Toekomst van werk

Wat een algoritme leert, hangt af van de ‘trainingsdata’ waaraan het is blootgesteld. Deze gegevens trainen het algoritme om zich op een bepaalde manier te gedragen. De kwaliteit en waarde (en neutraliteit) van de ingevoerde data is hierbij dus essentieel. Dit valt onder te verdelen in twee categorieën: ‘labelling examples’ en ‘data collection’. Deel 2 in de (5-delige) serie Waarom AI niet neutraal is.

Organisaties gebruiken data als input voor algoritmes, die hen vervolgens kunnen ondersteunen in het maken van keuzes. Stel, een organisatie wil uit een grote groep potentiële medewerkers een selectie maken van 'goede' werknemers. Hoe definieer je ‘goed’ in meetbare eigenschappen? Is een goede werknemer iemand die de meeste producten verkoopt? Iemand die nooit te laat komt? In eerste instantie lijken dit redelijke overwegingen in het voorspellen van ‘goede’ werknemers, maar uitsluiting van groepen mensen is hierbij reëel. Deel 1 uit een serie: Waarom een doelvariabele kan leiden tot (onbedoelde) discriminatie.

Aanpassen aan onbekende omstandigheden kan een interessante uitdaging zijn, of juist een stressvolle, moeilijke situatie. Zeker wanneer het gaat om iets dat zo belangrijk is als je werk. Het proefschrift ‘Ready for the Change’ van Anna van der Horst is geschreven om mensen en organisaties te helpen zich beter voor te bereiden op veranderingen in werk. Welke vaardigheden en gedrag dragen bij aan een succesvolle loopbaan? Voor welke mensen is het makkelijk of juist moeilijk om dit gedrag te laten zien? Het proefschrift presenteert verschillende interventies die je helpen dit gedrag te versterken om zo beter passend werk te vinden.

De traditionele werving en selectie, waarbij HR-medewerkers zelf een CV en motivatiebrief lezen en beoordelen, heeft plaatsgemaakt voor het zogenoemde e-recruitment of ATS (Applicant Tracking System). Door middel van algoritmes worden CV’s en motivatiebrieven gescand op bepaalde vaardigheden of kenmerken. De kandidaat wordt op basis van deze analyse afgewezen of uitgenodigd voor een sollicitatiegesprek. Maar wordt deze manier van afwijzen als eerlijk ervaren? Een uiterst relevante vraag, want de sollicitanten zijn een belangrijke groep die met AI te maken krijgt en hun ervaring is bepalend voor maatschappelijke acceptatie van de inzet van AI bij recruitment.

Maakonderwijs is leren (door te) maken. Het stimuleert hoofd, handen en hart. Door de verbinding tussen creativiteit en hedendaags technologie kunnen kinderen zich beter ontwikkelen: kennis wordt meteen toegepast en ingezet voor het maken van dingen die ze leuk vinden. Sacha van Tongeren blikt terug op de pilot van het trainingstraject Maakplaats 021 Fellowship. Het fellowship programma is een praktijkvoorbeeld dat antwoord geeft op de challenge-vragen gesteld door de NSvP en Instituut Gak over het leren van de toekomst.

In het werving en selectieproces is in de afgelopen eeuw veel kennis ontwikkeld over het beoordelen en meten van geschiktheid, het kritisch toetsen van instrumenten op validiteit en betrouwbaarheid, en het terugdringen van bias. Er doet zich nu een nieuw fenomeen voor: de inzet van AI in recruitment en selectieprocedures. Claims zijn dat dat sneller, effectiever en met minder bias plaatsvindt dan met de tussenkomst van mensen. Opvallend is dat de ICT bij de ontwikkeling van algoritmes een belangrijke rol speelt, maar dat de link naar bestaande kennis vanuit de personeelsselectie weinig wordt gelegd. Wat is er nodig om de uitspraken over geschiktheid op zijn merites te kunnen toetsen en hoe kan door samenwerking tussen personeelspsychologie en ICT de kwaliteit verbeterd worden?

Het antwoord op de vraag hoe een inclusieve en duurzame arbeidsmarkt gerealiseerd kan worden, is complex. De NSvP zet zich in voor een menswaardige toekomst van werk: een inclusieve arbeidsmarkt ligt daar aan de basis van. Marieke Stolp (universiteit Leiden) schreef in opdracht van de NSvP een Vooronderzoek Basisbaan. Ze onderzoekt vanuit wetenschappelijk psychologisch perspectief wat de betekenis van werk is voor de mens, en omgekeerd, wat de psychologische effecten zijn van exclusie op werkzoekenden. Hoe werkt het nu, wat werkt er niet en waarom niet? Hoe zou de basisbaan kunnen bijdragen aan het huidige beleid, en wat zijn de verwachte maatschappelijke en psychologische opbrengsten?

Jaap Wilmink, docent engineering aan MBO Rijnland, ontwikkelde het vak ‘Inspelen op Innovatie’ voor het MBO. Het doel? Studenten bewust maken van de veranderende toekomst van werk, technologie en de rol die zij hierin spelen. In het vak komen fenomenen als biohacking en Artificial Intelligence aan de orde, maar voornamelijk wordt studenten een spiegel voorgehouden om ze bewust te maken van de realiteit van de arbeidsmarkt. ‘’De tijd dat we rustig in een kamertje individueel onze prachtige ideeën uitwerken, is voorbij.’’ 

Hoe kunnen jongeren zich eerder en beter voorbereiden op werk en ondernemerschap? Hoe verbinden we aankomend en gesetteld talent?Hoe kunnen jongeren zich blijven ontwikkelen, ook buiten werk en school om? Drie maatschappelijke projecten ontvingen in 2016 subsidie van de NSvP om deze vraagstukken aan te pakken. Welke kennis en inzichten hebben de projecten opgeleverd?

Hoe ziet de arbeidsmarkt van vandaag en morgen eruit en hoe kunnen we die zo optimaal mogelijk maken voor iedereen? Zo’n 170 beleidsmedewerkers en onderzoekers kwamen samen om hierover van gedachten te wisselen tijdens een symposium van stichting Instituut Gak. Volgens hen is de grootste uitdaging op de arbeidsmarkt over tien jaar ongelijkheid, op de voet gevolgd door tweedeling en mismatch.