Hoe AI je kan helpen ondervertegenwoordigd talent aan te trekken & aan te nemen

Lees het transcript:

We proberen onze podcasts te transcriberen met behulp van een softwareprogramma. Vergeef ons eventuele typfouten, want de bot is niet altijd 100% correct.

Becca Banyard: Is kunstmatige intelligentie de sleutel tot het ontsluiten van een inclusiever personeelsbestand? En zo ja, hoe vinden we de delicate balans tussen AI-gestuurde efficiëntie en menselijke besluitvorming om eerlijkheid te waarborgen? Of is menselijke besluitvorming net zo bevooroordeeld als AI-technologieën?

Welkom bij de People Managing People-podcast. We zetten ons in om een betere wereld van werk te creëren en je te helpen gelukkige, gezonde en productieve werkplekken te creëren. Ik ben je presentator, Becca Banyard.

Mijn gast vandaag is D&I-expert Albrey Brown, momenteel VP Strategy en General Manager van New York bij Joonko. We gaan praten over hoe het implementeren van AI-technologie je kan helpen ondervertegenwoordigd talent aan te trekken en aan te nemen. Luister mee om meer te leren over de huidige uitdagingen bij het aannemen van personeel waarmee recruiters en organisaties te maken hebben, het potentieel van AI om vooroordelen te beperken en diversiteit te bevorderen, en praktijkvoorbeelden van de impact ervan. Blijf luisteren!

Hallo Albrey, welkom bij de show. Fijn dat je er vandaag bij bent.

Albrey Brown: Bedankt voor de uitnodiging.

Becca Banyard: We gaan ons verdiepen in het onderwerp hoe kunstmatige intelligentie kan worden gebruikt om ondervertegenwoordigde groepen op de werkplek aan te trekken en aan te nemen. Maar voordat we daarin duiken, wil ik graag wat meer over jou weten. Kun je iets vertellen over je achtergrond en wat je bij Joonko doet?

Albrey Brown: Ja, bedankt. Mijn naam is Albrey Brown en ik ben VP Strategy bij Joonko. Zo ben ik in deze rol terechtgekomen: mijn eerste functie in de technologiesector was als software-engineer en ik volgde een programmeerbootcamp.

Daarvoor had ik geen ervaring met programmeren. Die ervaring was zo geweldig dat ik besloot mijn eigen programmeerbootcamp te beginnen. Die bootcamp was specifiek gericht op vrouwen en mensen van kleur. Ik ben dus altijd geïnteresseerd geweest in het zorgen dat ondervertegenwoordigde mensen toegang hebben tot kansen.

Ik begon deze programmeerbootcamp. Het ging heel goed. We leerden ongeveer 450 mensen programmeren en hielpen de meerderheid van hen aan een baan in de sector. Uiteindelijk verkocht ik die programmeerbootcamp aan een grotere aanbieder en werd ik hun Director of Diversity and Inclusion. Dat was in 2013, toen DE&I net een begrip en een belangrijk onderwerp in de technologiesector was geworden. Ik zei tegen mezelf: ik word weer ondernemer en begin een bedrijf, maar laat ik dit diversiteits- en inclusieverhaal eerst een tijdje uitproberen.

Dat tijdje werd acht jaar. Ik leidde diversiteit en inclusie bij vier verschillende bedrijven en vond het geweldig. Ik vond het mooi om bedrijven en hun ideeën te vertegenwoordigen en ervoor te zorgen dat ze, zowel vanuit demografisch perspectief als vanuit inclusieperspectief, beter werden in het verwelkomen van ondervertegenwoordigde mensen binnen hun organisatie.

Tijdens mijn laatste periode als hoofd DE&I bij een zeer kleine start-up genaamd Airtable stuitte ik op Joonko en ontmoette ik oprichter Ilit Raz. Het idee maakte enorme indruk op me. Bij Joonko koppelen we bedrijven aan ondervertegenwoordigde kandidaten die onlangs een sollicitatieproces bij een ander bedrijf in ons netwerk hebben afgerond.

Stel je voor, Becca, dat je solliciteert naar een functie als VP Marketing bij Intuit, een van onze klanten, en de laatste ronde bereikt. Uiteindelijk kiest het bedrijf echter iemand anders. Niet omdat je niet geweldig was, maar omdat sollicitatieprocedures zo werken. Je hebt meerdere geweldige kandidaten in de laatste ronde en kunt er maar één kiezen.

In plaats van je af te wijzen, verwijzen ze je door naar Joonko en zeggen ze: Hé, we vonden je echt goed. We vonden je een geweldige kandidaat en willen deel uitmaken van jouw loopbaan. Ze verwijzen je naar ons, jij schrijft je in bij Joonko en wij verwijzen je naar vergelijkbare functies bij vergelijkbare bedrijven, zodat je sneller een baan kunt vinden.

En je weet dat deze bedrijven zich inzetten voor diversiteit en inclusie, omdat ze op zoek zijn naar ondervertegenwoordigde kandidaten. Dat concept maakte enorme indruk op me: hoe een bedrijf afwijzing kan omzetten in een kans voor een ondervertegenwoordigde kandidaat en concurrentie tussen bedrijven kan veranderen in samenwerking.

Na mijn ontmoeting met oprichter Ilit en mijn kennismaking met het concept was ik verkocht. Ik bleef manieren zoeken om bij het bedrijf te komen werken. Een tijdje was ik adviseur. Ik gaf advies over het product en de doelgroep waarop we ons richtten en verdiende uiteindelijk een plek als VP Strategy, wat ik nu ongeveer een jaar doe.

Dat is een beetje over mij.

Becca Banyard: Heel erg bedankt dat je dit deelt. Het klinkt alsof je een geweldige achtergrond hebt en met zoveel verschillende interessante bedrijven hebt gewerkt. En wauw, Joonko klinkt als een heel unieke, maar ook heel boeiende organisatie. Echt interessant.

Laten we erin duiken en eerst wat meer te weten komen over het landschap rond het aantrekken en aannemen van ondervertegenwoordigde groepen. Met welke huidige uitdagingen hebben recruiters, personeelsmanagers en organisaties te maken bij het aantrekken en aannemen van deze groepen?

Albrey Brown: De grootste uitdaging zit al in de naam: ondervertegenwoordigd. Ondervertegenwoordigd betekent dat vrouwen, mensen van kleur enzovoort qua aantallen een kleinere groep vormen dan mensen die je zou beschouwen als de meerderheid of als oververtegenwoordigd talent.

Ik zie diversiteit en inclusie, en de uitdaging die ermee gepaard gaat, als een probleem van vraag en aanbod. Er is simpelweg minder aanbod van bijvoorbeeld Afro-Amerikanen die software-engineer zijn, terwijl er vanuit elk bedrijf dat hen wil aannemen veel vraag is. Niet alleen omdat het het juiste is om te doen, maar ook omdat een organisatie waarin ondervertegenwoordigde mensen vertegenwoordigd zijn, beter functioneert.

Daar is enorm veel onderzoek naar. Bedrijven concurreren dus fel om ondervertegenwoordigd talent. In gesprekken met klanten en vanuit mijn eerdere rol als hoofd DE&I denk ik dat het moeilijkste onderdeel is om echt op te vallen. Hoe word je als bedrijf de favoriete werkgever voor ondervertegenwoordigde kandidaten?

Hoe word je een gespreksonderwerp wanneer gemeenschappen van vrouwen, mensen van kleur en mensen uit de LGBTQIA+-gemeenschap praten over de plekken waar ze willen werken? En hoe houd je dat vervolgens in stand en bouw je zowel een merk, een talentpijplijn als een reputatie op als bedrijf waar mensen terechtkunnen en zich welkom voelen, waar ze gelijke kansen krijgen en kunnen floreren?

Het concurrentie-element maakt het voor bedrijven erg moeilijk om te concurreren om deze kleinere talentenpool. Dat komt tot uiting in investeringen. Ik denk dat de term werknemersnetwerk tien jaar geleden maar zelden werd gebruikt. Nu heeft elk bedrijf van een bepaalde omvang werknemersnetwerken.

Als je geen werknemersnetwerk hebt — voor degenen die het niet weten: werknemersnetwerken zijn interne gemeenschappen voor ondervertegenwoordigde mensen waarin ze contact met elkaar kunnen leggen — dan was dat iets wat net ontstond toen ik hoofd DE&I werd. Nu is het een basisvereiste. Tijdens je sollicitatieproces moet je begrijpen hoe je organisatie werknemersnetwerken uiteindelijk van middelen voorziet.

Je moet ook diversiteitsdoelen hebben. Dat bestond bij de meeste organisaties tien tot vijftien jaar geleden nog niet. Nu is het een basisvereiste. Het moeilijke voor de meeste bedrijven bij het aantrekken van ondervertegenwoordigd talent is dus dat ze deze fundamentele tactieken voor diversiteit en inclusie toepassen — werknemersnetwerken, diversiteitsdoelen en een hoofd diversiteit hebben — en vervolgens toch voorop moeten blijven lopen, omdat elk bedrijf die zaken inmiddels heeft.

Becca Banyard: Hoe kan een organisatie zich dan onderscheiden van de concurrentie bij het aantrekken van ondervertegenwoordigd talent?

Albrey Brown: Dat is een moeilijke vraag, waar we klanten voortdurend mee proberen te helpen. Het eerste is authenticiteit.

Kandidaten willen werken voor bedrijven die zichzelf en hun waarden kennen en die waarden vanaf het begin uitdragen. Laten we teruggaan naar het voorbeeld. Becca, je solliciteert bij een bedrijf. Je hebt zelf waarden die je terug wilt zien bij het bedrijf waar je gaat werken.

Ik neem aan dat diversiteit, gelijkheid en inclusie daar een van zijn. Maar stel dat dat bedrijf geen diversiteitsdoelen heeft — we spreken met veel bedrijven die dat niet hebben. Dan is een bedrijf geneigd te zeggen: laten we daar tijdens het sollicitatieproces niet over praten. Laten we niet vertellen dat we geen echte diversiteitsdoelen hebben.

Maar als een kandidaat er helemaal niets over hoort, zorgt dat gebrek aan authenticiteit voor een negatieve ervaring. Wij adviseren bedrijven, recruiters en recruitmentmanagers daarom om open en eerlijk te zijn: Hé, laten we het gesprek leiden. We hebben nog geen diversiteitsdoelen, maar dit is wat we wel doen.

We proberen eerst te begrijpen hoe de demografie binnen onze organisatie eruitziet. Onze directie wil beter begrijpen welke doelen we kunnen opstellen die daadwerkelijk een betekenisvolle impact hebben. Dat gesprek authentiek leiden is het eerste onderdeel. Ten tweede gaat het om creativiteit en bereidheid om te investeren.

Een van de uitdagingen die ik zie wanneer we met bedrijven praten, is dat ze direct resultaat willen. Ze gaan bijvoorbeeld naar een conferentie — Grace Hopper is een geweldige conferentie voor software-engineers die zich als vrouw identificeren. Ze gaan een jaar naar de conferentie, besteden er 30.000 dollar aan, maar nemen slechts drie mensen aan.

Ze meten het succes dan als: we hebben maar drie mensen aangenomen. In plaats daarvan zouden ze die samenwerking als een investering moeten zien: we hebben dit jaar drie mensen aangenomen, maar hoe ziet volgend jaar en het jaar daarna eruit wanneer we onze merkwaarde bij deze conferentie verder opbouwen? Een gebrek aan geduld bij het investeren in nieuwe kanalen voor ondervertegenwoordigde kandidaten werkt op korte of langere termijn in het nadeel van bedrijven.

Bij Joonko doen we daarom het volgende: wanneer je software koopt of een plek koopt om vacatures te plaatsen, doe je dat meestal voor een maand. Wij laten onze bedrijven zich voor een jaar vastleggen, omdat we willen garanderen dat ze de exponentiële waarde van ons product in de loop van de tijd zien.

Je krijgt de eerste maand niet meteen tien geweldige kandidaten, omdat zowel ons algoritme als ons netwerk zich moeten aanpassen aan de functies waarvoor we kandidaten proberen te vinden. Maar in de derde, vierde, zesde en negende maand begin je te zien dat de investering in die kanalen groeit.

De les die we bedrijven die met ons werken meegeven, is: als je bij ons ziet dat je investering in de loop van de tijd exponentieel groeit, denk dan aan de andere kanalen die je misschien te snel hebt opgegeven voordat je met Joonko samenwerkte. Als je daar wat meer tijd en moeite had gestoken in het begrijpen van hoe dat kanaal zich in de loop van de tijd zou ontwikkelen, was het misschien na achttien maanden een geweldig kanaal voor ondervertegenwoordigd talent geweest. In plaats van die eenmalige samenwerkingskans die je niet zo goed vond als andere wervingskanalen.

Het komt dus neer op geduld en authenticiteit. Tot slot noem ik creativiteit. Je moet creatief zijn wanneer je experimenteert met nieuwe manieren om ondervertegenwoordigd talent aan te trekken. Misschien ga je naar gemeenschappen zonder direct te proberen mensen aan te nemen. Je gaat naar gemeenschappen, ontmoet mensen waar zij zijn en voert gesprekken.

Misschien organiseer je cv-beoordelingen bij lokale hogescholen om beter te begrijpen wie er aanwezig is. Creatief worden is een geweldige manier om buiten de gebaande paden te denken en uit te zoeken waar de kandidaten zitten die je wilt aannemen, zodat je naam rondgaat — zelfs als dat niet onmiddellijk tot een directe aanstelling leidt.

Becca Banyard: Ja, geweldig. Vooral dat laatste onderdeel over creativiteit spreekt me aan. Het klinkt als nieuwsgierig worden naar de mensen die daadwerkelijk ondervertegenwoordigd zijn, die misschien van jezelf verschillen, en meer leren over wie ze zijn en wat ze nodig hebben.

Ik wil nu graag dieper ingaan op de details rond AI. Welke rol kan AI volgens jou spelen bij het beperken van vooroordelen en het bevorderen van diversiteit en inclusie in het wervingsproces?

Albrey Brown: Dat is een goede vraag, want meestal wordt het tegenovergestelde gevraagd. Als we over AI praten, hebben we het over een zeer groot onderwerp. We praten over natuurlijke taalverwerking en grote taalmodellen die zijn getraind op informatie en gedrag van mensen, die van nature vooroordelen hebben.

In alle technologie die we gebruiken, ook in kunstmatige intelligentie, zitten dus vooroordelen ingebouwd. Bij Joonko gebruiken we AI om ondervertegenwoordigde kandidaten te koppelen aan functies die worden geadverteerd. We bekijken je cv, kijken naar de functie waarvoor je net bent geïnterviewd en koppelen je aan het beste bedrijf en de beste functie die bij je passen. We gebruiken AI dus om die kans uit te breiden naar ondervertegenwoordigde mensen.

Meer in het algemeen zijn er volgens mij enkele goede voorbeelden van bedrijven en technieken die in het wervingsproces worden toegepast om het inclusiever te maken. Een minder voor de hand liggend maar heel eenvoudig voorbeeld is ondertiteling. Ondertiteling bij video-interviews stelt mensen die slechthorend zijn of neurodivers zijn in staat te lezen wat er tijdens een interview wordt gezegd.

De meeste mensen zouden dat niet zien als het beperken van vooroordelen of het inclusiever maken van een proces. Maar als ik het uitleg, zie ik je natuurlijk knikken. Het is een manier waarop we AI hebben toegepast om iemands stem te horen en die in tekst om te zetten. Wanneer we dat bij een interview toepassen, vergroot het de groep mensen die aan het interview kan deelnemen, doordat mensen die liever lezen dan luisteren een betere interviewervaring krijgen.

Het tweede voorbeeld zijn vacatureteksten. Vacatureteksten zijn van nature bevooroordeeld. Dat kan komen door taal waarin iemand een rockster of ninja wordt genoemd, of door het aantal vereisten in een vacature. Er wordt eindeloos verwezen naar gegevens waaruit zou blijken dat vrouwen solliciteren op functies waarvoor ze 100% geschikt zijn, terwijl mannen solliciteren op functies waarvoor ze 60% geschikt zijn.

Textio is een geweldig product en een voorloper in het helpen van bedrijven om hun vacatureteksten inclusiever te herschrijven. Je schrijft een vacature en het systeem zegt: Hé, deze vacature heeft negen vereisten. Wat als je dat terugbrengt naar zes? Wat als je een alinea schrijft waarin staat: Hé, ook als je niet aan elke vereiste voldoet, kun je op deze functie solliciteren? Zo moedig je mensen die misschien minder zelfverzekerd zijn aan om te solliciteren. Of je verwijdert simpelweg voorbeelden van voornaamwoorden uit de vacaturetekst, zoals “hij” voor deze persoon.

Dat zijn enkele eenvoudige manieren waarop kunstmatige intelligentie is gebruikt om de taal in vacatureteksten te veranderen. Het laatste voorbeeld heeft betrekking op sollicitatiegesprekken. Dat is een controversieel gebied, omdat er software voor video-interviews bestaat die gezichtsherkenning gebruikt om te bepalen of je geschikt bent voor een functie.

Mijn persoonlijke opvatting daarover is dat zulke systemen bol kunnen staan van de vooroordelen. Alles wat te maken heeft met de manier waarop je jezelf uitdrukt met je gezicht of stem kan gemakkelijk verkeerd worden geïnterpreteerd door zowel een mens — denk bijvoorbeeld aan de manier waarop zwarte vrouwen op de werkplek worden beschreven — als door AI. Er zijn echter ook hulpmiddelen aan de andere kant van het spectrum die alleen de interviewer beoordelen.

Een voorbeeld dat me te binnen schiet is Hireguide. Dat beoordeelt of de interviewer bij verschillende gesprekken dezelfde vragen heeft gesteld, voldoende antwoorden heeft gegeven op veelvoorkomende vragen en de geïnterviewde inclusieve taal en inclusieve praktijken heeft geboden waardoor die persoon zich op zijn gemak voelt.

Dat alles betekent dat de manier waarop AI kan worden gebruikt minder over de technologie gaat en meer over de toepassing. Waar passen we deze technologieën toe? Gebruiken we ze om kandidaten te beoordelen? Dan moeten we volgens mij heel voorzichtig zijn. Gebruiken we ze om bedrijven te beoordelen? Dan kunnen we volgens mij beginnen ongelijkheden te beperken.

Uiteindelijk is een kandidaat altijd minder bevooroordeeld dan een bedrijf, omdat bedrijven macht hebben. Als we technologie inzetten om het aantal kansen voor kandidaten uit te breiden en het aantal vooroordelen dat een bedrijf kan uiten te beperken, beginnen we een brede toepassing van AI te zien bij het oplossen van deze onevenwichtigheden in werving en selectie.

Becca Banyard: Wauw, dit is allemaal zo goed. Aan het begin werd ik een beetje emotioneel door wat je zei over iets kleins als ondertiteling. Iets wat voor iemand die geen ondertiteling nodig heeft onbeduidend lijkt, kan een enorme impact hebben op het leven van iemand die dat wel nodig heeft. Zelfs zulke kleine veranderingen zijn dus heel belangrijk.

We weten dat AI beperkingen heeft en vooroordelen bevat. Hoe zou je, met dat in gedachten, een balans vinden tussen het gebruik van AI voor efficiëntie en inclusiviteit, terwijl je er ook voor zorgt dat menselijke beoordeling en besluitvorming worden meegenomen om discriminerende uitkomsten te voorkomen?

Albrey Brown: Dit is een grote vraag die zowel binnen organisaties als op de bredere arbeidsmarkt speelt.

Voordat we live gingen, hadden we het over Local Law 144, een recente wet in New York die gericht is op het beperken van vooroordelen in het wervingsproces. De wet legt de verantwoordelijkheid bij bedrijven om technologie die AI gebruikt voor werving te controleren. Simpel gezegd moet een bedrijf de leverancier die het gebruikt — bijvoorbeeld Joonko — vragen een rapport op te stellen waarin staat hoe de technologie beslissingen neemt op basis van demografische kenmerken.

Je moet dus aangeven hoeveel vrouwen en mensen van kleur in- en uitgesloten worden van een proces en die groepen met elkaar vergelijken, zodat je kunt zien of de technologie bevooroordeeld is tegen een bepaald type groep. De eerste manier waarop ik dit als leider op het gebied van talentwerving, peoplemanager of gebruiker van wervingstechnologie zou aanpakken, is dus: controleer. Vraag de leveranciers die je gebruikt:

Hoe werkt jullie technologie anders voor mensen met verschillende ervaringen en achtergronden? Kunnen jullie een rapport opstellen? Kunnen jullie me de gegevens tonen waaruit blijkt dat deze onevenwichtigheden niet in jullie software aanwezig zijn? En als ze er wel zijn, hoe gaan jullie die in de loop van de tijd oplossen?

Gelukkig wordt dit binnenkort wettelijk verplicht en verspreidt deze wet zich razendsnel. Bedrijven zullen dit dus sowieso moeten doen. Het controleren is een heel belangrijk onderdeel van het gebruik van deze technologie. Het tweede onderdeel is communicatie. AI bestaat al lange tijd in de werving.

Een praktisch voorbeeld: de meeste systemen voor het volgen van sollicitanten screenen je bij het solliciteren al in of uit op basis van trefwoorden in je cv. Dat is een zeer bekende praktijk. Kandidaten weten inmiddels hoe ze ChatGPT kunnen gebruiken om daaraan voorbij te komen. Maar dat is kunstmatige intelligentie.

Het verschil tussen die praktijk en bijvoorbeeld gezichtsherkenning is dat kandidaten nu van deze systemen weten. Aan hen is gecommuniceerd dat er een screening plaatsvindt die door een robot wordt uitgevoerd. Ze kunnen zich dus aanpassen en hun aanpak veranderen om de kans te vergroten dat ze bij een mens terechtkomen.

Ik vind dat deze praktijk voor alle andere technologieën moet worden overgenomen. Je moet kandidaten vertellen dat je dit gebruikt, dat je het hebt gecontroleerd en wat de resultaten van die controle waren. Vertel ook waarom je het gebruikt. Dat schept vertrouwen tussen kandidaten en talentwervingsteams.

Het zorgt er bovendien voor dat de communicatielus tussen kandidaten en talentwervingsmedewerkers leveranciers verantwoordelijk houdt voor het verbeteren van hun technologie in de loop van de tijd. Het derde punt is eerlijk gezegd simpelweg erkennen dat deze vooroordelen met of zonder technologie bestaan. AI is absoluut geen perfect systeem.

Je kunt het ook zo bekijken: je bouwt een AI-systeem dat van nature bevooroordeeld is. Ik denk aan het voorbeeld van Amazon. Amazon creëerde in 2016 een groot taalmodel op basis van alle cv's die ze hadden en vroeg: help ons in feite te bepalen wie een goede software-engineer is. Na verloop van tijd ontdekten ze dat wanneer ze de naam van een vrouw in het systeem invoerden, die vrouw veel lager werd gerangschikt op de schaal voor een goede software-engineer dan elke mannelijke naam.

Ze voerden ook namen van studentenverenigingen in om te zien of een studentenvereniging op een cv stond. Iedereen die bij een studentenvereniging zat, werd veel lager gerangschikt op die schaal dan mensen die dat niet deden. Het systeem was dus duidelijk van nature bevooroordeeld. Ze hebben het systeem geschrapt, maar het is een bekend voorbeeld van vooroordelen.

Wat is het verschil tussen dat systeem en een personeelsmanager die tegen een recruiter zegt: ik wil dat je alleen kandidaten van deze vijf scholen bekijkt? Deze vooroordelen bestaan en niet alleen omdat AI bestaat. Ze bestonden al lang daarvoor. Een belangrijk punt over de balans tussen AI gebruiken en begrijpen dat deze vooroordelen bestaan, is daarom dat we dezelfde mentaliteit moeten toepassen op menselijke recruiters en personeelsmanagers die deze processen beheren en deze hulpmiddelen gebruiken.

Uiteindelijk nemen deze hulpmiddelen de beslissing nog steeds niet. Ze beïnvloeden de beslissing. En als die beslissing al uit een bevooroordeelde bron komt, blijven we dit systeem van vooroordelen kopiëren, ongeacht of we perfecte AI hebben.

Ik weet dat ik je vraag hiermee niet volledig heb beantwoord. Maar het is een belangrijk punt dat verloren gaat wanneer we over technologie praten. Mensen vertonen deze vooroordelen sowieso. We moeten dezelfde mentaliteit dus tegelijkertijd toepassen op robots en mensen.

Becca Banyard: Ja, zeker. Je zei dat software voor het screenen van sollicitanten de afgelopen jaren vrij standaard is gebruikt. Welke nieuwe AI-hulpmiddelen beginnen bedrijven en hr-afdelingen vaker te gebruiken?

Albrey Brown: Laten we beginnen vanuit het perspectief van het vinden van kandidaten. Als je talent wilt vinden, zijn er een paar manieren om dat te doen.

Kandidaten actief benaderen is een van de beste manieren. Ik denk daarom dat software voor het vinden van kandidaten, waarmee je toegang krijgt tot een grote database, die database kunt benaderen en kunt filteren, het meest alomtegenwoordige en populaire gebruik van AI-technologie is geweest. AI wordt gebruikt om de beste kandidaten te vinden, kandidaten aan te bevelen op basis van eerdere zoekopdrachten met behulp van machinaal leren en grote taalmodellen te gebruiken om automatisch berichten aan die kandidaten te schrijven.

AI is dus begonnen met het automatiseren van een aantal repetitieve processen aan de kant van het vinden van talent. Aan de data- en analysekant kun je alle gegevens uit je systeem voor het volgen van sollicitanten halen — de honderdduizenden kandidaten die bij je hebben gesolliciteerd of die je in de loop van de tijd hebt geïnterviewd — en analyseren welke kandidaten succesvol zijn geweest, welke minder succesvol waren, welke op het randje zitten en hoe je het aantal kandidaten dat mogelijk succesvol kan zijn tijdens je sollicitatieproces kunt vergroten.

Daarvoor gebruik je machinaal leren en natuurlijke taalverwerking. Ten derde zijn er, terugkomend op het interviewonderdeel, interviewmethoden die worden gebouwd op gezichts- en stemherkenning. Kandidaten krijgen vooraf een beoordeling of vraag en moeten die beantwoorden.

Dat is vooral populair voor verkoopfuncties. Misschien is het een klantvraag. Vervolgens worden hun toon, gezichtsuitdrukking en alle andere zaken die bij een klantgesprek horen geanalyseerd om te bepalen of ze geschikt zijn voor het soort klanten of gesprekken waarmee ze te maken krijgen.

Van alle toepassingen is Joonko volgens mij vrij uniek. Wij gebruiken drie soorten technologie die als AI kan worden beschouwd. We automatiseren: we bepalen automatisch of iemand in de laatste ronde is afgewezen. Vervolgens nodigen we die persoon automatisch uit voor het Joonko-netwerk en koppelen we die persoon automatisch aan een andere functie, zodat een recruiter niets hoeft te doen.

Ze hoeven de kandidaat niet naar ons door te verwijzen en hoeven de kandidaat niet uit onze pool te zoeken. Ze ontvangen gewoon een Joonko-kandidaat en reageren meestal met: geweldig, dank je. Daarna nemen ze die persoon aan. We gebruiken ook machinaal leren om te begrijpen wanneer kandidaten naar de functies kijken die we hun sturen, zodat we hun na verloop van tijd betere aanbevelingen kunnen doen.

Daarnaast gebruiken we natuurlijke taalverwerking om, zoals ik eerder zei, trefwoorden in het cv en in de functie waarvoor iemand net is geïnterviewd te analyseren. Zo zorgen we ervoor dat we iemand naar het juiste bedrijf en de juiste functie sturen, waar die persoon een grote kans heeft om het sollicitatieproces succesvol te doorlopen.

In elke stap van het wervingsproces zie je dus enorm veel innovatie op het gebied van AI.

Becca Banyard: Geweldig, bedankt voor het delen. Je raakte dit met je voorbeeld van Joonko al even aan, maar heb je nog andere succesverhalen over organisaties die AI in hun wervingsproces hebben gebruikt om meer ondervertegenwoordigde groepen aan te trekken?

Albrey Brown: Ja, er is een bedrijf genaamd Gem. Hun product voor het vinden van kandidaten helpt je alle kandidaten met wie je praat te beheren. Zie het als software voor kandidatenbeheer. Ze hebben onlangs een product gelanceerd waarmee je alle kandidaten met wie je momenteel praat per demografische groep kunt bekijken en kunt zien hoe zij zichzelf publiekelijk identificeren.

Stel dat je op LinkedIn de voornaamwoorden zij/haar gebruikt. Dan kunnen ze afleiden dat je jezelf misschien als vrouw identificeert. De manier waarop ik talentteams deze tool heb zien gebruiken, is als volgt: als ik de demografie begrijp van alle mensen met wie ik momenteel praat, kan ik plannen maken voor de toekomst over hoe ik die demografie kan beïnvloeden.

Als ik zie dat ik de afgelopen maand van duizend kandidaten slechts twintig vrouwen heb gevonden, kan ik actie ondernemen om te bepalen hoe ik dat aantal in de loop van de tijd kan verhogen naar 25, 30 of 50. Het helpt dus niet actief om het aantal ondervertegenwoordigde kandidaten met wie je contact hebt te vergroten, zoals wij doen.

Het is meer een realitychecktechnologie die met behulp van AI bedrijven de mogelijkheid geeft te begrijpen waar ze staan en direct actie te ondernemen om daarin te investeren. Ik vind dat een zeer krachtige en unieke tool voor talentwerving.

Becca Banyard: Geweldig, bedankt voor het delen. We gaan bijna afronden. Heb je nog laatste advies voor iemand die AI wil gebruiken om ondervertegenwoordigde kandidaten aan te trekken en aan te nemen en zo de diversiteit, gelijkheid en inclusie in de organisatie wil vergroten?

Albrey Brown: Mijn enige advies is: probeer het. Dat klinkt heel eenvoudig. Maar als we het uitpakken, denk ik dat leiders vooral op het gebied van diversiteit, inclusie en gelijkheid soms bang zijn om dingen uit te proberen omdat ze het niet verkeerd willen doen. Ze willen niet het verkeerde zeggen of in het verkeerde investeren. Maar dat creëert een kip-en-eiprobleem: als je bang bent om in een samenwerking te investeren, nieuwe technologie te kopen of nieuwe technologie uit te proberen, wordt het moeilijk om te ontdekken wat voor jou werkt.

Al deze technologieën en de markt voor DE&I-technologie bestaan nog maar ongeveer vijf jaar. Ze zijn dus allemaal nieuw en staan open voor je feedback. Bovendien kunnen ze je een voorsprong geven op de andere bedrijven waarmee je concurreert, juist omdat ze zo nieuw zijn.

Dit is het moment om verschillende leveranciers en nieuwe samenwerkingen uit te proberen, de relaties en ondersteuning op te bouwen die je recruiters nodig hebben om demografische diversiteit, neurodiversiteit en alles waarvan je weet dat werknemers er in de toekomst waarde aan zullen hechten verder te vergroten. Probeer het dus gewoon. De beste manier om iets uit te proberen, is een tijdslimiet in te stellen: dit is een pilot van drie maanden, zes maanden of één jaar. Het doel is niet perfectie, maar vooruitgang. Dat kun je volgens mij toepassen op diversiteit en inclusie in het algemeen.

Je zult nooit perfect divers zijn. Je zult altijd vooruitgang boeken richting meer diversiteit. En om nog één keer Joonko te noemen: Joonko is de naam van de eerste vrouw die de Mount Everest beklom. We hebben die naam heel bewust gekozen, omdat diversiteit en inclusie net als het beklimmen van een berg zijn.

Elke keer dat je het gevoel hebt de top te hebben bereikt, is er nog meer te doen. En er zal altijd meer te doen zijn. Ik denk dat het toepassen van die gedachte op zowel de manier waarop je diversiteit en inclusie benadert als op de producten en hulpmiddelen die je gebruikt, leiders enorm helpt wat hun mindset betreft.

Becca Banyard: Wauw, dat vind ik geweldig. Heel goed.

Ik stel al mijn gasten twee vragen. Ik hoor graag jouw mening voordat ik je laat gaan. Wat is volgens jou het belangrijkste dat werknemers gelukkig houdt op de werkplek?

Albrey Brown: Mag geld niet het antwoord zijn? Nee, grapje.

Ik kom terug op authenticiteit. Werk is moeilijk. Samenwerken is moeilijk. Soms presteert het bedrijf niet zo goed als nodig is. Maar eerlijk zijn over wat er gebeurt en waarom het gebeurt, helpt mensen volgens mij te weten wat er om de hoek komt kijken. Daardoor kunnen ze ontspannen en mogelijk gelukkig zijn.

Becca Banyard: En wat heb jij persoonlijk nodig om succesvol te zijn als leider?

Albrey Brown: Vertrouwen. En ik denk dat dat iets anders is dan vertrouwd worden. Ik moet erop vertrouwen dat mijn leiders me verantwoordelijk houden. Ik moet erop vertrouwen dat de andere mensen in mijn organisatie, wanneer we ergens over beslissen of actie ondernemen, dat ook daadwerkelijk doen. Uiteindelijk draait het om vertrouwen. We moeten elkaar gewoon door de hoogte- en dieptepunten heen vertrouwen.

Want wat hebben we uiteindelijk nog meer?

Becca Banyard: Albrey, het was een genoegen om met je te praten. Heel erg bedankt dat je bij de show was. Als mensen contact met je willen opnemen, je werk willen volgen of met je in verbinding willen komen, waar kunnen ze dat doen?

Albrey Brown: Je kunt me volgen op LinkedIn onder Albrey Brown en op Twitter via @albreybrown. Verder kun je contact met me opnemen bij Joonko. Bedankt, Becca. Dit was een geweldig gesprek. Ik waardeer het dat ik bij de show mocht zijn en kijk uit naar de volgende.

Becca Banyard: Geweldig, nogmaals bedankt. En iedereen die luistert: heel erg bedankt voor het afstemmen. Als je op de hoogte wilt blijven van alles rond hr en leiderschap, ga dan naar peoplemanagingpeople.com/subscribe om je aan te sluiten bij onze nieuwsbriefgemeenschap.

Tot de volgende keer, een fijne dag!