Sollicitatiegesprek met een robot

Jan Kwint en Ivo Winkes met in het midden LTP-robot Sigmund. © Marco Okhuizen

Artificiële Intelligentie (AI) programma’s kunnen het zoeken naar de ideale kandidaat voor een bepaalde functie veel eenvoudiger en vooral minder biased maken. Gelijke kansen voor iedereen, ongeacht bijvoorbeeld etnische achtergrond of geslacht. Immers, een recruiter is ook maar een mens en een mens heeft onbewuste vooroordelen. Hoe moeilijk het is om deze bias van recruiters níet in een algoritme te krijgen werd recent nog door L’Oreal en Starbucks aangetoond. Het algoritme discrimineerde… Maar, een algoritme leert ook snel.

Als het om assessment van kandidaten gaat bestaan er al langer speciale algoritmes om bijvoorbeeld persoonlijkheidsvragenlijsten en cognitieve testen te interpreteren. De ervaring en kennis van de psycholoog zit dus in het algoritme. Het gebruik van deze testen heeft aangetoond een hoge voorspellende waarde te hebben als het gaat om toekomstig succesvol functioneren. Dat geldt overigens alleen voor de vragenlijsten die zijn goedgekeurd door de COTAN (Commissie Test Aangelegenheden Nederland).

Tijdens het werving- en selectieproces kan AI dus heel handig zijn. AI-gestuurde systemen kunnen kandidaten beoordelen op hun kwaliteiten, zonder dat het geslacht, de etniciteit of eventuele andere vooroordelen van werkgevers een rol spelen.

Er zijn ook tegengeluiden. AI wordt ook wel als een existentialistische bedreiging voor de mensheid beschouwd en veel mensen maken zich nu al zorgen over de singulariteit van kunstmatige intelligentie – het moment dat machines het over nemen van mensen. Maar voorlopig lijkt het inzetten van AI veel voordelen te kunnen bieden.

AI om sollicitanten te selecteren
AI heeft een aantal belangrijke voordelen voor de werving en selectie van kandidaten:

  • Efficiëntie – Elke keer dat we een proces automatiseren, winnen we aan efficiëntie. Met AI kunnen HR-teams en recruiters de relevante gegevens al in een veel vroeger stadium en op een objectieve en consistente manier beoordelen dan bij ‘face-to-face’ interviews het geval zou zijn.
  • Nauwkeurigheid – AI kan meer gegevens verzamelen en interpreteren dan mensen. Dankzij machine learning en AI-algoritmes kunnen systemen enorme hoeveelheden gegevens heel nauwkeurig evalueren en dus een bijdrage leveren aan betere wervingsbeslissingen.
  • Betrokkenheid – Omdat het recruiters in staat stelt om direct hulp en ondersteuning te bieden, kan AI de ervaring van de kandidaat tijdens het wervingsproces verbeteren. En het maakt open antwoorden mogelijk tijdens praktijksituaties en in persoonlijkheidsvragenlijsten, wat bijdraagt aan een positieve beleving van de selectieprocedure.
  • Vermijden van vooroordelen – Mensen zijn gevoelig voor stereotypen en vooroordelen, wat vaak de reden is achter slechte selectiebeslissingen. Omdat AI altijd objectief is, kunnen we onbewuste en bewuste vooroordelen elimineren. Recruiters moeten echter wel weten hoe het AI-systeem dat ze gebruiken geprogrammeerd is. Een AI-algoritme is nooit beter dan de informatie die het moet verwerken.

Door vooroordelen te elimineren, de procedure kandidaatgerichter te maken en de tijd die nodig is om tot de juiste beslissing te komen te verkorten, kan technologie het selectieproces voor zowel sollicitanten als werkgevers verbeteren.

Hoe gaat het gebruik van AI bij werving en selectie zich verder ontwikkelen?
Het gebruik van AI bij assessments zal in de toekomst alleen nog maar toenemen, beter worden en sneller gaan. Ontwikkelaars proberen er bijvoorbeeld nu al achter te komen hoe AI kan helpen bij de interpretatie van open vragen in persoonlijkheidsvragenlijsten. Recruiters zouden realtime interviews kunnen afleggen met een avatar als observator, of met hun eigen avatar via het internet.

Om die reden zijn LTP en de VU een wetenschappelijk onderzoekstraject gestart om een algoritme te ontwikkelen dat gezichtsexpressie en verbale en paraverbale expressie meet. Zij proberen aan te tonen dat dit algoritme ingezet kan worden bij personeelsselectie. De validering van het algoritme gebeurt doordat het kandidaten betreft die bij LTP volledig getest zijn. Daartoe heeft LTP een psycholoog vrijgesteld. Zijn naam? Sigmund.

Bij LTP in Amstelveen bijvoorbeeld start binnenkort een experiment met Sigmund. Deze 41 cm hoge robot heeft gezichtsuitdrukkingen die ingesteld kunnen worden, om een zo realistisch mogelijke indruk te maken op kandidaten. Sigmund wordt getraind om ‘no-bias’ interviews – dus interviews waarbij vooroordelen geen enkele rol spelen – te doen. Het project bevindt zich nu nog in de leerfase, maar als Sigmund gelanceerd wordt, zal hij/zij genoeg hebben geleerd om zelf beslissingen te kunnen nemen.

Betekent dit dat de rol van het onderbewuste nu is uitgespeeld? Sigmund is gebaseerd op een AI-architectuur die kan leren van de testinterviews die worden gevoerd door interviewers/geïnterviewden met verschillende achtergronden, culturen, geslacht en leeftijden. In 2020 zal de robot geïntroduceerd worden als een meertalige interviewer. Een methode die vaardigheden en competenties boven zaken als etniciteit stelt, wordt gezien als een positieve ontwikkeling en als een belangrijk voordeel van AI. Juist omdat ze niet menselijk is, heeft Sigmund geen vooroordelen waardoor kandidaten geneigd zijn om eerlijker te reageren.

Jan Kwint
Jan Kwint
Jan Kwint is CEO van LTP Business Psychologists. Jan heeft arbeids- & organisatiepsychologie gestudeerd aan de Universiteiten van Tilburg en Leuven en 25 jaar ervaring opgebouwd binnen de internationale consultancywereld.
Op welk mailadres wil je het voorbeeldrapport ontvangen?