Het artikel gaat hieronder verder.
Bij de introductie van ChatGPT waren de verwachtingen hooggespannen. A.I. zou recruitment op alle manieren gaan veranderen, betere selectie lag in het verschiet, zo was de gedachte, en het leven zou alle recruiters voortaan tegemoet lachen: alle saaie klusjes zouden uit handen worden genomen. Maar nu we een paar jaar verder zijn blijkt de praktijk toch wat weerbarstiger. Kandidaten hebben de mogelijkheden van A.I. nog nét wat meer ontdekt, en voelen zich ook minder aan regels gebonden, terwijl ze tegelijk organisaties wantrouwen die A.I. inzetten, met name waar het selectie betreft.
‘Werkgevers worstelen nog altijd om de juiste persoon voor de juiste functie te vinden.’
In zulke gevallen van groeiende onzekerheid is het altijd verstandig te luisteren naar iemand als organisatiepsycholoog Tomas Chamorro-Premuzic, die in Harvard Business Review de balans tot nu toe opmaakt, en constateert dat – ondanks alle praatjes over de mogelijkheden van A.I. – de realiteit is ‘dat de arbeidsmarkt nog steeds even inefficiënt is.’ Het beloofde paradijs is tot nog toe uitgebleven, stelt hij wat misnoegd vast. ‘Werkgevers worstelen nog altijd om de juiste persoon voor de juiste functie te vinden, terwijl werknemers ontevreden blijven over hun baan en carrière.’
‘Lawaaierige wapenwedloop’
Volgens Chamorro-Premuzic is recruitment dankzij A.I. alleen maar nog meer een ‘lawaaierige, overvolle wapenwedloop van automatisering geworden, die vaak onmenselijker is voor zowel werkzoekenden als recruiters. Het resultaat is een ecosysteem waarin beide partijen overspoeld worden, soms misleid, af en toe onder de indruk raken en meestal uitgeput raken, met een groeiende vertrouwenscrisis tot gevolg.’ Verbetering is mogelijk, zegt hij. Maar dan moeten leiders en recruiters wel ‘de verleiding weerstaan om A.I. nog langer als een wondermiddel te beschouwen.’
‘We moeten wel realistisch blijven over wat er tot nu toe is gebeurd.’
Dat betekent volgens hem overigens niet dat je alle A.I. moet vermijden, benadrukt hij. ‘Ik ben nog steeds enorm enthousiast over de potentiële kracht van A.I. om recruitment te transformeren. Maar we moeten wel realistisch blijven over wat er tot nu toe is gebeurd. […] De technologie is zeker krachtig. De waarde ervan hangt alleen volledig af van hoe deze wordt getraind en ingezet. In het beste geval vermindert A.I. ruis, zorgt het voor consistentie en bevordert het meritocratie. In het slechtste geval versnelt het juist depersonalisatie, verergert het vooroordelen en automatiseert het slechte oordelen.’
Data scraping
De Amerikaanse hoogleraar aan onder meer Harvard en Columbia University schreef al over de impact van A.I. lang voordat grote taalmodellen gemeengoed werden. ‘De grote invloed van A.I. was altijd al waarschijnlijk. Mensen brengen een groot deel van hun leven online door, ook tijdens het werk (of doen alsof ze werken), terwijl bedrijven triljoenen hebben geïnvesteerd in digitale systemen die zijn ontworpen om de resulterende data vast te leggen, op te slaan en te analyseren. Een technologie zoals A.I., die in staat is deze oceaan aan data om te zetten in inzichten, was daarom onvermijdelijk’, blikt hij terug.
‘De grote invloed van A.I. was altijd al waarschijnlijk.’
Bovendien biedt A.I. volgens hem inderdaad ook mooie beloften, bijvoorbeeld om werving en selectie meer datagedreven en meritocratischer te maken. ‘Traditionele, op wetenschap gebaseerde instrumenten zijn vaak kostbaar en omslachtig in gebruik. A.I. verandert dit door nieuwe digitale talentsignalen mogelijk te maken (van virtuele interviews en passieve data scraping tot game-based assessments en objectieve prestatiebeoordelingen), en door deze signalen om te zetten in voorspellende indicatoren voor toekomstige prestaties.’
Dal der teleurstelling
Dus: in potentie kán het recruitment zeker verbeteren, en selectiebeslissingen uittillen boven het gooien van een dobbelsteen. Maar de praktijk lijkt zich nu vaak eerder in het dal der teleurstellingen te bevinden. Wat volgens hem vooral te maken heeft met hoe werkzoekenden het proces benaderen. ‘De meeste kandidaten gebruiken nu A.I. om hun zoektocht te optimaliseren en hun sollicitaties te perfectioneren, inclusief hun interviewtactieken. Zo kunnen sollicitanten onberispelijke cv’s, perfecte motivatiebrieven en gepolijste antwoorden op sollicitatiegesprekken produceren, en in één middag op honderden vacatures solliciteren.’
In plaats van makkelijker (en goedkoper) toptalent te kunnen identificeren, heeft A.I. de massaproductie mogelijk gemaakt van ‘kunstmatig gepolijste kandidaten die er alleen maar goed uitzien’, stelt Chamorro-Premuzic dan ook. ‘Werkgevers weten dit en wantrouwen daardoor steeds meer de signalen die ze verzamelen. Zelfs goed ontworpen screeningsystemen krijgen te maken met manipulatie: grote taalmodellen passen cv’s aan functiebeschrijvingen aan, imiteren een professionele toon en verzinnen prestaties die legitiem lijken. In extremere gevallen kunnen door A.I. gegenereerde avatars zelfs deelnemen aan online sollicitatiegesprekken.’
Terug naar de middeleeuwen
Dit grootschalig ‘valsspelen‘ leidt ertoe dat veel organisaties hun evaluatietools in twijfel gaan trekken en terugvallen op ‘het vertrouwde: persoonlijke ontmoetingen, aanbevelingen en vertrouwde netwerken. Maar deze terugval naar wat je ‘middeleeuwse werving‘ zou kunnen noemen, ondermijnt de potentiële waarde van A.I.’, stelt de hoogleraar. ‘De ironie is dat technologieën die bedoeld zijn om kansen te democratiseren, hierdoor uiteindelijk juist de ongelijkheden versterken die ze beloofden af te schaffen.’ Oftewel: géén grotere talentpools, níet meer diversiteit, maar juist: meer old-boys-network.
‘De ironie: technologieën versterken soms juist de ongelijkheden die ze beloofden af te schaffen.’
Voor een deel komt dat ook, schetst hij, omdat objectieve gegevens schaars blijven, en A.I.-systemen nog steeds niet goed in staat blijken de beste presteerders goed te identificeren. ‘Er is nog steeds geen overtuigend onafhankelijk bewijs dat A.I. beter presteert dan gevestigde, wetenschappelijk onderbouwde beoordelingsinstrumenten op het gebied van nauwkeurigheid, voorspellende waarde of kwaliteit van de match.’ Vaak blijkt A.I. juist vooral menselijke vooroordelen te automatiseren, omdat écht goede data over waardecreatie door medewerkers ontbreken. En zonder zulke data kan A.I. dus ook niet goed voorspellen.
Ongelijkheid versterkt
Omdat zulke objectieve data dus vaak ontbreken, worden modellen vaak getraind op historische wervings- of promotiedata. Maar zulke gegevens zullen ‘onbedoeld patronen van ongelijkheid leren’, stelt Chamorro-Premuzic, ‘waarbij kandidaten die lijken op het personeel van gisteren worden beloond en kandidaten die afwijken van de oude normen worden benadeeld. In die zin automatiseert A.I. niet alleen beslissingen; het kan ook ongelijkheid automatiseren en vooringenomen oordelen razendsnel opschalen. En wanneer deze systemen falen, kan de reputatieschade voor organisaties groot zijn.’
Maar dan de hamvraag: hoe hieruit te geraken? Hoe te profiteren van de kansen die A.I. biedt, maar tegelijkertijd niet verstrikt te raken in de overvloed aan ruis en misleiding die het tegelijkertijd ook kan genereren? Hoe de theorie werkelijkheid te maken dat we collectief ‘een dieper inzicht krijgen in menselijk talent en potentieel, waardoor een marktplaats ontstaat van reeds beoordeelde kandidaten die automatisch te koppelen zijn aan bestaande en potentiële banen, zowel binnen als tussen organisaties’, zoals Chamorro-Premuzic het uiteindelijke doel voorstelt?
Beter interviewen
De hoogleraar stelt daarvoor een aantal ingrepen voor. Zoals: A.I. die niet hallucineert, maar juist disciplineert. ‘A.I. presteert het best wanneer het structuur oplegt waar mensen geneigd zijn te improviseren. Als het dus bijvoorbeeld alle kandidaten dezelfde vragen stelt, voorkomt dat de interviewer afdwaalt en consistente beoordelingsregels hanteert. Deze standaardisatie is belangrijk omdat structuur een van de sterkste voorspellers is van validiteit bij selectie. Door A.I. geleide interviews zijn, mits goed ontworpen, doorgaans duidelijker, relevanter voor de functie en beter vergelijkbaar dan interviews met mensen.’
‘Algoritmen worden niet moe, afgeleid of beïnvloed door charisma, accenten of bekendheid.’
Ook kan A.I. volgens hem helpen ‘minder ruis’ te produceren. ‘Algoritmen worden niet moe, afgeleid of beïnvloed door charisma, accenten of bekendheid. Door dezelfde criteria op iedereen toe te passen, creëren ze een eerlijkere basis voor evaluatie. Als je deze systemen valideert aan de hand van echte prestatiegegevens van zittende werknemers, kunnen ze de kwaliteit van de aanname aanzienlijk verbeteren. Maar als dit niet gebeurt, automatiseren ze slechts inconsistentie op grote schaal.’
De plus zit in de mix
De grootste kans ligt volgens hem evenwel in de combinatie van de efficiëntie van AI met de validatiestandaarden van de industriële en organisatiepsychologie en het oordeel en de empathie van ervaren recruiters. ‘We moeten automatisering gebruiken om tijd terug te winnen, niet om mensen uit het proces te verwijderen. Als algoritmes de screening en triage afhandelen, kunnen mensen zich richten op wat technologie nog steeds niet goed kan: motivatie begrijpen, kandidaten coachen, de bedrijfscultuur overbrengen en mensen helpen bij het nemen van complexe carrièrebeslissingen.’
‘Het doel is dus niet mensen uit het proces te verwijderen, maar ze intelligenter in te zetten.’
Neem een voorbeeld aan de vastgoedmarkt, zegt hij, waar platforms als Zillow en Idealista de eerste selectie van kandidaten voor hun rekening nemen, maar vervolgens vertrouwde professionals de uiteindelijke beslissing begeleiden. ‘Data doen het zware werk, maar mensen blijven verantwoordelijk voor oordeel, context en vertrouwen.’ Dat zou volgens hem dus ook recruitment kunnen helpen. ‘Het doel is dus niet om mensen uit het proces te verwijderen, maar om ze intelligenter in te zetten. De tijd die A.I. bespaart, moet je herinvesteren in diepgaandere gesprekken, betere evaluatie en meer verantwoorde beslissingen. Zo maakt A.I. het proces niet meer geautomatiseerd, maar meer menselijk.’