Er AI fremtiden for search & rekruttering – eller en risikabel genvej?

Nye spilleregler, organisatoriske mellemregninger, strategisk brug, faldgruber og til sidst lidt gode råd for ledere og TA-professionelle der gerne vil indføre AI i virksomheden.

Kunstig intelligens (AI) er i gang med at ændre nogle af spillereglerne på mange af de måder vi leder og udvikler vores virksomheder på. En stor forsikringskoncern har således meldt ud at digitalisering og AI ikke blot skal effektivisere skadesbehandlingen og forberede kundeoplevelsen, men også være selve grundlaget for deres beslutningsmodeller.

Vi skal dog passe på med ikke at falde for digitalisering og AI ud fra en deterministisk tænkning hvor vi tror at teknologien i sig selv kan udrette de potentialer vi ser i teknologien.

Der er med andre ord nogle organisatoriske mellemregninger der skal falde på plads før gevinsterne kan høstes, da al teknologi og dermed også AI er situeret i en bestemt organisatorisk sammenhæng og at det er mennesker af kød og blod der skal eksekvere digitalisering og dermed AI projekterne i praksis.

Teknologien og AI er derfor ikke objektiv og fri for bias for den bygger på menneskers input og forudgående valg.

Inden for search & rekruttering stormer AI løsningerne også frem. For ledere og TA-professionelle betyder det en potentiel mulighed for at styrke beslutningsgrundlaget, reducere bias og effektivisere processer men også et behov for at løse mellemregningerne før potentialet kan blive indfriet helt eller delvist.

AI’s potentiale kommer med både etiske og operationelle overvejelser.

I denne artikel dykker vi ned i, hvordan vi Holmgaard Management ser at AI kan anvendes strategisk i rekruttering af ledere og specialister – og hvad vi mener man som beslutningstager skal være opmærksom på for at sikre en etisk og værdiskabende implementering af AI i sine rekrutteringsprocesser.

Vi bygger artiklen på vores egne konkrete erfaringer i Holmgaard Management men også med konkrete eksempler fra kendte virksomheder der arbejder med AI i sine rekrutteringsprocesser.

AI som strategisk ressource i rekruttering

Effektivisering og kvalitetsforbedring

AI kan automatisere tidskrævende opgaver som CV-screening, interviewplanlægning og kompetencekortlægning. Det giver de rekrutteringsansatte mere tid til strategiske og relationelle aspekter af ansættelsesprocessen.

Eksempel: Virksomheder som Unilever anvender AI-drevne chatbots til at screene kandidater via strukturerede interviews. Dette reducerer screeningstiden med op til 75 % og sikrer en mere ensartet vurdering af kandidater.

Hvad du kan gøre: Overvej at implementere AI-værktøjer som f.eks. Pymetrics eller HireVue til screening og vurdering af kandidater baseret på jobrelevante data frem for subjektive vurderinger.

Fra data til indsigt: en kritisk og meget nødvendig skelnen

For at sikre, at AI understøtter værdiskabende beslutninger, er det vigtigt at forstå forskellene mellem data, information og viden:

Data: Det er de rå fakta om kandidaten som f.eks. CV’et, LinkedIn-profilen og jobhistorik.

Information: De strukturerede data, hvor mønstre og sammenhænge i fht kandidaten kan identificeres.

Viden: Fortolkning og analyse af informationer om kandidaten baseret på menneskelige erfaringer og kontekster.

Vi skal således passe på med ikke at forveksle data med viden. Viden kræver at vi kan forholde os sammenhægende og reflekterende i forhold til de data og informationer vi ser.

Når det drejer sig om viden, så vinder mennesker med erfaring, faglighed og indsigt over teknologi.

Eksempel: Amazon udviklede en AI-baseret rekrutteringsmodel, men opdagede, at systemet favoriserede mænd over kvinder, fordi dataene var baseret på historiske ansættelser. De måtte derfor revidere modellen for at undgå disse skævheder.

Hvad du kan gøre: Brug AI til at identificere trends i kandidatdata, men sørg for at endelige beslutninger valideres af menneskelige eksperter for at undgå systematisk bias.

Forbedret kandidatscreening

AI kan fungere som et mindre subjektivt filter, der vurderer kandidater ud fra kompetencer og erfaringer frem for subjektive præferencer.

Eksempel: Hilton Hotels bruger AI til at analysere kandidaters interviews og vurderer tonefald og ordvalg for at identificere de bedst egnede profiler.

Hvad du kan gøre: Test AI-baserede screeningværktøjer som f.eks. Eightfold AI, der matcher kandidater baseret på kompetencer frem for traditionelle CV-kriterier.

Vigtige overvejelser og faldgruber

Bias og retfærdighed

AI er kun så objektiv som de data, den trænes på, dvs. i praksis er AI ikke objektiv. Uden løbende overvågning kan AI forstærke eksisterende bias i rekrutteringsprocessen.

Eksempel: En AI-algoritme hos et stort tech-firma begyndte at fravælge kvindelige kandidater, fordi træningsdataene var baseret på tidligere mandlige ansættelser i branchen.

Hvad du kan gøre: Sørg for at teste AI-modeller for bias ved at analysere, hvordan forskellige grupper klarer sig i screeningsprocessen. Brug f.eks. værktøjer som IBM’s AI Fairness 360 til dette formål.

Etiske overvejelser og databeskyttelse

AI-løsninger kræver adgang til omfattende kandidatdata, hvilket rejser spørgsmål om privatliv og GDPR compliance.

Eksempel: GDPR-lovgivningen pålægger virksomheder at informere kandidater om, hvordan deres data anvendes. Overtrædelser kan medføre store bøder.

Hvad du kan gøre: Sikre at AI-løsninger er i overensstemmelse med GDPR og andre databeskyttelsesregler. Implementer en gennemsigtig datapolitik og giv kandidater indsigt i, hvordan AI påvirker deres ansøgning.

Menneskelig intuition vs. maskinlæring

Selvom AI kan effektivisere processer, kan den ikke erstatte menneskelig intuition, især når det gælder vurdering af bløde kompetencer og kulturel pasform. Det er netop en af de afgørende forskelle på data, information og viden.

Eksempel: AI kan rangere en kandidat som ideel baseret på tekniske færdigheder, men overse afgørende faktorer som kommunikationsevner eller værdimatch med virksomheden.

Hvad du kan gøre: Kombiner AI-baserede analyser med menneskelige vurderinger ved at bruge AI som et screeningsværktøj, men lad erfarne TA-professonelle træffe den endelige beslutning i samråd med ansættende leder. GE arbejder med mottoet: “two to hire”

Implementeringsstrategier for TA ledere – her er et bud

Start med en grundig behovsanalyse

Inden AI implementeres, bør virksomheden kortlægge, hvor AI teknologien kan skabe størst værdi og hvilke organisatoriske mellemregninger der helt konkret skal løses i virksomheden.

For alle digitale teknologier gælder det at de er baseret på algoritmisk tænkning (dvs bi-nær tænkning) og at de har brug for ‘noget’ at koble sig på. På samme måde som olie har brug for en motor for at have værdi, da olie i sig selv ikke kan noget, har AI også brug for at koble sig på ‘noget’.

Så hvad kobler I AI på og hvilke begrænsninger i organisationen skal overkommes først (mellemregningerne)?

Eksempel: En stor bank identificerede, at AI kunne reducere tidsforbruget på CV-screening med 40 %, men at kandidatoplevelsen krævede menneskelig interaktion.

Hvad du kan gøre: Udfør en analyse af jeres rekrutteringsproces og identificer de mest tidskrævende opgaver, der kan data-automatiseres uden at gå på kompromis med kvaliteten på informationer og viden.

Uddannelse og træning i AI

For at AI skal blive en succes, skal TA-teamet forstå og kunne bruge teknologien effektivt.

Eksempel: PwC har udviklet interne AI-træningsprogrammer, så TA-medarbejdere lærer at bruge teknologien optimalt.

Hvad du kan gøre: Tilbyd kurser i AI for TA-medarbejdere, så de lærer at bruge værktøjerne kritisk og analytisk.

Løbende evaluering og tilpasning

AI-modeller skal overvåges og justeres for at sikre, at de forbliver præcise og så retfærdige som muligt.

Eksempel: En multinational virksomhed oplevede, at deres AI-værktøj begyndte at favorisere kandidater fra bestemte universiteter. De måtte revidere algoritmen for at sikre en mere retfærdig vurdering.

Hvad du kan gøre: Implementer løbende audits af AI-systemer for at identificere skævheder og juster dem efter behov.

Konklusion

AI har potentialet til at tilbyde meget godt og effektiviserende til hele rekrutteringsbranchen ved at gøre processerne mere effektive, mindre subjektive og mere datadrevne. Men teknologien bør altid anvendes med en bevidst tilgang til bias, etik, herunder forholdet mellem data, informationer og viden og derved menneskelig intuition.

Ved at kombinere AI med stærke menneskelige kompetencer kan TA-ledere skabe en rekrutteringsproces, der både er innovativ og ansvarlig – og som sikrer, at de bedste talenter tiltrækkes på en fair og transparent måde

Tag fat i os hvis du ønsker at kende vores metoder og holdninger til search og rekruttering yderligere, vi har mere end 20 års erfaring med den type opgaver.

Af Martin Brandt Friis, Partner
Holmgaard Management