De gemiddelde recruiter kijkt gemiddeld 6 tot 7 seconden naar een cv. In die superkorte tijd beslist hij of zij: óf door, óf een twijfelgeval, óf – en dat komt het meeste voor: een directe afwijzing. Zo’n paar seconden lijkt misschien al heel weinig, maar kandidaten beoordelen kan in werkelijkheid nog veel sneller. En nog beter ook, claimt Traicie, een zelflerend algoritme dat je persoonlijkheid detecteert via een diepgaande analyse van je schrijfstijl.
‘Er is een enorme kloof tussen wie een job zoekt en de openstaande vacatures.’
‘Puur op basis van stijlkenmerken kan ons algoritme de auteur van een tekst ontmaskeren’, vertelt CEO en co-founder Jochen Roef van het Vlaamse bedrijf op bloovi. En dat belooft een heel nieuwe manier van recruiten, zegt hij. ‘Er is een enorme kloof tussen wie een job zoekt en de openstaande vacatures. Recruiters gaan traditioneel op zoek naar de competenties die een kandidaat nodig heeft in de baan. Maar dat model werkt niet meer. De skills gap is vaak zo groot dat je haast niemand meer vindt die aan die objectieve criteria voldoet.’
Suitability match
En taalanalyse kan daar volgens hem wel eens hét antwoord op zijn. Want waarom zou je iemand nog vragen een heel cv en een motivatiebrief op te stellen, als uit de analyse van slechts een klein stuk tekst ook al grotendeels kan worden opgemaakt of iemand geschikt is voor een bepaalde functie?
‘Vroeger recruiten we op een competentiematch, nu verschuift dat meer naar een ‘suitability match’.’
‘Beschik je als ICT-student over een developer mindset? Heb je als kandidaat-verpleegkundige een zorgzame persoonlijkheid met een dito werkstijl? Dan zit er een klik aan te komen. Waar we vroeger recruiten op een competentiematch, verschuift dat nu steeds meer naar een ‘suitability match’: checken of een kandidaat op basis van zijn soft skills uit het juiste hout is gesneden voor de job. En dat kan met deze technologie.’
Jarenlange zoektocht
Traicie komt voort uit een jarenlange zoektocht van Roef naar een waterdichte, niet-manipuleerbare persoonlijkheidstest. ‘Uit teksten op LinkedIn kon ik op een gegeven moment taalpatronen, woordvormen en zinsconstructies detecteren. Ik ben toen bij diverse universiteiten gaan polsen of ze belangstelling hadden voor een applicatie hieromheen.’
‘Uit teksten op LinkedIn kon ik taalpatronen, woordvormen en zinsconstructies detecteren.’
Bij de universiteit van Antwerpen bleek dat inderdaad het geval. En dan met name bij ‘language engineer’ Guy De Pauw. Hij werkt al 20 jaar als onderzoeker in ‘computationele linguïstiek’, en richtte daarvoor ook spin-off Textgain op, een bedrijf dat gespecialiseerd is in technologie voor zogeheten Natural Language Processing (NLP). ‘En dit niet alleen voor commerciële toepassingen: de laatste tijd concentreren we ons op de detectie van haatspraak en desinformatie op sociale media’, vertelt hij.
Persoonlijkheid en werkstijl in kaart
Textgain (slogan: ‘AI that reads between the lines’) had al NLP-algoritmes om iemands geslacht, leeftijd, persoonlijkheid en opleidingsniveau uit een stukje tekst te distilleren. Samen met Roef werd dat uitgebreid tot de bouw van een algoritme dat ook persoonlijkheid en werkstijl in kaart brengt. ‘Beschouw het als een gespecialiseerde vorm van auteursattributie’, aldus De Pauw. ‘Van een tekst waarvan je niet weet wie die geschreven heeft, kun je op basis van stijlkenmerken de auteur ontmaskeren. Ken je de reeks Mindhunter op Netflix? Wel, eenzelfde principe past Traicie toe, maar dan op het niveau van soft skill-detectie.’
Deze vorm van herkenning van taalpatronen kan zowel de werkgever als de kandidaat veel opleveren, benadrukken beide. ‘In de huidige arbeidsmarkt komt het erop aan om iemand te vinden die heel snel kan léren: hire for attitude & train for skill. Traicie kan nagaan welke talenten en natuurlijke werkstijl een kandidaat in huis heeft’, aldus Roef.
‘Traicie vertelt de basis van wie jij echt bent, zodat je een baan kunt scoren waaruit je heel veel energie zult halen.’
En je kunt als kandidaat wel proberen om Traicie te omzeilen. Maar, zo vraagt hij zich af: waarom zou je dat willen? ‘Dan kom je terecht in een functie waar je binnen drie maanden een burn-out riskeert. Dat is misschien ook de filosofische vraag: heeft het überhaupt zin om je anders voor te doen dan je bent? Want Traicie vertelt de basis van wie jij echt bent, zodat je een baan kunt scoren waaruit je heel veel energie zult halen.’
De man of vrouw achter de schrijfstijl
De technologie gaat een stuk verder dan de bestaande cv-parsing of cv-extractietechnologie die door cv’s heen loopt op zoek naar een bepaalde competentie, al dan niet via synoniemen, of in een bepaalde context. ‘Het gaat niet over hoe iemand zichzelf omschrijft, wel over de manier waarop die dat doet’, stelt Roef. En dat levert volgens hem veel meer voorspellende waarde op dan een traditioneel cv ooit kan doen.
‘We hoeven hier niet heel breed te gaan. Maar net daardoor kun je wel diep gaan.’
‘Het idee is niet nieuw’, vult De Pauw aan. In Nederland zijn we bijvoorbeeld al bekend met Seedlink en IamProgrez, die iets soortgelijks doen. ‘Er is al heel wat onderzoek rond het voorspellen van persoonlijkheidskenmerken uit iemands schrijfstijl’, vertelt de Vlaamse onderzoeker. ‘Met wisselend succes. We hadden bij Textgain al technologie ontwikkeld om persoonlijkheden te profileren op sociale media. Specifiek aan Traicie is de persoonlijkheidstypologie en de focus op één bepaald teksttype, dus we hoeven hier niet heel breed te gaan. Maar net daardoor kun je wel diep gaan.’
Meer tijd om mens te zijn
Hoe het precies werkt? Dat is complex. Maar wie zichzelf graag omschrijft als empathisch en betrokken, maar eigenlijk een egoïstische nerd is, valt snel door de mand, legt Roef uit. ‘Het algoritme is in de eerste plaats opgebouwd op basis van vocabularium dat is gelinkt aan bepaalde persoonskenmerken en gedragsstijlen. Daarnaast is er het niveau van syntax, de taalpatronen die je onbewust toepast. Bijvoorbeeld: de ratio tussen het aantal keer dat je een onbepaalde wijs of infinitief gebruikt, gedeeld door het aantal vervoegde werkwoorden in je cv. Op die twee niveaus die wij op een cv loslaten, kan een recruiter al voorspellingen doen.’
‘ Dankzij Traicie weet een recruiter wel voor 80% waar hij of zij aan toe is.’
Natuurlijk is het (nog) niet verstandig je werving en selectie alleen maar op deze technologie te baseren, zegt hij ook. ‘Uiteindelijk ligt het finale besluit nog steeds bij de recruiter. Maar dankzij Traicie weet hij of zij wel voor 80% waar hij aan toe is. Dat betekent dat hij of zij zich alleen nog maar op die 20% hoeft te concentreren – de essentie. Of, zoals recruitmentgoeroe Kevin Wheeler het verwoordt: door technologie krijgt de mens meer tijd om mens te zijn.‘
Nog niet af
Het principe van language engineering is nog lang niet af, en wordt steeds verder verfijnd, vertelt De Pauw. Elke zoveel maanden is er wel weer een nieuwe revolutie in dit domein. ‘Ken je Generative Pre-trained Transformer 3 al? Dat is een massief taalmodel dat al behoorlijk realistische teksten kan schrijven. Semantische verbanden, grammatica… het is als een kind dat je een taal aanleert, maar dan op basis van miljarden teksten in tientallen verschillende talen tegelijkertijd.’
Maar tegelijkertijd is er op dit gebied ook nog veel te leren, geeft hij toe. ‘In de review van een smartphone is het woord ‘dun’ bijvoorbeeld positief, maar in een hotelreview is dat niet zo – “de muren waren erg dun”. Snap je? We worden er steeds beter in om dat op te lossen, maar we zijn er nog niet.’
‘Wat Tracie doet, is inderdaad ook niet perfect. Maar het is al wel heel goed.’
‘De grote lijnen kloppen’
Het is ‘heel bias-gevoelige context’, voegt ook Roef toe. ‘En wat Tracie doet, is inderdaad ook niet perfect. Maar het is al wel heel goed. Vanaf twee tekstdocumenten – bijvoorbeeld LinkedIn en een cv – halen we meer dan 80 procent herkenning. De grote lijnen kloppen. Traicie ziet meer dan een mens. Maar het systeem maakt nog fouten in de vorm van kandidaten die hij als geschikt ziet, maar dat in feite niet zijn.’
‘Bij het voorspellen van een bad performance slagen we erin om geschikte kandidaten niet langer uit te sluiten.’
Belangrijker is volgens hem echter het omgekeerde: ‘Bij het voorspellen van een bad performance slagen we erin om geschikte kandidaten niet langer uit te sluiten. Om het met de woorden van Fons Leroy te zeggen: je moet naar alle sterren kijken, niet enkel wat je met het blote oog kan zien. Het kan zijn dat je als verpleegkundige ooit 6 maanden eruit geweest bent, maar daarom ben je nog niet minder zorgzaam.’
Veelbelovende preselectie
En juist daarin kan de soft skills-tekstanalyse van Traicie het verschil maken, stelt Roef. ‘Op basis van voorkennis en tijdwinst via deze technologie kun je veel dieper en beter verbinden en dus gerichter kandidaten selecteren. IKEA krijgt elk jaar een miljoen cv’s opgestuurd. Stel: elk cv kost een recruiter 30 seconden. Dan heb je het over ruim 4 recruiters die fulltime cv’s zouden moeten beoordelen. Terwijl Traicie 0,3 seconden per cv erover doet. Zonder potentieel goede kandidaten uit te sluiten.’
‘Traicie is een gelijkmaker die objectiveert. Een hulp om discriminatie de wereld uit te helpen.’
Natuurlijk, het gaat om ‘gevoelige informatie’, erkent hij ook. ‘Je kent iemands persoonlijkheidsstijl, je weet waar mensen ontvankelijk voor zijn.’ Maar, zegt hij ook: ‘De technologie van Traicie is een gelijkmaker die objectiveert. Een hulp om vooroordelen en discriminatie de wereld uit te helpen. Traicie ziet jouw naam niet. Ben je man, vrouw, allochtoon, rolstoelgebruiker, topsporter? Heb je wel of geen diploma, zitten er gaten in je cv? Traicie kijkt er niet naar en ziet alleen hoe je schrijft en wat dat vertelt over waar je natuurlijk talent zit.’
Amazon als mogelijke klant
Een idee dat inmiddels ook in het buitenland is opgemerkt. Zo is Amazon al enthousiast gebleken. Na eerdere negatieve ervaringen met A.I. in selectie, lijkt ‘s werelds grootste webwinkelier wel gevoelig voor de Vlaamse technologie. Logisch ook, want wie 1.400 medewerkers per dag (!) verwelkomt, en al 400.000 nieuwe collega’s sinds januari heeft toegevoegd, kan moeilijk volstaan met alleen traditionele technologieën.
Na eerdere negatieve ervaringen met A.I. in selectie, lijkt Amazon nu wel gevoelig voor de Vlaamse technologie.
En dat nota bene dankzij een salesvertegenwoordiger die Roef eerst had afgewezen, omdat Traicie hem een persoonlijkheidskenmerk had toegedicht dat de CEO zelf niet zag zitten. Pas toen uit een grootschalige analyse bij een andere organisatie bleek hoe cruciaal dat kenmerk juist wél was, herzag Roef zijn mening. En gelukkig maar, blikt hij nu terug. ‘Een schitterende werknemer. We zijn dus blij dat Traicie zei dat we hem een kans moesten geven. Een mooi voorbeeld van hoe mijn eigen bias als hiring manager me in de weg stond.’
