Welke invloed zal Artificial Intelligence hebben op Talent Acquisition?
Grote vraag! Iedereen heeft hier wel iets over te zeggen. Technologische innovaties, en meer specifiek AI, volgen elkaar razendsnel op. Iedereen lijkt overdonderd of soms bang voor deze hype. Elon Musk zelf tekent een forum met honderden experts van over de hele wereld om ons te vertellen dat we 6 maanden pauze moeten nemen van kunstmatige intelligentie; een oproep die volgens sommigen al 6 maanden te laat komt…
Iedereen heeft horen spreken of heeft het over ChatGPT, of een andere nieuwe online tool, die in de nabije toekomst bepaalde opdrachten in onze plaats zou uitvoeren. Maar, allereerst, kunnen we echt spreken over Kunstmatige Intelligentie, en moeten we het niet eerder hebben over ‘Machine Learning‘?
Volgens datascientist.com is Machine Learning een subcategorie van kunstmatige intelligentie, die erin bestaat algoritmen terugkerende patronen (“patterns”) te laten ontdekken in datasets. Door patronen in de gegevens te ontdekken, leren de algoritmen autonoom en verbeteren ze hun prestaties bij het uitvoeren van een specifieke taak.
Artificial Intelligence of Machine Learning, laten we deze discussie overlaten aan de deskundigen en terugkeren naar onze vraag: hoe kan AI van invloed zijn op talentacquisitie? We kunnen al enkele belangrijke fasen van het TA-proces noemen waarin AI kan ingrijpen, ondersteunen en soms zelfs zaken verbeteren. Hier volgt een niet-exhaustive lijst, die in de loop van de tijd zeker zal worden aangevuld:
1. Stroomlijning van het aanwervingsproces: AI kan verschillende aspecten van het aanwervingsproces automatiseren: de ‘geautomatiseerde’ selectie van cv’s stelt recruiters in staat om een groot aantal cv’s en sollicitaties snel te sorteren en te filteren, om talentpools aan te leggen, maar ook om te helpen bij het plannen van gesprekken (afspraakplanning via chatbox) alsook bij het voeren van voorafgaande gesprekken. Hierdoor besparen recruiters tijd en kunnen zij zich richten op andere belangrijkere aspecten van het aanwervingsproces.
Een interessant detail over CV selectie: machine learning algoritmes kunnen getraind worden met verschillende technieken; supervised learning, unsupervised learning en reinforcement learning.
Bij gesuperviseerd leren wordt het algoritme getraind op gelabelde gegevens, wat betekent dat het voor elk voorbeeld het juiste antwoord krijgt (bv. of een kandidaat moet worden geselecteerd of niet). Bij leren zonder toezicht krijgt het algoritme geen labels en moet het zelf patronen en structuren vinden in de gegevens. Bij reinforcement learning leert het algoritme met vallen en opstaan, waarbij het beloningen of straffen krijgt voor zijn acties.
2. Candidate matching: AI kan recruiters helpen kandidaten te matchen met vacatures op basis van vaardigheden, ervaring en andere gespecificeerde criteria, waardoor het gemakkelijker of sneller wordt om de juiste persoon voor de baan te vinden.
3. 3. Verbeterde gegevensanalyse en predictive analytics: AI kan worden gebruikt om gegevens van eerdere wervingsinspanningen te analyseren om patronen en trends te identificeren die recruiters kunnen helpen om in de toekomst betere wervingsbeslissingen te nemen, te anticiperen op vaardigheidstekorten en zo te anticiperen op noodzakelijke strategieën.
4. Verbeterde kandidaatervaring: AI-gestuurde chatbots en virtuele assistenten kunnen kandidaten direct feedback en hulp bieden, waardoor de kandidaatervaring wordt verbeterd.
5. Vermindering van bias: AI kan bias in het wervingsproces helpen elimineren door identificerende informatie zoals geslacht, leeftijd en afkomst van sollicitanten te verwijderen en zo een betere garantie voor diversiteit te bieden.
Wees echter voorzichtig, want deze fase kan paradoxaal genoeg alleen worden uitgevoerd onder strikte menselijke controle/toezicht. De AI kan zich namelijk eventueel vergissen door een vooroordeel dat hij zelf zou hebben gecreëerd…
Het is belangrijk op te merken dat de doeltreffendheid van de selectie en filtering door de AI afhangt van de kwaliteit en de diversiteit van de gegevens die worden gebruikt om de algoritmen te trainen. Als de gegevens vertekend of onvolledig zijn, zal het algoritme onnauwkeurige of oneerlijke beslissingen nemen.. Daarom is het van essentieel belang ervoor te zorgen dat de gegevens die worden gebruikt om deze algoritmen te trainen divers, representatief en onbevooroordeeld zijn.
Uit het bovenstaande kan worden afgeleid dat AI ken helpen om Talent Acquisition processen efficiënter, effectiever en eerlijker te maken. Het stelt Talent Acquisition Specialists in staat zich te richten op andere taken, zoals kandidaatrelaties, carrièreplanning en -opvolging of talentstrategieontwikkeling, enz.
Is AI, of eigenlijk machine learning, geen goede zaak voor ons mensen? Jazeker! Want zo kunnen wij tenminste profiteren van tools die het terugkerende, zelfs saaie deel van ons werk voor hun rekening nemen, zodat wij het interessantere deel met een hoge toegevoegde waarde kunnen uitvoeren!
