AI Kopgroep van start: verantwoorde inzet AI in HR

Op donderdag 5 september jl. vond de eerste bijeenkomst van de ‘AI Kopgroep’ plaats. Een initiatief van LTP om – met een aantal HR- en thought leaders uit diverse organisaties en vanuit de wetenschap – verantwoord gebruik van AI in HR te stimuleren. Hieronder vind je een verslag van het event!

Aan de hand van voor HR relevante AI-thema’s willen we de komende jaren o.a. een aantal themasessies organiseren met externe sprekers. Met als doel om AI in HR op een zodanige wijze te introduceren dat we de kansen volop benutten en valkuilen weten te vermijden.

Bij alle nieuwe ontwikkelingen en daarmee samenhangende hypes, is het cruciaal scherp te blijven onderzoeken wat de directe waardetoevoeging is voor de organisatie. – Hein Knaapen

Hoe ver zijn we eigenlijk met AI in HR? En wat kunnen we ervan verwachten?

Hein Knaapen startte de bijeenkomst met de nuchtere constatering dat AI een middel is en geen doel op zich. Bij alle nieuwe ontwikkelingen en daarmee samenhangende hypes is het cruciaal scherp te blijven onderzoeken wat de directe waardetoevoeging is voor de organisatie. Met dat in het achterhoofd is het dan weer zaak om vernieuwing in HR te omarmen. Zodat je als organisatie de juiste mensen blijft vinden en die optimaal kunt inzetten op basis van hun talent.

Jan Kwint gaf vervolgens in zijn inleiding een korte schets van de huidige stand van zaken. AI loopt qua gezond verstand en sociale intelligentie nog steeds achter op de mens.

Dat robots toch in toenemende mate een rol spelen in ons dagelijks werkleven – buiten de gebruikelijke toepassing in productieomgevingen – laat Heleen Kuijten van Schiphol zien: daar hebben recentelijk twee robots hun intrede gedaan op de afdeling administratie, die onwaarschijnlijke hoeveelheden repetitief werk verzetten. Na wat aanvankelijke scepsis bij de ‘collega’s’, zien die nu de voordelen: ruimte voor leukere / interessantere werktaken.

Dat robots nog niet in staat zijn om menselijke interactie te evenaren, blijkt o.a. uit de huidige conditie van Erica – de robot uit de titel van het boek ‘Ik ben Erica’ van Jan Kwint en Marian de Joode. Zij doet het als nieuwslezeres best goed, maar begin geen gewoon gesprek met haar. In het videofragment hieronder is te zien wat er dan gebeurt. Er is op dat vlak duidelijk nog veel werk te verzetten.

Tegelijkertijd werken we bij selectie en recruitment al decennialang met algoritmes

Uit onderzoek blijkt dat algoritmes de voorspellende waarde van onze adviezen sterk heeft geoptimaliseerd. Die algoritmes waren voorheen gebaseerd op expertkennis die in systemen geprogrammeerd was: de psycholoog in de machine. Alles nog op basis van vragenlijsten en testen.

Inmiddels vormen data de basis. Met behulp van machine learning worden lerende systemen toegankelijk gemaakt. Dit klinkt objectief, maar de valkuilen hebben zich al laten zien: algoritmes die de beslissingen van witte mannen van boven de 50 representeren en chatbots die zich op basis van social media in een paar uur tot een fascistoïde extremist ontpoppen. Terwijl een van de redenen om AI in personeelsselectie te introduceren juist is om de objectiviteit te vergroten en bias uit te
filteren. Cruciaal is verantwoordelijk en transparant gebruik van AI.

Terwijl een van de redenen om AI in personeelsselectie te introduceren juist is om de objectiviteit te vergroten en bias uit te filteren. Cruciaal is verantwoordelijk en transparant gebruik van AI.

Als je dit ziet in het licht van HR – van selectiebeslissingen – is er nog veel werk aan de winkel

Een van onze stellingen is dat we AI te veel aan techneuten/ statistici (ook de psychometrici!) over hebben gelaten, en te weinig aan mensen. Vanuit HR en met name de psychologie weten we hoe belangrijk emoties bijvoorbeeld zijn. Dit is een van de redenen waarom LTP ‘Sigmund’ (robottechnologie van Furhat Robotics in Zweden) heeft aangeschaft voor een AI-project met de Vrije Universiteit. Dit is een robot die menselijk interacteert en waar wij ook op basis van stem, woordgebruik en gezichtsexpressie de emoties van onze assessmentdeelnemers mee gaan interpreteren.

Wij denken dat we hiermee heel interessante, nieuwe aspecten kunnen meenemen in de selectie. Is de keuze voor een rol/ functie op de juiste motieven gebaseerd? Of spelen er zaken mee die in een vroeg stadium een passende carrièrekeuze kunnen vertroebelen (verwachtingen van ouders, statusbeh0efte)?

Door het meenemen van emoties kan sociaal wenselijk gedrag geïdentificeerd worden. Vooral jonge mensen kunnen zo behoed worden voor een keuze die ze nog jarenlang van een inspirerend loopbaanpad kan afhouden.

Kunnen we nu al op basis van alleen AI een zinvolle voorspelling doen over toekomstig functioneren?

Er zijn al partijen die pretenderen dat ze daartoe in staat zijn. Wij zetten daar onze vraagtekens bij. Zinvolle voorspellingen dienen namelijk een wetenschappelijke basis te hebben (theorie, validering, et cetera). Dat kost veel onderzoek, tijd en geld. Jan Kwint: “Voorlopig is het realistisch om AI in te zetten als IA: Intelligence amplified. AI als zeer waardevolle tool voor de recruiter. En dus niet meteen in plaats van de recruiter”.

Wat zegt / doet de wetenschap?

Reinout de Vries, hoogleraar aan de Universiteit Twente en universitair hoofddocent aan de VU, bevestigt dat de toepasbaarheid van dit soort toepassingen nog in de kinderschoenen staat. Hij doet al enige jaren onderzoek naar het inzetten van AI bij het meten van persoonlijkheid. De uitkomsten zijn veelbelovend. In een PhD-project dat gefinancierd wordt door LTP wordt inmiddels verder gewerkt aan een op AI gebaseerd selectie-instrument.

Hij gaf aan dat door toevoeging van AI, het selectie-interview een betere voorspeller van werksucces wordt. Hier richt het VU-onderzoek zich op. De bronnen die in dit onderzoek uit het interview worden gedestilleerd zijn: woordgebruik, stemgebruik en gezichtsexpressies.

Ook stelt Reinout de praktische en ethische aspecten van AI aan de orde:

Hoe zit het met de acceptatie?

  • Is het aantrekkelijk voor organisaties?
  • Is het aantrekkelijk voor sollicitanten?


De ethische kant van de zaak:

  • ‘Rise of the racist robots’ (The Guardian, 8/8/2017): het meeliften van menselijke vooroordelen in de algoritmes.
  • Mogelijk misbruik van (video)data van sollicitanten.


Effecten:

  • Worden assessoren en recruiters overbodig?
  • Zijn de ‘good old vragenlijsten’ uiteindelijk niet veel efficiënter en gemakkelijker inzetbaar?

Hoe werkt zo’n algoritme?

Ward van Breda combineert expertise in cognitieve psychologie en artificiële intelligentie. Zijn inbreng in het LTP-project is de ontwikkeling van artificiële intelligentie in de Sigmund robot. In zijn algoritmes richt hij zich op het meten van persoonlijkheidsprofielen en op het in kaart brengen van emoties op basis van visuele, auditieve en verbale informatie. Deze algoritmes worden naast het gebruik in Sigmund, ook via toepassingen op internet toegankelijk worden gemaakt.

Het interessante van Sigmund is dat deze robot – naast het registreren van emoties – ook zelf daarop met passende emotie kan reageren.

Een interessant aspect van het onderzoek is dan ook of kandidaten in de interactie met deze ‘menselijke’ robot meer laten zien dan in de interactie met de toepassing op het internet.

Wat speelt er in organisaties: wat wordt de focus van de AI Kopgroep?

De belofte van AI en het inzetten van data wordt vooral gezien in:

  • Het objectiever maken van recruitment, nu toch vaak een subjectieve beslissing om kandidaten door te laten. Laat het algoritme maar (mee)beslissen!
  • Internationale toepassingen. Zet Sigmund een tijdje in Japan en zie wat de reactieverschillen zijn.
  • Retentie. Hoe houd je (goede) mensen langer vast? Door vaker te meten hoe het met ze gaat, en data te gebruiken om arbeidssatisfactie te voorspellen.
  • Job rotatie. Gebruik data om te bepalen wie van de medewerkerspool ook andere werktaken kan vervullen.
  • Strategische personeelsplanning en Talent Development. Kan AI op de langere termijn voorspellen wie de high potentials/ leiders zijn van de toekomst?
  • Development, met name het kruisvlak van recruitment en L&D. Het in kaart brengen van leerafstand. Dit begrip is relevant in de huidige krappe arbeidsmarkt waarin het 1-op-1 werven van kandidaten die perfect voldoen aan de eisen steeds moeilijker wordt. Veel slimmer lijkt het om iemand te werven die de functie nu nog niet kan vervullen, maar wel snel. Kortom, organisaties gaan op zoek naar groepen kandidaten met een zo klein mogelijke leerafstand. Overigens is dit voor sollicitanten zelf ook interessanter. Je stapt meestal ook over om zelf weer iets te kunnen leren. AI kan suggesties doen over mensen en beroepen met een kleine leerafstand tot een andere functie (talent navigatie).
  • Ten slotte: acceptatie. Het inzetten van een menselijke robot als Sigmund kan helpen om de organisatie op een positieve kennis te laten maken met nieuwe technologie zoals AI. Starten met en ontwikkelgerichte insteek is daarvoor wel cruciaal.

Na de inspirerende bijeenkomst hebben we het initiatief bezegeld door het gezamenlijk ondertekenen van een convenant. AI is voor LTP een speerpunt in de ontwikkelactiviteiten. Vanuit LTP zullen we de komende tijd bijeenkomsten organiseren waarin de ontwikkelingen op deze aspecten aan de orde komen. Daarbij nodigen we steeds externe sprekers uit om de laatste inzichten met ons te delen. Via LTP Science blijf je hiervan op de hoogte!

Marian de Joode

Marian de Joode

Marian is Business Lead Strategy en richt zich met name op leiderschaps- en organisatievraagstukken. Daarnaast heeft zij de regie over het LTP Innovation LAB, dat zich bezig houdt met toekomstgerichte innovaties. Je kunt haar bereiken via M.deJoode@ltp.nl of 06 - 2393 3419.

Offerte Team & Organisatie

Waar mogen wij het voorbeeldrapport naar toe sturen?