AI en recruitment: twee handen op een buik of liefde van één kant?

Onderzoek van vandaag voor werkzoekenden van morgen

In 2019 besloot de NSvP om de jaarlijkse challenge te richten op het thema ‘AI binnen werving en selectie’. De NSvP daagde wetenschappers, (selectie)psychologen, data scientists, recruiters, HR-techspecialisten en overige partijen uit, om AI in de wereld van recruitment een stap verder te brengen. Een van de problemen van AI in recruitment is dat niet valt uit te leggen hoe een algoritme tot een oordeel over geschiktheid komt. In de praktijk bestaan er twijfels over AI: het zou bepaalde groepen op de arbeidsmarkt discrimineren en uitsluiten. Daarom stelde de NSvP twee vragen voor nader onderzoek: 1) hoe kan AI recruitmentbeslissingen beter en transparanter maken? En 2) hoe kan AI voor alle betrokkenen een meerwaarde zijn ten opzichte van traditionele werving- en selectiemethoden? De drie meest innovatieve voorstellen ontvingen een subsidie en een jaar de tijd om de door hun geformuleerde ‘deeluitdaging’ te onderzoeken. Een gesprek met de winnende initiatiefnemers: Janneke Oostrom (Vrije Universiteit Amsterdam), Jaap Jan van Assen (eelloo) en Jacqueline van Breemen (NOA).

Het toepassen van algoritmes op meer ‘softe’ sociale variabelen (zoals persoonlijke eigenschappen en vaardigheden) - in plaats van meetbare, feitelijke variabelen (zoals aantal jaar werkervaring) - als voorspellers van succes, is nog een groot grijs gebied.

Wat hebben de drie winnaars van de AI-challenge gemeen? Een gedeelde behoefte om tegen de stroom in te zwemmen. AI in recruitment is jong, AI in recruitment is nieuw, er is nog niet veel onderzoek naar gedaan en het onderzoek dát gedaan is, zegt nog niet genoeg om breed te kunnen toepassen, omdat AI in recruitment zoveel verschillende vlakken raakt. Je hebt immers nog steeds te maken met een menselijk oordeel (want wie bepaalt de variabelen voor het algoritme?), de daarbij horende biases, en als je niet goed oppast zelfs gekleurde datasets en discriminerende voorspellers. Het toepassen van algoritmes op de meer ‘softe’ sociale variabelen (zoals persoonlijke eigenschappen en vaardigheden) - in plaats van meetbare, feitelijke variabelen (zoals aantal jaar werkervaring) - als voorspellers van succes of gedrag is nog een groot grijs gebied. En daardoor voor de drie onderzoekers een drijfveer om juist hier nu mee aan de slag te gaan.

De huidige toepassing van AI in recruitment: nog veel ruimte voor verbetering

Trekt ieder bedrijf dat producten voor recruitment ontwikkelt zich de mogelijke onbetrouwbaarheid van huidige AI-technologieën in recruitment aan? Dat lijkt niet het geval. Er zijn genoeg bedrijven die pretenderen eerlijk en transparant te kunnen selecteren met de inzet van een algoritme, maar vervolgens niet delen (of precies weten) hoe ze dat doen en wat de exacte uitkomsten zijn. In werkelijkheid is de technologie veelal niet wetenschappelijk onderbouwd en mogelijk gestoeld op data die gebiased zijn, en daarmee de output ook. Het is natuurlijk makkelijk gezegd: ‘Ons algoritme selecteert de meest geschikte kandidaten’. Maar over de vraag hoe dit gebeurt zijn bedrijven vervolgens weinig transparant. En dat zou moeten veranderen, vindt ook Janneke Oostrom, arbeids- en organisatiepsycholoog en docent aan de VU: “Transparantie is zo belangrijk bij de toepassing van AI in recruitment. Want waar is het algoritme op gebaseerd? Algoritmes kopiëren, versterken soms zelfs. Het is van groot belang dat je als bedrijf goed nadenkt over welke informatie het algoritme moduleert.”

“Wanneer een algoritme kan helpen in kosten- en tijdbesparing: vooral doen. Mits deze uitgebreid is getest en onderzocht en het bedrijf transparant is over de inzet en uitkomsten.”

Met name analyses op videobeelden zijn momenteel populair; sommige organisaties claimen hun selectie hiermee te kunnen uitvoeren. Maar hier is de ontwikkeling van AI echt nog niet ver genoeg voor. Alhoewel het begrijpelijk is dat bedrijven AI aangrijpen: het grootste voordeel voor bedrijven is de kosten- en tijdbesparing. “Wanneer een algoritme daarbij kan helpen, vooral doen”, aldus Janneke. “Mits deze uitgebreid is getest en onderzocht en het bedrijf transparant is over de inzet en uitkomsten.”
Voor bedrijven is het belangrijk om ervan bewust te zijn dat afgewezen sollicitanten met een negatief oordeel kunnen achterblijven wanneer zij weten dat zij door AI - en dus een computer - zijn beoordeeld, in plaats van door bijvoorbeeld een assessmentpsycholoog. Want een nu afgewezen kandidaat kan na twee of drie jaar werkervaring wél je perfecte match zijn. De (mogelijke) acceptatie van sollicitanten door AI als selectiemiddel is precies wat Janneke en haar team onderzoeken. “Als we meer kennis hebben over de inzet van AI als selectiemiddel en hoe sollicitanten dit ervaren, kunnen bedrijven nog betere keuzes maken over hoe zij de meest geschikte kandidaten aantrekken, dus met inzet van AI of juist via de ‘vertrouwde’ selectiepsycholoog of recruiter.”

AI in recruitment: hoe het werkt

Hoe zet je een algoritme in als selectiemiddel, hoe werkt dat precies? Simpel gezegd: uit een bak met data probeert het algoritme voorspellingen te doen. Die bak met data bestaat uit gegevens, als bedrijf bepaal je welke gegevens je selecteert. Die ‘voer’ je aan het algoritme en zijn bepalend voor de output. Het AI-sausje is het zelflerende component: het algoritme probeert op basis van bekende én nieuwe data (je ‘voert’ het algoritme steeds bij) betere voorspellingen te maken. Met betrekking tot recruitment wil je van het algoritme graag weten wat de best passende uitkomsten zijn (of beter gezegd: wie dat zijn) en welke factoren daaraan ten grondslag liggen. AI voorspelt: ik heb de gegevens van deze honderd personen geanalyseerd, volgens mijn berekeningen zijn factoren y en z voorspellers voor succes in deze functie, daar kun je voortaan op selecteren. Assessmentpsychologen verklaren: blijkbaar doen deze honderd personen het goed in deze functie door factoren y en z, dat willen we verder onderbouwen zodat we daar voortaan op kunnen selecteren.

Als wetenschapper maak je een voorspelling, verzamel je data en toets je de voorspelling. AI analyseert een bak met data, maakt berekeningen en op basis daarvan vólgt een voorspelling.

De wetenschap en AI: twee tegenpolen?

De wetenschap verklaart, AI voorspelt. Ze werken precies in elkaars tegengestelde richting: als wetenschapper maak je een voorspelling, verzamel je data en toets je je voorspelling. Voor AI staat een bak met data klaar, berekeningen worden gemaakt en op basis daarvan vólgt een voorspelling. “Het is eigenlijk een botsing van culturen, dat fascineert mij”, vertelt onderzoeker en data analist Jacqueline van Breemen. “Ik wil graag een brug slaan tussen die ogenschijnlijk verschillende werelden. Mensen die AI in recruitment toe willen passen, moeten weten hoe ze het moeten gebruiken en waar ze op moeten letten. Daar draag ik graag aan bij.”
Het onderzoek van Jacqueline en haar collega’s van psychologisch advies- en onderzoeksbureau NOA gaat over de eerlijkheid van verschillende selectiemethodes. Ze leggen drie methodes naast elkaar: 1) de ‘ouderwetse’ manier, bijvoorbeeld selecteren op de uitkomsten van een IQ-test. 2) De toepassing van voorspellende regressiemodellen: we weten welke medewerkers van vorig jaar de meeste producten verkochten en ze scoren allemaal hoog op onderdeel A uit ons assessment; die eigenschap gebruiken we om te selecteren. 3) Machine learning modellen met persoonlijke variabelen: we voegen al deze eigenschappen toe aan het model, de computer bepaalt welke variabelen belangrijke voorspellers zijn en daar gaan we mee selecteren.
Het met elkaar vergelijken van de verschillende methoden is nog niet eerder gedaan, maar wat het onderzoek echt uniek maakt is het toepassen van dezelfde variabelen in alle drie de methodes. Hiermee proberen Jacqueline en haar collega’s aan te tonen of AI meer of minder biased is voor bijvoorbeeld leeftijd, gender of achtergrond dan de andere methoden. Deze conclusie heeft gevolgen voor de beslissing om AI in te zetten voor het werving- en selectieproces; is een efficiëntere methode ook net zo eerlijk?

AI de andere kant op: een groter gevoel van controle voor werkzoekenden

Net als voor Jacqueline, is die brug slaan tussen wetenschap en AI ook een belangrijke drijfveer voor Jaap Jan van Assen, psycholoog en business developer bij eelloo. Eelloo ontwikkelt technologie om de arbeidsmarkt vanuit mensen te organiseren. Zijn onderzoek neemt dan ook de werkzoekende als uitgangspunt. Waar de andere twee projecten zich richten op het matchen van selectieprocedures aan de behoeften van sollicitanten, en er dus vanuit gaan dat kandidaten zich al bij het bedrijf hebben gemeld, zit Jaap Jan daar nog een stap voor. “Wij zetten AI in voor vacatureteksten, en vragen werkzoekenden om de voor hun geselecteerde vacatures te beoordelen als wel of niet passend, en door woorden in de tekst als positief of negatief te markeren dit verder toe te lichten.” Hiervoor werkt het team samen met een bestaand vacatureplatform. Het algoritme leert door de feedback van de werkzoekende om steeds beter passende vacatures voor te stellen en is daarmee vooral van waarde voor de werkzoekende.

Met dit onderzoek geven we de werkzoekende de gelegenheid om zijn drijfveren en waardes centraal te stellen, en op die manier zelf te sturen richting de best passende functie.

Een belangrijk onderdeel is de uitleg aan de werkzoekende over de toepassing van het algoritme en zijn eigen invloed erop. “Als werkzoekende ervaar je, alleen al omdat je weet dat het zo is, meer controle op het werkzoekproces en kun je bij sollicitaties ook beter beargumenteren waarom jij bij de functie past.” En laat het ervaren van controle nu net een van de voorspellende factoren zijn voor proactief werkzoekgedrag. Dat daarmee ook betere matches worden gemaakt met bedrijven, is een mooie tweede.
Jaap Jan hoopt als effect uiteindelijk een omkering in het matchingsproces te realiseren. “Als bedrijven inzien dat door dit proces een werkzoekende op basis van veel betere argumenten op hun vacature is uitgekomen, staan ze hopelijk open voor meer onverwacht talent: een match gebaseerd op gedeelde waarden.” Nu selecteren bedrijven vaak nog op aantal jaar ervaring, opleiding en/of scores op een nauw functieprofiel. En hoewel dat belangrijke indicatoren kunnen zijn, zouden eigenlijk de persoon en zijn drijfveren centraal moeten staan. "Met dit onderzoek geven we in ieder geval de werkzoekende die gelegenheid: om zijn drijfveren en waardes centraal te stellen, en op die manier zelf te sturen richting de best passende functie."

Mee- in plaats van tegenzwemmen

Ongetwijfeld zullen deze drie projecten AI in de wereld van recruitment een stap verder brengen, waarbij de belangen van de werkzoekende of sollicitant niet uit het oog worden verloren of zelfs als uitgangspunt gelden. Als nog meer onderzoekers de brug tussen AI en de sociale wetenschap weten te slaan, dan zullen er steeds meer met deze ‘AI-in-recruitment-stroom’ meezwemmen, en hoeft er niemand meer tegenin te zwemmen. AI heeft voor recruitment veel potentie, dus het stimuleren van wetenschappelijk onderzoek is belangrijk. Zodat de werkzoekenden van de toekomst hun voordeel kunnen doen met het onderzoek van vandaag.