<iframe src="https://www.googletagmanager.com/ns.html?id=GTM-M7CRG83" height="0" width="0" style="display:none;visibility:hidden">
Inloggen Demo
088 49 59 000

Kantoorgebouw De Blend

Vleutensevaart 100

3532 AD Utrecht (NL)

Hoeveel invloed gaan data en AI krijgen op het recruitmentproces? Annelies Graafland, Recruitment Manager RPO bij EN HR solutions deelt haar visie 14 mei 2020 op Ixly’s symposium Talent Discovery 2020. Hier vast een interview. “Het laten selecteren van kandidaten op basis van assessments is nog niet volledig risicovrij.”

 

Annelies Graafland

Hoe groot is het deel van recruitment dat in 2025 is gebaseerd op data in vergelijking met nu?  

“Ook ik heb geen glazen bol maar wanneer je alleen al kijkt naar wat de impact van data is geweest op recruitment de afgelopen vijf jaar kunnen we niet anders dan verwachten dan de impact van data in talent management en recruitment groot gaat zijn. Ik herken meerdere vormen van data die steeds grotere invloed gaan hebben. Degene die op kortere termijn invloed gaan hebben zijn voor mij gebaseerd op Taxonomie en HR voorspellende analytics.

  1.  ‘Correlerende Meta Data algoritmes’ (Search & Match)

    De komende jaren zal taxonomie een steeds grotere rol gaan spelen in voorspellende algoritmes. Hierdoor zijn niet alleen maar data en datamining voorspellend maar juist de classificatie van deze data en deze ‘metadata’ dusdanig classificeren dat hij bepalend en voorspellend wordt ingezet. De data wordt hierdoor veel relevanter. Niet alleen voor de recruiter die op zoek is naar talent maar ook voor talent die op zoek is naar een new opportunity. Voorbeelden hiervan zijn Google4Jobs en Textkernel.

  2. HR voorspellende analytics (Hire the right talent now and for the future)

    De loopbaan van een medewerker en de succes predictie van een medewerker zullen vooraf in assessments zullen accurater worden. Niet alleen doordat er data uit het verleden gebruikt kan worden maar ook voorspellende data die disruptiviteit van een organisatie kunnen meten (door externe data – samenleving, ontwikkeling, innovatie) Hierdoor zullen ook skills die in de toekomst belangrijk zijn, mee gemeten kunnen worden in de succesanalyse. Dit gaat zorgen voor data driven loopbaanbegeleiding gebaseerd op skills en het ontwikkelen daarvan tov het bijspijkeren van (verouderde) kennis. Immers is kennis al oud zodra het opgeschreven wordt. Alles is al geschreven, alles is al gedacht maar het uitvoeren ervan zal enkel door het moment bepaald worden (skills).
    Dit heeft direct gevolgen voor het recruitment en assessment proces. Voorbeelden zijn Brainsfirst en de Ixly game assessments.”

In welke mate bevordert data kwaliteit van recruitment?

“Meten is weten. Data zorgt dat er meer effectief doelgroepen benaderd kunnen worden (arbeidsmarkt data en analyses) de juiste kandidaten geselecteerd worden (assessments bij voorkeur non biased) gebaseerd op meer dan IQ en EQ – ook Leer Quotiënt, Verandering Quotiënt en andere succesbepalende factoren voor de beste hire. Het gevaar bij het varen op data is en blijft vooralsnog dat we in recruitment met mensen te maken hebben en dat data geïnterpreteerd wordt door een mens. Dit vraagt wel om kritische, analytische en nieuwsgierige recruiters die juist de anomalie in de data zien en bespreekbaar maken. Alleen dan zal de data het gewenste effect van de duurzame hire met zich mee brengen.”

In hoeverre speelt AI een rol in de vernieuwing van recruitment?

“AI en Machine Learning spelen een hele grote rol in de vernieuwing van recruitment. Het (laten) selecteren van een kandidaat door een robot/assessment is snel en gemakkelijk en lijkt een hoop repeterende, saaie werkzaamheden weg te nemen, het inzetten van chatbots moet een eerste ontmoeting (intake) vergemakkelijken. Met name wanneer het gaat om het zogenaamde sourcen van kandidaten (waar toch veel recruiters minder warm voor lopen). Op basis van ervaringen uit het verleden spuugt een algoritme de beste kandidaten uit. Dit levert op dit moment nog wel problemen op. 1. De data uit het verleden is altijd door een mens gemaakt en daardoor NIET bias vrij (de bias uit het verleden is meegenomen) Amazon kwam hier al een vervelende manier achter. 2. Er wordt altijd gerekend op wat is geweest en wat nu is maar nooit op wat nu nodig is. Dit moet alsnog handmatig aan het algoritme toegevoegd worden (vanuit metadata gedachte en daardoor tijdsintensief).

Ook het laten selecteren van kandidaten op basis van assessments is nog niet volledig risicovrij – niet alle assessments sluiten alle bias uit (discriminatief naar niet westerse culturen bijvoorbeeld). Daarnaast  zorgt een extra stap in de candidate experience niet altijd voor de juiste engagement waardoor je kandidaten (en daarmee ook goede kandidaten) in de funnel verliest. En chatbots zijn helaas nog niet altijd linguïstisch goed ingesteld waardoor die de natural language nog niet volledig beheersen. Een kandidaat loopt zo of vast of krijgt een raar antwoord. Dit biedt geen goede experience en dus minder kandidaten in de funnel.

Al met al geloof ik dat data science in recruitment op dit moment heel snel in ontwikkeling is en de komende jaren heel veel taken en werkzaamheden gaat wegnemen. Hierdoor zal de rol en het profiel van de recruiter veranderen. Nu al merken we dat analytische, kritische, creatieve, communicatieve en samenwerkende recruiters die gebruik maken van de data en hier een passende rol in het proces aangeven meer succesvol zijn dan zij die data links laten liggen.”

Ixly