Bestaat AI in recruitment wel?

Written by: Sanne van Baar Sanne van Baar
Blog

Lees in: English

Wie zich nu bevindt in recruitment tech land, struikelt over de beloftes over kunstmatige intelligentie. Maar hoe echt zijn die beloften?

Nou, dat valt te betwisten. 

Veel recruitment tech bedrijven claimen een op AI gebaseerd product te hebben. Hoewel technisch vaak waar, is het een beetje als de ‘vernieuwd recept’-sticker op een fruitsalade. In de strikte zin is dat waar, maar het zegt vaak (nog) niets. 

Laten we even kijken naar een paar van die AI-beloften in recruitment

  • Het opsporen van nieuwe bronnen van talent
  • Het ontcijferen van Frankenstein-vacatures om functie-eisen met cv’s te matchen. Om je een gevoel te geven, zoiets:

Screenshot 2019-07-31 at 14.20.37

  • Het ontcijferen van cv’s om drijfveren, carrièrepaden en andere essentiële patronen van talent 
  • Het gladstrijken van de candidate experience door veelgestelde vragen te beantwoorden via chatbots

Klinkt veelbelovend. Sommige van deze AI-toepassingen zijn zelfs al aardig succesvol. Kijk naar geautomatiseerde gesprekken in chatbots - hoewel we hier natuurlijk allemaal goede en slechte voorbeelden van kennen.

Maar wat is de belofte van AI ook alweer?

jens-johnsson-OFpzBycm3u0-unsplash

In de breedste zin van het woord is het elke vorm van ‘niet-menselijke intelligentie’.

AI adviseert je om een bepaalde beslissing te maken, of maakt die beslissing zelf. Ok. De techniek is er, de algoritmes zijn er. 

Het probleem zit ‘m in de data. 

Waarom? Dit werd prachtig verwoord door Spyros Magiatis (CIO bij Workable) in zijn sessie op Recfest London afgelopen juli. “AI is het doel, het is de heilige graal. Algoritmen die samenwerken om onze complexe vraagstukken op te lossen.” 

Pas op met de AI-discussie

Maar zo ver zijn we nog lang niet, waarschuwde hij. “We moeten de AI-discussie met beide benen op de grond houden."

AI is echt en veelbelovend, maar erg gehyped. De resultaten die AI ons geven zijn momenteel namelijk vaak niet nauwkeurig genoeg. 50 tot 60% nauwkeurigheid voor vroege tools is gangbaar. Maar wanneer het gaat om beslissingen om een kandidaat wel of niet aan te nemen, is dat niet voldoende. 

En daar komt het dataprobleem weer om de hoek kijken. De techniek is er klaar voor. Maar de data van de klanten van deze tools vaak niet. 

‘Mike is een superster. Ik wil meer Mikes'

We leggen het uit aan de hand van een ook voor jou waarschijnlijk bekend probleem. Een situatie waarin de hiring manager zegt: “Mike is een superster. Ik wil meer Mikes in mijn team.”

Wat voorkomt dat onze tools, laten we zeggen, tot 80 a 90% procent nauwkeurig deze nieuwe Mikes kunnen voorspellen? Magiatis geeft hiervoor 4 redenen. 

1. De kwaliteit van onze data

Onze ATS’en en HR-systemen zijn de meest krachtige databases die we hebben. Maar momenteel hebben we bij lange na niet genoeg data om onze algoritmen ‘te voeren’. Voor dit soort sourcing hebben we miljoenen cv’s en andersoortige datasets nodig om Mike’s prestaties aan te tonen.

workaholic1-1

2. Onvoldoende data 

Sinds de GDPR is je database waarschijnlijk ‘schoner’ dan voorheen. Maar toch zijn data vaak niet goed genoeg om te voorspellen wie de volgende Mikes zullen zijn. 

Dan hebben we het nog niets eens over het feit dat cv’s vaak geen realistisch weerspiegeling zijn van de waarheid.

Oftewel: fake data give fake results

3. Subjectiviteit: jouw Mike is de mijne niet

Om AI los te laten op je probleem, moet je een ideale uitkomst formuleren. Wat maakt dat Mike zo succesvol is in zijn werk? In termen van vaardigheden en ervaring? Probleem: de ideale kandidaat voor mij, is niet hetzelfde als de ideale kandidaat voor jou.

3. Fragmentatie van data in verschillende tools

De data die AI nodig heeft komt momenteel uit allerlei verschillende tools: je ATS, HRIS, performance management systeem, social media, etc. Dit heeft impact op de kwaliteit van je data - wat betekent dat resultaten minder nauwkeurig zijn.  

Vier dataproblemen waar veel recruitmentteams momenteel nog hard mee bezig zijn. 

Download jouw gratis Handleiding Voor Datagedreven Recruitment

Wanneer zijn we er dan wél klaar voor? 

Denk gerust aan een jaar of 3 tot 5. Het maakt niet uit hoe geavanceerd je AI-tools zijn, voorspellende resultaten zijn momenteel nog veelal niet nauwkeurig - lees: bruikbaar. 

Een nauwkeurigheid van 60% is nu gangbaar. Zo’n percentage is prima als je Amazon bent. Een 60% kans dat de ‘Ook interessant voor jou’- aanbevelingen daadwerkelijk je smaak zijn.

Een miskoop op Amazon is overkomelijk. Maar wanneer een nieuwe Mike toch geen succesnummer blijkt te zijn, lopen de costs per hire flink op. 

Maar goed, bestaat AI nou in recruitment of niet?

Old fortune teller sees a future from the crystal ball

Jazeker.

Als we alle overtrokken beloften over kunstmatige intelligentie even buiten beschouwing laten, zijn er zeker nu al bruikbare toepassingen in recruitment. Denk aan chatbots die de meest gestelde vragen over het sollicitatieproces beantwoorden. 

Is dat het? 

Nee. De volgende stappen zijn echt en veelbelovend.

Complexere chatbots tackelen het probleem van kandidaten die veel persoonlijkere informatie willen over hun eigen sollicitatie. Slimmere chatbots zij in staat ook dit soort specifiekere informatie te verschaffen.  

Bij Endouble werken we aan de integratie van AI en machine learning in onze producten en diensten om recruitmentprofessionals efficiënter te laten werken. Natuurlijk zonder af te doen aan gebruiksvriendelijkheid en zodanig dat het echte problemen aanpakt. Dat het geen nieuwe gadget wordt, maar een échte oplossing voor het recruitment probleem van jouw bedrijf

Blogs zoals deze automatisch in je mailbox? Schrijf je nu in voor onze nieuwsbrief!