algoritmes

Voice-assistants die het sollicitatiegesprek overnemen. Algoritmes die de perfecte kandidaat voor een vacature voorspellen. De mogelijkheden van AI voor werving en selectie van werknemers lijken eindeloos. Hoe ziet de toekomst van deze ontwikkeling eruit? Om de dilemma’s rondom de digitalisering van de arbeidsmarkt inzichtelijk en invoelbaar te maken, zette de NSvP samen met SETUP een Makers-Challenge uit. Vier multidisciplinaire ontwerpteams van experts, kunstenaars en andere creatieve makers zijn gevraagd een werk te maken om dit thema goed, urgent en uitdagend te verbeelden.

Matthijs Bal schrijft over de psychologische aspecten van technologie; meer specifiek over de vier fundamentele fantasieën die bestaan ten aanzien van de rol van technologie in werk en maatschappij. Technologie heeft een onmiskenbare rol gespeeld in de globalisering, en speelt ook een belangrijke rol bij andere grote uitdagingen van onze tijd: klimaatverandering en maatschappelijke ongelijkheid. Maar wat heeft de organisatiepsycholoog nu te zeggen over technologie en de rol van technologie in werk en maatschappij? 

Algoritmes die sollicitatiebrieven beoordelen. Voice-assistants die het sollicitatiegesprek overnemen. Het voorspellen van de perfecte kandidaat voor een vacature. De mogelijkheden van AI voor werving en selectie van werknemers lijken eindeloos. Hoe ziet de toekomst van deze ontwikkeling eruit? En hoe faciliteert – of frustreert – AI de diversiteit op de arbeidsmarkt?

Waar we in eerdere artikelen spraken over hoe het gebruik van data mining en algoritmes onbedoeld kan leiden tot discriminatie bij de werving en selectie van personeel, draait dit laatste mechanisme de rollen een beetje om. Algoritmes bieden namelijk handvatten om juist bewust te discrimineren. We bespreken het laatste mechanisme genoemd door onderzoekers Barocas en Selbst: masking. 

- De Challenge AI x Recruitment is inmiddels gesloten voor inschrijving -  Demonstreer de bijdrage van AI aan een betere en meer inclusieve arbeidswerking ten opzichte van traditionele recruitmentprocessen. Wat is de meerwaarde van algoritmes / AI binnen werving & selectie? De NSvP Challenge AI x Recruitment staat open tot en met 4 september 2019!

Black boxes bij AI treden op wanneer machine learning systemen beslissingen maken die door de gebruiker niet duidelijk of vanzelfsprekend zijn. Het gebruik van de zelflerende algoritmes kan onbedoeld leiden tot discriminatie of een gebrek aan vertrouwen. Transparantie, verklaarbaarheid, verantwoordelijkheid zijn belangrijke kenmerken voor een begrijpelijk en uitlegbaar AI-systeem. Waarom gebruikt niet iedereen Explainable AI?

De aanwezigen hebben hun kennis over algoritmische toepassingen de hele middag flink bijgespijkerd. Men heeft een inkijkje gekregen van de mogelijkheden, welke gevaren er op de loer liggen, en welke kansen AI kan bieden. Bovendien heeft men op ludieke wijze ervaren hoe het is om door algoritmes beoordeeld te worden. Maar heb je hier als sollicitant nou eigenlijk nog invloed op? Kun je een algoritme bijvoorbeeld voor de gek houden?

Een algoritme is een eindige reeks instructies die vanuit een gegeven begintoestand naar een beoogd doel leiden.

Onze hersenen zijn in de basis ook algoritmes. Vanuit een reeks instructies, die we vaak onbewust geven, komen we tot een conclusie, bijvoorbeeld wie we uitnodigen voor een sollicitatiegesprek of wie na zo'n gesprek de baan krijgt.

Proxies zijn cijfers die correlaties aanduiden tussen bepaalde concepten, waardoor ze voor een algoritme dienen als een soort voorspellers. Blond haar is bijvoorbeeld een proxy voor een blank huidtype. Aan de hand van zulke correlaties worden mensen ingedeeld in groepen. Er ontstaan patronen waaruit blijkt dat bepaalde groepen gemiddeld slechtere prestaties, vaardigheden of capaciteiten vertonen, met als gevolg een systematische uitsluiting van die groepen. Wat kunnen we eraan doen?

Als je algoritmes wil gebruiken om iets automatisch te voorspellen, moet je de wereld vereenvoudigen om het in programmeertaal te kunnen vastleggen. Bijvoorbeeld: wil je een slimme kandidaat - neem iemand met een universitair diploma. Organisaties maken dus keuzes over welke indicatoren ze opnemen in hun algoritmische analyses. Dit keuzeproces wordt ‘feature selection’ genoemd. Omdat algoritmes een vereenvoudigde wereld vereisen, kunnen biases ontstaan. Deel 3 uit een serie van vijf.