Talent-acquisitie - man versus machine

Written by: Corné Corné
Blog

Is een computer-algoritme superieur ten opzichte van menselijk instinct als het gaat om het werven en selecteren van personeel? Volgens een artikel in Bloomberg Business wel: onderzoekers van NBER (Amerikaans bureau voor economisch onderzoek) onderzochten 15 bedrijven en meer dan 300.000 aangenomen individuen in laag geschoolde banen zoals call center medewerkers. Voor elke sollicitant gaf een door NBER ontwikkeld algoritme een advies of deze persoon aangenomen zou moeten worden op basis van technische vaardigheden, persoonlijkheid, cognitief vermogen en geschiktheid voor de baan.

De uitkomst: sollicitanten die door het algoritme als positief werden bevonden, bleken gemiddeld 12 dagen langer in dienst te blijven dan sollicitanten voor wie een neutraal advies werd gegeven. Sollicitanten met een negatief advies bleven gemiddeld 17 dagen korter in functie dan neutraal bevonden kandidaten. Nu klinkt dit niet erg spannend die paar dagen, maar genomen dat het om functies ging waarin individuen meestal slechts 3 maanden werken, is dat het zeker wel. Sollicitanten die een positief advies kregen, bleven dus meer dan 20% langer in functie. Gezien het om 300.000 aangenomen personen ging, zouden de bedrijven een flinke reductie in kosten hebben gehad als zij het advies van het algoritme hadden opgevolgd.

Algoritme of onderbuikgevoel?

Ook al laat het artikel zien dat het gebruik van algoritmen in talent acquisitie populairder wordt, nog steeds volgen recruiters over het algemeen hun instinct als het gaat om werving en selectie. Zoals dit voorbeeld laat zien, kan dit echter zorgen voor flink extra kosten gezien de recruiters niet altijd in staat zijn een goede voorspelling te maken van het potentieel van een sollicitant.

Dus moeten we het advies van het algoritme dan maar opvolgen? Om deze vraag maar politiek te beantwoorden: ja en nee. Ja, we zouden ons bewust moeten zijn waar ons instinct onder doet voor een algoritme maar tegelijkertijd ook moeten weten wanneer de uitkomst van een algoritme te overschrijven.

Een praktijkvoorbeeld

Wanneer zouden we ons instinct moeten volgen en niet de uitkomst van een algoritme, ook al weten we misschien dat het algoritme het bij het juiste eind heeft?

Deze situatie wordt mooi geschetst in de TED talk van Andreas Ekström. In deze presentatie beschrijft Andreas hoe een Google-zoekresultaat van Michelle Obama handmatig werd verwijderd door Google zelf. De reden: in het zoekresultaat was het gezicht van Michelle Obama vervangen door het gezicht van een aap, iets wat Google onacceptabel vond. Anderzijds werd een zoekresultaat van Anders Behring Breivik (de terrorist achter de aanval op het eiland Utaya), waarin zijn foto vervangen was door een foto van hondenpoep, niet verwijderd. Kortom, ook al gaf het zoekalgoritme van Google een ‘correct’ resultaat (beide foto’s waren breed verspreid op verschillende websites en bevatte de metatags van Michelle Obama en Breivik), toch besloot Google uit morele overwegingen om wél en níet in te grijpen.

Man & machine!

Aan elk algoritme zit dus een menselijke kant, zelfs aan het zoekalgoritme van Google. Binnen recruitment is dit niet anders, het is uiteindelijk de organisatie zelf die bepaalt aan welke eigenschappen van een sollicitant zij waarde hechten. Een selectie algoritme of analytics in het algemeen geeft een aantal belangrijke inzichten met betrekking tot deze eigenschappen.

Enkele mogelijkheden met analytics:

  • Het toetsen van aannames: welke sollicitanten denk je dat de meeste potentie hebben? Van welke middelen kun je het beste gebruik maken om de juiste doelgroep te bereiken? Binnen veel organisaties worden dit soort vragen momenteel beantwoord op intuïtie en zoals de NBER studie laat zien is dit niet altijd even effectief.
  • Een homogener selectieproces creëren. Maak je tijdens een sollicitatiegesprek op een maandagochtend dezelfde beslissing als bij een gesprek op de vrijdagmiddag? Misschien niet en zelfs al maak je dezelfde beslissing, dan kunnen de beweegredenen verschillen. Een algoritme heeft hier geen last van en zal op beide tijden hetzelfde advies geven op basis van dezelfde feiten. Zo maak je beslissingen minder gevoelig voor stemmingswisselingen.
  • Duidelijkheid scheppen in waar je organisatie voor staat. Het zou te makkelijk zijn om tegen een algoritme te zeggen: “neem goede mensen aan”. Om een algoritme te ontwikkelen moet concreet gespecificeerd worden wat 'goede mensen' zijn. Alleen al het beantwoorden van deze vraag op concreet niveau kan ontzettend veel inzichten bieden in welke aannames er zijn binnen de organisatie en aan welke persoonlijke eigenschappen van een sollicitant je waarde hecht.

Ben jij in staat om heel concreet te specificeren wie je zou willen hebben voor een bepaalde functie? Sommige eisen zoals vereiste kennis zijn makkelijk te specificeren maar qua karaktereigenschappen? Hoe ziet jouw ideale sollicitant eruit? Zet het eens op papier en bekijk kritisch welke aannames je hier maakt. Aan welke eigenschappen zou je je vasthouden als een algoritme het tegendeel zou bewijzen? En als je je er niet aan zou vasthouden, waarom zou je geen analytics gebruiken om te testen of jouw aanname wel klopt?