Hoe computers de taak van recruiters overnemen

,,Je bent geschikt bevonden, hoor”, zegt Rina Joosten lachend zodra ze haar kantoor binnenstapt. Ze is medeoprichter en commercieel directeur van Seedlink, een bedrijf dat met behulp van kunstmatige intelligentie (AI) geschikte kandidaten selecteert voor bedrijven.

Analyse van taalgebruik

AI maakt steeds vaker onderdeel uit van sollicitatieprocedures. We namen de proef op de som en wilden wel eens zien hoe dat in zijn werk gaat. Dus, voorafgaand aan onze afspraak, vulde ik drie vragen in over veranderingen in mijn leven, mijn planningsvaardigheden en wat ik zou doen om het bedrijf verder te helpen. Elk antwoord was minimaal honderd woorden lang, in het Engels. De computer analyseerde mijn antwoorden en besloot op basis van mijn taalgebruik dat ik geschikt was. ‘Marloe van der Schrier shows potential to be a top performer’, staat op het scherm.

Opvallend als je het mij vraagt, want ik ben een 28-jarige journalist met 4 jaar werkervaring en ik ‘solliciteerde’ voor een baan als HR-manager bij Seedlink. Daar ben ik toch helemaal niet geschikt voor? ,,Vaardigheden kun je leren”, legt Joosten uit. ,,De computer kijkt of je past bij het bedrijf, of je succesvol wordt binnen deze werkomgeving en hoe je binnen dit team zou functioneren, op basis van gegevens die collega’s hier eerder hebben ingevuld."

Complexe modellen

Taalgebruik is onbewust en zegt veel over iemand en hoe iemand functioneert op de werkvloer, zegt ze. Zelfs als je niet veel schrijft of geen uitgebreide woordenschat hebt, kun je boven komen drijven. Hoe een beslissing precies tot stand komt en welke woorden nou precies beslissend waren, is overigens niet te achterhalen, zegt Joosten. Dat komt door het grote aantal variabelen en de complexiteit van de modellen.

Met deze insteek zou je de mismatch tussen vraag en aanbod op de arbeidsmarkt kunnen oplossen. Neem bijvoorbeeld een zorginstelling die hard op zoek is naar verpleegkundigen, maar helaas nog geen kandidaten heeft gevonden. Joosten: ,,We kunnen nu zij-instromers selecteren die bijvoorbeeld wel over de eigenschappen beschikken die patiënten prettig vinden, maar misschien nog niet de opleiding hebben gedaan. Deze groep zou anders waarschijnlijk afvallen.”

Grote klanten

Joosten richtte het bedrijf vijf jaar geleden op in Shanghai, verwierf een grote database en hielp grote klanten als L’Oréal, Coca-Cola en PWC met het vinden van kandidaten. Sinds kort opereert Seedlink ook vanuit Europa, volgende maand starten ze in de Verenigde Staten. In het kantoor in Amsterdam legt ze me uit hoe ze tot het resultaat komen dat ik geschikt ben. ,,De vijftig mensen van dit bedrijf hebben dezelfde vragen beantwoord en ‘peer reviews’ gegeven over waar ze van elkaar vinden dat ze goed in zijn.” Het onbewuste taalgebruik is daarbij leidend.

Elk kwartaal worden de vragen opnieuw ingevuld, zodat het systeem tot steeds betere voorspellingen kan komen. ,,Het is net als met kinderen die je helpt dingen te leren. Dat moet je blijven herhalen, en op een gegeven moment hebben ze het. Zo worden ze steeds slimmer”, legt Joosten uit. Ook als mensen weggaan bij een bedrijf, wordt dat aan het systeem meegegeven zodat het ook weet welke mensen niet blijken te passen. Uit wetenschappelijk onderzoek dat Walter Daelemans, professor computerlinguïstiek, uitvoerde in samenwerking met Seedlink, blijkt nu dat de kans dat met dit systeem een goede voorspelling wordt gedaan, groter is dan bij een traditioneel assessment of sollicitatiegesprek.

Aanvulling

Ik scoor hoog op het gebied van creativiteit en volharding, kwaliteiten die bij Seedlink-werknemers (onbewust) hoog in het vaandel staan. Ik zou mezelf nog kunnen ontwikkelen in teamwerk en ook mijn organisatorische kwaliteiten zijn volgens de test nog voor verbetering vatbaar. Relatief gezien dan. Want binnen een andere organisatie kunnen weer heel andere vaardigheden als belangrijk worden gezien.

Maakt dit nu een verdere sollicitatieprocedure overbodig en ben ik meteen aangenomen? Nee, zegt Joosten. Het een maakt het ander niet overbodig. ,,Wat ik wil voorkomen is dat ik gesprekken voer, waarbij ik na vijf minuten al denk dat het hem niet gaat worden. Ik voer nog wel een gesprek met de kandidaten die het meest geschikt zijn om te kijken of er een klik is.” Het is net als bij een onderzoek over controle van een scan in het ziekenhuis, legt ze uit. Als het systeem de analyse doet, is er een bepaalde accuraatheid bij het signaleren van bijvoorbeeld borstkanker. Als een arts dat doet, is het percentage hoger. ,,Maar als je beide naast elkaar gebruikt, is de kans dat je een goede analyse doet, nóg hoger."

AI bij Nederlandse bedrijven

Steeds meer bedrijven gaan aan de slag met een vorm van AI in het sollicitatieproces. Een aantal voorbeelden.

• Als je solliciteert bij Unilever, vinden de eerste drie selectierondes thuis achter de computer plaats. Zelflerende algoritmes bepalen vervolgens of je uiteindelijk – in de vierde en laatste ronde – op gesprek mag komen.
• Vacatureplatform Wonderkind gebruikt slimme technologie om talenten te vinden op basis van hun internetgedrag. Op basis van data weten ze wat sollicitanten doen online en kunnen ze op de slimste manier sollicitanten bereiken.
• In Groningen analyseert Target Holding sollicitatiebrieven met behulp van AI. Het systeem is daar nu in staat om uit honderden cv’s en motivatiebrieven de beste kandidaten voor te dragen. Het systeem leest binnen enkele seconden welke vaardigheden, gegevens en combinaties daarvan relevant zijn.