Dette bør du tenke på før du anvender kunstig intelligens i ansettelser

Samtidig er det også slik at det stadig flere har blitt skeptiske mot bruk av AI i rekruttering. Ikke bare viser det seg at mange såkalte «AI-løsninger» ikke har noen reell innebygd AI-komponent i løsningene sine, svært mange sliter også å dokumentere hvordan AI-løsningen faktisk fungerer. Som om ikke det var nok, har det i løpet av de siste par årene fremkommet eksempler på algoritmer som har bidratt til usaklig forskjellsbehandling av kandidater, mest kjent er eksempelet fra Amazon.

Denne skepsisen betrakter jeg som svært sunn, spesielt fordi det ofte er så uklart nøyaktig hvordan disse AI-prosessene fungerer og hvilke tiltak som er tatt for å sikre kandidatene rettferdighet. Jeg er selv av den oppfatning at det på ingen måte lenger er tilstrekkelig å hevde at bare du har tilstrekkelig mengde data, så vil god maskinlæring sikre at vi klarer å avdekke hvilke kandidater som er best egnet. Aons undersøkelser antyder at denne såkalte "black box" -tilnærmingen til AI kan føre til at kandidater reagerer ugunstig både mot så vel AI, som mot organisasjonene som anvender teknologien.

Arbeidsgivere som ønsker å utnytte kraften i AI, bør finne en måte å hjelpe kandidater til å føle seg mer komfortable med den teknologien de anvender i ansettelsesprosessen. Et sentralt skritt er det vi har valgt å kalle "glass box-tilnærmingen», hvor vi har valgt nettopp denne benevnelsen for å understreke åpenhet.

Her følger noen forslag til skritt du kan ta for å utvikle en glass box-tilnærming til AI som adresserer kandidatenes bekymringer og øker deres tillit til rekrutteringsprosessen.

Opplys kandidatene om hvordan AI anvendes

Å hjelpe kandidater med å forstå hvordan du bruker AI, og hvorfor, kan bidra til å lindre angsten mot AI i talentvurdering. Kandidater som er mer kjent med AI, aksepterer generelt mer bruk av det. Aons undersøkelser har funnet at deltakere som var godt kjent med AI, var like positive innstilt til en AI-beslutningstaker som en menneskelig beslutningstaker.

Behovet for informasjon er spesielt kritisk i møte med økende krav til åpenhet om hvordan organisasjoner bruker søkernes data, vi snakker altså om personvern. Som leseren trolig er kjent med, er organisasjoner allerede lovpålagt å innhente samtykke fra jobbsøkere i EU før de bruker automatiserte beslutningsstrategier.

Jo mer informasjon søkerne har om hvordan organisasjonen din bruker AI, jo mer sannsynlig er det at de aksepterer det. I tillegg må prosessen med å velge kandidater - enten for rekruttering til organisasjonen eller for interne forfremmelser - alltid være juridisk forsvarlig. Det må på ingen måte foregå usaklig forskjellsbehandling, med andre ord ingen favorisering av en bestemt gruppe kandidater basert på kjønn, etnisitet, alder, seksuell legning, osv.

Organisasjoner som bruker AI i ansettelser vil sannsynligvis finne at de trenger å øke mengden av mellommenneskelig kontakt de har med søkere i løpet av utvelgelsesprosessen. Selv om et AI-system brukes til å automatisere beslutningsprosessen, kan søkere erfare det positivt å ha åpne kommunikasjonslinjer med en kontaktperson underveis i prosessen.

Bygg tillit gjennom åpenhet

AI som er innebygd i seleksjonsprosessen din, må være gjennomsiktig og åpen for å bli utfordret. Du må kort og godt være transparent med søkerne om bruk av AI i ansettelsesprosessen.

De komplekse algoritmene som noen ganger brukes i AI, kan gjøre ansettelsesbeslutninger vanskelig å forsvare dersom metodikken ikke kan forklares og dokumenteres på en god måte. Og hvis ansettelsesbeslutningene dine ikke lett kan forsvares, kan de fort bli utfordret av søkerne i en rettslig prosess.

En glass box-tilnærming der alle interessenter forstår hva som måles og hvordan disse målingene brukes, reduserer ikke bare risikoen for søksmål, men det reduserer også søkernes bekymring for rekrutteringsprosessen.

Større åpenhet under samtykkeerklæringer kan lette bekymringene rundt AI. Aons undersøkelser antyder at å gi gode forklaringer bidrar til at folk reagerer positivt under utvelgelsesprosesser, ved at de føler seg mer informert og respektert av organisasjonen.

De store datamengdene som er generert online gir oss muligheter til å forstå menneskelig atferd på måter som tidligere var umulig. Men det er avgjørende å nærme seg datamengden basert på modeller og konstrukter vi vet kan kobles direkte til god jobbprestasjon. Her kommer den kulminerte kunnskapen vi har fra eksisterende anerkjent psykologisk forskning inn. Snarere enn å bruke en svart boks-tilnærming, bør selskaper bruke modeller som er gjennomsiktige om ansettelsesbeslutningene - og der seleksjonen er basert på veldokumenterte prediktive modeller.

Om forfatteren:
Espen Skorstad er kjent norsk psykolog som har jobbet med seleksjon i nærmere 20 år. Som leder i Aons Assessment Solutions er han ansvarlig for selskapets europeiske virksomhet. Espen var med på å grunnlegge cut-e Group, et globalt teknologiselskap som tilbyr løsninger for rekruttering og utvikling av personell. Selskapet ble kjøpt opp av Aon plc i 2017. Foruten å arbeide som leder i selskapet, har Espen skrevet boken «Rett person på rett plass» og jobber aktivt med prosjekter i Manchester United, McKinsey, Salmar, Advokatfirmaet Thommessen og Olympiatoppen. Aons Assessment Solutions gjennomfører 30 millioner kandidatvurderinger hvert år i 90 land og 40 språk.