Hoe helpt artificial intelligence bij diverser en inclusiever werven?
Steeds meer werkgevers zetten articial intelligence (AI) in voor werving en selectie. Welke voordelen biedt AI als het gaat om diverser en inclusiever werven? Maar ook: welke bezwaren en risico’s kleven er aan de inzet van AI?
Vanuit het Responsible AI Lab van de Hogeschool van Amsterdam onderzocht lector Pascal Wiggers – samen met zijn collega Hans de Zwart – wat de invloed is van de inzet van AI op diversiteit en inclusie op de werkvloer. Het onderzoek maakte om te beginnen duidelijk dat AI binnen werving en selectie al op grote schaal wordt ingezet, vertelt Wiggers. “Voor het schrijven van vacatureteksten bijvoorbeeld, of voor het voorspellen van waar binnen de organisatie vacatures gaan ontstaan.” Start People deed onlangs een pilot met het schrijven van vacatureteksten. Ook de selectie van binnenkomende sollicitatiebrieven en cv’s wordt volgens Wiggers steeds vaker (deels) geautomatiseerd. “De nieuwste AI-tools kijken daarbij ook naar hoe iemand iets zegt; AI stelt bijvoorbeeld een psychologisch profiel op, op basis van iemands schrijfstijl. Nóg een stap verder gaat automatische gezichtsanalyse tijdens een gesprek; welke emoties vertoont de kandidaat?” Gelijkvormiger Het aantal mogelijkheden zal de komende jaren alleen maar groeien, denkt Wiggers. “Voor werkgevers zorgt dit voor een enorme efficiencyslag. Bovendien kun je AI gebruiken om vacatures veel beter te targeten, waardoor je misschien wel doelgroepen bereikt die je eerder níet bereikte. Maar ook voor kandidaten kán AI in potentie gunstig zijn. Als je AI opdracht geeft om irrelevante kenmerken als geslacht of etniciteit weg te filteren, wordt het selectieproces mogelijk gelijkvormiger, meetbaarder en eerlijker.” Meer van hetzelfde Tegelijkertijd kleven er ook de nodige risico’s aan de inzet van AI, benadrukt Wiggers. “Neem zo’n door AI opgesteld psychologisch profiel; wetenschappelijk is er vooralsnog geen bewijs dat je op basis van iemands schrijfstijl zo’n profiel kunt opstellen, of dat het überhaupt iets zegt over iemands geschiktheid. Om AI te ‘leren’ welke cv’s goed passen bij een bepaalde vacature, gebruik je verder doorgaans data van de medewerkers die je al hebt – waardoor de kans levensgroot is dat je meer van hetzelfde krijgt en diversiteit niet bevorderd wordt. Bovendien maakt AI gebruik van bestaande data, inclusief alle vooroordelen en onbewuste voorkeuren die daarin zitten; met als gevolg dat AI niet neutraal is en soms zelfs ronduit discrimineert.”
Hoe werken vooroordelen in ons brein? Ons brein maakt vaak gebruik van vooroordelen, als mentale shortcuts om te kunnen navigeren in de complexe wereld om ons heen. Onbewust maakt ons brein verbindingen en heeft het een voorkeur voor mensen die op ons lijken, wat weer van invloed is op hoe we andere mensen beoordelen. Daardoor kiezen we niet altijd noodzakelijk voor de ‘beste mensen’, maar vooral voor mensen die dicht bij ons staan. Het (h)erkennen van deze onbewuste vooroordelen is een eerste stap naar een meer diverse en inclusieve aanpak van werving en selectie.
“Echte menselijke connecties zijn van onschatbare waarde, óók in een digitale omgeving.”
Pascal Wiggers Lector Hogeschool van Amsterdam
Door de oogharen Al zou je kenmerken als naam, geslacht en leeftijd weglaten uit een cv, dan wil dat volgens Wiggers niet zeggen dat je uit het restant niets meer kunt aflezen. “Een menselijke recruiter kan vaak door zijn of haar oogharen toch wel zien om voor soort persoon het gaat. Precies zo werkt het met AI. Als een kandidaat bijvoorbeeld lid is van een dameshockeyteam, dan kun je daar toch al uit afleiden dat het gaat om een vrouw. Het is vrijwel onmogelijk om dat soort kenmerken er helemaal uit te filteren. Je zult dat heel expliciet moeten meegeven en blijvend moeten controleren: omdat eventuele vooroordelen in AI wel meteen systematisch zijn en meeschalen met de inzet van de technologie.” Wat is eerlijk? Definities zijn sowieso enorm belangrijk bij AI, schetst Wiggers. “Stel, je geeft AI mee dat mannen en vrouwen gelijk en eerlijk moeten worden behandeld. Maar wat betekent dat nu écht? Is het eerlijk als de vacature bij evenveel mannen en vrouwen terechtkomt? Of is het juist eerlijk als dat een afspiegeling is van je huidige personeelsbestand? Als je bijvoorbeeld een vacature voor verpleegkundige hebt, waar doorgaans veel meer vrouwen dan mannen op solliciteren, is het dan wel eerlijk om AI evenveel cv’s van mannen als van vrouwen te laten selecteren? Over dit soort vragen zul je expliciet moeten nadenken.” Blijf kritisch Uit Wiggers’ onderzoek bleek dat veel bedrijven en organisaties moeite hebben met de vraag wat eerlijke werving en selectie voor hen precies is. “Om werkgevers op weg te helpen hebben we de AI in Recruitment (AIR) Discussietool ontwikkeld, met daarin twintig vragen die iedere organisatie zich wat ons betreft zou moeten stellen vóórdat ze aan de slag gaat met AI.” Kunstmatige intelligentie kán wellicht bijdragen aan een inclusiever werving- en selectieproces, benadrukt Wiggers. “Maar: er zijn hele goede redenen om uiterst terughoudend te zijn met de inzet van AI bij werving en selectie. Blijf daarom kritisch. Kijk goed naar de data die er aan de voorkant ingaan en naar wat er aan de achterkant uitkomt. En richt processen zo in dat je de technologie voortdurend blijft monitoren. Want werving en selectie is uiteindelijk veel te belangrijk om het aan de technologie over te laten.”
“Vooroordelen hebben we uiteindelijk allemaal”
“Bij RGF Staffing zien we toegevoegde waarde in iedereen en gaan we voor een diverse en inclusieve arbeidsmarkt die iedereen gelijke kansen biedt. Dat klinkt op papier natuurlijk prachtig, maar tegelijkertijd realiseren we ons dat het in de praktijk nog behoorlijk lastig is om bepaalde stereotyperingen en vooroordelen – die we uiteindelijk allemaal hebben – te doorbreken. Daarom hebben we voor onze medewerkers een aparte training ontwikkeld rondom diversiteit en inclusie, juist om die vaak onbewuste biases te doorbreken. Ook organiseren we regelmatig masterclasses rondom het herkennen van discriminatie. En in onze Talenscan – waarmee we flexwerkers helpen om uit te zoeken waar hun talenten en interesses liggen – draait het puur om competenties en vaardigheden, níet om iemands achtergrond. Uiteindelijk met maar één doel: de beste kandidaten werven voor onze klanten en iedereen écht gelijke kansen bieden.”
Hannie Dalhuisen Directeur MVO | RGF Staffing