Wat betekent AI voor HR? 'Neurale netwerken kunnen HR-processen slimmer maken'.

Auteur: Partena Professional (HR Service Provider)
Leestijd: 4min

‘Je kan data distilleren uit de mails die we dagelijks versturen. Dat lijkt vergezocht, maar het is perfect mogelijk om uit teksten relevante persoonlijkheidskenmerken te halen’

 

Bernie Caessens, psycholoog en managing partner Resolved

 

Artificiële intelligentie inzetten in HR-processen? Het lijkt almaar minder vergezocht, nu we een artificieel neuraal netwerk kunnen trainen om de psychologische geschiktheid en de bevlogenheid van werknemers in kaart te brengen.

Waarom zouden we het beoordelingsvermogen van een HR-manager niet vervangen door artificiële intelligentie, wetende dat een artificieel neuraal netwerk HR-processen sneller en accurater kan afhandelen?

Vanuit dit uitgangspunt richtte experimenteel psycholoog Bernie Caessens enkele jaren geleden Resolved op, een bedrijf dat het HR-proces een stuk slimmer en wendbaarder wil maken. Centraal in zijn benadering staan data, véél en betrouwbare data.

‘Die zijn vandaag almaar meer beschikbaar, omdat haast alle bedrijven in hun aanwervingsprocedures een of andere vorm van geautomatiseerde tests inschakelen. Een assessment, psychologische tests, noem maar op. Koppel die data aan hedendaagse computerkracht en je komt dicht in de buurt van menselijke intelligentie’, zegt Caessens.

Prestaties

‘Stel: je hebt een aantal kandidaten die in theorie allemaal over de juiste achtergrond en het geschikte profiel beschikken. Hoe kies je daar de meest geschikte leidinggevende uit?’

Resolved ontwikkelt modellen om de link te leggen tussen HR en het strategische bedrijfsmanagement. Het gebruikt daarvoor data in plaats van het klassieke competentiemanagement dat al decennialang de klassieke leidraad is voor HR-managers.

‘Wij pakken het anders aan. Als iemand wordt aangeworven, meten we nog altijd psychologische variabelen zoals redeneervermogen of persoonlijkheid. Maar in een volgende fase baseren we ons op de prestaties op de werkvloer. Vervolgens proberen we een statistisch verband te leggen tussen de psychologische variabelen en die output. Klopt het echt dat iemand die heel extravert is zich tot een betere verkoper ontpopt? Je kan ook data distilleren uit de tientallen mails die we dagelijks versturen. Dat lijkt vergezocht, maar het is perfect mogelijk om uit teksten relevante persoonlijkheidskenmerken te halen.’

Voorspellingen

Bij grote instellingen zoals de EU doen veel rekruteerders bijna niets anders dan dagenlang cv’s screenen. Dat is een enorme kostenpost. ‘Als een artificieel neuraal netwerk dat met evenveel precisie doet, bespaar je geld’, zegt Caessens.

‘Bovendien kan je, eenmaal je zo’n model hebt, het ook voorspellend gebruiken. Je stopt de variabelen van een nieuwe werknemer in het model. Omdat we de impact kennen van de variabelen op de output, kan je voorspellen hoe groot de kans is dat die persoon de verwachte output overstijgt. Als HR-verantwoordelijke krijg je zo een goed zicht op het toekomstige potentieel van iemand.’

Houdbaarheidsdatum

Caessens haalt een belangrijke voorwaarde aan: tijd. ‘Mensen zijn complexe systemen. Ze evolueren, zijn deels zelflerend en corrigeren zichzelf. Hun gedrag is niet-lineair waardoor de houdbaarheidsdatum van voorspellingen en metingen relatief beperkt is.’

‘Dat betekent dat we moeten oppassen om mensen in een hokje te plaatsen. Maar als je het goed aanpakt, kan je wel voorspellen waar iemand het best op zijn plaats zit in je organisatie, binnen een bestaande context en met zijn of haar huidige vaardigheden.’

Gerelateerde artikels