Het gebruik van algoritmes tijdens recruitment

Is een algoritme in staat kandidaten beter te selecteren dan recruiters? Kan een algoritme een online assessment, persoonlijkheidstest of capaciteitentest vervangen? Kan een recruitment algoritme werkgedrag voorspellen? Lees hier de voor- en nadelen.

Een nieuwe hype voor het selecteren van sollicitanten: niet de recruiter maar een algoritme bepaalt of iemand goed past bij een openstaande vacature. Maar werkt dit ook echt? We geven eerst wat uitleg over kunstmatige intelligentie, algoritmes en machine learning.

Wat is kunstmatige intelligentie (KI)?

KI, ofwel artificial intelligence, omvat de intelligentie waarmee machines, software en apparaten zelfstandig problemen kunnen oplossen. Door het nabootsen van menselijke intelligentie kunnen deze systemen of machines taken zelfstandig uitvoeren en zichzelf verbeteren op basis van vergaarde informatie. Hierbij draait het niet alleen om rekenkracht, maar ook om het vermogen om te leren en beslissingen te nemen. Dit stelt KI in staat om het menselijk handelen volledig over te nemen, zonder dat KI zich bewust is van de taken die het uitvoert. In plaats daarvan volgt het algoritmes en herkent het patronen. Deze techniek is gebruikt in The Bridge AI, de online interview tool van TestGroup.

Wat is een algoritme?

Algoritmes: Een algoritme is een serie instructies die een computer vertelt wat het moet doen. Hierdoor kan er, na input van data, een resultaat uitkomen. Bij werving en selectie en recruitment worden algoritmes gevoed met data die kunnen helpen bij het vinden van de meest geschikte kandidaat. Dit kan bijvoorbeeld persoonskenmerken, foto's, geluidsopnamen, taalvaardigheden of diploma's zijn. Op basis van deze data voorspellen algoritmes op vooraf bepaalde of gevonden verbanden welke kandidaten geschikt zijn voor de functie. In The Bridge Personality, de persoonlijkheidstest van TestGroup, worden algoritmes gebruikt om te kijken of een kandidaat de test sociaal wenselijk heeft ingevuld.

Wat is machine learning?

Machine learning-modellen onderscheiden zich van andere vormen van KI doordat ze in staat zijn om zelfstandig problemen op te lossen en voorspellingen te doen op basis van data. Dit wordt ook ingezet bij werving en selectie en recruitment. Als een kandidaat wordt aangenomen die door KI is geselecteerd, ziet de KI dit als een positieve score voor de voorspelling. Het systeem heeft het goed gedaan en zal in het vervolg nog meer van dit soort kandidaten willen selecteren. Als de geselecteerde kandidaat wordt afgewezen, corrigeert het model zichzelf.

Hoe werkt zo’n recruitment algoritme?

Voor het maken van recruitment algoritme is een grote groep werknemers nodig. Deze werknemers leveren de data waarmee het algoritme zijn werk kan doen. Zonder deze grote groep werknemers (binnen hetzelfde bedrijf) werkt het algoritme niet. Vergelijk het met ‘big data’: zonder grote datasets kunnen algoritmes hun werk niet doen.

Van een grote groep werknemers wordt bijvoorbeeld door het algoritme het cv en de motivatiebrief geanalyseerd. Sommige organisaties gaan nog verder en laten hun sollicitanten een game doen. Op basis van de scores van deze werknemers (voor een goed werkend algoritme zijn per bedrijf vaak meer dan 500 werknemers nodig) worden vervolgens algoritmes ontwikkeld. De scores van een nieuwe sollicitant worden vervolgens door het algoritme vergeleken met de best scorende medewerkers.

Het online assessment: persoonlijkheidstest en capaciteitentest

Echter, wanneer het algoritme een kandidaat heeft geselecteerd, gaan bedrijven nog wel persoonlijk een gesprek aan met de kandidaat. Vaak vullen de kandidaten ook nog een persoonlijkheidstest en een capaciteitentest in. Er ontstaat dus minder tijdswinst tijdens het recruitmentproces dan gedacht. Daarnaast is het (nog) de vraag of recruitment algoritmes nauwkeurig zijn en/of ze voorspellers kunnen zijn van werkgedrag. Degelijk wetenschappelijk bewijs (in de vorm van wetenschappelijke publicaties) is op dit moment nog niet voorhanden.

Wat zijn de voordelen van een recruitment algoritme?

• Het algoritme hanteert bij iedereen dezelfde regels, een menselijke recruiter kan subjectief zijn;
• Bij grote hoeveelheden kandidaten kan het algoritme tijdwinst opleveren. Die kandidaten moeten dan wel aanwezig zijn, wat lastig kan zijn in een krappe arbeidsmarkt.

Wat zijn de nadelen recruitment algoritmes?

• Het ontwikkelen van het algoritme en de bijpassende dataset is mensenwerk en dus zeer prijzig;
• Kan niet gebruikt worden voor specifieke functies (waarvan er maar 1 per bedrijf is);
• Een algoritme kan zaken over het hoofd zien, het doet alleen waarvoor het ontwikkeld is.

Wil je meer informatie over recruitment algoritmes?

Zoek je meer informatie over het gebruik van recruitment algoritmes voor de selectie van je werknemers? Neem dan hier contact met ons op.