AI i rekruttering: når retfærdighed kræver teknologi – og menneskelig dømmekraft 

AI lover større objektivitet i rekrutteringen, men det kan også forstærke skjulte fordomme. To eksperter forklarer, hvordan man kan kombinere teknologi, etik og menneskelig dømmekraft for at træffe mere retfærdige beslutninger.

Af Sofie Brogaard Schmidt, redaktør, DANSK HR

AI spiller en stadig mere fremtrædende rolle i rekrutteringsprocesser, og for mange organisationer vækker teknologien både håb og bekymring. På den ene side er der forventninger om mere struktur og færre mavefornemmelser. På den anden side er der frygt for nye former for bias og beslutninger, der ikke kan forklares.

Det er netop denne balance, som Helene Hoppe Revald og Louise Monnerup arbejder med hver dag. Helene er chef for psykometri hos Assessio og uddannet psykolog. Hun leder udviklingen og valideringen af vurderingsværktøjer i hele Norden. Louise er løsningsarkitekt og autoriseret psykolog hos Assessio og fungerer som bindeled mellem det psykometriske arbejde og de organisationer, der bruger værktøjerne i praksis.

Fordomme forsvinder ikke – de ændrer bare form 

Når AI bliver en del af rekrutteringsprocessen, opstår spørgsmålet hurtigt: Kan teknologi hjælpe os med at undgå de fordomme, som mennesker typisk bringer med sig i vurderinger? Både Helene Hoppe Revald og Louise Monnerup påpeger, at fordomme ikke forsvinder – de antager blot andre former. De forklarer, at vores menneskelige fordomme ofte er usynlige for os selv. Vi har en tendens til at foretrække bestemte typer mennesker, læse betydning ind i et blik, en hobby eller en karrierevej – alt sammen uden at være klar over det. Men AI lærer af historiske data, og hvis disse data bærer spor af tidligere præferencer, reproduceres ubalancen med større effekt. Det betyder, at AI kan forstærke netop de mønstre, som organisationer forsøger at eliminere. 

En vigtig forskel er, at menneskelig bias varierer. Vi kan blive påvirket af vores humør, konteksten, vores energiniveau eller subtile kemi. Teknologisk bias er derimod mere stabil. "AI er mindre støjende end mennesker. Men når den først har lært en bias, gentager den den samme vurdering igen og igen," siger Louise. Dette gør konsekvenserne større og mere systematiske. 

Helene fremhæver en anden udfordring: AI's evne til at identificere mønstre, der kan virke logiske på baggrund af data, men som ikke nødvendigvis har nogen reel relevans for performance. "Teknologien kan finde mønstre, som vi som mennesker aldrig ville tænke på – og derfor måske ikke opdager," siger hun. Dette understreger behovet for kritisk faglig ekspertise, især når organisationer begynder at outsource dele af vurderingsprocessen til algoritmer. 

Tre steder, hvor fordomme opstår

I deres arbejde ser de, at fordomme typisk opstår på tre punkter: 

• Data:Er oplysningerne relevante og gyldige – og afspejler de virkelig det, du ønsker at forudsige? 

• Model:Hvordan er algoritmen opbygget og vægtet? 

• Interaktion:hvordan påvirker folks spørgsmål, antagelser og opfordringer resultatet? 

"Det er afgørende at forstå disse tre niveauer, hvis man ønsker at bruge AI som et seriøstsupport ," siger Helene. Hun understreger, at mennesker stadig kan have en betydelig indflydelse på systemet, selv om det er utilsigtet. Det kan være alt fra upræcise spørgsmål til ubevidste antagelser om, hvordan en "god kandidat" ser ud. 

Louise påpeger også, at nogle organisationer undervurderer vigtigheden af datavaliditet. "Hvis man fodrer en AI med data, der ikke har nogen forudsigelseskraft i forhold til performance, vil resultatet naturligvis være vildledende. Det er ikke teknologien, der svigter – det er vores antagelser," siger hun. 

Struktur som modvægt til mavefornemmelser 

Selvom AI kan være forudindtaget, kan teknologien også bidrage til at skabe mere konsistente og strukturerede evalueringer. 

Når store mængder information skal sammenkobles – testresultater, caseøvelser, interviewnoter og jobkrav – kan AI hjælpe med at bevare fokus og sikre, at alle kandidater vurderes ud fra de samme parametre. Ifølge Louise er det her, AI kan gøre en klar forskel. 

"Forskning viser, at struktur er en af de mest effektive måder at minimere bias på," siger Helene. "AI kan hjælpe med at opretholde denne struktur, så assessments afviger, når kompleksiteten øges." 

Helene tilføjer, at AI kan fungere som et ekstra perspektiv, der udfordrer vores egne antagelser. Ikke som den endelige dommer, men som support kan indikere, hvornår noget bør genovervejes. "Det kan minde os om, at vi måske er på vej mod en beslutning, der er baseret mere på kemi end på kompetencer," siger hun. Denne struktur afhænger dog også af, at organisationerne opretholder en veldefineret rekrutteringsproces. 

Hvis processen allerede er uorganiseret eller baseret på mavefornemmelse, bliver AI blot endnu et element, man skal navigere i. Teknologi løser ikke problemer – den afslører dem. 

Kandidatoplevelsen: retfærdighed eller afstand? 

AI kan føre til mere struktur, men skaber også nye dilemmaer i interaktionen mellem kandidaten og organisationen. Både Helene og Louise understreger, at kandidaterne reagerer forskelligt på teknologien. Nogle oplever AI-baserede processer som mere retfærdige, fordi vurderingen fokuserer mere på indhold end på udseende. Andre savner den menneskelige interaktion og bliver skeptiske over for systemer, de ikke kan se ind i. 

”Der er et etisk ansvar for at være transparent. Hvis man ikke kan forklare, hvorfor man bruger AI, og hvad der sker med dataene, kan det skabe usikkerhed blandt kandidaterne,” siger Louise. Etik handler derfor ikke kun om datagrundlag og algoritmer, men også om kommunikation og kandidatoplevelsen. 

Derudover er det et grundlæggende syn på menneskets natur, der står på spil. Kandidater vurderer i høj grad organisationer ud fra, hvor synlige og respekterede de føler sig. Hvis AI opfattes som en barriere, kan det skade både employer branding og tiltrækningen af talenter. 

Fra sort kasse til gennemsigtighed 

Mange ledere oplever AI som uigennemsigtig. Her anbefaler Helene at stille de samme kritiske spørgsmål, som man ville stille om enhver anden rekrutteringsmetode: 

• Hvilken viden er den baseret på? 

• Hvilke data er inkluderet? 

• Hvilke begrænsninger har modellen? 

• Hvordan sikres retfærdighed? 

"Man skal kunne forklare, hvad modellen baserer sine assessments – ellers kan man ikke selv stå inde for den," siger hun. 

Louise uddyber, at det ofte er svært at forstå, hvordan offentligt tilgængelige store sprogmodeller fungerer, mens mere snævert definerede AI-løsninger typisk giver større indsigt i de underliggende data. Det gør det lettere at vurdere, om teknologien passer til det formål, den skal support. 

Kompetencerne ændrer sig, men fundamentet forbliver det samme 

Selvom AI kræver nye overvejelser, betyder det ikke, at HR-medarbejdere og ledere skal starte fra bunden. Begge påpeger, at mange af de vigtigste kompetencer allerede er på plads. 

Evnen til at vurdere datakvalitet, forstå hvad der forudsiger performance og opretholde strukturerede processer er stadig afgørende. "Vi bør ikke overlade vurderingsopgaven til teknologien alene. Vi skal bruge vores ekspertise til at sikre, at teknologien bruges korrekt," siger Louise. 

Helene tilføjer, at bevidstheden om vores egne fordomme bliver endnu vigtigere, fordi mennesker stadig påvirker systemet gennem de spørgsmål og instruktioner, de giver. "Vi er stadig en del af ligningen. Det ansvar kan ikke outsources." 

Den strategiske beslutning: hvor giver AI mening?

Hvis AI skal bruges ansvarligt, skal det være et bevidst valg – ikke en hurtig måde at spare tid på. Organisationer bør overveje, hvor teknologien virkelig skaber værdi, og hvor menneskelig kontakt er uundværlig. 

"AI bør ikke bruges for sin egen skyld," siger Louise. "Det bør bruges, hvor det gør processen mere konsistent og retfærdig – og ikke i situationer, hvor det er menneskelige relationer, der betyder mest." 

Helene afslutter med en bemærkning om gennemsigtighed: "Hvis vi ikke kan forklare kandidaterne, hvorfor vi bruger AI, og hvordan det styrker processen, kan det være et tegn på, at vi har mistet det menneskelige element af syne. Retfærdighed handler både om data og dialog." 

Som de begge understreger, er AI kun et værktøj – ikke en erstatning for dømmekraft. Selvom teknologien udvikler sig hurtigt, er det stadig mennesker, der sætter retningen. Retfærdighed opstår kun, når vi tør kombinere data, dømmekraft og etisk bevidsthed. 

👉Se, hvordan Assessio bruger AI på en ansvarlig måde – Book en demo