AI i rekrutteringsprocessen: Hvad HR-ledere bør vide om styring og tillid

De fleste HR-ledere, der bruger kunstig intelligens i rekrutteringsprocessen, vil sige, at de gør det på en ansvarlig måde. Færre kan dog forklare præcis, hvad det betyder i praksis – hvem der træffer beslutningerne, hvordan man sikrer ensartethed, hvad kandidaterne får at vide, og hvorfor. Det er netop denne kløft mellem selvsikker implementering og faktisk styring, som Assessios undersøgelse »Maturity Gap« har sat sig for at måle.

I foråret forelagde vi resultaterne for to personer, der oplever virkeligheden fra helt forskellige perspektiver.

Kasper Abrahamsen, Global Recruitment Manager hos IO Interactive, deltog i den første session for at fortælle om, hvordan ansvarlig implementering ser ud set indefra et rekrutteringsteam.

I den anden session fremførte Katrina Collier, forfatter til *The Robot-proof Recruiter* og *Reboot Hiring*, at de menneskelige omkostninger ved at begå fejl på dette område allerede begynder at vise sig. Begge samtaler var på den gode måde lidt ubehagelige. Her er det, der satte sig fast hos os.

Begynd at stille spørgsmålstegn ved, hvordan du bruger kunstig intelligens

De fleste organisationer har endnu ikke taget dette skridt. Det, Kasper Abrahamsen beskriver som en »drop in, drop out«-virkelighed, vil være genkendeligt for de fleste rekrutteringsteams: Medarbejdere, der bruger forskellige værktøjer og forskellige indtastninger, hvilket giver uensartede resultater, uden at nogen tager ansvaret for det samlede resultat. AI udfører arbejdet, men arbejdet er ikke underlagt nogen styring.

»Vi skal holde op med at tale om, om vi bruger kunstig intelligens, og i stedet begynde at tale om, hvordan vi bruger den – og derefter, hvordan vi bruger den konsekvent og ansvarligt, og til sidst, hvordan vi kan udvide anvendelsen.« – Kasper Abrahamsen

Hos IO Interactive valgte man at arbejde baglæns ud fra processen i stedet for fremad ud fra teknologien. Hvilke beslutninger skal der træffes i hver enkelt fase af rekrutteringsprocessen? Hvad er det egentlig, man forsøger at vurdere i hver fase? Først når der findes konkrete svar på disse spørgsmål, giver det mening at overveje, hvordan kunstig intelligens kan support – altid som en kilde til indsigt, aldrig som den, der træffer beslutningen.

Ansøgningsbølgen er allerede over os

I løbet af julen slåede Kaspers kollega Lucas to designstillinger op og vendte tilbage i januar til 1.300 ansøgninger. Alle var velformulerede. Alle var stort set ens. Et team på fire rekrutteringskonsulenter, hvoraf én var på barselsorlov, stod over for en umulig opgave.

»Vi har i årevis lært folk at tilpasse deres CV og ansøgning til stillingsopslaget. Det gør de nu ved hjælp af kunstig intelligens.« — Kasper Abrahamsen

Konsekvensen er en proces, der er under stort pres. Ansøgninger skrevet af kunstig intelligens gennemgås af AI-screeningssystemer, uden at der er noget meningsfuldt signal i mellem. Den store mængde har brudt den model, som de fleste rekrutteringsprocesser var bygget op omkring, og kun få organisationer har et klart svar på, hvad der skal erstatte den.

Kunstig intelligens forstærker dårlige briefinger

De fleste ansættelsesforløb mislykkes, før der overhovedet er kommet ansøgninger ind. Det er Katrina Colliers påstand, og hun peger på et bestemt punkt, hvor det går galt. Indledende samtalen mellem rekrutteringskonsulenten og den ansættelsesansvarlige er altid den del af forløbet, der får mindst opmærksomhed.

En leder, hvis team mister en medarbejder, går ofte i panik, henter en gammel stillingsbeskrivelse frem eller udarbejder en ny ved hjælp af ChatGPT. Rekrutteringsmedarbejderen går ud på markedet med et udgangspunkt, der allerede er forkert. Tilføjer man AI til den proces, løser man ikke problemet – man forstærker det blot.

»Man skal vide, hvad man leder efter, før man går ud og vælger de rette midler til at finde en partner.« — Katrina Collier

”Men mennesker er jo også partiske” er ikke noget svar

AI-værktøjer, der lover at fjerne menneskelige fordomme, trænes på data genereret af mennesker og bærer dermed de implicitte fordomme fra dem, der har skabt dem, og dem, der har givet dem input. Når Katrina spørger udbyderne af disse værktøjer, hvordan de modvirker dette, får hun ofte svaret: »Men mennesker er jo forudindtagede.« Hendes reaktion: »Netop – det er jo derfor, jeg spørger.«

Bekymringen er både specifik og generel. Der findes dokumenterede eksempler på, at store sprogmodeller tilsyneladende favoriserer ansøgninger, der er skrevet af den samme model, som står for udvælgelsen – et CV skrevet af ChatGPT får en bedre bedømmelse, når det vurderes af et ChatGPT-baseret udvælgelsesværktøj.

Begge gæster når uafhængigt af hinanden frem til det samme princip: AI skal komme med forslag, ikke træffe beslutninger. Mennesker forbliver ansvarlige for de afgørende beslutninger. Det er et designkrav, ikke en midlertidig holdning.

👉For en nærmere gennemgang af, hvordan fordomme indfinder sig i AI-baserede rekrutteringssystemer, og hvad virksomheder kan gøre ved det, se Assessios guide til AI-forudindtagethed i rekrutteringen

86 % af de ansøgere, der ikke hører noget, bliver nedtrykte eller deprimerede

Dette tal stammer fra Tribepads »End Ghosting«-kampagne, og Katrina brugte det til at sætte tal på, hvad automatiserede og uansvarlige ansættelsesprocesser koster de mennesker, der bliver ramt af dem. Rekrutteringsafdelinger har i årevis haft værktøjerne til at behandle alle ansøgninger. Problemet har aldrig været manglende kompetence – det er snarere, at mange rekrutteringsansvarlige ikke er blevet uddannet i at håndtere negative reaktioner på afslag, og derfor undgår de helt at give dem.

Hendes råd er praktisk: Giv alle en afklaring, selvom beskeden er kort. Når du giver personlig feedback, skal du bruge ordet »demonstrere«, som er lånt fra ledelsescoach Sue Ingraham. Fortæl ikke en ansøger, at vedkommende mangler en kompetence, men sig i stedet, at vedkommende ikke demonstrerede den under samtalen. Det er sværere at modsige, mere nyttigt for ansøgeren og mindsker risikoen for at udløse den defensivitet, der i første omgang får rekrutterere til at tøve med at give feedback.

Når det gælder automatiske afslag, er det bedst at tage ansvaret for dem. Indrøm, at de virker kolde, forklar, hvorfor de findes, og brug pladsen til at give ansøgerne noget, de kan bruge. Målet er at fremstå som et menneske, selv i en standardskabelon.

Vejen frem er mere overskuelig, end det ser ud til

Begge sessioner afdækkede reelle problemer – uregulerede værktøjer, mangelfulde ansættelsesprocesser og kandidater, der blev efterladt i uvished. Men hverken Kasper eller Katrina var pessimistiske. Forandringerne, som Kasper udtrykte det, tvinger os til at genoverveje rekrutteringsmetoderne, som i mange tilfælde ikke er blevet sat ordentligt på prøve i årtier. Det er ubehageligt, men det er også en mulighed.

De virksomheder, der får det til at fungere, er ikke dem med de mest avancerede AI-værktøjer. Det er dem, der først får styr på processen, styrer teknologien på en velovervejet måde og er ærlige over for kandidaterne om, hvordan og hvor automatiseringen spiller en rolle. Gennemsigtighed og ansvarlighed er ikke hindringer for at indføre AI i rekrutteringsprocessen – det er netop det, der gør den virkelig bæredygtig.

Hvis du vil vide mere om, hvordan HR-ledere i hele Europa i øjeblikket bruger kunstig intelligens, hvor der er størst udfordringer, og hvordan vejen til en ansvarlig implementering ser ud i praksis, kan du læse vores fulde hvidbog her.

👉 Download »Maturity Gap: HR-lederens guide til implementering, styring og tillid inden for AI«