Een paar jaar geleden begon ik een patroon op te merken. Elke keer als er een grote publicatie of LinkedIn-thread opkwam AI in inhurenwas de omkadering bijna altijd hetzelfde: hype aan de ene kant, existentieel alarm aan de andere kant.
De talentleiders met wie ik spreek, hebben genuanceerder meningen dan dat, maar die verhalen geven nog steeds vorm aan het gesprek op een manier die organisaties ervan weerhoudt de wervingsprocessen op te zetten die hun mensen en kandidaten eigenlijk verdienen.
Na de afgelopen tien jaar te hebben gewerkt aan het bouwen van door AI aangedreven wervingstools en samen te werken met de talentteams die deze implementeren, heb ik op de eerste rij gezeten in de kloof tussen wat mensen aannemen over AI bij het aannemen van personeel en wat er feitelijk gebeurt als het goed wordt ingezet.
LAAT DEZE 4 MYTHEN GAAN
Hier zijn vier van de meest hardnekkige mythen, en waarom het tijd is om ze los te laten.
Mythe #1: AI-wervingstools zijn inherent bevooroordeelder dan menselijke recruiters.
Dit is de mythe die ik het vaakst tegenkom, en ik begrijp waarom deze bestaat. Rechtszaken als Mobley tegen Workday krantenkoppen halen. Maar hier is de ongemakkelijke waarheid die niemand hardop wil zeggen: de grootste bron van vooroordelen bij het aannemen van personeel zijn nog steeds mensen.
Hetzelfde onderzoek Dat de zorgen over algoritmische vooringenomenheid aanwakkert, laat ook zien dat AI tot 39% eerlijker is voor vrouwelijke kandidaten vergeleken met menselijke beoordelaars, en 45% eerlijker voor raciale minderheden. Uit het onderzoek blijkt ook dat meer dan 99,9% van de claims over arbeidsdiscriminatie van de afgelopen jaren helemaal niet over AI-vooroordelen gingen, maar over menselijke vooroordelen.
Niets van dit alles betekent dat AI altijd vrij is van vooroordelen. Dat is het niet, maar mensen zijn dat ook niet. In mijn ogen het meest productief De vraag is niet “is AI bevooroordeeld?” maar eerder “hoe kunnen AI en mensen samenwerken om beslissingen te nemen op basis van vaardigheden in plaats van op criteria die inherent beladen zijn met vooringenomenheid?” Als je kandidaten nog steeds door een proces leidt waarbij drukke recruiters zes seconden besteden aan het doornemen van een cv om te beslissen wie een gesprek verdient, heb je geen vooroordelenprobleem dat je aan het oplossen bent. Je hebt een bias-probleem dat je wilt behouden.
Mythe #2: AI-interviews zijn een koude, onmenselijke kandidaat-ervaring.
Deze veronderstelling komt in veel gesprekken naar voren, maar dan zie ik de daadwerkelijke feedback van kandidaten die AI-interviews hebben doorlopen. “In het begin wist ik niet goed wat ik kon verwachten, maar na ongeveer drie minuten voelde het comfortabel en natuurlijk.” We hebben gezien dat ze hun ervaringen consequent meer dan 4 van de 5 sterren gaven.
Dit is de reden waarom die ontkoppeling bestaat: mensen gaan ervan uit dat het verwijderen van een mens uit de kamer betekent dat eerlijkheid, warmte en kansen worden verwijderd. In werkelijkheid is vaak het tegenovergestelde waar. Een goed ontworpen AI-interview geeft elke kandidaat iets wat menselijke processen bijna nooit doen: een consistente, geduldige, ongehaaste kans om te demonstreren wat ze daadwerkelijk kunnen doen.
In een traditioneel proces komt het er bij wie een telefoonscherm krijgt vaak op aan of het cv op het juiste moment op een drukke middag met de juiste trefwoorden overeenkomt. Een AI-interview vergroot de mogelijkheid om daadwerkelijk te verschijnen. Het is niet het einde van het menselijke element bij het aannemen van personeel, maar het begin van een rechtvaardiger voordeur.
Mythe #3: AI-interviewtools evalueren hoe je eruit ziet en klinkt.
Ik hoor dit vooral van kandidaten die zich zorgen maken dat ze gestraft zullen worden vanwege hun accent, hun uiterlijk of hun camera-opstelling.
In ons systeem is de score gebaseerd op wat u daadwerkelijk zegt, dat wil zeggen de inhoud van uw antwoorden, de kwaliteit van uw redenering en de vaardigheden die u laat zien. Eén van de redenen dat we het op deze manier hebben ontworpen, is specifiek om het soort vooroordelen te verminderen dat in menselijke interviews sluipt door uiterlijk en presentatiestijl.
De AI-beoordeling die een gesprek analyseert, is zich niet bewust van geslacht of enig ander kenmerk dat kan worden afgeleid uit stem of video, wat opzettelijk is. Het doel moet altijd hetzelfde zijn: de vaardigheden en competenties vinden die succes in deze specifieke rol voorspellen, definiëren hoe het eruit ziet om ze te demonstreren, en consistent scoren op basis van die rubriek.
Mythe #4: Het gebruik van AI bij het aannemen van personeel is in de eerste plaats een technologische beslissing.
Dit is misschien wel de gevaarlijkste mythe op de lijst, omdat het ertoe leidt dat talentleiders een stap terug doen en IT of engineering het AI-gesprek laten sturen. En ik begrijp het instinct. Deze voelen aan als complexe hulpmiddelen, en het is gemakkelijk om aan te nemen dat het meest technische team in het gebouw de beslissing moet nemen. Maar aanwerven is geen IT-probleem. Het is een talentenprobleem. En de mensen die het dichtst bij dat probleem staan, moeten degenen zijn die bepalen hoe AI wordt ingezet.
Talentleiders hoeven geen ingenieur te worden, maar ze moeten wel begrijpen wat AI wel en niet kan doen in een wervingscontext, hoe het de besluitvorming verbetert, waar de beperkingen liggen, en hoe het de mensen ondersteunt die de werving doen en de mensen die het proces doorlopen. Dat betekent dat je jezelf moet opleiden, directe gesprekken moet voeren met leveranciers, lastige vragen moet stellen en oplossingen moet evalueren op basis van wat er echt toe doet: kan dit ons helpen toptalent aan te nemen en tegelijkertijd een geweldige kandidaat-ervaring te bieden?
Als je die beslissing overlaat aan een team dat optimaliseert op basis van infrastructuur in plaats van resultaten, zul je eindigen met een technisch solide systeem dat niemand op het gebied van talentwerving vertrouwt of gebruikt. Eigenaar van de beslissing. Het is aan jou om te maken.
HET ECHTE RISICO
Is aan de slag gaan met AI het echte risico? Niet zo veel. Het echte risico voor leiders van vandaag is dat ze achterop raken terwijl ze processen in stand houden die altijd gebrekkig zijn geweest, maar dat is maar al te goed. We kunnen de inherente beperkingen van door mensen geleide werving blijven accepteren, of we kunnen nieuwe technologie en benaderingen gebruiken om de lat hoger te leggen voor eerlijkheid, schaalgrootte en voorspellende nauwkeurigheid.
De instrumenten bestaan. De gegevens zijn duidelijk. Het enige dat overblijft is de wil om ze daadwerkelijk te gebruiken.
Tigran Sloyan is CEO en medeoprichter van CodeSignal.
