Een door AI versterkte wereld vraagt om geavanceerdere talentbeoordeling

Het onderstaande diagram vat een rapport van het IMF samen en laat zien hoe AI steeds vaker eenvoudigere taken overneemt en mensen ondersteunt of aanvult bij complexere en meer genuanceerde beoordelingen.

Dit traject is logisch gezien de manier waarop AI informatie verwerkt. Signalen bewegen zich door digitale systemen met bijna de snelheid van het licht. AI is ook georganiseerd in componenten die vectorrepresentaties worden genoemd. Deze vertalen complexe, ongestructureerde gegevens naar compacte reeksen getallen die wiskundig kunnen worden verwerkt, waardoor het niet nodig is om te worstelen met subtiele semantische betekenissen.

De menselijke neurale architectuur werkt anders. Informatie beweegt zich met maximaal 120 m/s door de synapsen van de hersenen en de hoeveelheid cognitieve informatie die mensen kunnen verwerken is beperkt — een gemiddelde wetenschappelijke rekenmachine kan veel complexere berekeningen uitvoeren dan zelfs de intelligentste persoon.

Maar AI overtreft mensen niet op elk gebied. Ondanks snelle vooruitgang in verwerkingscapaciteit presteren mensen nog steeds beter dan AI in situaties van onzekerheid en complexiteit, vooral wanneer sociale dynamiek of ethische oordeelsvorming een rol speelt. 

De flexibele, adaptieve aard van menselijke besluitvorming maakt mensen beter toegerust voor situaties die een geïntegreerd en genuanceerd perspectief vereisen, vooral onder dynamische en onzekere omstandigheden.

De illustraties in Figuur 2 brengen deze verschillen in beeld. De gestructureerde segmentaties van AI zijn zichtbaar in de eerste afbeelding, terwijl de werking van het menselijk brein wordt onthuld door het connectoom, een kaart van de onderliggende neurale bedrading. 

Het menselijk brein is allesbehalve een georganiseerde verzameling gespecialiseerde gebieden. Het is een rijkdom aan verweven signalen van verschillende typen die op elkaar inwerken om betekenis te construeren. Zelfs de mate van onderlinge verbondenheid fluctueert als reactie op verschillende en dynamische situaties.

Dit inzicht in de complexiteit en onderlinge verbondenheid van de hersenen is relatief recent. Mensen die vóór 2000 psychologie studeerden, zijn mogelijk een gesegmenteerd model tegengekomen waarin verschillende gespecialiseerde functies relatief onafhankelijk van elkaar opereerden — een model dat lijkt op het AI-model in Figuur 2. 

De overeenkomst berust niet op toeval. AI-modellen zijn voortgekomen uit vroeg onderzoek naar deskundige informatieverwerking door de cognitief psychologen Herbert A. Simon en Allen Newell.

Vooruitgang in MRI-technologie heeft sindsdien een dieper inzicht geboden in de daadwerkelijke werking van het menselijk brein. De kracht van menselijke oordeelsvorming en aanpassingsvermogen ligt in de sterk onderling verbonden aard van onze neurale netwerken. Deze stellen mensen in staat kwesties vanuit verschillende perspectieven te bekijken, onderliggende verbanden te herkennen en reacties aan te passen aan veranderende mensen en situaties.

Deze capaciteiten — die steeds bepalender worden voor de manier waarop mensen waarde toevoegen in een door AI versterkte werkomgeving — zijn vastgelegd in het EPOCH-raamwerk.

De EPOCH-vaardigheden

• Empathie en emotionele intelligentie
• Aanwezigheid, netwerken en verbondenheid
• Mening, oordeelsvermogen en ethiek
• Creativiteit en verbeeldingskracht
• Hoop, visie en leiderschap

De arbeidsmarkt laat al verschuivingen zien die deze herschikking weerspiegelen. Sinds 2022 is er een afname van 13% in functies die worden gedomineerd door repetitieve en gestructureerde analyse, naast een groei van ongeveer 20% in de vraag naar werk waarvoor technische expertise of creatief denken nodig is.

Volgens hoogleraar aan de businessschool Suraj Srinivasan weerspiegelt deze verschuiving de impact van AI-aanvulling. Bij geïntegreerde en veelzijdige werkprocessen, waarvoor creativiteit en analytisch denken, technische beheersing en genuanceerd oordeelsvermogen, naleving en discretie nodig zijn, verhoogt het inzetten van AI binnen het proces de economische waarde van de menselijke componenten. Wanneer AI als aanvullend hulpmiddel wordt gebruikt, kan het de waarde van de menselijke bijdrage vergroten in plaats van verminderen.

Mensen moeten misschien terrein prijsgeven aan AI bij werk waarvoor een hoge verwerkingssnelheid en routinematig oordeelsvermogen nodig zijn, maar hun mogelijkheden om AI te benutten en waarde te creëren door middel van uitgesproken menselijke sterke punten zullen waarschijnlijk toenemen. 

Hoewel de realiteit op korte termijn van deze transformatie, waaronder grootschalig baanverlies, terecht tot bezorgdheid leidt, voorspelt het IMF-rapport op langere termijn een vooruitzicht van rijkere, complexere functies die meer waarde creëren. 

Sommige schrijvers, onder wie Andrew Lopianowski en Mike Pino in hun aanstaande boek Mensenkorps, beschrijven deze opkomende periode als het Tijdperk van Wijsheid, een visie die uitgaat van mensen en AI die samenwerken in een symbiotische relatie waarin de sterke punten van beide worden benut.

De gevolgen voor talentbeoordeling

Gezien deze verschuivingen: hoe beoordelen we het vermogen tot wijsheid en de EPOCH-vaardigheden om effectieve talentwerving en -ontwikkeling te ondersteunen? Het antwoord zal waarschijnlijk niet komen van de hulpmiddelen waarop HR de afgelopen 50 jaar heeft vertrouwd. 

Naarmate de vaardigheden die nodig zijn om waarde te creëren complexer en meer geïntegreerd worden, neemt het nut van hulpmiddelen die mensen ontleden in afzonderlijke onderdelen snel af. Toch blijft dit de dominante aanpak van de meeste huidige instrumenten voor talentbeoordeling, die de complexe mens proberen terug te brengen tot vereenvoudigde kwantitatieve componenten die als wiskundige gegevens kunnen worden uitgedrukt.

Er zijn verschillende redenen waarom deze hulpmiddelen minder bruikbaar zijn voor talentidentificatie in een door AI verrijkte wereld.

1. Beperkte voorspellende validiteit. Ondanks hun brede toepassing voorspellen de meeste van deze hulpmiddelen toekomstige werkprestaties niet goed. Een recente meta-analyse suggereert dat persoonlijkheid minder dan 6% van de variantie in werkprestaties voorspelt, terwijl cognitieve tests iets beter presteren met ongeveer 10%.
2. Een gebrekkige aanname van stabiliteit. De meeste huidige hulpmiddelen maken een momentopname van een individu en behandelen die als een vast uitgangspunt. De aanname dat persoonlijkheid in de loop van de tijd consistent is, ligt besloten in de definitie ervan — "stabiele meetbare patronen van gedachten, gevoelens en gedrag" — maar er is inmiddels substantieel meta-analytisch bewijs dat persoonlijkheid in de loop van de tijd verandert en zich ontwikkelt als reactie op prikkels uit de omgeving en voortdurende persoonlijke ontwikkeling.
3. Een gebrekkige aanname van onafhankelijkheid. Persoonlijkheid en cognitieve vaardigheid werden traditioneel beschouwd als ongerelateerde voorspellers van gedrag en uitkomsten, maar er zijn steeds meer aanwijzingen dat er sterke verbanden bestaan tussen de manier waarop mensen hun gedrag beschrijven en de cognitieve vaardigheden die zij laten zien. Dit is logisch gezien de sterk onderling verbonden aard van de bedrading in de hersenen en het algemeen aanvaarde principe dat neuronen die gelijktijdig actief zijn, met elkaar verbonden raken.
4. Het onvermogen om dynamiek vast te leggen. De meeste hulpmiddelen hanteren een model van één moment dat niet kan vastleggen hoe individuen reageren op dynamische situaties. Zoals Ric Roi en ik benadrukken in Toekomstbestendig talent, kan het vermogen om te leren en zich aan veranderende omstandigheden aan te passen het belangrijkste kenmerk zijn van talent dat waarde creëert — en het vormt de kern van de EPOCH-vaardigheden.
5. Het niet meenemen van keuzevrijheid. De langdurige onderzoeken in Dunedin, waarin voorspellers van succes in het leven op het gebied van gezondheid, loopbaan, financieel welzijn en criminaliteit zijn onderzocht, identificeerden zelfbeheersing als de belangrijkste voorspellende factor voor alle uitkomsten, oftewel het vermogen van het individu om gedrag te kiezen op basis van wat een situatie vereist in plaats van persoonlijke voorkeur. Door te veel nadruk te leggen op individuele constructen, kennen we te weinig gewicht toe aan gedrag als product van de interactie tussen persoon en situatie, zowel cognitief als gedragsmatig.

Ironisch genoeg zouden de meeste psychometrische hulpmiddelen die tegenwoordig worden gebruikt zeer geschikt zijn voor het beoordelen van AI. De gestructureerde, gesegmenteerde, wiskundige modellen waarop AI is gebaseerd, sluiten nauw aan bij de gestructureerde, gesegmenteerde, wiskundige modellen die traditionele talentbeoordeling definiëren. 

Deze hulpmiddelen waren misschien toereikend toen werk relatief stabiel en gesegmenteerd was. In een door AI versterkte werkomgeving die wordt gekenmerkt door dynamiek, integratie en complex oordeelsvermogen schieten ze tekort.

De evolutie van talentbeoordeling

Een deel van de drang om traditionele beoordelingsinstrumenten te ontwikkelen was filosofisch van aard, maar technologische beperkingen waren een minstens zo belangrijke factor. De dominantie van zelfbeoordeling, het wijdverbreide gebruik van vragenlijsten en het beperkte aantal items werden allemaal gevormd door een tijdperk van testen met pen en papier.

Naarmate de technologie zich heeft ontwikkeld, zijn veel van deze instrumenten gedigitaliseerd en soms gegamificeerd, waardoor afname, scoring en interpretatie efficiënter zijn geworden en tegelijkertijd de betrokkenheid van kandidaten is verbeterd. De onderliggende structuren zijn echter grotendeels hetzelfde gebleven. 

De voorspellende validiteit is slechts beperkt verbeterd, zelfs wanneer machine learning wordt gebruikt om inzichten uit meerdere instrumenten te combineren.

De betekenisvollere vooruitgang in talentbeoordeling komt voort uit multimedia-, immersieve en interactieve instrumenten, spelgebaseerde beoordelingen en bedrijfssimulaties die gestructureerde fictieve scenario's gebruiken om gegevens te genereren over onderliggende psychologische constructen. 

Deze instrumenten bieden verschillende duidelijke voordelen:

• Ze kunnen worden ingebed in relevante bedrijfsomgevingen, waardoor de gegevenskwaliteit verbetert en meetruis wordt verminderd die ontstaat wanneer kandidaten tests maken die weinig verband houden met hun daadwerkelijke werk. Ze zijn bovendien niet per se duur. Het gebruik van snelle ontwikkeltools heeft het mogelijk gemaakt om beoordelingen op maat te creëren tegen veel lagere kosten dan historisch haalbaar was, en ze kunnen bij het werven van talent ook dienen als realistische functievoorbeelden.
• Ze maken gebruik van multimedia, wat de betrokkenheid vergroot en het invoeren van gegevens vereenvoudigt. Kandidaten kunnen antwoorden inspreken in plaats van typen en dit doen in hun voorkeurstaal, waardoor de gegevenskwaliteit verder verbetert.
• Ze maken meer open vragen mogelijk. Doctoraal onderzoek naar spelgebaseerde beoordelingen heeft aangetoond dat meer open vragen leiden tot meer diepgang en kwalitatief betere inzichten.
• Ze kunnen worden ontworpen voor maximale voorspellende validiteit door middel van processen zoals ontwerp op basis van bewijs, waarbij de specifieke factoren die het belangrijkst zijn voor succes centraal staan en een rigoureuze scoring wordt gewaarborgd.
• Ze bieden de mogelijkheid om reacties van deelnemers in verschillende en dynamische omgevingen te observeren, waardoor een systemischer beeld ontstaat van individuele capaciteiten als reactie op veranderende prikkels.

Dit alles is niet mogelijk zonder AI, die deze instrumenten gedurende het hele traject ondersteunt — van het tot leven brengen van complexe bedrijfsscenario's met interactieve gameplay tot het vastleggen en analyseren van gegevens en het uitvoeren van complexe analyses van dynamische interacties tussen gemeten variabelen. 

Het vermogen van AI om grote hoeveelheden gegevens te verwerken vormt de basis voor deze vooruitgang.

De instrumenten zijn echter slechts zo valide als hun ontwerp. De creatieve en narratieve component is essentieel voor het creëren van een omgeving die relevant en immersief aanvoelt, vooral wanneer instrumenten gegevens moeten blootleggen over emotionele en sociale dynamieken die centraal staan in de EPOCH-vaardigheden. 

Een degelijk psychometrisch ontwerp, gebaseerd op psychologisch onderzoek en een genuanceerd begrip van mensen, zorgt ervoor dat de geproduceerde gegevens betekenisvol, bruikbaar en interpreteerbaar zijn.

Deze ontwikkelingen vertegenwoordigen een noodzakelijke evolutie. Zonder deze ontwikkelingen zal ons vermogen om de capaciteiten te identificeren en ontwikkelen die waardecreatie stimuleren, verder afnemen. Dezelfde dynamiek die de werkplek hervormt, verandert ook de instrumenten die we gebruiken om deze te begrijpen. AI is hier het krachtigst, niet als vervanging van menselijk oordeel, maar als de infrastructuur die diepgaander menselijk oordeel mogelijk maakt.