Sådan kan AI hjælpe dig med at tiltrække og ansætte underrepræsenterede talenter

Læs transskriptionen:

Vi afprøver at transskribere vores podcasts ved hjælp af et softwareprogram. Bær over med eventuelle stavefejl, da botten ikke er korrekt 100 % af tiden.

Becca Banyard: Er kunstig intelligens nøglen til at frigøre potentialet i en mere inkluderende arbejdsstyrke? Og hvis ja, hvordan finder vi den fine balance mellem AI-drevet effektivitet og menneskelig beslutningstagning for at sikre retfærdighed? Eller er menneskelig beslutningstagning lige så forudindtaget som AI-teknologier?

Velkommen til People Managing People-podcasten. Vi har som mål at skabe en bedre arbejdsverden og hjælpe dig med at skabe glade, sunde og produktive arbejdspladser. Jeg er din vært, Becca Banyard.

Min gæst i dag er D&I-eksperten Albrey Brown, som i øjeblikket er vicepræsident for strategi og general manager for New York hos Joonko. Vi skal tale om, hvordan implementering af AI-teknologi kan hjælpe dig med at tiltrække og ansætte underrepræsenterede talenter. Lyt med for at lære om de aktuelle udfordringer ved ansættelse, som rekrutteringsansvarlige og organisationer står over for, AI's potentiale til at mindske forudindtagethed og fremme diversitet samt eksempler fra den virkelige verden på teknologiens indvirkning. Bliv hængende!

Hej Albrey, og velkommen til programmet. Det er så dejligt at have dig med i dag.

Albrey Brown: Tak, fordi jeg måtte være med.

Becca Banyard: Vi skal dykke ned i emnet om, hvordan kunstig intelligens kan bruges til at tiltrække og ansætte underrepræsenterede grupper på arbejdspladsen. Men før vi går i gang, vil jeg gerne lære lidt mere om dig. Kan du fortælle lidt om din baggrund, og hvad du laver hos Joonko?

Albrey Brown: Ja, tak. Mit navn er Albrey Brown, og jeg er vicepræsident for strategi hos Joonko. Jeg kom ind i denne rolle, fordi min første rolle inden for teknologi var som softwareingeniør, og jeg deltog på en kodebootcamp.

Før det havde jeg ingen erfaring med kodning, og oplevelsen var så fantastisk, at jeg besluttede mig for at starte min egen kodebootcamp. Men den bootcamp var specifikt målrettet kvinder og farvede. Så jeg har altid været interesseret i at sikre, at underrepræsenterede mennesker har adgang til muligheder.

Jeg starter denne kodebootcamp. Det går rigtig godt. Vi lærer omkring 450 mennesker at kode og hjælper størstedelen af dem med at få job i branchen. Derefter ender jeg med at sælge kodebootcampen til en større kodebootcamp og bliver deres direktør for diversitet og inklusion. Det var tilbage i 2013, hvor DE&I netop var blevet et vigtigt emne i teknologibranchen. Og jeg sagde til mig selv: Jeg vil være iværksætter igen, jeg vil starte en virksomhed, men lad mig prøve det her med diversitet og inklusion af i et stykke tid.

Et stykke tid blev til otte år, og jeg ledede diversitet og inklusion i fire forskellige virksomheder, og jeg elskede det virkelig. Jeg elskede at repræsentere virksomheder og deres idéer om at sikre, at de både demografisk og med hensyn til inklusion blev bedre til at sørge for, at underrepræsenterede mennesker blev budt velkommen i deres virksomheder.

Under min sidste periode som chef for DE&I i en meget lille startupvirksomhed ved navn Airtable faldt jeg over Joonko og mødte grundlæggeren Ilit Raz, og idéen slog benene væk under mig. Det, vi gør hos Joonko, er at matche virksomheder med underrepræsenterede kandidater, som for nylig har afsluttet en jobsamtaleproces i en anden virksomhed i vores netværk.

Forestil dig, Becca, at du er til jobsamtale om en stilling som marketingdirektør hos Intuit, som er en af vores kunder, og du når til den sidste runde. Men de ender med at vælge en anden, ikke fordi du ikke var fantastisk, men fordi det er sådan, interviewprocesser fungerer. Man får flere fantastiske mennesker frem til slutningen, og man kan kun vælge én.

I stedet for at afvise dig henviser de dig til Joonko og siger: Hej, vi kunne virkelig godt lide dig. Vi syntes, du var en fantastisk kandidat, og vi vil gerne være en del af din karriererejse. Så de henviser dig til os, du tilmelder dig Joonko, og vi henviser dig til lignende stillinger i lignende virksomheder, så du kan finde en stilling hurtigere.

Og du ved, at disse virksomheder investerer i diversitet og inklusion, fordi de leder efter underrepræsenterede kandidater. Det koncept slog benene væk under mig. Hvordan en virksomhed kunne forvandle et afslag til en mulighed for en underrepræsenteret kandidat. Og forvandle konkurrence mellem virksomheder til samarbejde.

Efter at have mødt grundlæggeren Ilit og fået konceptet præsenteret var jeg solgt. Jeg blev ved med at finde måder at blive en del af virksomheden på. Jeg var rådgiver i et stykke tid. Jeg rådgav om produktet og den målgruppe, vi gik efter, og fik en plads som vicepræsident for strategi, hvilket jeg nu har arbejdet med i omkring et år.

Så det var lidt om mig.

Becca Banyard: Tusind tak, fordi du delte det. Det lyder, som om du har en fantastisk baggrund og har fået mulighed for at arbejde med så mange spændende virksomheder, og wow, Joonko lyder som en meget unik, men også virkelig spændende organisation. Ja, det er interessant.

Lad os dykke ned i det og begynde med at lære lidt mere om landskabet for ansættelse og tiltrækning af underrepræsenterede grupper. Hvilke aktuelle udfordringer står rekrutteringsansvarlige og ansættende ledere samt organisationer over for, når det gælder om at tiltrække og ansætte disse grupper?

Albrey Brown: Den største udfordring ligger i selve ordet underrepræsenteret. At være underrepræsenteret betyder, at kvinder, farvede og så videre rent numerisk er en mindre gruppe end dem, man ville betragte som flertallet eller overrepræsenterede talenter.

Jeg ser derfor diversitet og inklusion og udfordringen bag som et udbuds- og efterspørgselsproblem. Der er ganske enkelt et mindre udbud af for eksempel afroamerikanere, som er softwareingeniører, og der er stor efterspørgsel fra alle virksomheder, der ønsker at ansætte dem. Ikke kun fordi det er det rigtige at gøre, men fordi en organisation, hvor underrepræsenterede mennesker er repræsenteret, gør organisationen bedre.

Der findes enorme mængder data, der viser det. Virksomheder konkurrerer derfor intenst om underrepræsenterede talenter. Og når jeg taler med kunder og også ud fra min tidligere erfaring som chef for DE&I, tror jeg, at den sværeste del har været virkelig at skille sig ud. Hvordan bliver man som virksomhed en foretrukken arbejdsgiver for underrepræsenterede kandidater?

Hvordan bliver man et samtaleemne, når fællesskaber af kvinder, farvede og personer fra LGBTQIA+-fællesskabet taler om steder, de gerne vil arbejde? Og hvordan fastholder man det over tid og opbygger både et brand, en kandidatpipeline og et omdømme som en virksomhed, folk kan gå til og føle sig inkluderet, have lige muligheder og trives i?

Konkurrenceelementet gør det meget vanskeligt for virksomheder at konkurrere om denne mindre talentpulje. Det kommer til udtryk gennem investeringer. Jeg tror, at man for ti år siden kun hørte ordet medarbejderressourcegruppe en sjælden gang. Nu har alle virksomheder af en vis størrelse medarbejderressourcegrupper.

Hvis du ikke har en medarbejderressourcegruppe – og for dem, der ikke ved det, er medarbejderressourcegrupper interne fællesskaber for underrepræsenterede mennesker, så de kan forbinde sig med hinanden – var det noget, der netop var opstået, da jeg blev chef for DE&I. Nu er det et grundkrav. I din interviewproces skal du forstå, hvordan din organisation i sidste ende forsyner medarbejderressourcegrupper med ressourcer.

Du skal også have diversitetsmål. Det var noget, de fleste organisationer ikke havde for 10-15 år siden. Nu er det et grundkrav. Så det svære for de fleste virksomheder, når det handler om at tiltrække underrepræsenterede talenter, er at tage disse grundlæggende taktikker for diversitet og inklusion – medarbejderressourcegrupper, diversitetsmål og en diversitetschef – og selv nu skille sig ud, fordi alle virksomheder har dem, samt forblive på forkant.

Becca Banyard: Hvordan kan en organisation så skille sig ud fra konkurrenterne, når den skal tiltrække underrepræsenterede talenter?

Albrey Brown: Det er et svært spørgsmål, og det forsøger vi hele tiden at hjælpe kunderne med. Det første er autenticitet.

Kandidater vil arbejde for virksomheder, der kender sig selv, kender deres værdier og udtrykker disse værdier fra begyndelsen. Lad os gå tilbage til eksemplet. Becca, du er til jobsamtale i en virksomhed. Du har selv nogle værdier, som du gerne vil kunne se udtrykt i den virksomhed, du vælger.

Jeg antager, at diversitet, lighed og inklusion er en af dem. Men lad os sige, at virksomheden ikke har diversitetsmål, hvilket vi taler med mange virksomheder om. En virksomhed kan være tilbøjelig til at sige: Lad os ikke tale om det i vores interviewproces. Lad os ikke tale om, at vi ikke har reelle diversitetsmål.

Men hvis en kandidat slet ikke hører om det, ender manglen på autenticitet med at skabe en negativ oplevelse for kandidaten. Vi opfordrer derfor virksomheder, rekrutteringsansvarlige og rekrutteringsledere til at være åbne og ærlige og sige: Hej, lad os tage samtalen. Vi har endnu ikke diversitetsmål, men det, vi gør, er X, Y og Z.

Vi forsøger først at forstå, hvordan demografien ser ud i vores organisation. Vores øverste ledelse vil gerne forstå bedre, hvilke mål vi kan opstille, som faktisk vil skabe en meningsfuld effekt. At føre den samtale med autenticitet er det første. For det andet mener jeg, at det handler om kreativitet og om at være åben for at investere.

En af de udfordringer, jeg møder, når vi taler med virksomheder, er, at de ønsker øjeblikkelige resultater. De tager til en konference – for eksempel er Grace Hopper en fantastisk konference for softwareingeniører, der identificerer sig som kvinder – de deltager i konferencen ét år, bruger 30.000 dollars på den, men får kun tre ansættelser ud af det.

Så de måler succesen som: Vi fik kun tre ansættelser ud af det. I stedet for at se partnerskabet som en investering: Vi fik tre ansættelser ud af det i år, men hvordan ser næste år og året efter ud, når vi begynder at opbygge vores brandværdi gennem denne konference? Manglen på tålmodighed, når det handler om at investere i nye kanaler for underrepræsenterede kandidater, spænder ben for virksomhederne både på kort og lang sigt.

En ting, vi gør hos Joonko, er, at når man typisk køber et softwareprodukt eller et sted at annoncere sine stillinger, køber man normalt for en måned. Man slår en stilling op på en jobportal i en måned. Vi får vores virksomheder til at forpligte sig i et år, fordi vi vil sikre, at de ser den eksponentielle værdi af vores produkt over tid.

Du får ikke 10 fantastiske kandidater den første måned, fordi både vores algoritme og vores netværk skal tilpasse sig de stillinger, vi forsøger at hjælpe dig med. Men i den tredje, fjerde, sjette og niende måned begynder du at se, at investeringen i kanalerne vokser.

Den læring, vi giver videre til de virksomheder, der arbejder med os, er, at hvis du så investeringen vokse eksponentielt over tid hos os, bør du tænke på de andre kanaler, du måske opgav, før du indledte et samarbejde med Joonko. Hvis du bare havde brugt lidt mere tid og energi på at forstå, hvordan kanalen ville vokse over tid, kunne den måske være blevet en fantastisk kanal til underrepræsenterede talenter 18 måneder senere. I stedet for at betragte det som en enkeltstående mulighed for et partnerskab, som du ikke så som lige så god som andre kanaler, du rekrutterer fra.

Så jeg tror, det handler om tålmodighed og autenticitet. Til sidst vil jeg sige kreativitet. Man skal være kreativ, når det handler om at afprøve nye måder at tiltrække underrepræsenterede talenter på. Det kan være at opsøge fællesskaber uden at forsøge at ansætte, møde folk dér, hvor de er, og føre samtaler.

Det kan være at gennemgå CV'er på lokale erhvervsskoler for bedre at forstå, hvem der er i rummet. Kreativitet er en god måde at begynde at tænke ud af boksen på og finde ud af, hvor de kandidater, du gerne vil ansætte, befinder sig, så du kan få dit navn på deres læber, også selvom det ikke straks bliver til en direkte ansættelse.

Becca Banyard: Ja, fantastisk. Jeg elsker især det sidste om kreativitet. Det lyder meget som at være nysgerrig på de mennesker, der faktisk er underrepræsenterede, som måske er anderledes end dig selv, og lære mere om, hvem de er, og hvad de har brug for.

Jeg vil gerne dykke ned i de mere konkrete aspekter af AI. Hvilken rolle kan AI efter din mening spille i forhold til at mindske forudindtagethed og fremme diversitet og inklusion i ansættelsesprocessen?

Albrey Brown: Det er et godt spørgsmål, for normalt stiller man det modsatte spørgsmål. Når vi taler om AI, er det et meget stort emne. Vi taler om naturlig sprogbehandling og store sprogmodeller, der er trænet på den information og adfærd, som mennesker, der i sagens natur er forudindtagede, udviser.

Der er altså indbygget forudindtagethed i al den teknologi, vi bruger, herunder kunstig intelligens. Den måde, vi bruger AI på hos Joonko, er, at vi bruger naturlig sprogbehandling til at matche underrepræsenterede kandidater med de stillinger, der annonceres. Vi ser på dit CV, ser på den stilling, du netop var til jobsamtale om, og matcher dig med den bedste virksomhed og den bedste stilling, der passer godt. Vi bruger det altså til at udvide mulighederne for underrepræsenterede mennesker.

Mere generelt synes jeg, at der er nogle gode eksempler på virksomheder og teknikker, der anvendes i ansættelsesprocessen for at gøre den mere inkluderende. Et mindre oplagt, men meget enkelt eksempel er undertekster. Undertekster i videointerviews gør det muligt for personer med nedsat hørelse eller neurodiversitet at læse, hvad der bliver sagt i et interview.

De fleste ville ikke tænke på det som noget, der mindsker forudindtagethed eller gør en proces mere inkluderende, men når jeg forklarer det, kan jeg se, at du nikker, fordi det gør det, ikke? Det er en måde, hvorpå vi har anvendt AI til at høre en persons stemme og omdanne den til tekst. Når vi bruger det i et interview, udvider det, hvem der kan deltage, ved at give personer, der læser i stedet for at lytte, en bedre interviewoplevelse.

Det andet eksempel er jobopslag. Jobopslag er i sagens natur forudindtagede. Det kan være sproget, hvor man kalder nogen en superstjerne eller en ninja, eller antallet af krav, der stilles i et jobopslag. Der findes et meget citeret datapunkt om, at kvinder søger job, som de er 100 % kvalificerede til, mens mænd søger job, som de er 60 % kvalificerede til.

Textio er et fantastisk produkt, som på en måde er førende inden for at hjælpe virksomheder med at omskrive deres jobopslag, så de bliver mere inkluderende. Du skriver et jobopslag, og systemet siger: Hej, der er ni krav. Hvad hvis du skar det ned til seks? Hvad hvis du skrev et afsnit, der sagde: Selv hvis du ikke opfylder alle kravene, så søg stillingen? På den måde kan du opmuntre personer, der måske ikke er så selvsikre, til at søge, eller ganske enkelt fjerne eksempler på pronominer fra jobopslaget.

Det er nogle enkle måder, hvorpå kunstig intelligens er blevet brugt til at ændre det sprog, vi anvender i jobopslag. Det sidste eksempel handler om jobsamtaler. Det er et kontroversielt område, fordi der findes software til videointerviews, som bruger ansigtsgenkendelse til at vurdere, om du passer til en stilling.

Min personlige holdning er, at den slags kan være fyldt med forudindtagethed. Alt, der handler om den måde, du udtrykker dig med ansigtet eller stemmen på, kan let misforstås af både et menneske – jeg tænker på den måde, sorte kvinder beskrives på arbejdspladsen – og af AI. Men der findes værktøjer i den anden ende, som faktisk kun vurderer intervieweren, altså den person, der gennemfører interviewet.

Et eksempel er Hireguide. Det vurderer, om intervieweren har stillet de samme spørgsmål fra interview til interview, har givet tilstrækkelige svar på almindelige spørgsmål og har givet den interviewede et inkluderende sprog og inkluderende praksisser, der får vedkommende til at føle sig tryg.

Alt dette betyder, at måden, AI kan bruges på, handler mindre om teknologien og mere om anvendelsen. Hvor anvender vi disse teknologier? Bruger vi dem til at vurdere kandidater? Hvis ja, skal vi være meget forsigtige. Hvis vi bruger dem til at vurdere virksomheder, er det dér, vi kan begynde at se uligheder blive mindsket.

For i sidste ende vil en kandidat altid være mindre forudindtaget end en virksomhed, fordi virksomheder har magten. Hvis vi anvender teknologien til at udvide antallet af muligheder, en kandidat har, og mindske antallet af fordomme, en virksomhed kan udvise, er det dér, vi begynder at se en bred anvendelse af AI til at løse disse ubalancer i rekrutteringen.

Becca Banyard: Wow, det her er virkelig godt. Jeg blev lidt følelsesladet i begyndelsen, da du talte om noget så lille som undertekster. Noget, der virker ubetydeligt for en person, der ikke har brug for undertekster, kan have enorm betydning for livet for en person, der har brug for dem. Så jeg synes, selv små ændringer som den er meget vigtige.

Vi ved, at AI har begrænsninger. Vi ved, at teknologien har fordomme. Hvordan ville du med det i tankerne finde balancen mellem at bruge AI for effektivitetens og inklusionens skyld og samtidig sikre, at menneskelig dømmekraft og beslutningstagning indgår, så man undgår diskriminerende resultater?

Albrey Brown: Det er et stort spørgsmål, og jeg tror, at det bliver diskuteret både internt i organisationer og på arbejdsmarkedet mere generelt.

Før vi gik i luften, talte vi om Local Law 144, som er en ny lov i New York med fokus på at mindske forudindtagethed i ansættelsesprocessen. Den lægger ansvaret på virksomhederne for at revidere enhver teknologi, der bruger AI til at hjælpe med rekruttering. Kort sagt skal en virksomhed bede den leverandør, den bruger – lad os sige Joonko – om at udarbejde en rapport, der viser, hvordan teknologien træffer beslutninger baseret på demografi.

Man skal altså opgøre, hvor mange kvinder og farvede der sorteres ind og ud af en proces, og sammenligne tallene, så man kan se, om teknologien er forudindtaget over for en bestemt gruppe. Så den første måde, jeg som leder inden for talentanskaffelse, personaleansvarlig eller blot bruger af rekrutteringsteknologi ville skabe balance på, er at revidere teknologien. Spørg de leverandører, du bruger.

Hvordan fungerer jeres teknologi forskelligt for mennesker med forskellige erfaringer og baggrunde, og kan I udarbejde en rapport? Kan I vise mig de data, der fortæller, at disse ubalancer ikke findes i jeres software? Og hvis de findes, hvordan vil I så løse dem over tid?

Heldigvis bliver dette snart lovpligtigt, og loven spreder sig som en løbeild. Jeg tror derfor, at virksomhederne bliver nødt til at gøre det alligevel. Men revisionen er en meget vigtig del af at anvende denne teknologi. Den anden del er kommunikation. AI har eksisteret længe inden for rekruttering.

Jeg vil give et praktisk eksempel. De fleste ansøgersporingssystemer sorterer dig allerede ind eller ud af processen, når du søger, baseret på nøgleord i dit CV. Det er en meget kendt praksis. Kandidater ved nu, hvordan de kan bruge ChatGPT til at komme udenom det og så videre. Men det er kunstig intelligens.

Forskellen mellem den praksis og for eksempel ansigtsgenkendelse er, at kandidaterne nu kender til det. De har fået at vide, at der sker en screeningsproces, som udføres af en robot. Så de kan tilpasse sig og ændre deres tilgang, så de øger sandsynligheden for at nå frem til et menneske.

Jeg mener, at denne praksis bør anvendes på alle de andre teknologier. Man bør fortælle kandidaterne, at man bruger teknologien, at man har revideret den, og hvad resultatet af revisionen var. Man bør også fortælle, hvorfor man bruger den. Det skaber tillid mellem kandidater og rekrutteringsteams.

Det sikrer også, at kommunikationssløjfen mellem kandidater og rekrutteringsfolk holder leverandørerne ansvarlige for at forbedre teknologien over tid. Og for det tredje handler det ærligt talt om at erkende, at disse fordomme eksisterer med eller uden teknologi. AI er bestemt ikke et perfekt system.

Man kan se på det, som om man havde bygget et AI-system, der i sig selv var forudindtaget. Jeg tænker på Amazon-eksemplet. I 2016 skabte Amazon en stor sprogmodel baseret på alle de CV'er, de havde, og sagde: Hjælp os med grundlæggende at finde ud af, hvem der er en god softwareingeniør. Det, de med tiden opdagede, var, at når de skrev en kvindes navn ind i systemet, blev kvinden placeret langt lavere på skalaen for gode softwareingeniører end ethvert mandenavn.

De indtastede også navne på kvindelige studenterforeninger for at se, om en sådan forening stod på et CV, og enhver med en sådan forening blev placeret langt lavere på skalaen end personer uden. Systemet var tydeligvis grundlæggende forudindtaget, og de skrottede det. Det er et ret berømt eksempel på forudindtagethed.

Men hvad er forskellen på det og en ansættende leder, der går til en rekrutteringsansvarlig og siger: Jeg vil kun have, at du ser på kandidater fra disse fem skoler? Disse fordomme eksisterer, og de eksisterer ikke kun, fordi AI findes. De har eksisteret længe før. Derfor synes jeg, det er vigtigt at gøre det klart, at hvis vi anvender denne tankegang på robotter, skal vi også anvende den på de menneskelige rekrutteringsansvarlige og ansættende ledere, der ejer processerne og bruger værktøjerne.

For i sidste ende træffer værktøjerne stadig ikke beslutningen. De påvirker beslutningen. Og hvis beslutningen allerede kommer fra en forudindtaget kilde, vil vi fortsætte med at kopiere dette forudindtagede system, uanset om vi har perfekt AI eller ej.

Så jeg ved, at det ikke fuldstændigt besvarede dit spørgsmål, men jeg synes, det er et vigtigt punkt, der ofte går tabt, når vi taler om teknologi. Mennesker udviser disse fordomme alligevel, så vi skal anvende den samme tankegang på både robotter og mennesker samtidig.

Becca Banyard: Ja, helt sikkert. Du nævnte, at software til ansøgerscreening har været brugt som standard i de seneste år. Hvilke nye AI-værktøjer begynder virksomheder og HR-afdelinger at bruge oftere?

Albrey Brown: Lad os begynde med sourcing. Når man vil finde talenter, er der et par måder at gøre det på.

At opsøge kandidater og kontakte dem er en af de bedste måder. Jeg tror derfor, at software til kandidatsourcing, hvor man får adgang til en stor database, kan kontakte kandidaterne og filtrere databasen, har været den mest udbredte og populære anvendelse af AI-teknologi. Man bruger AI til at finde de bedste kandidater, anbefale kandidater baseret på tidligere søgninger ved hjælp af maskinlæring og derefter bruge store sprogmodeller til automatisk at skrive beskeder til kandidaterne.

AI er altså begyndt at automatisere nogle af de gentagne processer inden for talentanskaffelse på sourcing-siden. På data- og analysesiden kan man tage alle dataene ud af sit ansøgersporingssystem – de hundredtusindvis af kandidater, der har søgt eller været til samtale over tid – analysere dem og se, hvilke kandidater der har haft succes, hvilke der ikke har haft lige så stor succes, hvilke der ligger på grænsen, og hvordan man kan forbedre antallet af kandidater, der potentielt kan få succes gennem interviewprocessen.

Man bruger altså maskinlæring og naturlig sprogbehandling til at forstå det. For det tredje er der interviewdelen. Der udvikles interviewmetoder baseret på ansigts- og stemmegenkendelse. Det kan være en forhåndsscreening, hvor kandidaten får en vurdering eller et spørgsmål, som vedkommende skal besvare.

Det er meget populært til salgsstillinger. Kandidaten besvarer måske et kundespørgsmål, hvorefter man analyserer tonefald, ansigtsudtryk og alle de ting, der indgår i et kundeopkald, for at forstå, om kandidaten passer til den type kunder eller opkald, vedkommende kommer til at arbejde med.

Blandt de forskellige anvendelser synes jeg, at Joonko er ret unik, fordi vi bruger tre typer af det, man ville betragte som AI. Vi automatiserer processen, så vi automatisk forstår, om nogen er blevet frasorteret i den sidste runde. Derefter inviterer vi dem automatisk til Joonko-netværket og matcher dem automatisk med en anden stilling, så en rekrutteringsansvarlig ikke behøver at gøre noget.

De behøver ikke henvise kandidaten til os, og de behøver ikke finde kandidaten i vores pulje. De modtager bare en Joonko-kandidat og siger typisk: Hurra, det er fantastisk. Tak. Og så ansætter de kandidaten. Vi bruger også maskinlæring til at forstå, hvornår kandidater ser på de stillinger, vi sender dem, så vi med tiden kan sende dem bedre anbefalinger.

Vi bruger også naturlig sprogbehandling til, som jeg nævnte tidligere, at se på nøgleord i CV'et og i den stilling, personen netop var til samtale om, så vi kan sikre, at vi sender kandidaten til den rigtige virksomhed og den rigtige stilling, hvor sandsynligheden for at komme gennem interviewprocessen er høj.

Så på hvert trin i rekrutteringsprocessen ser man masser af innovation inden for AI.

Becca Banyard: Fantastisk. Tak, fordi du delte det. Jeg tror, du allerede var inde på det med dit eksempel fra Joonko, men jeg spekulerer på, om du har andre succeshistorier om, hvordan organisationer har anvendt AI i deres ansættelsesproces for at tiltrække flere underrepræsenterede grupper?

Albrey Brown: Ja, der er en virksomhed, der hedder Gem. Deres sourcingprodukt gør det muligt at administrere alle de kandidater, man taler med. Se det som software til kandidatstyring. De har for nylig lanceret et produkt, der gør det muligt at se alle de kandidater, man aktuelt taler med, fordelt på demografi, og man kan se, hvordan de offentligt identificerer sig.

Hvis du for eksempel har stedordene hun/hende på din LinkedIn-profil, kan systemet drage den slutning, at du måske identificerer dig som kvinde. Den måde, jeg har set talentteams bruge værktøjet på, er, at hvis jeg kan forstå demografien for alle de mennesker, jeg taler med lige nu, kan jeg planlægge fremadrettet, hvordan jeg påvirker disse demografier, så de går op eller ned.

Hvis jeg kan se, at jeg kun har kontaktet 20 kvinder ud af 1.000 kandidater den seneste måned, kan jeg handle på det og finde ud af, hvordan jeg kan øge tallet til 25, 30 eller 50 over tid. Det hjælper ikke aktivt med at øge antallet af underrepræsenterede kandidater, som man får kontakt til, sådan som vi gør.

Det er snarere en teknologi til et realitetstjek, der ved hjælp af AI giver virksomheder mulighed for at forstå, hvor de befinder sig, og handle for at investere i, hvordan de kan øge tallet i realtid. Jeg synes, det er et meget effektivt og unikt værktøj til talentanskaffelse.

Becca Banyard: Det er fantastisk. Tak, fordi du delte det. Vi er ved at runde af, men jeg vil gerne høre, om du har nogle afsluttende råd til personer, der ønsker at bruge AI til at tiltrække og ansætte underrepræsenterede kandidater og grundlæggende øge diversiteten, ligheden og inklusionen i deres organisation.

Albrey Brown: Mit ene råd er: Prøv. Det lyder meget enkelt. Men hvis man folder det ud, tror jeg, at ledere – især når det handler om diversitet, inklusion og lighed – er lidt tilbageholdende med at prøve ting, fordi de ikke vil gøre det forkert. De vil ikke sige det forkerte eller investere i det forkerte. Men det skaber et hønen-og-ægget-problem: Hvis man er bange for at investere i et partnerskab, købe ny teknologi eller afprøve ny teknologi, bliver det svært at finde ud af, hvad der virker for en.

Alle disse teknologier er nye, og markedet for DE&I-teknologi har kun eksisteret i omkring fem år. De er derfor alle modne til feedback fra jer, og de kan give jer en fordel i forhold til alle de andre virksomheder, I konkurrerer med, netop fordi de er så nye.

Det er nu, I skal afprøve en række leverandører og nye partnerskaber, opbygge relationerne og den understøttelse, jeres rekrutteringsansvarlige får brug for, hvis I fortsat vil øge den demografiske diversitet, neurodiversiteten og alle de ting, som I ved, at medarbejderne kommer til at gå op i fremover. Så prøv. Den bedste måde at prøve på er at sætte en tidsgrænse. Dette er et tre måneders pilotprojekt. Dette er et seks måneders pilotprojekt. Dette er et etårigt pilotprojekt. Målet er ikke perfektion. Det er fremskridt. Jeg tror, man kan anvende det på diversitet og inklusion generelt.

Man bliver aldrig perfekt divers. Man vil altid bevæge sig i retning af større diversitet. Og for at komme med endnu en bemærkning om Joonko: Joonko er navnet på den første kvinde, der besteg Mount Everest. Vi valgte navnet meget bevidst, fordi diversitet og inklusion minder om at bestige et bjerg.

Hver gang man føler, at man har nået toppen, er der mere tilbage, og der vil altid være mere tilbage. Jeg tror, det er meget nyttigt for ledere at anvende det både på deres tilgang til diversitet og inklusion og på de produkter og værktøjer, de vil bruge.

Becca Banyard: Ja, wow. Det elsker jeg. Så godt.

Jeg har to spørgsmål, som jeg stiller alle mine gæster. Jeg vil gerne høre dit syn på dem, før jeg lader dig gå. Hvad mener du er det vigtigste, der holder medarbejderne glade på arbejdspladsen?

Albrey Brown: Må penge ikke være svaret? Nej, jeg laver sjov.

Jeg tror, jeg vender tilbage til autenticitet. Arbejdspladsen er vanskelig. Samarbejde er vanskeligt. Nogle gange klarer virksomheden sig ikke så godt, som den burde, men hvis man er ærlig om, hvad der foregår, og hvorfor det foregår, tror jeg, det hjælper folk med at vide, hvad der venter rundt om hjørnet, og giver dem mulighed for at slappe af og måske være glade.

Becca Banyard: Hvad har du personligt brug for for at få succes som leder?

Albrey Brown: Tillid. Og jeg tror, det er noget andet end at blive vist tillid. Jeg har brug for at stole på, at min ledelse holder mig ansvarlig. Jeg har brug for at stole på de andre mennesker i min organisation, så når vi beslutter noget, træffer en beslutning eller iværksætter en handling, handler det i sidste ende om tillid. Ja, vi skal bare stole på hinanden gennem både op- og nedture.

For i sidste ende, hvad har vi ellers?

Becca Banyard: Albrey, det har været en fornøjelse at tale med dig. Tusind tak, fordi du ville være med i programmet. Hvis folk gerne vil i kontakt med dig, følge dit arbejde eller komme i forbindelse med dig, hvor kan de så gøre det?

Albrey Brown: Du kan følge mig på LinkedIn under Albrey Brown og på Twitter, også @albreybrown. Ellers kan du kontakte mig hos Joonko. Tak, Becca. Det har været en fantastisk samtale. Jeg sætter pris på at være med i programmet og ser frem til den næste.

Becca Banyard: Fantastisk. Tak igen, og tak til alle, der lytter, fordi I fulgte med. Hvis du gerne vil holde dig opdateret om alt inden for HR og ledelse, så gå til peoplemanagingpeople.com/subscribe og tilmeld dig vores nyhedsbrev.

Indtil næste gang – hav en god dag!