Dat het cv weinig voorspellende waarde heeft, weten we inmiddels wel. Ook worden wij ons – en dat is positief – er meer en meer bewust van dat selectie op basis van cv leidt tot discriminatie, bijvoorbeeld op achternaam, geslacht of leeftijd. De vraag is dus niet óf het cv uiteindelijk verdwijnt, maar wannéér.
Predictive recruitment op basis van AI
Een behoorlijk aantal bedrijven en startups in recruitment tech ontwikkelt en experimenteert met alternatieve selectiemiddelen, vaak (online) tools op basis van AI en machine learning.
Een voor mij als taalfanaat fascinerend voorbeeld is Seedlink Technologies, een startup uit Shanghai op het gebied van kunstmatige intelligentie en ‘predictive recruitment’. Het bedrijf ontwikkelt software waarmee op basis van iemands geschreven of gesproken taalgebruik wordt voorspeld of een kandidaat bij een baan of bedrijfscultuur past.
Een ander uitermate boeiend voorbeeld is Ouna. Net als Seedlink laat ook dit bedrijf het cv als selectiemiddel links liggen. Ouna, gevestigd op Gibraltar, heeft een op blockchain technologie gebaseerd systeem gebouwd dat kandidaten matcht op basis van ‘mathematically qualified subtle human traits’ (in plaats dus van opleiding en werkervaring). De ‘human traits’ van de kandidaat vormen een wiskundig profiel, zo legt Ouna uit, dat vervolgens wordt gespiegeld aan het ideale (eveneens wiskundig) profiel, gebaseerd op de ‘human traits’ van de best presterende werknemers in de organisatie:
“The other side of the Ounalyzer and mathematical profile comes from the hiring company. In order to find the perfect match, Ouna’s algorithms work off of the profile of the ideal candidate for an open position. Like the mathematical profiles created by job seekers, ideal candidate profiles are created as the result of Ounalyzer assessments completed by the best-performing employees in similar positions.”
Zowel Seedlink als Ouna maken door hun aanpak een bias-vrije selectie mogelijk waarbij in plaats van opleiding en werkervaring wordt gekeken naar taalgebruik en/of menselijk gedrag om zodoende een voorspelling te kunnen doen over de mate waarin de kandidaat succesvol zal zijn in de specifieke functie of past bij een bepaalde bedrijfscultuur.
Candidate experience en AI recruitment
Naast de tendens van data driven recruitment en predictive analytics zoals de technologieën van Seedlink en Ouna , ligt de focus op het verbeteren van de candidate experience. Grofweg zijn dit de twee belangrijkste ontwikkelingen in recruitment. Ontwikkelingen die – idealiter – hand in hand gaan: recruitment op basis van AI kan het sollicitatie- en aannameproces aanzienlijk versnellen en veel hobbels wegnemen (waaronder het bias-probleem bij brievenselectie en interviews) waardoor de kandidaat écht op zijn of haar kwaliteiten wordt beoordeeld.
Ouna, bijvoorbeeld, stelt: “With this approach, Ouna is supporting equal opportunity employment. No one can see your sex, gender or race until you choose to reveal it. That means no one gets singled out for anything other than the traits that would make them a great fit for a particular position.”
Ook Seedlink verkondigt iets soortgelijks: “[De] technologie haalt recruitment weg uit het terrein van de onderbuik, en in het terrein van de (gedrags)wetenschap. ‘Hierdoor denken managers en recruiters niet meer in hokjes als man/vrouw, of afkomst.”
Probleem van ‘Technology Bias’
Alleen maar goed nieuws voor de kandidaat dus? De beloftes zijn mooi en sterk onderbouwd. Toch is de vraag of het zo werkt. Want de selectietools die met AI en machine learning worden gebouwd, kennen allen hun manco’s. Het grootste probleem is de kwaliteit van de data (input). Iedereen die zich bezighoudt met AI en machine learning weet dat de kwaliteit van de uitkomst samenhangt met de kwaliteit van de input; het illustratieve voorbeeld van de discriminerende selectie algoritmes van Amazon kent inmiddels iedereen.
Ook ten aanzien van de technologieën zoals die van Ouna is een kritische blik op zijn plek. Want wat is voor (de makers van) Ouna de definitie van een (bovengemiddeld) goed presterende werknemer? Wordt dat label toegekend op basis van commerciële resultaten? In dat geval: is er rekening mee gehouden hoe commerciële successen op de korte termijn van invloed zijn op de resultaten op langere termijn? Of in geval de definitie van goed presteren is gebaseerd op de uitkomst van het eindejaar beoordeling; hoe objectief is die beoordeling en welke pogingen zijn gedaan om menselijke biases bij deze beoordelingen zoveel mogelijk te vermijden?
Overigens: ook bij zelflerende algoritmes (machine learning) blijft het probleem van technology bias bestaan. Hierbij echter komt nog het probleem dat door het systeem zelf (door)ontwikkelde algoritmes wij – menschen van vlees en bloed – geen idee meer hebben waarop de uitkomsten zijn gebaseerd.
Vertaald naar de ‘candidate experience’ zijn we terug bij af: niets is zo verschrikkelijk als afgewezen worden zonder dat duidelijk is waaróm.
(Én: hoe definieert Ouna diversiteit? Je kunt wel mannen en vrouwen met verschillen in afkomst, huidskleur en levensovertuiging aannemen, maar als zij qua gedrag op elkaar lijken, kun je dan nog wel van diversiteit spreken?)
Onveranderde bewijslast: de kandidaat moet zich bewijzen
Begrijp me niet verkeerd. Ik ben een optimist en denk – weet zeker! – dat het ons lukt om de kwaliteit van op AI gebouwde selectietools steeds verder te verbeteren en door zuivere data de uitkomt nagenoeg bias-vrij te krijgen en mensen te selecteren op hun capaciteiten en potentieel! Dat is niets meer dan een kwestie van tijd.
Waar ik mij meer zorgen over maak ten aanzien van AI gebouwde selectietools, is een andere, meer fundamentele blinde vlek.
Op basis van AI gebouwde selectiemiddelen lenen zich bij uitstek voor online assessments. De gedachte dat kandidaten hun geschiktheid dienen te bewijzen door het doorlopen (of ‘spelen) van een online test of game, is in dat opzicht een logisch voortvloeisel van AI selectiemethodes.
Een voorbeeld kwam ik tegen in een interview met Stefano van de Sant, bij Brunel verantwoordelijk voor sourcing en recruitment. Van de Sant licht in het interview toe hoe Brunel software gebruikt om geschikte kandidaten te identificeren en hen op het juiste moment te verleiden en te binden. Ook hierbij wordt predicitve tooling ingezet. Tot zover prima. Tót het stuk over online game based assessments. Hierover zegt Van de Sant:
“Als Brunel een interessante vacature uitzet krijgen wij met gemak vijfhonderd aanmeldingen. Dat lijkt een luxe, maar wij willen liever minder cv’s maar uiteraard wel de beste. Daarom hebben wij enkele pilots opgestart voor online game based assessments. Elke geïnteresseerde doorloopt dit assessment, als eerste stap naar een mogelijk Brunel-contract. We kunnen zo een eerste schifting maken op kwaliteit. De personen die niet matchen met onze behoeftes krijgen een keurige ‘bedankt’.”
De blinde vlek hier heeft niets te maken met de inzet van AI, al dan niet voorzien van gamification elementen. De valkuil waar Van de Sant intuint – en, don’t blame the man, met hem vele anderen enthousiastelingen op het vlak van assessment tooling – is dat de bewijslast voor een goede match, net zoals in voorgaande decennia, onveranderd bij de kandidaat blijft liggen.
Tests, online selectie tools, assessments, hoe uitvoerig en speels ook, blijven uitgaan van de gedachte dat de hiring organisatie iets heeft te bieden waar geïnteresseerden (beter bekend als ‘kandidaten’) dan naar moeten dingen.
En dat is vreemd. Zeker omdat – in dit geval – Van de Sant eerder in het artikel aangeeft dat ‘de vraag naar geschikte kandidaten het aanbod steeds meer overvleugelt’ en dat er heel wat gedaan moet worden om deze mensen te vinden, te verleiden en te binden. Dan is het toch raar, of ouderwets op zijn minst, om het vanzelfsprekend te (blijven) vinden, dat de bewijslast voor een goede match bij de kandidaat ligt? Zeker in een tijd waarin eenieder in recruitmentland zijn mond vol heeft van candidate experience.
De wereld waarin de werkgever bepaalt wat er gebeurt, bestaat niet meer.
Een passage waar ik me volledig bij aansluit las ik in een interview met Raymond Lemmers, Recruitment Projectmanager en onboarding specialist. Lemmers stelt: “Veel werkgevers hebben niet door dat de arbeidsmarkt is veranderd, aldus Raymond Lemmers. Maar de oude wereld, waarin de werkgever bepaalt wat er gebeurt, die bestaat volgens hem niet meer.”
Lemmers noemt in het interview een aantal voorbeelden van hoe bedrijven hun sollicitatieproces beter kunnen inrichten op de behoeften van de sollicitant: het inkorten van sollicitatieformulieren, het inzichtelijk maken van het proces, de inzet van video en solliciteren met Whatsapp.
Stuk voor stuk aardige voorbeelden, maar ik vraag me af: stel je alleen daarmee de kandidaat écht centraal?
Op naar recruitment op basis van gelijkwaardigheid
Wat mij betreft mag het allemaal wel een tikkeltje ruiger. Als je stelt dat de wereld waarin de werkgever bepaalt wat er gebeurt niet meer bestaat, durf dan ook de gedachte los te laten dat een bedrijf (als klant) een eisenpakket op tafel legt en kandidaten (als vluchtige toeleveranciers) moeten bewijzen of en in hoeverre zij aan dat pakket voldoen.
Zolang je niet afstapt van dat stramien, dan zijn zogenaamde candidate-first principles als solliciteren via Whatsapp, solliciteren zonder te registreren en de inzet van video niets meer dan doekjes tegen het bloeden.
Wie de kandidaat (laten we dat woord ook maar eens vervangen) écht op één plaatst, stelt zich op als een gelijkwaardige gesprekspartner om samen met die kandidaat te onderzoeken wat beide partijen elkaar te bieden hebben.
Als je als hiring manager of recruiter klaagt over de schaarste aan geschikt personeel, stop dan jezelf te verheffen boven de ander op het moment dat je een vacature uitzet, cv’s beoordeelt en interviews afneemt.
Hoe dan wél?!
Wellicht is de tijd nog niet rijp, maar ik denk dat AI ons gaat helpen bij het gelijktrekken van het speelveld van kandidaat en selecteur.
Niet door online game based assesments of mathematische benchmarking ten opzichte van best-performing employees (de bewijslast zal immers niet langer alleen bij de kandidaat liggen), maar door tools mogelijk te maken die een op basis van gelijkwaardigheid de kandidaat diepgaand inzicht verschaffen in de wensen van de werkgever en – andersom – de werkgever diepgaand inzicht verschaft in de wensen van de kandidaat.
Wanneer die tool er komt? Geen idee…
… maar ik ben er een behoorlijk eind mee op weg!