De grote belofte van Artificiële Intelligentie (AI) is dat hiermee bijvoorbeeld sneller, accurater, eerlijker en met meer tevredenheid van de sollicitant kan worden geworven, gematcht en geselecteerd. Maar hoe krijgen we meer inzicht in de werkelijke werking van AI en algoritmisering voor het verbeteren van recruitmentbeslissingen? Deze open vraag vormde de aanleiding voor de NSvP AI x Recruitment Challenge in 2019. Welke ideeën hebben we mogen ontvangen? En wie zijn de drie winnende partijen die dit jaar de uitdaging van de Challenge aangaan?
Afgelopen maanden daagde de NSvP wetenschappers, (selectie)psychologen, data scientists, recruiters en HR-tech specialisten uit om een betere en verantwoorde inzet van AI in de wereld van recruitment een stap verder te brengen. Hoe kan AI recruitmentbeslissingen beter en transparanter maken en voor alle betrokkenen een meerwaarde zijn ten opzichte van traditionele werving- en selectiemethoden? En waar zitten de grenzen aan geautomatiseerde beslissingen?
Winnaars NSvP Challenge
Uiteindelijk waren er 15 partijen die concreet de uitdaging wilden aangaan. De drie door het NSvP bestuur aangewezen winnaars zijn: Vrije Universiteit Amsterdam (Janneke Oostrom), eelloo (Jaap Jan van Assen) en NOA (Jacqueline van Breemen). De winnende voorstellen kenmerken zich door een sterke focus op onderzoek naar de acceptatie, eerlijkheid en wederkerigheid van AI in recruitment. Ze hebben alle drie ook op overtuigende wijze aandacht voor de rol van de mens in het recruitmentproces; zowel in de rol van recruiter/selecteur als in de rol van sollicitant/werkzoekende. Wat betekent AI voor beide kanten van de tafel? De winnaars ontvangen elk een subsidie van €10.000 om hun uitdaging verder uit te werken.
Sterke focus op onderzoek naar de acceptatie,
eerlijkheid en wederkerigheid van AI in recruitment
Acceptatie van AI?
Janneke Oostrom en collega’s (VU Amsterdam), Djurre Holtrop (Curtin University) en Ward van Breda (Sentimentics) laten zich uitdagen door de vraag of sollicitanten de oordelen op basis van nieuwe recruitmenttechnologie meer of minder zullen accepteren dan het menselijk oordeel van bijvoorbeeld een selectiepsycholoog. Het project zal bestaan uit een experiment naar de beoordeling van de geschiktheid voor een management-traineeship. Reageren sollicitanten anders als de match wordt gemaakt door een mens of door AI, waarbij het algoritme wordt toegepast op LinkedIn-profielen en video-interviews? En maakt het daarbij uit of men uiteindelijk geschikt of ongeschikt wordt bevonden? Uitkomsten zijn volgens de NSvP relevant voor een beter begrip over hoe (jonge) sollicitanten het vinden als AI een oordeel vormt over de geschiktheid van een mens.
Eerlijkheid van AI?
Jacqueline van Breemen en collega’s (NOA), AI-partner 3DUniversum en tekstschrijver Tamara Franke laten zich uitdagen door de vraag hoe we de eerlijkheid moeten wegen van selectiebeslissingen door drie verschillende selectiemethodes. Hoe anders is de lijst van geschikte kandidaten, wanneer er machine learning modellen worden gebruikt in plaats van meer traditionele technieken? Verschilt deze lijst van kandidaten erg van elkaar? Zo ja, op welke (persoons)kenmerken precies? Kortom: wat gebeurt er écht onder de motorkap van AI: komen er meer inclusieve, diverse keuzes of juist meer exclusieve keuzes in geschikte kandidaten in praktijk tot stand? Of maakt het geen verschil? Hiermee raakt dit project het hart van de challenge door eerst de vraag te stellen wat we eigenlijk mogen verwachten van AI. NOA streeft ernaar om de bevindingen van hun onderzoek zo toegankelijk mogelijk te maken – dus ook te bevatten als je niets van de werking van de specifieke (statistische) technieken afweet.
Wederkerigheid van AI?
Tot slot laten winnaars Jaap Jan van Assen en collega’s (eelloo), Oebele Bruinsma (WIJJIJ) en Ute Klehe (Justus-Liebig-Universität Gießen) zich uitdagen door de vraag hoe de kracht van AI kan worden ingezet om de informatiepositie van kandidaten zodanig te vergroten zodat het ook een effect heeft op proactief loopbaangedrag. Op een bestaand recruitment-platform waarop men kan zoeken naar banen die matchen met een eigen breed profiel, gaan gebruikers feedback geven op de passendheid van de aan hen voorgestelde vacatures. Enerzijds ‘leert’ het onderliggende algoritme daarmee persoonlijk betere aanbevelingen te doen. Anderzijds is de insteek om te onderzoeken of de activiteit van het feedback geven op zichzelf ook een interventie kan zijn om proactief loopbaangedrag te stimuleren. Zo kan AI in recruitment iets wederkerigs worden, waarbij ook werkenden en werkzoekenden zich meer de vraag gaan stellen waarom ze bepaalde banen wel of niet vinden passen. Kan de inzet van AI daarmee ook een bijdrage leveren aan de loopbaan(oriëntatie) op maat? En hoe werken we daarbij toe naar meer Explainable AI?
Bonusprijs Inspectie SZW
De Inspectie SZW krijgt binnenkort een wettelijke taak in het toezicht op discriminatie in het werving en selectieproces. Omdat automatisering en algoritmen niet alleen discriminatie kunnen voorkomen, maar deze ook kunnen veroorzaken, verdiept de inspectie zich ook in de mogelijkheden om toezicht op de in het werving en selectieproces gebruikte systemen te houden. Om die reden heeft de Inspectie SZW zich aangesloten bij de NSvP Challenge en een bonusprijs van € 7.500 beschikbaar gesteld. De Inspectie SZW heeft binnen de ingediende voorstellen vooral gekeken naar bijdragen die meer zicht geven op bias binnen AI en die de bewustwording over (mogelijke) discriminatie binnen die systemen vergroten.
Inspectie SZW heeft binnen de ingediende voorstellen vooral gekeken naar bijdragen die meer zicht geven op bias binnen AI en die de bewustwording over (mogelijke) discriminatie vergroten
Winnaars van deze bonusprijs zijn Sander Buijsrogge en collega’s (Deloitte) die mikken op het toegankelijk ontsluiten van basiskennis over AI in recruitment. In samenwerking met Annemarie Hiemstra (Erasmus Universiteit) en diverse specialisten op dit terrein worden verschillende thema’s to-the-point verpakt in professionele kennisclips. Kennisclips zijn bedoeld voor de brede doelgroep van recruiters – nationaal en internationaal – om hen voor te lichten over thema’s als bias, ethiek, accountability en verdere toekomstontwikkelingen op het gebied van AI in recruitment.
Overige inzendingen
De overige inzendingen in de NSvP Challenge zijn evenzeer van hoge kwaliteit. Het toont dat er veel partijen in Nederland op dit moment hard aan de weg timmeren met boeiende en relevante vragen. Wat waren hun vragen in deze Challenge? We tonen in willekeurige volgorde alleen de (organisatie)namen van de hoofdaanvragers, hoewel bij alle voorstellen meerdere kennis- of praktijkpartners betrokken zijn.
- The Selection Lab (Joeri Everaers) richt zich op juridische beroepen. Met een reeds bestaand platform wil men verder bouwen aan een selectiealgoritme dat eerlijker werkt richting meer diversiteit van kandidaten. Zij laten zich uitdagen door de vraag of zelflerende algoritmes hierbij beter werken dan klassieke logaritmische technieken.
- LTP (Marian de Joode) wil AI letterlijk een gezicht geven in de vorm van “Sigmund”, een sociaal intelligente robot die op basis van AI onbevooroordeeld analyseert, feedback geeft en adviseert. Een boeiende innovatie geïmporteerd uit Zweden, die onderzoeksvragen opwerpt over meerwaarde van de robot in het reguliere sollicitatie-proces. Bijvoorbeeld: welke rol zou “Sigmund” het best kunnen vervullen?
- Studentwork.io (Ranan Branbergen) richt zich op een nieuw platform die studenten accuraat, transparant en anoniem adviseert over (bij)banen, stages en vrijwilligerswerk in Nederland. De inzet van AI voor specifiek deze doelgroep wordt verkend.
- TNO (Joep van den Eerenbeemt) maakt werk van een Nederlandse Skills-taxonomie waarmee in een digitale applicatie mensen met een afstand tot de arbeidsmarkt makkelijker en breder kunnen navigeren naar passende banen of taken. De challenge-vraag is hoe in het matchingalgoritme de benodigde skills te wegen zijn in hun belang voor functies.
- Hogeschool van Amsterdam (Hafid Ballafkih) onderzoekt de rol van gamification als ondersteuning bij recruitmentbeslissingen. Met een game kunnen bij medewerkers de competenties in bestaande functies worden vastgesteld, om daarna met sollicitanten de AI gedreven game te gebruiken als assessmentinstrument. Het stelt vervolgens de passende kandidaten voor op basis van hun functiegerelateerde gamescores, waarmee menselijke bias wordt verkleind met het doel diverser talent te kunnen aantrekken.
- Game and Work (Maikel Abspoel) richt zich ook op de rol van gamification met name gericht op het testen, maar zeker ook verbeteren van soft skills (die van steeds groter belang worden geacht op de arbeidsmarkt). Het voorstel richt zich met name op mensen die nu geen werk hebben of vastlopen op de arbeidsmarkt. De vraag is hoe je met het spelen van online en offline games de soft skills van mensen kunt vangen om met deze informatie verder door te bouwen aan een AI-gedreven applicatie.
- Universiteit Twente (Maarten Renkema) richt zich op de (interne) selectie van medewerkers voor innovatieprojecten – nog een vrij onontgonnen HR-terrein. Het voorstel bekijkt de vraag hoe AI kan bijdragen aan de creativiteit op de werkvloer en hoe we die processen kunnen ondersteunen met een te ontwikkelen simulatiegame.
- 2next (Aernout Cohen Tervaert) richt zich op de ontwikkeling van een nieuw matchingalgoritme. Voortbouwend op een reeds ontwikkelde persoonlijkheids-scan op basis van gezichtsanalyse-software gaat de uitdaging over het ook kunnen lezen van het profiel van een organisatie om de goede match te kunnen maken.
- Create (Casper Witting) wil verder bouwen aan een stage- en banenplatform en wil daarin o.a. twee nieuwe AI-toepassingen testen die kunnen voorspellen hoe goed studenten bij een vacature matchen. Match-percentages worden vervolgens gerandomiseerd wel en niet getoond aan werkgevers bij een profiel. De interessante vraag is daarbij of het wel of niet tonen van deze scores eigenlijk van invloed is op de keuze van de werkgever.
- Universiteit Twente (Jeroen Meijerink) wil de transparantie van een platform vergroten waarop (groepen) toeristen en stadsgidsen aan elkaar gekoppeld worden. Dit vraagt onder andere om het oplossen van het ‘newbie’ dilemma waarbij nieuwe gidsen in een klassiek ratingssysteem moeilijk klanten krijgen bij een gebrek aan sterbeoordelingen. De vraag is hoe AI dit dilemma kan aanpakken en getest wordt of een transparant alternatief ook leidt tot andere keuzes van toeristen voor een stadsgids naar hun gading.
- Erasmus Universiteit (Colin Lee) wil een monitoronderzoek opzetten dat zich specifiek richt op de manier waarop AI en algoritmes in de recruitment- en selectiepraktijk bij bedrijven in Nederland concreet wordt ingezet. De monitor maakt problemen met de inzet van AI in werving en selectie tijdig inzichtelijk. Verder houdt het bij welk type technologieën opgepikt worden in praktijk, zodat opleidingsinstituten kunnen inspringen op deze ontwikkelingen.
Volg de Challenge!
Deze Challenge kent een looptijd van een jaar. De inzichten die worden opgedaan in de winnende projecten zullen we vanzelfsprekend delen via het kennisplatform www.innovatiefinwerk.nl (of meld je aan voor de nieuwsbrief).
Lees verder:
- Bekijk de winnende initiatieven op onze projectenpagina
- Kennisdossier Algoritmisering van de arbeidsmarkt of
- Achtergrond van de AI x recruitment Challenge
- AI MakersChallenge met SETUP Utrecht
