Het gebruik van artificial intelligence maakt een snelle opmars in HR-processen. Het biedt grote kansen, maar ook grote ethische uitdagingen. De inzet van algoritmes en AI moet namelijk wel op een goede, ethische manier gebeuren. Plat gezegd: het selecteren van mensen moet eerlijk verlopen. Hoe je dat in de praktijk aanpakt? Daarvoor zijn er gelukkig goede handvatten die we toelichten in dit artikel.
Geef weging aan competenties
Het ontwikkelen van algoritmes in HR draait erom díe competenties te vinden die goed voorspellen of iemand succesvol zal zijn in zijn rol. Vervolgens moet jij gaan bepalen hoe zwaar die competenties meewegen in het oordeel dat het algoritme geeft. Per organisatie en per rol zal vaak verschillen hoe de competenties en de weging eruit moeten zien. Aan de HR-afdeling om vervolgens die algoritmes te ontwikkelen en toe te passen in het recruitmentproces, zonder daarbij belangrijke ethische aspecten uit het oog te verliezen
Heb respect voor menselijke autonomie
De ethische inzet van algoritmes begint met respect voor menselijke autonomie. De eindverantwoordelijkheid van de beslissing moet altijd bij mensen liggen. Op Europees niveau gaat dit ook wettelijk vastgelegd worden. Ten tweede mag het nooit zo zijn dat algoritmes schadelijke effecten hebben. Niet op individueel niveau, maar ook niet op maatschappelijk niveau. Fairness is daarnaast een enorm belangrijk principe. Iedereen moet een eerlijke kans krijgen. Tenslotte, zijn verklaarbaarheid en transparantie van belang. Je moet kunnen uitleggen waarom je een algoritme gebruikt en hoe het is opgebouwd.
Voorkom vooroordelen in een model
Het waarborgen van fairness is belangrijk en lastig tegelijk. Het betekent namelijk dat je moet opletten dat er geen vooroordelen van mensen in een model sluipen. Als je bijvoorbeeld het oordeel van leidinggevenden meeneemt en algoritmes daarop traint, boots je hun oordeel na terwijl uit onderzoek bekend is dat het oordeel van leidinggevenden bias kan bevatten. Zo kan het gebeuren dat vooroordelen onbedoeld een rol gaan spelen. Zorg er dus voor dat je objectieve prestatiedata gebruikt.
Heb je een goed model? Dan is het essentieel je algoritmes te updaten, minimaal één keer per jaar. Want het is niet zo dat als je vandaag een model hebt dat dit dan voor tien jaar geldt. Dit wordt ook juridisch een vereiste, maar is ook inhoudelijk relevant. De wereld verandert steeds sneller, predictieve modellen moeten daarmee in de pas lopen.
Toets de herhaalbaarheid en verantwoording
Het is ook van belang om bij onderzoek goed te kijken naar de herhaalbaarheid van de resultaten. Een eerste onderzoek zou je als hypothese moeten zien, die je op een nieuwe onderzoeksgroep moet toetsen. Daarnaast moet je kunnen verantwoorden dat het AI algoritme meerwaarde heeft ten opzichte van algemene en traditionele indicatoren, zoals het menselijk oordeel.
Artificiële intelligentie in HR? Snap wat je doet
Naast deze basisregels voor het ethisch inzetten en ontwikkelen van algoritmes en AI, is het ook cruciaal dat jijzelf een goede basiskennis hebt van de technologie die je toepast. Wanneer jij een goede directeur of medewerker selecteert, is dit namelijk een high impact beslissing. Het hoeft niet eens zo te zijn dat je het zelf moet kunnen toepassen, maar zorg wel dat je snapt hoe het werkt en dat de waarden van je organisatie voldoende in het systeem vertegenwoordigd zijn.
Uiteindelijk betere matching voor HR dankzij Artificiële intelligentie
Algoritmes zijn onder meer toe te passen bij de analyse van interessevragenlijsten. De technologie is in staat om voorspellingen te doen of iemand goed past in een bepaalde functie of branche. Je traint zo het algoritme om te voorspellen wie het goed gaat doen. Goed doen is afhankelijk van jouw definitie, maar denk aan productief zijn, maar ook dat mensen bevlogen zijn, dat ze het werk dat ze doen leuk vinden. Die variabelen probeer je te voorspellen in de hoop dat medewerkers blijer zijn en dat ze langer bij je organisatie blijven. En dat biedt enorm veel waarde voor zowel individuen als voor jouw organisatie.
Door: Ixly, het science-based en data-driven assessment platform
