Tags: AI, data analyse, Neurolytics

Artificiële Intelligentie: hoe houd je het menselijk?

Computers verwerken data beter en sneller dan mensen. Maar mensen moeten uiteindelijk werken met de uitkomsten. Nieuwe technologieën moeten daarom goed onderbouwd zijn en uitgelegd worden.

Computers kunnen beter, sneller en accurater data verwerken dan mensen en daardoor helpen in het recuitmentproces. Maar dat zal alleen goede resultaten geven wanneer systemen transparant, vrij van vooroordelen en mensvriendelijk zijn. Hoe werkt human centered AI in de praktijk?

Systemen analyseren data doorgaans beter en sneller dan mensen en soms ook nog eens data die door het menselijk oog niet waar te nemen zijn. Maar van cruciaal belang in deze analyses: uiteindelijk nemen mensen de beslissingen. Om die beslissingen te kunnen maken, staat of valt alles ermee dat je je eigen systeem inzichtelijk hebt. Het gebrek daaraan is de reden dat er kritiek is. Leveranciers zijn niet altijd transparant over hoe het systeem werkt en tot scores komen. Dit komt omdat data een black box ingaat en er resultaten uitkomen die soms moeilijk uitgelegd kunnen worden. Om dit te voorkomen is het belangrijk om je systeem en alle variabelen goed te begrijpen en inzichtelijk te hebben. Het is aan te raden machine learning op een inzichtelijke manier te gebruiken om te controleren hoe het systeem je data gebruikt en voorspellingen doet over een persoon. Gebruikt het systeem bijvoorbeeld logische en wetenschappelijk gevalideerde variabelen uit een dataset? Bij Neurolytics merken we dat het enorm helpt als je betrokkenen exact kunt uitleggen hoe een score tot stand is gekomen en welke variabelen daaraan bijgedragen hebben.

Uiteindelijk gaat het systeem criteria formuleren waaraan iedereen moet voldoen en krijg je alleen maar dezelfde types; dit wil je niet. Je loopt het risico dat de ’’vreemde vogels’ die daarvan afwijken – de outliers in je data – niet worden uitgenodigd. Terwijl zij juist een enorm toegevoegde waarde kunnen hebben en iets nieuws toevoegen aan je teams of bedrijfscultuur.

Daarnaast hoeft het systeem geen criteria te creëren, die criteria kunnen zelf aangegeven worden. Je kunt namelijk criteria of een baseline neerzetten op basis van jouw eigen bedrijfsdata en cultuur. Zo kun je in een zelfgekozen gewenste richting, toekomstgericht aannemen. Als je de staat van je huidige personeelsbestand inzichtelijk hebt, kun je nadenken over waar je in de toekomst wilt staan. Je kunt nieuwe sollicitanten gaan selecteren op gedragskarakteristieken of de mindset die past bij het toekomstbeeld van je organisatie; de plek waar je over bijvoorbeeld vijf jaar wilt staan.

Systemen zijn zo goed als ze worden opgebouwd en moeten goed gemonitord worden. Voor beslissingsmakers is het dus belangrijk dat ze met de juiste partijen in zee gaan waarin alles helder en onderbouwd kan worden uitgelegd. Zo ben goed op de hoogte van beperkingen. Niets is namelijk perfect. Als HR-beslisser ga je uiteindelijk de boot missen als je niet met deze nieuwe technologieën gaat werken, omdat ze simpelweg beter, sneller en accurater data kunnen verwerken dan mensen. Maar er moeten daarin wel de juiste keuzes gemaakt worden.

Er zijn vaak argumenten tegen nieuwe technologieën omdat het nieuw en spannend is, er kinderziekten kunnen zijn of een systeem niet juist is neergezet. Enerzijds doordat first movers soms te vroeg zijn, waardoor het systeem nog niet optimaal is (of überhaupt niet goed in elkaar zit), en ze dat ook niet aangeven omdat ze willen verkopen. Anderzijds omdat het wordt afgezet tegen het klassieke model waaraan mensen gewend zijn en waarmee ze al decennialang werken. Daarvan wordt soms echter vergeten dat er enorm veel bias in zit en het erg inefficiënt kan zijn.

Het klassieke recruitmentproces waar veel bias in zit kost ook veel tijd; cv’s en motivatiebrieven scannen, communicatie met kandidaten interviews plannen en uitvoeren met kandidaten die soms ook niet passen en uitvallen. Je kunt in dit geval niet van de data leren en dus ook geen stappen vooruit zetten. Verder, door de human bias die wij als mens allemaal hebben, kiezen recruiters bovendien vaak voor sollicitanten“ op onderbuikgevoel – die op hen lijken of waarmee ze een persoonlijke klik hebben en niet direct de personen die bij de organisatiecultuur of het team passen. Dit kan leiden tot onnodig verloop.

Inclusiviteit en diversiteit zijn hier belangrijke onderwerpen: je wilt iedereen namelijk evenveel kans geven om zijn of haar potentieel te benutten. Er moet bijvoorbeeld geen bias in zitten dat je alleen maar blanke West-Europese dertigers aanneemt. Je wilt juist een heterogene groep en diversiteit stimuleren. Dat kan door oplossingen die leeftijd, gender en etniciteit buiten beschouwing laten en die objectief kijken naar werkvoorkeuren, vaardigheden en menselijk gedrag. Met nieuwe technologie kan er op die manier unbiased inzicht verkregen worden in onder andere engagement met de purpose en cultuur van een organisatie, motivatie, zelfverzekerdheid, frustratie, stress en of specifieke werkzaamheden energie geven of juist kosten.

Wat ook meespeelt is dat er in de HR-wereld vaak veel positiewisselingen plaatsvinden, waardoor de opgebouwde kennis zich ook verplaatst. Motivatiebrieven en cv’s zijn niet voorspellend voor werksucces en bijna één op de drie hires worden achteraf als niet succesvol beschouwd. Dat is kostbaar. De kosten voor de doorloop van medewerkers zijn gemiddeld tweemaal een jaarsalaris, door het hele traject van selectie, interviews, onboarding, inwerken, energie en tijd van collega’s, administratieve kosten etcetera. Je merkt dat de moderne beslissers dit goed begrijpen en nu opzoek zijn naar de juiste nieuwe technologieën om hun recruiters te helpen en tijd en geld efficiënter in te zetten. Uit recente onderzoeken, zoals deze en deze, is gebleken dat de grootste zorgen van CEO’s voor bijna tachtig procent gerelateerd zijn aan human capital en de implementatie van nieuwe technologie. Dit zal door COVID-19 en de aankomende recessie nog belangrijker worden.

Daarnaast gaat in de komende jaren meer dan 45 procent van de banen geautomatiseerd worden en veranderen – en dat is nog conservatief ingeschat. Tegelijk met het vervallen van veel bestaande functies ontstaan er nieuwe, met andere vereisten. Bij het re-skillen van mensen, of het kijken naar welke vaardigheden belangrijk zijn in de toekomst, moet met name gedacht worden aan sociaal emotionele vaardigheden. Computers kunnen het collecteren en verwerken van data veel beter dan wij mensen, maar wij als mens blijven uniek in onze soft skills, de warme menselijke kant. Werknemers zullen dus meer tijd gaan besteden aan taken die machines/computers minder kunnen en dus worden deze soft skills van mensen steeds belangrijker. Specifieke werkzaamheden zoals logisch redeneren en het inzetten van empathie en creativiteit, maar ook managen, je expertise toepassen, de omgang met werkdruk en stress, de cultuur en communicatie met anderen en motivatie en engagement met de purpose van een organisatie. Ook hier hebben we tegenwoordig nog te maken met vaak een focus op harde skills in plaats van de mindset. Vooral bij de nieuwe generaties die digitaal zijn opgegroeid zal meer naar de mindset en soft skills gekeken gaan worden bij het selecteren van nieuw talent, omdat dit meer het verschil zal gaan maken.

Wat betekent dit voor de praktijk?

Wees bewust van de verandering en digitalisering die in een stroomversnelling plaatsvindt. Juist in tijden van een recessie maken de juiste mensen en investeringen in nieuwe technologieën (die operationele kosten verminderen) het verschil.

Nieuwe technologieën moeten goed onderbouwd zijn en uitgelegd kunnen worden. Als beslissingsmaker wil je begrijpen waar data en resultaten vandaan komen en het systeem moet sterk staan en unbiased zijn. Nieuwe technologieën en AI systemen moeten ontwikkeld en geïmplementeerd worden op een diepgaande zinvolle manier en leren van en samenwerken met je recruiters en medewerkers. De systemen ondersteunen en geven objectieve nieuwe data, waarmee uiteindelijk mensen sneller en beter beslissingen kunnen maken. Zo kun je groeien en leren van medewerkers-, sollicitanten- en recruitment data en implementeer je een consistent proces aanvullend en ondersteunend aan recruiters. Hiermee kun je vervolgens over tijd monitoren en groeien in de richting waar je met je organisatie heen wilt.

Tags: AI, data analyse, Neurolytics
Je moet inloggen om een reactie te kunnen plaatsen.
Ook Interessante Artikel

Bezoeker!

Community Leden

Alle Leden >>>

Artikelen & Blogs

WORD LID

Met HRcommunity maken we het werkveld iedere dag een stukje beter en mooier. Meld je gratis aan als lid, maak verbinding, haal én breng kennis, maak je eigen ledenprofiel, connect met andere leden en meer.

PUBLICEER

Heb je een uniek en interessant artikel geschreven en denk je dat deze interessant kan zijn voor de leden van HRcommunity? Stuur deze dan in via het formulier en wij gaan er mee aan de slag.

ADVERTENTIE