"Exploring the future of work & the freelance economy"
SLUIT MENU

Artificial Intelligence als superslimme adviestool

Regelmatig spreek ik op evenementen over Artificial Intelligence. Het valt mij dan steeds weer op hoeveel onbekendheid er nog rondom AI bestaat. Die onbekendheid leidt – begrijpelijkerwijs – soms ook tot angst. ‘Moeten we straks robots gaan inkopen in plaats van recruiters?’ vroeg iemand onlangs na een seminar.

Persoonlijk ben ik overtuigd van de kansen die AI biedt en van de waarde die AI kan toevoegen in het proces van selecteren en inhuren van mensen. We kunnen dankzij de inzet van artificial intelligence mensen spotten die anders niet gespot zouden worden. We kunnen meer uit ons eigen personeel halen door ze op andere posities in te zetten. We kunnen bias weghalen. We kunnen onze vraag aanpassen, zodat we meer sollicitaties krijgen. En ga zo maar door. Om tot een juist gebruik te komen moeten we wel goed begrijpen wat het toepassen van AI feitelijk betekent. Om maar met bovenstaande opmerking over de opmars van robots te beginnen: AI is niet bedoeld om de menselijke factor te gaan vervangen. We moeten er niet naar streven dat AI onze problemen gaat oplossen, we moeten ernaar streven dat AI ons gaat helpen door grote hoeveelheden informatie te zeven en verwerken en zo de ruggengraat gaat vormen voor een proces van continu verbetering. Zie het als een hele slimme adviestool, die ons in staat stelt om veel adequater te bepalen wie de juiste kandidaat voor een specifieke functie is en hoe we aan die kandidaat kunnen komen.

Verbanden leggen

Als we die constatering – dat AI de boel niet van ons overneemt, maar ons vooral ondersteunt – helder hebben, kunnen we de volgende stap zetten: Wat is inhoudelijk de toegevoegde waarde? Ik had hierover laatst een interessante discussie met een relatie die zei: ‘Ik gebruik Power BI en ga daarmee informatie rubriceren. Vervolgens kijk ik welke dingen veel voorkomen en neem ik die mee in mijn beslissingen.’ Mijn antwoord was dat zo’n benadering niets met het inzetten van AI te maken heeft. Wat deze relatie doet is in feite correleren op twee assen, bijvoorbeeld de factoren tijd en het soort aanvraag. Maar AI onderzoekt niet twee factoren, maar maakt analyses in ons geval op basis van 50 verschillende zaken die allemaal gerelateerd kunnen zijn. Als ik die 50 verschillende factoren als input van mijn analyse gebruik, dan kan ik op basis van artificial intelligence verbanden leggen die voor een mens nooit te vinden zijn.

Trends ontdekken

De kracht ligt hem dus in de wijze waarop we een veelheid aan data kunnen gebruiken voor een goede analyse. Het is uiteraard heel belangrijk om de juiste data te gebruiken. Hiertoe moeten we vooral ook de ‘Wat’-vraag stellen: Wat is mijn doel achter de inzet van AI? Wat wil ik te weten komen? Door vervolgens goed naar de input te kijken en die te meten kun je mooie stappen zetten met je output. Denk bij de input over uiteenlopende gegevens van de kandidaat: de skills die een kandidaat heeft, zijn of haar hobby’s, persoonlijkheidskenmerken, et cetera.  En denk bij de output aan de opdracht: hoe goed is de opdracht uitgevoerd, is er vertraging opgetreden, was er een klik tussen kandidaat en opdracht? Door ieder kenmerk als een van die genoemde 50 factoren op te nemen kunnen we gaan analyseren en kijken welke trends we ontdekken. Op basis van die trends kunnen we conclusies gaan trekken die we gebruiken bij de aanscherpen van ons gehele wervingsproces. Zie het maar als een keten van input naar output die we steeds weer op basis van inzichten die we krijgen door de inzet AI kunnen verbeteren. Zo kunnen we veel adequater gaan voorspellen, bijvoorbeeld dat de skills en ervaringen van een specifieke kandidaat indiceren dat er een kans van 75 procent is dat je hem of haar zou willen verlengen.

Recruitment-trajecten transparant maken

Een van de mooiste effecten van het inzetten van AI is wat mij betreft dat we recruitment-trajecten totaal transparant maken en dat we de bias weghalen. We selecteren niet meer op basis van namen en gezichten en komen door zo’n ‘unbiassed’ proces regelmatig tot verrassende conclusies, waarbij we mensen een kans geven die voorheen die kans niet gehad zouden hebben. Daarmee zetten we niet alleen belangrijke stappen in het streven naar een inclusieve arbeidsmarkt, maar vergroten we bovendien de kans dat we die ene topkandidaat voor die specifieke functie vinden.

Mijn naam is Chris Neddermeijer. Samen met Patrick Tiessen en Leon Vet ben ik oprichter van Nétive. Sinds 1998 houd ik mij bezig met het “inhuurvak”: gestart als programmeur, vervolgde ik mijn carrière als functioneel analist, product owner en tegenwoordig als Solution Architect. Dit betekent dat ik partners, klanten en prospects help tot de beste oplossing te komen voor uitdagingen binnen het inhuurproces. Bekijk alle berichten van Chris Neddermeijer

3 reacties op dit bericht

  1. Ha Chris,
    Mooi bevlogen artikel, en je hebt mij natuurlijk aan je zijde. Ik geloof in de kracht en toegevoegde waarde (en lol) van analytics – descriptive, predictive & prescriptive (recommending). Dat brengt me op de volgende bedenking rond de implementatie ervan. Is het niet zo dat AI inhoudelijk aanslaat bij mensen met een analytische, samenhang- en verklaringzoekende aanleg? Mensen die veelvuldig dingen en dingetjes onderzoeken en dat in meer of mindere mate gestructureerd aanpakken? Mensen die regelmatig op zoek zijn naar verbeteringen, en naar de oorzaken van gebeurtenissen en veranderingen? Mensen die niet zachtjes leeglopen bij de eerste aanblik van wiskunde, algebra of statistiek, en inzien dat die juist kunnen helpen bij het beschrijven, begrijpen en verklaren van onduidelijkheden en chaos? Mensen die dan ontdekken dat E = MC^2, IFTTT, wat ‘de mens’ drijft, etcetera? En dat alle anderen (de over- over- overgrote meerderheid) gewoon wachten tot AI ongemerkt heel effectief helpt en breed wordt geaccepteerd – What’s in it for me?
    Groet!
    Wim

    • Hi Wim, dank voor je enthousiaste reactie! En ik ben het ook met je eens. Onder aan de streep moet AI meer “naar de werkvloer” worden gebracht. Continu verbetering lukt pas echt, als je dingen écht verandert in je organisatie. En dat begint dus in dit geval ook (juist!) bij de hiring manager met een vacature. Momenteel ben ik dit precies aan het onderzoeken: de kwaliteit van het geautomatiseerd “the best possible next action” tonen of “the most beneficial change” voorstellen terwijl je de vacature nog aan het invullen bent. En dan wordt ineens de factor ethiek binnen de AI heel interessant!