti sarà una sorpresa, ma in alcuni casi è possibile individuare i pregiudizi in un processo di selezione senza conoscere nulla del gruppo di candidati. Il che è entusiasmante perché, tra le altre cose, significa che terze parti possono usare questa tecnica per rilevare i pregiudizi, indipendentemente dal fatto che coloro che effettuano la selezione lo vogliano o meno.

È possibile utilizzare questa tecnica ogni volta che (a) si dispone di almeno un campione casuale dei candidati selezionati, (b) si misura il loro rendimento successivo e (c) i gruppi di candidati che si stanno confrontando hanno una distribuzione approssimativamente uguale delle capacità.

Come funziona? Pensate a cosa significa essere parziali. Se un processo di selezione è prevenuto nei confronti dei candidati di tipo x, significa che è più difficile per loro farcela. Ciò significa che i candidati del tipo x devono essere migliori per essere selezionati rispetto ai candidati non del tipo x. Ciò significa che i candidati del tipo x che riescono a superare il processo di selezione dovranno essere migliori degli altri candidati selezionati. E se si misurano le prestazioni di tutti i candidati selezionati, si saprà se lo fanno.

Naturalmente, il test utilizzato per misurare le prestazioni deve essere valido. In particolare, non deve essere invalidato dal pregiudizio che si sta cercando di misurare. Ma ci sono alcuni ambiti in cui è possibile misurare le prestazioni, e in questi la rilevazione dei pregiudizi è semplice. Volete sapere se il processo di selezione è stato influenzato da un certo tipo di candidati? Verificate se questi hanno ottenuto risultati migliori degli altri. Questa non è solo un'euristica per individuare i pregiudizi. È il significato di pregiudizio.

Ad esempio, molti sospettano che i fondi di venture capital siano prevenuti nei confronti delle fondatrici donne. Sarebbe facile individuarlo: tra le società in portafoglio, le startup con fondatrici donne vanno meglio di quelle senza? Un paio di mesi fa, una società di venture capital ha pubblicato (quasi certamente involontariamente) uno studio che mostra questo tipo di pregiudizio. First Round Capital ha rilevato che, tra le società in portafoglio, le startup con fondatrici donne sono andate meglio di quelle senza del 63%.

Il motivo per cui ho esordito dicendo che questa tecnica sarebbe stata una sorpresa per molti è che raramente si vedono analisi di questo tipo. Sono certo che il fatto che First Round ne abbia eseguita una sarà una sorpresa per tutti. Dubito che qualcuno si sia reso conto che, limitando il campione al proprio portafoglio, stava producendo uno studio non sulle tendenze delle startup, ma sui propri pregiudizi nella loro selezione delle aziende.

Prevedo che questa tecnica verrà utilizzata sempre più spesso in futuro. Le informazioni necessarie per condurre tali studi sono sempre più numerose. I dati su chi si candida sono di solito strettamente custoditi dalle organizzazioni che li selezionano, ma oggi i dati su chi viene selezionato sono spesso disponibili pubblicamente a chiunque si prenda la briga di aggregarli.

Note