Maken AI en machine learning het wervingsproces eerlijker?

Roderick Beudeker versterkte afgelopen jaar het AI en machine learning-team van het World Eco-nomic Forum’s Centre for the Fourth Industrial Revolution (C4IR) in San Francisco. Hij hield zich voornamelijk bezig met nieuwe technologieën in recruitment en hoe deze op een verantwoorde manier geïmplementeerd kunnen worden in het bedrijfsleven.

Helaas gooide de coronacrisis halverwege roet in het eten maar gelukkig kon hij het project vanuit Leiden afmaken. Zo hielp hij bij de ontwikkeling van een nieuwe tool voor HR-professionals en schreef hij mee aan een paper over wetgeving. Beudeker: “En vooral dat laatste is heel belangrijk, want AI en machine learning in recruitment zijn mooi, maar er zijn wel een aantal zaken die gereguleerd moeten worden, wil AI en machine learning op een verantwoorde wijze ingezet kunnen worden.”

Eerlijker wervingsproces

AI en machine learning kennen binnen recruitment verschillende vormen en tools. Zo is er bijvoorbeeld een simpele toepassing die in een paar seconden honderden cv’s kan scannen. Deze maakt als het ware een eerste schifting. Handig, wanneer er duizenden mensen op een openstaande vacature solliciteren. “De tool scant cv’s op bepaalde woorden of patronen. Daar selecteert hij dan ‘de beste’ uit’’, zegt Beudeker. Dit is een tool die heel wat bedrijven makkelijk kunnen gebruiken.

Maar er zijn ook meer geavanceerde technologieën, die uitsluitend grotere bedrijven kunnen inschakelen. “Denk bijvoorbeeld aan een tool die begint bij een aantal topperformers binnen de organisatie. Door medewerkers die bovengemiddeld presteren een test te laten maken kan de tool op basis van de resultaten een algoritme creëren. Op die manier werf je mensen met dezelfde kenmerken als de topperformers die je al aan boord hebt’’, legt Beudeker uit.

Zo’n tool moet het wervingsproces eerlijker maken. “Uit verschillende onderzoeken blijkt dat veel keuzes binnen een selectieproces vooringenomen zijn. Al dan niet onbewust. Daardoor krijgen bepaalde groepen geen eerlijke kans.” AI-tools moeten dus helpen bij het maken van een objectieve keuze. Maar dat is volgens Beudeker zeker niet altijd het geval. “De tools zijn gebaseerd op data die afkomstig is uit de echte wereld waar vooringenomenheid nou eenmaal zit ingebakken. Dat wil zeggen dat die vijf topperformers het resultaat kunnen zijn van jarenlange oneerlijke keuzes.”

Kanttekeningen

Volgens Beudeker kunnen er nog wel een paar andere kritische kanttekeningen worden geplaatst met betrekking tot AI binnen recruitment. Zo is dataprivacy een belangrijk onderwerp, dat volgens hem altijd op gespannen voet staat met AI. “Hoe meer data je hebt, hoe accurater het resultaat. Maar dat staat haaks op de gedachten achter dataprivacy, waarbij je zo min mogelijk persoonlijke gegevens van mensen mag verwerken’’, aldus Beudeker. Daarnaast zijn sommige systemen zo complex, dat de mens niet altijd meer kan achterhalen welke factoren een algoritme heeft meegenomen in de uiteindelijke keuze. Dat maakt het moeilijk voor recruiters om daaruit voortvloeiende beslissingen uit te leggen.

Een ander potentieel probleem is dat dergelijke besluitvorming niet volledig geautomatiseerd wordt. Er moet dus altijd een medewerker tussen zitten. “Die persoon moet heel goed begrijpen hoe die systemen in elkaar zitten. De gemiddelde werknemer moet daar behoorlijk voor worden bijgeschoold. Daarbij komt ook dat je sterk in je schoenen moet staan om een aanbeveling van een systeem naast je neer te leggen en zelf een andere keuze te maken.”

Op het moment dat iemand geselecteerd is voor een functie, moet het echte werk nog beginnen. Hoe functioneert een nieuwe medewerker nou werkelijk binnen je bedrijf? Dat is volgens Beudeker ook een sociaal proces. “Een algoritme kan in theorie de perfecte medewerker vinden. In realiteit hebben collega’s en managers altijd invloed op het functioneren van iemand’’, besluit Beudeker.

Sausje van objectiviteit

Op het vlak van wetgeving doet Europa het volgens Beudeker goed. “Er wordt wetgeving opgesteld en geïmplementeerd, waardoor bedrijven meteen weten waar ze rekening mee moeten houden. Het wordt dus eerst goed gereguleerd om het daarna verantwoord te gaan gebruiken. Dat is in de VS wel anders’’, vertelt Beudeker. “Daar maken ze wetten wanneer uit de praktijk blijkt dat het nodig is. Dat maakt het lastiger voor bedrijven die dergelijke tools gebruiken. Zij moeten namelijk op de voet volgen wat er verandert qua wet- en regelgeving.”

Bedrijven moeten zich volgens Beudeker continue realiseren wat de mogelijke risico’s zijn. “Ik geloof erg in de potentie van AI-systemen. Het is goed dat nieuwe technologieën het recruitmentproces eerlijker maken. Maar er is wel nog wat voor nodig om de resultaten te bereiken die we voor ogen hebben. Wetgeving alleen is niet voldoende. Kennis over deze systemen is noodzakelijk. We mogen er niet zomaar een sausje van objectiviteit overheen gieten. Er moet oog zijn voor de werkelijkheid waar systemen op gebaseerd zijn. Pas dan kunnen we bepaalde oneerlijke patronen doorbreken en deze tools optimaal benutten’’, besluit Beudeker.