Biased robot Sigmund selecteert jouw collega

Mensen zijn geen robots. Waarom kiezen zij dan wel onze nieuwe collega uit?

Mensen zijn geen robots

We zijn geen apparaten die, als we aan specificaties voldoen en onze stekker in het stopcontact wordt gestoken, automatisch aan het werk gaan. Hoe kan het dan zijn dat er zoveel enthousiasme is om ons door machines te laten beoordelen? Skills, diploma’s en ervaringsjaren filteren, dat is uiteraard snel en efficiënt. Maar hoe persoonlijk ga je om met de mens achter het CV? Robots duwen mensen nog verder in hokjes dan regulier CV screenen al doet. Daarnaast ontkom je er niet aan dat er vooringenomenheid in de trainingsdata sluipt en je potentieel talent, dat jou had kunnen verrassen in persoonlijk contact, misloopt. Dat levert gebrek aan diversiteit, een monotone cultuur en tekort aan creativiteit binnen jouw teams op. Hoe werkt dat door in het vinden van nieuwe baanbrekende diensten of producten, of uiteindelijk zelfs het voortbestaan van jouw bedrijf?

Daarom ben ik sceptisch over claims van commerciële aanbieders die op basis van gezichtsherkenning met 80 procent nauwkeurigheid kunnen vaststellen of iemand succesvol zal zijn in zijn baan. Dat lijkt mij zeer onwaarschijnlijk. Want, kan een gezicht alleen genoeg gegevens bevatten om iets te zeggen over competenties, persoonlijkheid of maar iets over de betekenis die de persoon aan werk hecht, wat leidend is voor intrinsieke motivatie voor de baan? En wie bepaalt hoe en wat daarin de absolute waarheid is dat wordt ingeladen in de trainingsdata van het algoritme? Door de hang naar efficiency gelooft men er tegenwoordig in dat de uitkomsten van een algoritme, omdat ze van een machine en niet een mens komen, objectief en waardevrij zijn. Alleen, als de data bevooroordeeld is, dan is het algoritme dat ook.

Kunstmatige intelligentie is nog best dom

Onderzoek wijst uit dat kunstmatige intelligentie nog steeds plat gezegd nog dom is en dat is voorlopig nog niet opgelost. Helder afgebakende problemen worden inmiddels prima opgelost door kunstmatige intelligentie zoals gezichten herkennen, medische diagnoses stellen, of mensen verslaan in een potje schaken of Go. Dat heeft duidelijke kenmerken en regels, die ten alle tijden onveranderd blijven. Maar wanneer context belangrijk wordt, falen de algoritmes. Het ontbreekt ze aan ‘gezond verstand’. Kijk hoeveel moeite Google heeft met hun zelfrijdende auto’s als die rondrijden in complexe verkeerssituaties.

Het probleem is dat kunstmatige intelligentie op dit moment niet echt leert wat iets betekent. Het herkent wel de regelmaat in enorme verzamelingen gegevens, bijvoorbeeld plaatjes, omdat er de afgelopen jaren miljoenen gelabelde voorbeelden beschikbaar zijn gekomen om van te leren. Maar als er geen data is, of als de data niets vertelt over de vraag die je probeert te beantwoorden, dan gaat zelfs het sterkst lerende algoritme dat ook niet doen. Het onderliggende probleem is dat het algoritme het doel niet begrijpt.

Natuurlijk boeken lerende algoritmes veel resultaat. Ik snap best dat we daardoor geneigd zijn ze allerlei menselijke kwaliteiten toe te dichten. Maar kunnen we oprecht zeggen dat een machine mensen begrijpt? Dat ze, intuïtief, lerend, empatisch of intelligent is?

Verandering niet tech, maar persoonlijk

Eerder schreef ik al dat er een heleboel valt te verbeteren aan klassieke selectie door menselijke recruiters en hiring managers. Wetenschap toont al tientallen jaren aan dat die verre van objectief is. Dat begint al bij de recruiter of manager die tijdens jouw eerste gesprek zijn dag niet heeft. Of mensen die alleen mensen (“OSM”) zoals zij aannemen. Maar als een robot gaat bepalen welk persoonlijkheid jij hebt, of dat past bij de bedrijfscultuur op basis van jouw gezichtsexpressie of goed/fout antwoorden op vragen, wordt het volgens mij tijd je af te vragen of je wel bij zo’n bedrijf wilt werken.

Ik geloof erin dat sollicitatieprocedures objectiever worden naarmate je zoveel mogelijk medewerkers laat meebeslissen over hun gewenste nieuwe collega. Dat kan bijvoorbeeld door tijdens crowdsourcing evenementen cross-functioneel met kandidaten samen te werken. Door de nieuwste (online) technieken is dat echt niet meer zo ingewikkeld of tijdrovend als je zou denken. Alleen op die manier ervaren alle collega’s welke type in hun team past, of diegene iets extra’s brengt, is er gedeeld draagvlak, of worden ze zelfs verrast door nieuwe inzichten van buiten de organisatie. Dit perspectief is radicaler dan welke tech oplossing dan ook. Het gaat uit van persoonlijke motieven en de mens die met mensen omgaat aan de voordeur van jouw bedrijf.

Dat noemt Felix “Personalized Recruitment“.