Wetenschap

Solliciteren? Voortaan bepaalt een algoritme of jij de beste kandidaat bent

Het aantal zinvolle toepassingen van kunstmatige intelligentie groeit de laatste tijd snel doordat zelflerende algoritmes steeds beter worden. Systemen op basis van kunstmatige intelligentie kunnen niet enkel en alleen omgaan met cijfermatige problemen, maar kunnen ook teksten begrijpen en herkennen wat er op foto’s staat.

Van dit soort technologie zien we hele praktische toepassingen: Google Photos en vanaf dit najaar ook de foto-app van Apple kunnen je laten zoeken naar foto’s met een bepaald object (bijvoorbeeld een hond of een auto) of naar foto’s die zijn gemaakt in een specifieke omgeving (bijvoorbeeld op het strand). Aan de andere kant wordt er druk geëxperimenteerd met algoritmes die schrijven: van boeken en filmscripts tot nieuwsartikelen (dit stuk is gewoon door een mens geschreven overigens!).

writing

Maar één van de meer opvallende toepassingen van de laatste tijd, is het gebruik van kunstmatige intelligentie om de beste sollicitanten uit een stapel CV’s te halen. Uiteraard moet het systeem weten wat de functie-eisen zijn voor de vacature die moet worden opgevuld, maar als het goed weet waar een bedrijf naar op zoek is zoekt dan selecteert het systeem zelf de meest geschikte kandidaten. Sterker nog: een computer kan zelfs voorspellen hoe goed iemand gaat worden in de baan.

Onderzoek

Dat heeft Colin Lee, onderzoeker aan de Rotterdam school of business, onderzocht. Dit voorjaar promoveerde hij op dit onderwerp.

Wat heeft hij precies gedaan? Hij is begonnen met het analyseren van een gigantische dataset van 440.000 cv’s en sollicitaties en is hieruit -op basis van een rekenmodel- patronen gaan halen. Vervolgens heeft hij gekeken hoe vaak het systeem goed voorspelt wie een HR-afdeling uiteindelijk uitnodigt op een sollicitatiegesprek. In 70 procent van de gevallen was de voorspelling van de computer juist. Hiervoor gebruikten de algoritmes onder meer de werkervaring, opleidingsniveau en de vaardigheden van de kandidaten.

“Belangrijke voorspellers zijn relevantie van de werkervaring en het aantal dienstjaren. Je kunt die samenvoegen in een formule en zo de beste match bepalen”, vertelt Lee in het Financieele Dagblad.

In een interview met het NRC legt hij uit dat de factoren die belangrijk zijn per beroepsgroep wel verschillen. “Zo is het voor een notaris belangrijk om veel werkervaring te hebben, terwijl het voor een functie als softwareontwikkelaar weer tegen je werkt als je al lang in het vak zit.”

“Het geslacht is zo’n factor die heel erg wisselt per beroep”, gaat hij verder. “Bij een vacature voor een ingenieur of actuaris is het waarschijnlijker dat je als man wordt uitgenodigd. Maar bij een vacature voor creatief therapeut of planoloog maak je als vrouw meer kans.”

Meeting

Irrationele beslissingen

Wat door zijn onderzoek ook duidelijk werd, is dat mensen niet hele rationele beslissingen nemen als het gaat om wie ze uitnodigen en aannemen. ‘Gevoel’ blijkt een belangrijke rol te spelen bij de keuzes van HR-adviseurs en recruiters. “We kunnen daar wel een rode draad in herkennen, maar veel lijkt op basis van intuïtie te gebeuren”, aldus Lee in het FD.

Er zijn in het verleden ook al onderzoeken geweest waaruit blijkt dat we bij voorkeur mensen aannemen die op onszelf lijken. Jonge mensen nemen dus vaker jonge mensen aan. Autochtonen vaker autochtonen. Een computer zou dus weleens een objectievere en daardoor betere keuze kunnen maken, al kan een mens weer beter inschatten of iemand binnen een team past of goed kan werken binnen de bedrijfscultuur.

In de praktijk

Helemaal nieuw is het gebruik van data-analyse in wervings- en selectieprocedures trouwens niet. Van techgigant Google is het algemeen bekend dat het dergelijke systemen gebruikt met algoritmes die zijn getraind door alle succesvolle aannameprocedures uit het verleden. In theorie wordt de computer daardoor steeds beter in het selecteren van de juiste kandidaten.

Voorlopig blijft het echter vooral nog een middel dat dient ter ondersteuning. De komende jaren zal dit nog niet veranderen. “Bedrijven zijn er nog huiverig voor”, zegt de onderzoeker in het NRC. “Het maakt ze kwetsbaarder. Zodra je selectieprocessen in algoritmes gaat gieten, zijn ze te herleiden. Mocht je iets fout hebben gedaan, zoals discrimineren op afkomst of geslacht, dan is zo’n algoritme hard bewijs, mocht een zaak voor de rechter komen.”

In Nederland worden algoritmes al wel ingezet om CV’s door te spitten. Bijvoorbeeld door uitzendbureaus zoals Randstad en Adecco. Een computersysteem zorgt daar voor de allereerste selectie op basis van data uit de CV van een kandidaat, maar ook gegevens van sociale media en interne databases van bedrijven waar de uitzendbureaus mee werken, worden daarvoor gebruikt.

Bezwaren

Een groot nadeel is dat voor dat soort systemen veel data wordt verzameld en bewaard over mensen. Privacytechnisch natuurlijk lastig. Wat dat betreft werkt het aannemen van mensen niet heel anders dan het zoeken naar potentiële klanten waar bedrijven op internet hun advertenties aan voorschotelen. Hoe meer data je hebt, hoe beter je kunt ‘targetten’ op de juiste persoon, maar hoe meer je tegelijkertijd iemands privacy schendt.

Naast privacy speelt ook vooral een maatschappelijke vraag mee: hoeveel macht willen we een computer geven om te bepalen of iemand ergens gaat werken? Moet het aannemen van personeel wel enkel een puur rationele beslissing zijn? De komende jaren zullen die vragen vanzelf worden beantwoord en de kans is groot dat ook het antwoord langzaam opschuift. Waar we nu nog zeggen: liever niet, is het over 20 jaar misschien wel de normaalste zaak van de wereld.

Dit artikel delen

Gerelateerde onderwerpen

Wetenschap

Lees dit hierna