Kunnen AI en personeelspsychologie van elkaar leren?

David van Lennep algoritmes psychotechniek

De personeelspsychologie richt zich onder andere op onderbouwing en validering van voorspellingen over de toekomstige geschiktheid van personen in werkorganisaties. In het werving en selectieproces is in de afgelopen eeuw veel kennis ontwikkeld over het beoordelen en meten van geschiktheid, het kritisch toetsen van instrumenten op validiteit en betrouwbaarheid, en het terugdringen van bias. Er doet zich nu een nieuwe trend voor: de inzet van AI in recruitment en selectieprocedures. Claims zijn dat dat sneller, effectiever en met minder bias plaatsvindt dan met de tussenkomst van mensen. Opvallend is dat de ICT bij de ontwikkeling van algoritmes een belangrijke rol speelt, maar dat vanuit dit vakgebied de link naar bestaande kennis vanuit de personeelsselectie weinig wordt gelegd. Wat is er nodig om de uitspraken over geschiktheid op zijn merites te kunnen toetsen en hoe kan door samenwerking tussen personeelspsychologie en ICT de kwaliteit verbeterd worden? Aandacht voor de transparantie en de kwaliteit van de procedures is van groot belang, niet alleen voor werkgevers en sollicitanten, maar ook met het oog op de maatschappelijke acceptatie van AI in werving en selectieprocedures. 

 

Het ontstaan van de psychotechniek in Nederland

De NSvP (Nederlandse Stichting voor Psychotechniek) is al in 1926 opgericht met het doel het menselijk talent optimaal te benutten in de werksituatie. De snelle technologische vooruitgang in het begin van de 20e eeuw zorgde voor het ontstaan van veel nieuwe beroepen. Tot dan toe had het merendeel van de beroepsbevolking alleen een lagere school als basisopleiding, maar met de toenemende differentiatie in werk kwamen er steeds meer beroepsopleidingen bij. Grondlegger van de NSvP, David van Lennep, richtte in 1926 een beroepskeuze adviesbureau op om jongeren te begeleiden een juiste keuze te maken over hun toekomstige opleiding en beroep. Hij kwam daarbij ook op de vraag hoe je interesses, kwaliteiten en ontwikkelingspotentieel van mensen in kaart kan brengen en welke loopbaan het beste past bij de talenten en capaciteiten van een individu. Daarvoor zette hij verschillende apparaten en selectiemethoden in, om bijvoorbeeld reactietijden en oog-hand coördinatie te meten. Daarmee was de term psychotechniek geboren. De matchingsvraag is er dus een met een lange geschiedenis en de behoefte om daarbij goed onderbouwde hulpmiddelen in te zetten heeft vanaf de start een rol gespeeld. 

Wetenschappelijke onderbouwing van selectie-instrumenten 

David van Lennep heeft aan het begin gestaan van de A&O-psychologie als wetenschap in Nederland. In de beginjaren van de werving en selectie werd veel geëxperimenteerd; zo werd er ook gebruik gemaakt van grafologie en astrologie om geschiktheid van kandidaten vast te stellen. Later kwamen de associatietests zoals de TAT (Thematic Association Test) en de Rorschachtests. Maar met de toename van de populariteit van deze testen werd ook de roep om wetenschappelijke onderbouwing van de voorspellende waarde groter. Bovendien ontbrak het aan een achterliggende verklarende theorie. De personeelspsychologie als wetenschap zette zich in om de instrumenten aan een kritisch onderzoek te onderwerpen Naast het gesprek werd steeds vaker gebruik gemaakt van instrumenten die empirisch werden onderzocht en onderbouwd. (Zie voor meer informatie de brochure "Oog voor ontwikkeling" over de geschiedenis van de NSvP).

De terugkeer van psychotechniek in de vorm van Artificial Intelligence

De laatste jaren is er een grote groei van mogelijkheden van algoritmes die het recruitmentproces ondersteunen. Algoritmes kunnen worden ingezet om wervingsteksten te optimaliseren, een brede groep potentiële kandidaten te vinden en te benaderen, chatbots kunnen vragen van kandidaten beantwoorden om hun aanmelding te versnellen en AI kan de geschiktheid van een kandidaat vaststellen op basis van teksten in CV en motivatiebrief of analyse van video-interviews. Voorbeelden van AI in verschillende fases van het selectieproces zijn in onderstaande tabel te vinden. 
 

Taak Voorbeelden van AI oplossingen
Identificeren van kandidaten

Semantic-search: in plaats van het screenen op bepaalde direct aan de functie gerelateerde trefwoorden, kan AI de betekenis van verschillende aspecten van de CV interpreteren en toevoegen aan het zoekprofiel. Daarmee kan het de nauwkeurigheid van het zoeken verbeteren en eventueel het zoekgebied vergroten. Als bijvoorbeeld blijkt dat klantenservice medewerkers vaak in non-profitorganisaties hebben gewerkt, kan dat aspect worden toegevoegd in de zoekfunctie en wordt het zoekgebied zo verbreed met meer kans op het vinden van de “juiste” kandidaat.
Voorbeeld: 6sense van Monsterboard.

Aantrekken van kandidaten Met Augmented writing op basis van AI kan duidelijk worden welke teksten aanspreken en welke niet. Met die kennis kan Textio bijvoorbeeld wervingsteksten aanpassen om ze aansprekend, consistent en gender neutraal te maken. 
Verwerken van binnengekomen reacties CV Screening: Het screenen van CV’s op basis van algoritmes kan verder gaan dan alleen de screening op vooraf ingestelde keywords/criteria zoals opleiding of werkervaring. CV-viz claimt bijvoorbeeld een op AI gebaseerde tool te hebben ontwikkeld waarmee ook gekeken kan worden of de persoon past bij de organisatiecultuur.
Communicatie met kandidaten

Chatbots: met behulp van AI kunnen chatbots een groot deel van het contact met kandidaten overnemen; het wervingsproces verloopt sneller, meer kandidaten kunnen benaderd worden terwijl zij een persoonlijke benadering ervaren. Een voorbeeld is Mya-a.

Selectie Video interview: automatische verwerking van video interviews op basis van AI maakt selectie van kandidaten mogelijk gebaseerd op woordkeus, intonatie en gezichtsuitdrukking van kandidaten. Een voorbeeld is Hireview.

(schema gebaseerd op "Assessing the Fairness of AI Recruitment systems")

 

De belofte van AI voor recruitment

De AI-oplossingen zouden het recruitment en selectieproces op verschillende manieren verbeteren. Genoemde voordelen zijn onder andere: het proces verloopt sneller en bespaart tijd, de kwaliteit van de geselecteerde kandidaten neemt toe, en de bias in besluitvormingsprocessen neemt af. De gedachte bij deze laatste claim is vooral dat mensen vaak gekleurd oordelen in een selectieproces en dat door het beperken van de menselijke inbreng de kans op subjectieve en gekleurde beslissingen kleiner wordt. Er is echter nog weinig onderzoek dat die geclaimde verbeteringen waar kan maken. Algoritmes ontwikkelen zich vaak zelflerend; hun werking is daardoor moeilijk uit te leggen of transparant te maken. Als de trainingsdata al bias bevat of niet representatief tot stand is gekomen, zal de bias ook in de algoritmes terug te vinden zijn. Er wordt binnen AI gewerkt met correlaties tussen verschillende variabelen, maar vaak zonder achterliggende theorie die de voorspellende waarde van de gevonden verbanden verklaart. (zie artikel over bias in AI-recruitment en selectie). Er is dus weinig bekend over de werking van algoritmes terwijl AI een steeds belangrijkere rol krijgt op de arbeidsmarkt. Hoe kunnen we voorkomen dat fouten die in de vroegere jaren van de psychotechniek werden gemaakt opnieuw in het werving en selectieproces sluipen? Het lijkt verstandig om te leren van de kennis die de geschiedenis van 100 jaar werving en selectie heeft opgeleverd.  

De toekomst van recruitment en de effecten op de arbeidsmarkt 

De vraag die zich nu voordoet is of AI inderdaad de verwachtingen waar kan maken. Tegenwoordig is de door David van Lennep opgerichte NSvP een onafhankelijke stichting en een particulier vermogensfonds. Doel is nog altijd talent optimaal te benutten en door middel van kennisuitwisseling en kennisontwikkeling bij te dragen aan een inclusieve arbeidsmarkt. Daarin zal AI een belangrijke rol spelen. Daarom is het uiterst relevant om met verschillende kennispartners en betrokken praktijkpartijen antwoord te vinden op de volgende vragen:

  • Hoe kunnen we de kennis van de wereld van AI en de personeelsselectie beter verbinden?
  • Hoe kunnen we de waarden die een belangrijke rol spelen in het werving- en selectieproces toepassen op AI processen?
  • Hoe kunnen we de werking van AI eerlijk, verantwoordelijk en transparant maken? 

 


 

Voor meer info lees ook:

Over de kansen van AI in het recruitment proces:

AI in recruitment maakt werving en selectie eerlijker (artikel Flexmarkt, 2018)

The Role of Artificial Intelligence (AI) in Recruitment (artikel TalentLyft, 2018)

Bill Boorman: ‘We hebben nog geen enkel voorbeeld van AI in recruitment gezien’ (artikel Werf&, 2018)

5 Fascinating Uses of AI in Recruitment (artikel Harver, 2018)

 

Over de mogelijke risico’s:

Goodman, B., & Flaxman, S. (2017). European Union regulations on algorithmic decision-making and a “right to explanation”. AI Magazine, 38(3), 50-57.

Krishnakumar, A. (2019). Assessing the Fairness of AI Recruitment systems. TUDelft.

Piek, P., Putnik, K., Schoone, M., & Wiezer, N. (2018). Risico's voor discriminatie bij werving en selectie: huidige gang van zaken en trends (No. TNO 2018 R11086). TNO.

 

Thema's

Onderwerpen

Over NSvP

De NSvP is een onafhankelijk vermogensfonds, dat zich inzet voor een menswaardige toekomst van werk. Wij stellen de vraag hoe de arbeidsmarkt van morgen er uit ziet en wat dat vraagt van de talent-ontwikkeling van jongeren en werkenden.

Rijnkade 88
6811 HD Arnhem
info@nsvp.nl
026 - 44 57 800

logo footer

Vind ons op Facebook
Volg ons