HR-ONs store datamængde er blevet tygget igennem af studerende med ambitioner om at udvikle fremtidens intelligente rekrutteringsværktøj. Med andre ord hvordan man kan gøre brug af kunstig intelligens til at rekruttere.
En gruppe studerende, der sammen med HR-ON har undersøgt mulighederne inden for kunstig intelligens og rekruttering, var i dag oppe og forsvare deres projekt på Syddansk Universitet.
Selvom de studerende, Klaus Kristiansen, Troels Frimer og Nicolai Jørgensen, ikke fandt nogen større gennembrud i projektet, er det alligevel et vigtigt arbejde, de har udført.
– Det er grundforskning, der ikke nødvendigvis skal føre til et resultat i første omgang, men som kan være med til at danne fundament for fremtidens løsning, siger HR-ONs direktør Ali E. Cevik.
Det rette match
For HR-ON er det vigtigt at arbejde tæt sammen med forskningsmiljøet. For det første fordi virksomheden vil være først med fremtidens løsninger, efterhånden som teknologien bliver modnet. Og dernæst for at sikre de største talenter, når de er klar til at træde ind på arbejdsmarkedet.
– Vi hjælper stort set altid studerende under forudsætning af, at vi kan se, at begge parter har udbytte af det. Det handler om at lave det rette match. Hvis de studerende bidrager med noget vigtigt til virksomheden, vil de helt naturligt også få den opmærksomhed, som er afgørende for, at de får et godt forløb, fortæller Ali E. Cevik.
Læs også: HR-ONs praktikanter: Vi lærer noget hver dag
Digitaliseret rekruttering
I et system som HR-ON Recruit håndteres størstedelen af rekrutteringsfasen enten helt automatisk eller også understøttes den ved hjælp af brugerfladen. Jobopslaget skrives i systemet, der offentliggør det på forskellige jobportaler.
Ansøgningerne kommer ind i systemet, hvor de besvares og behandles, ligesom der indkaldes til samtale, gives afslag og så videre i selve HR-ON Recruit. Og det er selvfølgelig smart, fordi det sparer enorme ressourcer i forhold til at håndtere rekrutteringen manuelt, skrive svar, printe ansøgningerne, sortere dem i bunker, sætte gule lapper ind, mødes i ansættelsesudvalget og meget mere. Men med kunstig intelligens kan processen rykkes et skridt videre.
Ali E. Cevik, CEO, HR-ON
– Kunstig intelligens vil kunne se sammenhæng mellem de ansøgninger, der fører til en succesfuld ansættelse, og de virksomheder der ansætter, forklarer Ali E. Cevik.
Kan erstatte manuelt arbejde
Som HR-ON Recruit allerede fungerer, kan brugerne vælge at sortere manuelt på mange måder i ansøgningerne, alt efter hvad de efterspørger af fx uddannelsesniveau, erfaringer og færdigheder. Men kunstig intelligens vil inden længe gennemskue, hvilke ansøgninger der mest præcist rammer virksomhedens behov på et langt mere komplekst grundlag.
Og det er det, som de tre SDU-studerende har kigget på med Ali E. Cevik og HR-ONs udviklingschef Christian Hansen som eksterne rådgivere.
Vil udvikle algoritme
HR-ON har derudover – under hensyntagen til beskyttelse af personlig data og anonymitet – givet de studerende adgang til HR-ONs enorme mængder af data med ansøgninger og jobopslag, samt oplysninger om hvordan det er gået med de enkelte stillinger.
De studerende havde på forhånd afgrænset, hvilke områder de ville undersøge for dernæst at kigge på, om de kunne udvikle en algoritme, der vil kunne udvælge et felt af ansøgere. Det har ikke været projektets formål at finde en endelig løsning på, hvordan kunstig intelligens kan udformes, men snarere at finde en mulig vej mod en løsning.
Maskinerne skal lære at lære
For at komme frem til en kunstigt intelligent løsning har de studerende brugt flere metoder. Fx om det er muligt at lære systemet selv at uddrage vigtige dele af teksten, at finde associationer mellem opslag og ansøgning, samt om systemet selv kan høste nøgleord.
Samtidig har de kigget på sammenhængen mellem ansøgninger og opslags succes i forhold til deres lixtal.
Fra lixtal til ansættelsessamtale
Hvad lixtal angår, har de studerende undersøgt, om der er sammenhæng mellem opslaget og ansøgningens lixtal, og hvor den bedste ansøgning ligger i forhold til gennemsnittet af ansøgningernes lixtal. De har fundet den sammenhæng, at opslag med et højt lixtal også medfører ansøgninger med et højt lixtal, men derudover har det været svært for dem at konkludere noget ud fra lixtallet. Analysen peger dog på, at et mellem til højt lixtal er det bedste, hvis man skal til samtale.
En del af projektet er også at afklare, om et computersystem vil finde samme nøgleord som mennesker. Her har de fundet ud af, at computerprogrammet RAKE med visse udfordringer vil vælge stort set de samme enkelt nøgleord som mennesker, og at det er særligt velegnet til at finde samlede nøgleord, altså hvor flere ord i sammenhæng også viser en særlig vigtig forbindelse. Programmet vil dog fortsat kræve udvikling i forhold til at frasortere ord, der ikke bærer en særlig mening, fx ’og’, ’men’ og ’er’.
Tester adskillige betegnelser
En udfordring med at udvikle den kunstige intelligens til rekruttering er også, at en stillingstypes nøgleord ikke er ens fra opslag til opslag. Systemet skal kunne finde nøgleord forbundet med stillingen, men disse er ikke ens fra opslag til opslag.
Til en stilling som softwareudvikler kan fx programmør være et nøgleord i et opslag, mens dette kaldes developer i et andet. Derfor har de studerende også testet forskellige metoder til at bygge bro mellem betegnelserne. Med cv’er og ansøgninger gælder tilsvarende udfordringer, fx er nogle af cv’erne udformet på engelsk.
Forskellige tekster renses ned til rå data
For at rense cv’erne og forvandle dem til ren data har de studerende kørt dem igennem computeren. Her er blandt andet alle bogstaver gjort små, da udvælgelsen af ord er case-følsom. Alle fyldord er fjernet samt datoer, tegnsætning med mere. Alle bøjningsendelser er skåret af ordene. Ikke umiddelbart noget der øger læsbarheden for det menneskelige øje, men for en computer gør renseriet det muligt at sætte det hele ind i en tabel, og dermed kan det analyseres.
Systemet undersøger associationerne mellem de forskellige ord, der fx kan have ingen association, negativ association eller positiv association alt efter sandsynligheden for, at de optræder sammen.
De to analysemetoder, som de studerende har brugt i deres projekt, har imidlertid ikke givet helt klare resultater, men med en tilpasning vil det muligvis kunne give et bedre resultat. Dette kræver dog udviklingen af en ny algoritme til opgaven.
Den sidste præcision mangler
Konklusionen er, at nok har de studerende udviklet en algoritme, der kan kategorisere en ansøgning, men den er endnu ikke præcis nok til at blive implementeret.
– Kunstig intelligens til rekruttering er lige på trapperne. Det vil være en enorm hjælp i forhold til stillinger, hvor der kommer måske flere hundrede ansøgninger, som ingen reelt har ressourcer til at læse igennem. Her vil det gøre det muligt at udvælge en bedre portefølje af kvalificerede kandidater på grundlag af kunstig intelligens, siger Ali E. Cevik.
Han frygter ikke, at rekruttering med kunstig intelligens vil føre til at koldt og maskinelt arbejdsmarked, tværtimod. Han mener, at kunstig intelligens vil hjælpe ansættelsesudvalgene til i endnu højere grad at kigge ud over forudindtagede meninger og fordomme.
– Det vil fortsat være mennesker, der beslutter, hvem der skal ansættes. Kunstig intelligens kan bare hjælpe dem effektivt til et bedre beslutningsgrundlag, slutter Ali E. Cevik.
Vil du læse mere om brug af kunstig intelligens til at rekruttere? Så læs med her: Rekruttering med kunstig intelligens: Robotter finder dine topkandidater.
Billedet øverst: Nicolai Jørgensen forsvarer opgaven.
