WOMEN Inc. heeft voor de rapportage ‘AI, gender en de arbeidsmarkt’ een verkennend onderzoek gedaan naar de kansen en risico’s van artificial intelligence voor vrouwen op de arbeidsmarkt en specifiek bij werving- en selectieprocessen. Uit interviews met HR-dataspecialisten en deskundigen op het thema AI en uit een sessie met HR-professionals wordt duidelijk dat er veel te winnen is bij de inzet van AI, maar dat hier wel zorgvuldig mee moet worden omgegaan om te voorkomen dat ongelijkheid niet juist toeneemt.

Waar blijft de mens in werving en selectie nu AI het steeds meer overneemt?

De inzet van AI in recruitment is bezig met een opmars. Maar er zijn verschillen in de mate waarin het door organisaties wordt ingezet. Van vooral nog als toevoeging op mensenwerk tot aan volledige automatisering van het proces.

AI kan worden ingezet om gemakkelijker geschikte kandidaten voor een functie te werven of door vacatures uit te zetten via netwerken als LinkedIn. Het is veel ‘mensenwerk’ om alle CV’s of profielen na te lopen op zoek naar een goede kandidaat en match. AI maakt het mogelijk om dit te automatiseren. Ook recruiters en uitzendbureaus proberen met behulp van AI het proces van het vinden van een geschikte kandidaat te optimaliseren. Een expert werkzaam bij een groot uitzendbureau vertelt hoe dit in zijn werk gaat. Op basis van de behoefte van de klant worden eisen opgesteld als input voor het algoritme. Vervolgens gaat AI aan de slag om het algoritme ‘intelligent’ te maken om zo een goede voorspelling te maken van de best passende kandidaat voor een functie. Een uitzendbureau kan hiervoor data van historische plaatsingen gebruiken om te voorspellen wanneer een kandidaat en een baan goed bij elkaar passen.

AI kan ook ondersteunend zijn bij de selectie van kandidaten en het menselijk proces (grotendeels) overnemen. Bij machine learning leert de computer op basis van data zelf welke eigenschappen belangrijk zijn voor het selecteren van de juiste kandidaat. Interessant voorbeelden hiervan zijn gamification (het inzetten van games de potentie van een kandidaat te voorspellen) en automatische video-analyses.

De risico’s van Artificial Intelligence in recruitment

Organisaties vertrouwen er vaak op dat AI en daarmee algoritmes neutraal zijn. Maar experts waarschuwen voor de invloed van algorithmic bias. De bedrijven trainen de algoritmes namelijk op basis van historische data en deze data is vaak niet neutraal. Bovendien mist transparantie over gebruikte algoritmes. Als hier geen aandacht aan wordt besteed en er niet bewust andere data wordt gebruikt, kan een algoritme ongelijke kansen reproduceren. Daarnaast is het van belang dat er bij het programmeren van het algoritme geen uitsluitende elementen in worden gebouwd, dit kan gebeuren omdat de programmeur ook (onbewust) vooroordelen met zich meedraagt. Een algoritme op zichzelf is dus niet vooringenomen. De bias ontstaat door de input van data of door de (onbewuste) bias van de programmeur.

Download rapportage ‘AI, gender en de arbeidsmarkt’

De kansen van Artificial Intelligence in recruitment

Het gebruik van algoritmes heeft beperkingen en risico’s, maar biedt ook kansen doordat ze in sommige dingen beter zijn dan mensen. Ze werken bijvoorbeeld veel sneller dan mensen, wat leidt tot meer efficiëntie en kostenbesparing. Daarnaast kunnen algoritmes tot nieuwe inzichten leiden door bestaande bias juist bloot te leggen en zo uiteindelijk zorgen voor meer diversiteit op de arbeidsmarkt.

Wat te doen als organisatie?

Binnen organisaties is meer samenwerking nodig. Zo vertelt een expert dat een werkgever aan de ene kant aangeeft niet over genoeg technische kennis te beschikken, terwijl de programmeur zegt: ik kan goed programmeren, maar ga niet over de keuze van selectiecriteria. Voor IT bedrijven zijn er bovendien weinig financiële prikkels om op een inclusieve manier algoritmes te ontwikkelen.

Tips voor een inclusieve, ‘bias-bewuste’ organisatie:

  • Algorithmic bias op de agenda zetten en onderzoek doen naar gebruik en gevolgen in eigen organisatie.
  • Een betere organische samenwerking tussen de IT-afdeling en HR-afdeling binnen organisaties, zodat vragen en verzoeken vanuit HR direct gekoppeld kunnen worden aan IT.
  • Een visie ontwikkelen op neutrale werving en selectie waar AI een rol in speelt.
  • Medewerkers bewust maken van de risico’s en kansen van AI. Bijvoorbeeld via trainingen over unconscious bias of door hulp met het ontwikkelen van neutrale vacatureteksten.
  • Verantwoordelijkheid nemen om AI tools te gebruiken die het earmark ‘neutraal’ hebben.
  • Interdisciplinaire verbinding realiseren tussen de IT-afdeling met de HR-afdeling en D&I.

Verschillende termen en uitleg

Artificial Intelligence (AI)

Kortgezegd is AI, ofwel kunstmatige intelligentie, de intelligentie waarmee machines, software en apparaten zelfstandig problemen oplossen. Deze systemen of machines bootsen de menselijke intelligentie na, zodat ze zelfstandig taken kunnen uitvoeren en daarbij zichzelf tijdens dit proces kunnen verbeteren op basis van de vergaarde informatie. Het gaat bij AI dus niet om de rekenkracht, maar om de mogelijkheid (zelfstandig) te leren en beslissingen te nemen. Hiermee kan AI in haar taken het menselijk handelen volledig overnemen. Dit betekent niet dat AI zich bewust is van de taken die ze uitvoert. Ze volgen algoritmes en herkennen daarin patronen.

Algoritmes

Een algoritme is een reeks instructies die een computer vertelt wat het moet doen. Hierdoor komt er, na input van data, een resultaat uit. Bij werving en selectie wordt het algoritme gevoed met data waarvan wordt gedacht dat dit helpt bij het vinden van de meest geschikte kandidaat. Dit kunnen persoonskenmerken, foto’s, geluidsopnamen, taalvaardigheden of diploma’s zijn. Aan de hand van deze data voorspellen algoritmes op basis van vooraf bepaalde of gevonden verbanden welke kandidaten zij geschikt vinden voor de functie.

Machine learning

Machine learning modellen onderscheiden zich van andere AI soorten omdat ze in staat zijn om, aan de hand van data, zelfstandig te leren problemen op te lossen en voorspellingen te doen. Dit wordt ook ingezet bij werving en selectie. Als een kandidaat wordt aangenomen die door AI is geselecteerd, leest AI dat als een positieve score voor de voorspelling. Het systeem heeft het goed gedaan en zal in het vervolg nog meer van dit soort kandidaten willen selecteren. Als de geselecteerde kandidaat wordt afgewezen, leert het model zichzelf te corrigeren.

AI en AVG

Vanwege de privacywetgeving AVG mag niet het gehele selectieproces geautomatiseerd worden. Door de wet AVG heb je als werkgever meer verplichtingen bij het verwerken van persoonsgegevens dan voorheen. Daarom moet de uiteindelijke beslissing voor een kandidaat altijd bij een manager of medewerker liggen. De vraag is echter in hoeverre de uiteindelijke keuze voor een kandidaat daadwerkelijk nog door een mens wordt gemaakt als alle voorgaande beslismomenten door een algoritme zijn genomen.

Algorithmic bias

Algoritmes bouwen voort op bestaande data, hiermee staan algoritmes niet op zichzelf maar zijn ze onderdeel van menselijke systemen. Omdat ieder mens (onbewust) biases (vooroordelen) met zich meedraagt, kan deze bias (onbedoeld) ook terugkomen in de algoritmes. We spreken dan van algorithmic bias. De bias in de huidige wereld, bijvoorbeeld dat mannen meer dan vrouwen geschikt zijn voor besluitvormende posities, kan zo door een algoritme worden overgenomen.

Zo werd bij een bedrijf een selectiemodel gebruikt dat was gebaseerd op kenmerken van mensen die al in het bedrijf werkten. Kandidaten met een migratieachtergrond bleken amper te worden geselecteerd, omdat zij vaak langere namen hadden dan de huidige werknemers. Hoewel deze data irrelevant is voor de functie, wordt het door het algoritme ingezet als voorspellende factor voor een geschikte kandidaat.

Download rapportage ‘AI, gender en de arbeidsmarkt’

Gepost door Suzan Steeman

Laat een opmerking achter.