8.3 Algoritmes bij selectie
modern
Waar algoritmes eerst vooral werden toegepast op traditionele vragenlijsten en tests, daar worden ze nu gebruikt voor allerlei selectie-instrumenten om verschillende eigenschappen te meten, zoals intelligentie, persoonlijkheid en vaardigheden. Dit komt onder meer doordat moderne algoritmes ongestructureerde gegevens kunnen verwerken, zoals tekstuele gegevens en audio- en video-gegevens. Tegenwoordig kan een algoritme bijvoorbeeld live meeluisteren met een sollicitatiegesprek of zelf het gesprek voeren. De ontwikkeling van AI gaat zo snel dat er regelmatig gebrekkig bewijs is voor de betrouwbaarheid, voorspellende waarde en eerlijkheid van deze instrumenten.
8.3.1 Inzetten bij eerste selectie
beoordelen cv’s
geen bewijs
AI wordt veelvuldig ingezet in de eerste fase van personeelsselectie. Bijvoorbeeld voor het beoordelen van cv’s en motivatiebrieven, dat AI sneller kan dan mensen. U heeft echter in hoofdstuk 5 al kunnen lezen dat er geen bewijs is dat het selecteren met een cv of motivatiebrief voorspellend is voor de werkprestatie en dat deze methoden vaak niet eerlijk zijn. Er is ook geen bewijs dat het gebruik van AI voor deze instrumenten de problemen oplost. Wees dus zeer kritisch als een ontwikkelaar wel dergelijke claims maakt.
Beoordelen
voorspellen
Wetenschappelijk onderzoek heeft laten zien dat algoritmes redelijk goed kunnen voorspellen hoe interviewers een kandidaat zullen beoordelen. Maar de meeste onderzoeken concluderen dat de kwaliteit van AI onvoldoende is voor uitsluitend algoritmische beoordeling van kandidaten.
Menselijk toezicht blijft (voorlopig) dus noodzakelijk. Dit schuurt echter met de voornaamste belofte van AI: om personeelsselectie efficiënter te maken.
8.3.2 Verantwoord gebruik van algoritmes
theorie
consistent
vergelijkbaar
representatief
Het Nederlands Instituut van Psychologen (NIP) heeft zes eisen op een rij gezet voor verantwoord gebruik van algoritmes. Voor u een algoritme inzet, adviseert het NIP om na te gaan in welke mate het algoritme aan deze zes eisen voldoet. Deze eisen sluiten nauw aan op de beoordelingscriteria voor selectie-instrumenten genoemd in hoofdstuk 6. Volgens het NIP zouden algoritmes:
- gebaseerd moeten zijn op theorie. Wat voornamelijk betekent dat de gegevens die het algoritme gebruikt, ook logisch gerelateerd zijn aan het werk. Dit kan door de inzet van een functie-analyse of wetenschappelijke kennis. Het is belangrijk dat het algoritme geen irrelevante gegevens gebruikt.
- uitlegbaar moeten zijn. U moet uit kunnen leggen hoe het algoritme is gebouwd (de uitgangspunten, niet de details) en hoe de ontwerpkeuzes de scores beïnvloeden.
- consistente scores op moeten leveren. De scores van de algoritme moeten betrouwbaar zijn. Met andere woorden: als een kandidaat op twee verschillende momenten wordt beoordeeld, moet dit vergelijkbare scores opleveren.
- relevante uitkomsten moeten voorspellen. De scores moeten voorspellend zijn voor relevant werkgedrag, zoals de werkprestatie of het verloop. Net als bij andere selectie-instrumenten is dit de moeilijkste eis om vast te stellen.
- getraind moeten zijn op basis van een grote steekproef die representatief is voor uw groep kandidaten. De gegevens waarmee de patronen van een algoritme worden ontwikkeld, moeten komen van een grote groep mensen, omdat kleine hoeveelheden gegevens leiden tot patronen die niet repliceerbaar zijn bij andere groepen. Hiernaast moeten de gegevens van allerlei demografische groepen afkomstig zijn, anders omvat het algoritme patronen die alleen voor bepaalde groepen een correcte voorspelling doen.
- niet moeten discrimineren. De scores of beslissingen van het algoritme benadelen geen demografische groepen. Dit risico is kleiner als het algoritme psychologische eigenschappen scoort in plaats van algemene geschiktheid.
Om discriminatie bij de selectie te voorkomen, is het van groot belang dat de beslissingsgegevens waarmee het algoritme is ontwikkeld, geen bias bevatten. Als dat wel het geval is, zal het algoritme de discriminatie in de gegevens nabootsen.
8.3.3 Invloed op kandidaatervaring
minder aantrekkelijk
Het gebruik van AI kan de kandidaatervaring beïnvloeden. Onderzoek laat zien dat kandidaten een AI-beoordeling minder eerlijk vinden dan een menselijke beoordeling, of dat nou terecht is of niet. Dit verminderde gevoel van eerlijkheid kan een organisatie minder aantrekkelijk maken voor kandidaten. Ander onderzoek laat zien dat kandidaten wel geloven in de effectiviteit van de beoordeling van een algoritme, maar dat ze ook negatiever reageren op een vergissing van een algoritme dan op een vergissing van een mens. Kortom: kandidaten ervaren het gebruik van AI vaak als een onplezierig kenmerk van selectie-instrumenten.