Hur AI kan hjälpa dig att attrahera och anställa underrepresenterade talanger

Läs transkriberingen:

Vi testar att transkribera våra poddar med hjälp av ett datorprogram. Ursäkta eventuella stavfel eftersom boten inte är korrekt 100 % av tiden.

Becca Banyard: Är artificiell intelligens nyckeln till att skapa en mer inkluderande arbetsstyrka? Och om så är fallet, hur hittar vi den känsliga balansen mellan AI-driven effektivitet och mänskligt beslutsfattande för att säkerställa rättvisa? Eller är mänskligt beslutsfattande lika partiskt som AI-teknik?

Välkommen till podden People Managing People. Vårt uppdrag är att skapa en bättre arbetsvärld och hjälpa dig att bygga lyckliga, hälsosamma och produktiva arbetsplatser. Jag heter Becca Banyard och är din värd.

Min gäst i dag är D&I-experten Albrey Brown, som för närvarande är strategichef och chef för New York på Joonko. Vi ska prata om hur implementering av AI-teknik kan hjälpa dig att attrahera och anställa underrepresenterade talanger. Lyssna för att lära dig mer om de aktuella rekryteringsutmaningar som rekryterare och organisationer möter, AI:s potential att minska partiskhet och främja mångfald samt verkliga exempel på dess påverkan. Stanna kvar!

Hej Albrey och välkommen till programmet. Det är så roligt att ha dig här i dag.

Albrey Brown: Tack för att jag fick komma.

Becca Banyard: Vi ska fördjupa oss i hur artificiell intelligens kan användas för att attrahera och anställa underrepresenterade grupper på arbetsplatsen. Men innan vi börjar vill jag gärna veta lite mer om dig. Kan du berätta lite om din bakgrund och vad du gör på Joonko?

Albrey Brown: Ja. Tack. Jag heter Albrey Brown och är strategichef på Joonko. Jag tog mig in i den här rollen genom att min första roll inom teknik var som programvaruingenjör, och jag gick en programmeringsbootcamp.

Innan dess hade jag ingen erfarenhet av programmering, och upplevelsen var så fantastisk för mig att jag bestämde mig för att starta min egen programmeringsbootcamp. Men den bootcampen riktade sig specifikt till kvinnor och färgade personer. Därför har jag alltid varit intresserad av att se till att underrepresenterade personer får tillgång till möjligheter.

Jag startade alltså den här programmeringsbootcampen. Det gick väldigt bra. Vi lärde ungefär 450 personer att programmera och hjälpte majoriteten av dem att få jobb i branschen. Sedan sålde jag till slut programmeringsbootcampen till en större programmeringsbootcamp och blev deras mångfalds- och inkluderingschef. Det var 2013, när DE&I precis hade blivit en stor fråga inom teknikbranschen. Och jag sade till mig själv: Jag ska bli entreprenör igen och starta ett företag, men låt mig prova det här med mångfald och inkludering ett tag.

Ett tag blev åtta år, och jag ledde arbetet med mångfald och inkludering på fyra olika företag. Jag älskade det verkligen. Jag tyckte om att representera företagens idéer om hur man säkerställer att underrepresenterade personer välkomnas till företagen, både ur ett demografiskt perspektiv och ur ett inkluderingsperspektiv.

Under min senaste period som chef för DE&I på en mycket liten startup som heter Airtable upptäckte jag Joonko och träffade grundaren Ilit Raz. Idén gjorde mig helt överväldigad. Det vi gör på Joonko är att matcha företag med underrepresenterade kandidater som nyligen avslutat en intervjuprocess hos ett annat företag i vårt nätverk.

Föreställ dig, Becca, att du söker en roll som marknadsföringschef på Intuit, som är en av våra kunder, och går vidare till sista intervjurundan. Men företaget väljer till slut någon annan, inte för att du inte var fantastisk, utan för att det är så intervjuprocesser fungerar. Flera fantastiska personer kan nå slutet, men man kan bara välja en.

I stället för att avvisa dig hänvisar de dig till Joonko och säger: Hej, vi tyckte verkligen om dig. Vi tyckte att du var en fantastisk kandidat och vill vara en del av din karriärresa. De hänvisar dig till oss, du registrerar dig hos Joonko och vi hänvisar dig till liknande roller på liknande företag så att du kan hitta en roll snabbare.

Och du vet att de här företagen satsar på mångfald och inkludering eftersom de söker underrepresenterade kandidater. Det konceptet gjorde mig helt överväldigad: hur ett företag kan omvandla ett avslag till en möjlighet för en underrepresenterad kandidat och omvandla konkurrens mellan företag till samarbete.

Efter att ha träffat grundaren Ilit och blivit introducerad till konceptet fastnade jag. Jag fortsatte att försöka hitta sätt att gå med i företaget. Jag var rådgivare ett tag, gav råd om produkten och den målgrupp vi riktade oss till och fick till slut rollen som strategichef, vilket jag har haft i ungefär ett år nu.

Det var lite om mig.

Becca Banyard: Tack så mycket för att du berättade. Det låter som att du har en fantastisk bakgrund och har fått arbeta med så många spännande företag. Och wow, Joonko låter som en mycket unik men väldigt intressant organisation. Ja, verkligen spännande.

Så låt oss börja med att lära känna rekryteringslandskapet och attraktionen av underrepresenterade grupper lite bättre. Vilka är några av de aktuella utmaningar som rekryterare, rekryterande chefer och organisationer möter när det gäller att attrahera och anställa dessa grupper?

Albrey Brown: Den största utmaningen finns i själva ordet underrepresenterade. Att vara underrepresenterad betyder att kvinnor, färgade personer och så vidare helt enkelt är en mindre grupp sett till antalet än personer som betraktas som majoritetstalanger eller överrepresenterade.

Jag ser mångfald och inkludering, och utmaningen bakom det, som ett problem med utbud och efterfrågan. Det finns helt enkelt färre afroamerikaner som är programvaruingenjörer, låt säga, samtidigt som efterfrågan från alla företag som vill anställa dem är hög. Inte bara för att det är rätt sak att göra, utan för att en organisation där underrepresenterade personer finns representerade blir bättre.

Det finns enormt mycket data som visar det. Företag konkurrerar därför intensivt om underrepresenterade talanger. När jag talar med kunder, och utifrån min tidigare erfarenhet som chef för DE&I, tror jag att den svåraste delen verkligen har varit att sticka ut. Hur blir man som företag en arbetsgivare som underrepresenterade kandidater helst vill arbeta för?

Hur blir man ett samtalsämne när grupper av kvinnor, färgade personer och personer i LGBTQIA+-gemenskapen pratar om platser där de vill arbeta? Och hur upprätthåller man det över tid och bygger både ett varumärke, en talangpipeline och ett rykte som ett företag dit människor kan vända sig och känna sig inkluderade, att de kommer att få en rättvis möjlighet och att de kommer att lyckas i organisationen?

Konkurrensen gör det alltså mycket svårt för företag att konkurrera om denna mindre talangpool. Det visar sig genom investeringar. Jag tror att ordet medarbetarresursgrupp hördes mer sällan för tio år sedan. Nu har alla företag av en viss storlek medarbetarresursgrupper.

Om du inte har en medarbetarresursgrupp – och för dem som inte känner till begreppet är medarbetarresursgrupper interna gemenskaper för underrepresenterade personer där de kan knyta kontakt med varandra – var detta något som precis hade börjat växa fram när jag blev chef för DE&I. Nu är det en grundförutsättning. I din intervjuprocess behöver du förstå hur organisationen förser medarbetarresursgrupperna med resurser i praktiken.

Du behöver också ha mångfaldsmål. Det var något som inte fanns i de flesta organisationer förrän för 10–15 år sedan. Nu är det en grundförutsättning. Att använda dessa grundläggande taktiker för mångfald och inkludering – medarbetarresursgrupper, mångfaldsmål och en mångfaldschef – och därefter även kunna sticka ut, eftersom alla företag har sådana initiativ, och fortsätta ligga i framkant.

Det är den svåra delen för de flesta företag när det gäller att attrahera underrepresenterade talanger.

Becca Banyard: Hur kan då en organisation sticka ut från konkurrenterna när den attraherar underrepresenterade talanger?

Albrey Brown: Det är en svår fråga, och vi försöker hjälpa kunder med detta hela tiden. Den första saken är helt enkelt autenticitet.

Kandidater vill arbeta för företag som känner sig själva, känner sina värderingar och uttrycker dessa värderingar från början. Låt oss återgå till exemplet. Becca, du intervjuas för ett företag. Du har själv värderingar som du vill ska komma till uttryck hos företaget du börjar arbeta för.

Jag antar att mångfald, jämlikhet och inkludering är en av dem. Men låt oss säga att företaget inte har några mångfaldsmål, vilket gäller många av de företag vi pratar med. Företaget kan då vilja säga: Låt oss inte prata om det under intervjuprocessen. Låt oss inte prata om att vi inte har några verkliga mångfaldsmål.

Men om kandidaten inte får höra något om det alls skapar denna brist på autenticitet till slut en negativ upplevelse för kandidaten. Vi coachar därför företag, rekryterare och rekryteringschefer att vara öppna och ärliga och säga: Hej, låt oss leda samtalet. Vi har ännu inga mångfaldsmål, men det här är vad vi gör.

Vi försöker först förstå hur demografin ser ut i vår organisation. Vår ledning vill bättre förstå vilka mål vi kan skapa som faktiskt kommer att göra en meningsfull skillnad. Att leda samtalet med autenticitet är den första delen. För det andra handlar det om kreativitet och att vara öppen för investeringar.

En av utmaningarna jag ser när vi talar med företag är att de vill ha omedelbara resultat. De går till exempel till en konferens – Grace Hopper är en fantastisk konferens för programvaruingenjörer som identifierar sig som kvinnor – och deltar ett år. De spenderar 30 000 dollar på konferensen men får bara tre anställningar därifrån.

De mäter framgången som att de bara fick tre anställningar. I stället borde de se partnerskapet som en investering: Vi fick tre anställningar i år, men hur ser nästa år och året därpå ut när vi börjar bygga vårt varumärkeskapital med konferensen? Bristen på tålamod när det gäller att investera i nya kanaler för underrepresenterade kandidater slår tillbaka på företagen, förr eller senare.

En sak vi gör på Joonko är att företag vanligtvis köper programvara eller en plats att annonsera jobb på för en månad. Vi ber våra företag att binda sig i ett år, eftersom vi vill säkerställa att de ser produktens exponentiella värde över tid.

Du kommer inte att få tio fantastiska kandidater den första månaden, eftersom både vår algoritm och vårt nätverk måste anpassas till de jobb vi försöker hjälpa dig att tillsätta. Men under den tredje, fjärde, sjätte och nionde månaden kommer du att börja se hur investeringen i kanalen växer.

Jag tycker att den lärdom vi förmedlar till företag som arbetar med oss är att de ska tänka på andra kanaler som de kanske gav upp innan de samarbetade med Joonko. Om de bara hade lagt ner lite mer tid och energi på att förstå hur kanalen skulle växa över tid, kanske den hade blivit en fantastisk kanal för underrepresenterade talanger 18 månader senare, i stället för att bara se partnerskapet som en enstaka möjlighet som inte var lika bra som andra kanaler de rekryterar från.

Så jag tror att det handlar om tålamod och autenticitet. Till sist vill jag säga kreativitet. Man måste vara kreativ när man experimenterar med nya sätt att attrahera underrepresenterade talanger. Det kan innebära att gå till olika gemenskaper utan att försöka rekrytera, att träffa människor där de befinner sig och ha samtal.

Det kan innebära att göra CV-genomgångar på lokala högskolor för att bättre förstå vilka som finns i rummet. Att vara kreativ är ett bra sätt att börja tänka utanför ramarna och ta reda på var kandidaterna du vill anställa finns, så att du kan få ditt namn på deras läppar, även om det inte omedelbart leder till en direktanställning.

Becca Banyard: Ja, fantastiskt. Jag älskar särskilt den sista delen om kreativitet. Det låter mycket som att bli nyfiken på de personer som faktiskt är underrepresenterade, som kanske skiljer sig från en själv, och lära sig mer om vilka de är och vad de behöver.

Jag vill nu gärna gå in på de mer specifika delarna kring AI. Vilken roll kan AI enligt dig spela för att minska partiskhet och främja mångfald och inkludering i rekryteringsprocessen?

Albrey Brown: Det är en bra fråga, eftersom man vanligtvis ställer den motsatta frågan. När vi talar om AI är det ett mycket stort område. Vi talar om naturlig språkbehandling och stora språkmodeller som tränats på information och beteenden från människor, vilka i grunden är partiska.

Det finns alltså en inbyggd partiskhet i all teknik vi använder, inklusive artificiell intelligens. På Joonko använder vi naturlig språkbehandling för att matcha underrepresenterade kandidater med de roller som annonseras. Vi tittar på ditt CV och på rollen du just intervjuade för och matchar dig med det bästa företaget och den bästa rollen som skulle passa dig. Vi använder den alltså för att utvidga möjligheten för underrepresenterade personer.

Mer generellt tycker jag att det finns några bra exempel på företag och metoder som tillämpas i rekryteringsprocessen för att göra den mer inkluderande. Ett mindre uppenbart men mycket enkelt exempel är textning. Textning under videointervjuer gör det möjligt för personer som har nedsatt hörsel eller är neurodivergenta att läsa det som sägs under intervjun.

De flesta skulle inte tänka på det som ett sätt att minska partiskhet eller göra processen mer inkluderande. Men när jag förklarar det ser jag att du nickar, eller hur? Det är ett sätt där vi har tillämpat AI för att uppfatta någons röst och omvandla den till text. När vi använder det under en intervju breddar det vilka som kan delta genom att personer som läser i stället för att lyssna får en bättre intervjuupplevelse.

Det andra exemplet är jobbannonser. Jobbannonser är i grunden partiska. Det kan handla om språk som kallar någon en rockstjärna eller ninja, eller om antalet krav som ställs i en jobbannons. Det finns ett ofta citerat exempel på att kvinnor söker jobb som de passar 100 % för, medan män söker jobb som de passar 60 % för.

Textio är en fantastisk produkt och en ledande aktör när det gäller att hjälpa företag att skriva om sina jobbannonser så att de blir mer inkluderande. Du skriver en jobbannons och verktyget säger: Hej, den här har nio krav. Vad händer om du minskar antalet till sex? Vad händer om du skriver ett stycke som säger: Även om du inte uppfyller alla krav i jobbannonsen, sök ändå rollen? På så sätt kan du uppmuntra personer som kanske inte känner sig lika självsäkra att söka rollen. Du kan också ta bort exempel på pronomen i jobbannonsen, som att kalla personen ”han”.

Det är några enkla sätt som artificiell intelligens har använts på för att förändra språket i jobbannonser. Det sista exemplet gäller intervjudelen. Det här är ett kontroversiellt område, eftersom det finns program för videointervjuer som använder ansiktsigenkänning för att avgöra om du passar för en roll.

Min personliga uppfattning är att de kan vara fulla av partiskhet. Allt som handlar om hur du uttrycker dig med ansiktet eller genom din ton kan lätt misstolkas av både en människa – tänk på hur svarta kvinnor beskrivs på arbetsplatsen – och av AI. Men det finns verktyg på den andra sidan som utvecklas för att i stället utvärdera intervjuaren, alltså personen som genomför intervjun.

Ett exempel är Hireguide. Verktyget utvärderar om intervjuaren har ställt samma frågor från intervju till intervju, gett tillräckligt utförliga svar på vanliga frågor och erbjudit den intervjuade ett inkluderande språk och inkluderande arbetssätt som gör personen bekväm.

Allt detta innebär att frågan om hur AI kan användas handlar mindre om tekniken och mer om tillämpningen. Var använder vi tekniken? Använder vi den för att utvärdera kandidater? I så fall måste vi vara mycket försiktiga. Om vi använder den för att utvärdera företag kan vi börja se hur ojämlikheter minskar.

I slutändan kommer en kandidat alltid att vara mindre partisk än ett företag, eftersom företagen har makten. Om vi använder tekniken för att utöka antalet möjligheter en kandidat har och minska antalet fördomar ett företag kan uppvisa, är det då vi kommer att börja se en bred tillämpning av AI för att lösa dessa obalanser inom rekrytering och arbetslivet.

Becca Banyard: Wow, allt detta är så bra. Jag blev faktiskt lite känslosam i början när du pratade om något så litet som textning. Något som verkar så litet för den som inte behöver textning kan göra en enorm skillnad i livet för den som behöver det. Så jag tror att även små förändringar som den är väldigt viktiga.

Vi vet att AI har begränsningar och att tekniken är partisk. Med det i åtanke, hur skulle du hitta en balans mellan att använda AI för effektivitet och inkludering, samtidigt som du säkerställer att mänskligt omdöme och beslutsfattande finns med för att undvika diskriminerande resultat?

Albrey Brown: Det här är en stor fråga, och jag tror att den diskuteras både inom organisationer och på arbetsmarknaden i stort.

Innan vi började prata talade vi om Local Law 144, en ny lag i New York som fokuserar på att minska partiskhet i rekryteringsprocessen. Lagen lägger ansvaret på företagen att granska all teknik som använder AI för att hjälpa dem med rekrytering. I enkla termer måste ett företag be den leverantör som används, låt oss säga Joonko, att ta fram en rapport som visar hur tekniken fattar beslut utifrån demografi.

Man måste alltså redovisa hur många kvinnor och färgade personer som sorteras in respektive bort i en process och jämföra grupperna med varandra för att se om tekniken är partisk mot en viss grupp. Det första jag skulle göra för att balansera detta som chef för talangförvärv, personalchef eller någon som använder teknik för rekrytering är därför att granska systemet. Fråga leverantörerna du använder.

Hur fungerar tekniken olika för personer med olika erfarenheter och bakgrunder? Kan ni ta fram en rapport? Kan ni visa mig data som visar att dessa obalanser inte finns i programvaran? Och om de finns, hur ska ni lösa dem över tid?

Som tur är kommer detta snart att bli lag, och lagen sprids snabbt. Jag tror därför att företag kommer att behöva göra detta oavsett. Men granskningen är en mycket viktig del av att använda tekniken. Den andra delen är kommunikation. AI har funnits länge inom rekrytering.

Jag kan ge ett praktiskt exempel. De flesta system för kandidatspårning sorterar redan in eller bort dig ur processen utifrån nyckelord i ditt CV när du söker ett jobb. Det här är ett mycket välkänt arbetssätt. Kandidater vet numera hur de kan använda ChatGPT för att ta sig förbi det och så vidare. Men det är artificiell intelligens.

Skillnaden mellan det arbetssättet och exempelvis ansiktsigenkänning är att kandidater nu känner till det. De har fått information om att en granskningsprocess utförs av en robot. Därför kan de anpassa sig och ändra sitt sätt att söka för att öka sannolikheten att nå fram till en människa.

Jag tycker att samma arbetssätt bör användas för all annan teknik. Du bör informera kandidaterna om att du använder verktyget, att du har granskat det och vilka resultaten av granskningen blev. Berätta också varför ni använder det. Jag tror att det bygger förtroende mellan kandidater och teamen för talangförvärv.

Det säkerställer också att kommunikationsloopen mellan kandidater och rekryteringsteam gör leverantörerna ansvariga för att förbättra sin teknik över tid. Den tredje saken är, helt ärligt, att erkänna att dessa fördomar finns med eller utan teknik. AI är definitivt inte ett perfekt system.

Man kan se det som att ett AI-system byggts för att vara partiskt från början. Jag tänker på Amazons exempel. År 2016 skapade Amazon en stor språkmodell baserad på alla CV:n de hade och sade: Hjälp oss att avgöra vem som är en bra programvaruingenjör. Med tiden upptäckte de att när de skrev in en kvinnas namn i systemet rankades kvinnan mycket lägre på skalan för bra programvaruingenjörer än vilket mansnamn som helst.

De skrev också in studentföreningar för kvinnor för att se om en sådan förening fanns med i ett CV. Alla som hade deltagit i en sådan förening rankades mycket lägre på skalan än personer som inte hade gjort det. Systemet var uppenbart partiskt och de skrotade det. Det är ett välkänt exempel på partiskhet.

Men vad är skillnaden mellan det och en rekryterande chef som säger till en rekryterare: Jag vill bara att du tittar på kandidater från de här fem skolorna? Dessa fördomar finns, och de finns inte bara på grund av AI. De har funnits långt innan AI. Därför vill jag göra klart att om vi ska använda detta synsätt på robotar måste vi också använda det på de mänskliga rekryterare och rekryterande chefer som äger processerna och använder verktygen.

I slutändan fattar verktygen fortfarande inte besluten. De påverkar besluten. Om beslutet redan kommer från en partisk källa kommer vi att fortsätta återskapa det partiska systemet, oavsett om vi har perfekt AI eller inte.

Jag vet att det inte helt besvarade din fråga, men det är en viktig poäng som ofta försvinner när vi pratar om teknik. Människor uppvisar ändå dessa fördomar, så jag tycker att vi måste ha samma synsätt på robotar och människor samtidigt.

Becca Banyard: Ja, absolut. Du nämnde att programvara för kandidatscreening har använts ganska standardiserat under de senaste åren. Vilka AI-verktyg är nya och börjar användas oftare av företag och personalavdelningar?

Albrey Brown: Vi kan börja ur ett sourcingperspektiv. När man vill hitta talanger finns det ett par sätt att göra det på.

Att söka upp kandidater och kontakta dem är ett av de bästa sätten. Programvara för kandidatsourcing, där man får tillgång till en stor databas, kan kontakta personer i databasen och filtrera den, har därför varit den mest utbredda och populära användningen av AI-teknik.

AI används för att hitta de bästa kandidaterna, rekommendera kandidater utifrån tidigare sökningar med hjälp av maskininlärning och sedan använda stora språkmodeller för att automatiskt skriva meddelanden till kandidaterna.

AI har alltså börjat automatisera vissa repetitiva delar av talangförvärvet när det gäller sourcing. På data- och analyssidan kan man ta all data från sitt system för kandidatspårning – hundratusentals kandidater som har sökt eller intervjuats över tid – och analysera den för att se vilka kandidater som varit framgångsrika, vilka som inte varit lika framgångsrika och vilka som befinner sig på gränsen. Därefter kan man se hur man kan förbättra antalet kandidater som potentiellt kan lyckas genom intervjuprocessen.

Det handlar alltså om att använda maskininlärning och naturlig språkbehandling för att förstå detta. För det tredje, när vi återgår till intervjudelen, finns det intervjumetoder som byggs ovanpå ansikts- och röstigenkänning. Det kan handla om förhandsgranskning där kandidaten får en bedömning eller fråga att besvara.

Det är mycket populärt för säljroller. Kandidaten får kanske besvara en kundfråga, varefter verktyget analyserar tonläge, ansiktsuttryck och allt annat som ingår i ett kundsamtal för att förstå om personen passar för den typ av kunder eller samtal som rollen innebär.

Joonko är ganska unikt eftersom vi använder tre typer av det som skulle kunna betraktas som AI. Vi automatiserar processen: Vi förstår automatiskt om någon har blivit bortvald i en sista intervjurunda. Därefter bjuder vi automatiskt in personen till Joonko-nätverket och matchar automatiskt personen med en annan roll, så att en rekryterare inte behöver göra någonting.

De behöver inte hänvisa personen till oss och inte heller söka upp personen från vår pool. De får helt enkelt en Joonko-kandidat och brukar säga: Jippi, det här är fantastiskt. Tack! Och sedan anställer de personen. Vi använder också maskininlärning för att förstå när kandidater tittar på rollerna vi skickar till dem, så att vi kan ge bättre rekommendationer över tid.

Vi använder även naturlig språkbehandling för att titta på nyckelord i CV:t och i rollen som personen just intervjuades för. På så sätt kan vi säkerställa att vi skickar personen till rätt företag och rätt roll, där sannolikheten är hög att personen tar sig igenom intervjuprocessen.

I varje steg av rekryteringsprocessen ser man alltså massor av innovation inom AI.

Becca Banyard: Fantastiskt. Tack för att du berättade. Jag tror att du redan berörde det med ditt exempel från Joonko, men jag undrar om du har några andra framgångshistorier om hur organisationer har använt AI i rekryteringsprocessen för att attrahera fler underrepresenterade grupper?

Albrey Brown: Ja, det finns ett företag som heter Gem. Deras sourcingprodukt gör det möjligt att hantera alla kandidater man pratar med. Se det som en programvara för kandidathantering. De lanserade nyligen en produkt som gör att man kan se alla kandidater man för närvarande pratar med utifrån demografi och se hur de offentligt identifierar sig.

Om du till exempel har pronomenen hon/henne på LinkedIn kan verktyget dra slutsatsen att du kanske identifierar dig som kvinna. Jag har sett talangteam använda verktyget genom att först förstå demografin hos alla personer de pratar med. Därefter kan de planera hur de ska påverka den demografin så att den ökar eller minskar.

Om jag ser att jag under den senaste månaden bara har sökt upp 20 kvinnor av 1 000 kandidater kan jag vidta åtgärder för att öka antalet till 25, 30 eller 50 över tid. Det hjälper inte aktivt till att öka antalet underrepresenterade kandidater som man kommer i kontakt med på samma sätt som vi gör.

Det är mer en teknik för verklighetskontroll som använder AI och ger företagen möjlighet att förstå var de befinner sig och vidta åtgärder för att investera i hur de kan öka antalet i realtid. Jag tycker att det är ett mycket kraftfullt och unikt verktyg för talangförvärv.

Becca Banyard: Ja, verkligen bra. Tack för att du berättade. Vi ska snart avsluta, men jag undrar om du har några sista råd till någon som vill använda AI för att attrahera och anställa underrepresenterade kandidater och i praktiken öka mångfalden, jämlikheten och inkluderingen i sin organisation.

Albrey Brown: Mitt enda råd är att prova, och det låter väldigt enkelt. Om vi utvecklar det lite tror jag att ledare, särskilt när det gäller mångfald, inkludering och jämlikhet, är lite rädda för att prova saker eftersom de inte vill göra fel. De vill inte säga fel sak eller investera i fel sak. Men det skapar ett slags hönan och ägget-problem. Om man är rädd för att investera i ett partnerskap, köpa ny teknik eller prova en ny teknik blir det svårt att ta reda på vad som fungerar för en själv.

Alla dessa tekniker och marknaden för DE&I-teknik har bara funnits i ungefär fem år. De är alltså nya och mottagliga för återkoppling från er. De kan också ge er ett försprång gentemot alla andra företag ni konkurrerar med, eftersom de är så nya.

Det här är tiden att prova många leverantörer och nya partnerskap, att bygga relationerna och det stöd som era rekryterare behöver för att fortsätta öka den demografiska mångfalden, neurodiversiteten och allt annat som ni vet att medarbetarna kommer att bry sig om framöver. Så prova. Det bästa sättet att prova är att sätta en tidsgräns. Det här är ett pilotprojekt på tre månader, sex månader eller ett år. Målet är inte perfektion. Målet är framsteg. Jag tror att man kan använda samma synsätt på mångfald och inkludering i allmänhet.

Man kommer aldrig att vara perfekt mångfaldig. Man kommer alltid att vara på väg mot större mångfald. Och för att göra ännu ett reklaminslag för Joonko: Joonko är namnet på den första kvinnan som besteg Mount Everest. Vi valde namnet mycket medvetet, eftersom mångfald och inkludering är som att bestiga ett berg.

Varje gång du känner att du nått toppen finns det mer kvar att göra, och det kommer alltid att finnas mer kvar att göra. Jag tror att det är mycket hjälpsamt för ledare att ha detta tankesätt både när det gäller hur de arbetar med mångfald och inkludering och vilka produkter och verktyg de använder.

Becca Banyard: Ja, wow. Jag älskar det. Så bra.

Jag har två frågor som jag ställer till alla mina gäster. Jag vill gärna höra dina tankar innan jag släpper dig. Vad tror du är det viktigaste som håller medarbetare nöjda på arbetsplatsen?

Albrey Brown: Får jag säga pengar? Nej, jag skojar. Jag skojar.

Jag tror att jag återgår till autenticitet. Arbetslivet är svårt. Samarbete är svårt. Ibland går verksamheten inte så bra som den behöver göra, men att vara ärlig om vad som händer och varför det händer gör att människor vet vad som väntar runt hörnet och kan slappna av och kanske vara lyckliga.

Becca Banyard: Och vad behöver du personligen för att lyckas som ledare?

Albrey Brown: Förtroende. Och jag tror att det skiljer sig från att vara betrodd. Jag behöver lita på att mina ledare håller mig ansvarig. Jag behöver lita på de andra personerna i min organisation, på att när vi bestämmer något, fattar ett beslut eller vidtar en åtgärd så handlar det i slutändan om förtroende. Ja, vi måste helt enkelt lita på varandra genom medgångar och motgångar.

För vad har vi annars i slutändan?

Becca Banyard: Albrey, det har varit så trevligt att prata med dig. Tack så mycket för att du ville vara med i programmet. Om någon vill komma i kontakt med dig, följa ditt arbete eller höra av sig, var kan de göra det?

Albrey Brown: Du kan följa mig på LinkedIn under Albrey Brown och på Twitter, där jag också finns som @albreybrown. Utöver det kan du kontakta mig på Joonko. Tack, Becca. Det här har varit ett fantastiskt samtal. Jag uppskattar att få vara med i programmet och ser fram emot nästa gång.

Becca Banyard: Fantastiskt. Tack igen, och tack så mycket till alla som lyssnar. Om du vill hålla kontakten med allt som rör HR och ledarskap kan du gå till peoplemanagingpeople.com/subscribe och gå med i vårt nyhetsbrev.

Vi hörs nästa gång. Ha en fantastisk dag!