- AI-gestuurde persoonlijkheidstests en talentbeoordelingen — de basics
- Waarom zou je kiezen voor AI-gestuurde beoordelingen?
- Innovatieve methoden voor talentbeoordeling: Sentino en Sapia lopen voorop
- Uitdagingen en ethische overwegingen
- Een blik op de toekomst: AI in de recruitmentsector
Ondanks dat de recruitmentwereld steeds in beweging is, zijn persoonlijkheidstests nog altijd een belangrijk onderdeel van het proces om kandidaten te beoordelen. Deze tests, die hun oorsprong vinden in de jaren ’40 en ’50, bieden een kijkje in de potentiële mogelijkheden van sollicitanten. Toch is de betrouwbaarheid ervan al vaak ter discussie gesteld. Zo kunnen kandidaten hun antwoorden verdraaien en zitten er vaak (onbedoeld) vooroordelen in het ontwerp van de tests. Ook zitten er juridische risico’s aan dit soort beoordelingen. De opkomst van kunstmatige intelligentie (AI), geavanceerde algoritmes en big data-analyse brengt echter behoorlijk wat verandering in de manier waarop dit soort tests ontwikkeld en afgenomen worden. Doordat ze snel en efficiënt uitgebreide databronnen kunnen raadplegen, kunnen deze technologieën onder andere een dieper inzicht geven in iemands persoonlijkheid. Door persoonlijkheidstests en talentbeoordelingen bijvoorbeeld aan de analyse van iemands social media-activiteiten te koppelen, kunnen algoritmes niet alleen nauwkeuriger beoordelingen maken maar blijft deze informatie ook altijd actueel. Op deze manier kan namelijk rekening gehouden worden met de voortdurend veranderende manier waarop mensen zichzelf presenteren en uiten. Maar hoewel AI-gestuurde persoonlijkheids- en talentbeoordelingen traditionele wervingsprocessen lijken te gaan vernieuwen, zitten er ook haken en ogen aan deze ontwikkelingen. In dit artikel praten we je bij over de opkomst van AI-gestuurde methoden, belichten we hun potentieel en bespreken we de onvermijdelijke obstakels.
AI-gestuurde persoonlijkheidstests en talentbeoordelingen — de basics
AI-gestuurde persoonlijkheidstests en talentbeoordelingen zijn een waardevolle nieuwe ontwikkeling in de wereld van personeelswerving en talentmanagement. Deze innovatieve tools maken gebruik van geavanceerde algoritmes en machine learning-technologieën om allerlei gegevens te analyseren, zoals geschreven teksten, spraakpatronen en activiteit op social media. Zo bouwen ze uitgebreide profielen op van de persoonlijkheden en werkstijlen van kandidaten. In tegenstelling tot traditionele beoordelingen, die vooral gebaseerd zijn op vragenlijsten die bijvoorbeeld door sollicitanten worden ingevuld, kunnen AI-beoordelingen ook inzichten halen uit verschillende andere interacties, waardoor je een gedetailleerder en nauwkeuriger beeld krijgt van een kandidaat. In de persoonlijkheidspsychologie kan AI een belangrijke rol spelen bij het analyseren van reacties, het herkennen van patronen en het voorspellen van persoonlijkheidskenmerken. AI kan bovendien gegevens van traditionele persoonlijkheidstests en uit bronnen als social media en je zoekgeschiedenis op het internet gebruiken om bijvoorbeeld werkprestaties te voorspellen. Daarnaast kan AI helpen bij het formuleren van vragen voor persoonlijkheidstests, waarna recruiters of beoordelingsinstanties de tests verder kunnen aanpassen om specifieke persoonlijkheidskenmerken, zoals zorgvuldigheid, loyaliteit of doorzettingsvermogen, te identificeren.
Waarom zou je kiezen voor AI-gestuurde beoordelingen?
De overstap naar door AI gestuurde beoordelingen kan weleens het begin zijn van een nieuw tijdperk in werving en selectie; een die gekenmerkt wordt door meer efficiëntie, rechtvaardigheid en betrokkenheid. Het automatiseren van de eerste selectieprocedures bespaart enorm veel tijd en middelen, waardoor organisaties hun menselijk kapitaal effectiever kunnen inzetten. Daarnaast zorgen data-gestuurde evaluaties voor een vermindering van de subjectieve vooroordelen die het traditionele wervingsproces vaak verstoren. Laten we eens kijken naar de vele voordelen van het gebruik van AI in personeelswerving.
Betere wervingsprocessen
AI-gestuurde persoonlijkheidstests en talentbeoordelingen kunnen wervingsprocessen aanzienlijk verbeteren — bijvoorbeeld door de meest relevante competenties en persoonlijkheidskenmerken voor bepaalde functies te identificeren. In plaats van alleen op menselijk oordeel te vertrouwen, analyseren AI-algoritmes enorme hoeveelheden data om te bepalen welke eigenschappen het belangrijkst zijn om in bepaalde rollen succesvol te zijn. Hierdoor kunnen recruiters beter onderbouwde beslissingen nemen, waardoor de kans groter wordt dat ze kandidaten selecteren die het beste bij de functie passen. Daarnaast stroomlijnt AI de prioritering van kandidaten en kan het grote hoeveelheden gegevens van sollicitanten efficiënt managen en verwerken, zodat recruiters zich op belangrijkere taken kunnen richten.
Efficiëntere talentbeoordeling en -ontwikkeling
Bij het beoordelen en ontwikkelen van talent worden AI-gestuurde tools langzaam maar zeker steeds belangrijker. Ze geven waardevolle inzichten in de prestaties van medewerkers en in mogelijkheden voor verbetering. Door te analyseren hoe werknemers hun tijd besteden, kunnen AI-programma’s gepersonaliseerde tips geven om efficiënter te werken en processen te optimaliseren. Zo kan AI bijvoorbeeld tijdrovende activiteiten spotten en alternatieven voorstellen om de productiviteit te verhogen. Bovendien kunnen AI-chatbots als virtuele coaches fungeren die altijd beschikbaar zijn, en medewerkers advies bieden dat gebaseerd is op hun unieke persoonlijkheidsprofielen. Deze gepersonaliseerde aanpak zorgt er niet alleen voor dat werknemers zich in hun functie kunnen ontwikkelen, maar ook dat ze tevredener, gemotiveerder en meer bij hun werk betrokken zijn.
Gepersonaliseerde loopbaanbegeleiding
AI-gestuurde persoonlijkheidstests en talentbeoordelingen kunnen ook een belangrijke rol spelen bij het samenstellen van gepersonaliseerde loopbaanadviezen en werknemers helpen hun professionele doelen efficiënter te bereiken. Door individuele persoonlijkheidsprofielen en prestatiegegevens te analyseren, kunnen AI-algoritmes geschikte carrièrekansen identificeren. Gebaseerd op deze informatie kunnen ze werknemers vervolgens advies geven over stappen die ze moeten nemen om hun carrièredoelen zo efficiënt mogelijk te behalen. Zo kan AI relevante trainingsprogramma’s aanbevelen, potentiële functies voorstellen die bij de sterke punten van de medewerker aansluiten, of advies geven over professionele ontwikkelingsmogelijkheden. Deze gepersonaliseerde loopbaanbegeleiding draagt uiteindelijk bij aan langdurig succes en tevredenheid op de werkvloer.
Betere organisatorische prestaties
AI-gestuurde persoonlijkheidstests en talentbeoordelingen zijn ook op het gebied van organisatorische prestaties echte gamechangers. Ze maken bijvoorbeeld een nieuwe benadering van talentmanagement mogelijk, onder andere door verschillende processen slimmer en in sommige gevallen volledig anders aan te pakken. Door AI-technologie in te zetten, kunnen organisaties slimmere keuzes maken bij het aannemen van nieuw personeel, initiatieven voor werknemersontwikkeling een boost geven en medewerkers voorzien van persoonlijk carrièreadvies. Dit zorgt op zijn beurt voor meer betrokkenheid, productiviteit en behoud van medewerkers, wat uiteindelijk leidt tot het succes van de organisatie. Het is wel belangrijk om de potentiële risico’s van AI-gestuurde beslissingen, zoals vooroordelen en ethische vraagstukken, in overweging te nemen en deze te beperken.
“Tekst gebruiken om geschiktheid te bepalen, zonder dat zaken als geslacht, etniciteit, leeftijd en andere persoonlijke kenmerken daar een rol in spelen, is een must. Op deze manier kan elk bedrijf vooroordelen elimineren bij het aannemen van nieuw personeel en het geven van promoties. Bedenk eens wat dit voor de diversiteit kan betekenen”.
Barbara Hyman, CEO van Sapia
Innovatieve methoden voor talentbeoordeling: Sentino en Sapia lopen voorop
Technologische innovaties blijven ons verrassen, vooral op het gebied van persoonlijkheidstests en talentbeoordeling. Dankzij AI-gestuurde systemen als Sentino en frisse ideeën als de op chat gebaseerde sollicitatiegesprekken van Sapia, zien we een opmerkelijke verschuiving in hoe we persoonlijkheid en talent in kaart brengen. Deze ontwikkelingen op het gebied van AI, natuurlijke taalverwerking en machine learning, maken het mogelijk om iemands persoonlijkheid en jobfit op een nauwkeurigere, objectievere en meer natuurlijke manier in kaart te brengen. Laten we eens kijken wat deze ontwikkelingen nu echt betekenen voor de toekomst van persoonlijkheidstests en personeelswerving.
Sentino
Sentino is een AI-gestuurd platform voor persoonlijkheidsprofilering, ontwikkeld door Deniss Stepanovs uit Duitsland, een data- en toegepast wetenschapper bij Microsoft, dat de toon zet voor de toekomst van psychologisch onderzoek. Door teksten als WhatsApp-berichten of posts op social media te analyseren kan Sentino op een subtiele maar effectieve manier inzicht krijgen in iemands persoonlijkheid. Met gebruik van geavanceerde AI-algoritmen kan Sentino razendsnel een grote hoeveelheid data analyseren en vertalen naar treffende persoonlijkheidsinzichten. Het platform maakt gebruik van meer dan 20 erkende persoonlijkheidsmodellen, zoals ‘DISC’ (Dominance, Influence, Steadiness, and Conscientiousness) en ‘RIASEC’ (Realistic, Investigative, Artistic, Social, Enterprising, and Conventional), om diverse aspecten van iemands karakter, zoals openheid, zorgvuldigheid, extraversie, vriendelijkheid en emotionele stabiliteit, in kaart te brengen.
Wat vooral een voordeel is, is dat traditionele testprocedures dankzij Sentino niet meer nodig zijn. Dit betekent snellere resultaten, lagere kosten en op maat gemaakte feedback op het gebied van professionele en zelfontwikkeling. Hoewel er nog niet genoeg duidelijkheid bestaat over de nauwkeurigheid van AI op dit vlak, worden bij Sentino strenge kwaliteitscontroles uitgevoerd en is er bovendien menselijk toezicht om ervoor te zorgen dat de resultaten zo betrouwbaar mogelijk zijn en etische normen nageleefd worden. Ondanks enkele uitdagingen ziet het ernaar uit dat AI-gestuurde persoonlijkheidsprofilering de wereld van psychologische testen ingrijpend zal veranderen.
Sapia
Sapia, een startup uit Australië die AI ontwikkelt voor gebruik in recruitment, heeft onlangs een innovatieve methode geïntroduceerd om talent te beoordelen. Door gestructureerde tekstinterviews, natuurlijke taalverwerking (NLP) en machine learning in te zetten, kan Sapia op basis van antwoorden op werkgerelateerde vragen niet alleen belangrijke persoonlijkheidskenmerken identificeren maar ook de geschiktheid voor een bepaalde baan evalueren. In deze methode, ook wel bekend als ‘chat-gebaseerde slimme interviews’, worden demografische vooroordelen uitgeschakeld, wat zorgt voor een eerlijk en onpartijdig selectieproces. Deze AI-gestuurde aanpak van Sapia maakt korte metten met veelvoorkomende tekortkomingen van traditionele persoonlijkheidstests en verbetert niet alleen de nauwkeurigheid, maar zorgt ook voor een betere ervaring voor de kandidaat.
Barbara Hyman, CEO van Sapia, legt uit hoe chat-gebaseerde interviews de drie grootste problemen van huidige beoordelingen — ghosting, vooroordelen en vertrouwen — aanpakken. Ze vertelt: “Als het gaat om ghosting, zijn recruiters het ergst. Het feit dat elke kandidaat dankzij Sapia een gepersonaliseerd leerprofiel krijgt is goud waard, zowel voor de kandidaten als voor je werkgeversmerk. Tekst gebruiken om geschiktheid te bepalen, zonder dat zaken als geslacht, etniciteit, leeftijd en andere persoonlijke kenmerken daar een rol in spelen, is een must. Op deze manier kan elk bedrijf vooroordelen elimineren bij het aannemen van nieuw personeel en het geven van promoties. Bedenk eens wat dit voor de diversiteit kan betekenen”. Sapia’s hoofd datawetenschap, Buddhi Jayatilleke, zegt: “Deze technologie maakt het mogelijk om persoonlijkheidskenmerken direct uit taalgebruik af te leiden. Dit creëert zowel voor evaluatie als persoonlijke carrièrebegeleiding nieuwe mogelijkheden en kan een gamechanger zijn voor werkzoekenden, universiteiten en werkgevers”.
Uitdagingen en ethische overwegingen
Hoewel AI-gestuurde persoonlijkheidstesten en talentbeoordelingen de potentie hebben om vernieuwende oplossingen te bieden in personeelswerving en talentontwikkeling, zijn er ook flink wat obstakels. Denk aan gegevensprivacy, het risico op het voortzetten van bestaande vooroordelen en het feit dat kandidaten deze systemen om de tuin kunnen leiden. Zulke complexe beslissingsprocessen volledig aan AI overlaten roept bovendien behoorlijk wat ethische vraagstukken op.
Twijfels over betrouwbaarheid
Een van de belangrijkste zorgen is de betrouwbaarheid van traditionele persoonlijkheidstesten, die veelal de basis vormen voor AI-gestuurde beoordelingstools. De gegevens en methoden waar AI-systemen mee worden getraind bepalen de output daarvan, dus als er geen goede basis is, kunnen de conclusies van de AI ook onvolledig, bevooroordeeld of incorrect zijn. Critici wijzen op problemen als onnauwkeurige prestatievoorspellingen en vooroordelen in traditionele testen die ook in AI-gestuurde versies kunnen doorsijpelen als ze niet zorgvuldig worden aangepakt.
Dataprivacy
Ook dataprivacy is een uitdaging. AI-gestuurde persoonlijkheidstests en talentbeoordelingstools graven diep en analyseren gevoelige persoonlijke informatie om te voorspellen of iemand geschikt is voor een bepaalde functie. Maar wat gebeurt er verder met al die informatie en wie krijgt dat te zien? Het is voor niemand een fijn idee dat intieme details van je persoonlijkheid door onbevoegden ingezien kunnen worden of voor andere doeleinden gebruikt worden dan bedoeld. Het is dan ook van groot belang om deze data te beschermen en duidelijke grenzen te stellen aan het gebruik ervan. Zonder goede beveiligingsmaatregelen en transparante beleidsvorming kunnen de voordelen van deze vernieuwende tools door privacyrisico’s overschaduwd worden.
‘Gaming the system’
‘Gaming the system’ betekent dat kandidaten hun antwoorden zo verdraaien dat ze voldoen aan wat ze denken dat de recruiter wil horen, waardoor de authenticiteit van de resultaten in het gedrang komt. Dit kun je een beetje vergelijken met een gefotoshopte foto van jezelf op social media plaatsen. Het probleem zit hem niet alleen in de authenticiteit, maar ook in het risico van een mismatch tussen de rol en het individu, wat op de lange termijn voor zowel de werkgever als de werknemer nadelig kan zijn. Dit kan tot teleurstellingen en inefficiënties leiden, omdat beide partijen mogelijk niet krijgen wat ze echt nodig hebben of verwachten.
Afhankelijkheid van ‘digital footprints’
We leunen best zwaar op digitale sporen. Bij AI-beoordelingen betekent dit vaak dat de online activiteiten van kandidaten, zoals hun gedrag op social media en welke websites ze bezoeken, worden geanalyseerd om een beeld te krijgen van hun persoonlijkheid. Deze methode heeft echter ook behoorlijk wat haken en ogen. Niet iedereen is immers even actief of open op het internet. Mensen die minder vaak op social media zitten — of alleen zakelijke content plaatsen — laten minder (persoonlijke) digitale sporen na. Dit kan leiden tot onvolledige of niet goed kloppende persoonlijkheidsprofielen, waardoor deze kandidaten tijdens het beoordelingsproces onterecht verkeerd beoordeeld of zelfs achtergesteld kunnen worden.
Het risico op vooroordelen
Het risico dat AI bestaande vooroordelen in recruitment versterkt, is vergelijkbaar met kijken door een verkeerde lens — het vertekent de realiteit. Wanneer AI-tools met historische data getraind worden, kunnen ze de vooroordelen die in die data zitten overnemen. Dit is net als geschiedenis leren uit een boek dat maar één kant van het verhaal vertelt. Het resultaat is een onvolledig beeld dat kan leiden tot oneerlijke beslissingen. Als een AI-systeem bijvoorbeeld vooral data te zien krijgt die het succes van een bepaalde demografische groep weerspiegelt, zou het vergelijkbare kandidaten kunnen voortrekken en daarmee individuen met dezelfde kwalificaties — maar andere achtergronden — uit kunnen sluiten. Dit betekent dat de data die de AI krijgt grondig onderzocht moet worden, om ervoor te zorgen dat het de rijke schakering van menselijke ervaringen en talenten vertegenwoordigt, waardoor het AI-wervingsproces niet alleen slimmer maar ook eerlijker wordt.
Technologische vaardigheden en toegankelijkheid
Technologische vaardigheden en toegankelijkheid zijn cruciaal voor de effectiviteit van AI-beoordelingen. Kandidaten die niet handig zijn met technologie of niet beschikken over de benodigde technologische middelen, kunnen zich benadeeld voelen en ook daadwerkelijk benadeeld worden. Het gaat daarbij niet om hun vaardigheden of geschiktheid voor de baan, maar om de obstakels die technologie opwerpt. Dit creëert een nieuwe vorm van ongelijkheid in het wervingsproces, waarbij degenen die minder bekend zijn met of geen toegang hebben tot digitale tools als minder geschikt of ongeschikt beoordeeld kunnen worden. Voor een eerlijk en inclusief proces moeten beoordelingen dus rekening houden met uiteenlopende technologische vaardigheden en toegankelijkheid.
Juridische en regelgevende uitdagingen
Voor organisaties is het een hele uitdaging om hun weg te vinden in de juridische wirwar die het gebruik van AI bij wervingsbeslissingen met zich meebrengt. Van wetten op gegevensbescherming tot antidiscriminatiewetgeving, je moet aan allerlei regels voldoen. Doe je dat niet, dan bestaat het risico dat je juridische problemen krijgt of reputatieschade oploopt. Daarbij komt ook nog eens dat de ethiek en verantwoordelijkheid rond AI constant in beweging zijn, wat nog eens een extra uitdaging vormt. Organisaties moeten ervoor waken dat ze bepaalde vooroordelen niet onbedoeld in het wervingsproces meenemen. Deze obstakels benadrukken hoe belangrijk het is om zorgvuldig te werk te gaan en voortdurend alert te blijven als ze ervoor kiezen om AI-tools bij personeelswerving en talentbeoordeling inzetten.
Emotionele en psychologische impact op kandidaten
De onpersoonlijke aard van AI-gestuurde beoordelingen kan een aanzienlijke impact hebben op de emoties en het psychologisch welzijn van kandidaten. Stel je voor dat je, na veel tijd en energie in je sollicitatie te hebben gestoken, een afwijzingsbrief ontvangt die door een computer is gegenereerd. Dit kan je het gevoel geven dat je persoonlijke inspanningen tot een datapunt worden gereduceerd en zonder enige menselijke empathie of inlevingsvermogen worden beoordeeld. Kandidaten kunnen zich hierdoor ontmoedigd en ondergewaardeerd voelen en een negatief beeld krijgen van de organisatie — wat weer kan leiden tot reputatieschade. Het ontbreken van menselijke interactie ontneemt kandidaten bovendien de kans op waardevolle feedback of opheldering, wat nog meer frustratie oproept. Het is belangrijk dat organisaties zich deze emotionele en psychologische impact realiseren en ervoor zorgen dat kandidaten een positieve ervaring met het bedrijf hebben. Hierdoor wordt ook het werkgeversmerk hoog gehouden.
Een blik op de toekomst: AI in de recruitmentsector
Als we vooruitkijken naar de toekomst van AI in recruitment, ziet het er allemaal behoorlijk rooskleurig uit. AI blijft zich razendsnel ontwikkelen, wat betekent dat we nog nauwkeurigere algoritmes kunnen verwachten. Deze gaan ons helpen om de gegevens van kandidaten nog fijner te ontleden. Maar met deze vooruitgang komen ook belangrijke vragen over de ethiek van het gebruik van AI bij personeelswerving. Hoe zit het met de doorzichtigheid van de algoritmes, de kwaliteit van de data die we gebruiken en de mogelijkheid dat bestaande vooroordelen worden herhaald of versterkt? Hoe zorgen we voor eerlijkheid en inclusiviteit in een door AI gestuurde wervingswereld?
Daarnaast zijn ook constante innovatie en onderzoek van groot belang. Door ethisch verantwoord te handelen en een cultuur van vernieuwing te omarmen, kunnen organisaties optimaal gebruikmaken van AI in het wervingsproces. De toekomst van recruitment ziet er slimmer, efficiënter en rechtvaardiger uit, maar dit vraagt wel een aanpak die uitdagingen niet onderschat en ze direct aangaat. We moeten ons ook afvragen hoe AI-beoordelingen zowel organisaties als kandidaten ten goede kunnen komen en hoe we ingesleten vooroordelen en ethische dilemma’s kunnen overwinnen. Door antwoorden te vinden op deze vragen en mensen centraal te stellen, maken we de weg vrij voor wervingspraktijken die niet alleen slimmer, maar ook inclusiever en rechtvaardiger zijn.
