De kommende år vil arbejdet med HR og rekruttering undergå en stor forandring, hvor maskinlæring og AI i stadigt større omfang vil blive centrale værktøjer for HR-medarbejderen og den rekrutteringsansvarlige.
Denne udvikling skaber på samme tid nogle fantastiske muligheder og foruroligende scenarier, som man er nødt til at forholde sig til allerede nu.
I dette indlæg, vil jeg komme ind på nogle af de perspektiver man kan/bør anlægge i sine overvejelser om datadrevet rekruttering og HR. Jeg vil fokusere særligt på rekruttering.
Når man indsamler store mængder af data, er det nærliggende at bruge disse data til at blive klogere. Første skridt er at lave statistik på baggrund af de indsamlede data. Statistikken siger noget om fortiden, men statistikken leverer samtidig også kun svar på netop de spørgsmål, man stiller. Og måske ikke engang.
Næste skridt er arbejdet med maskinlæring, hvor man træner algoritmer til at finde mønstre i data, som man ikke selv er opmærksom på. Det kan være at identificere forskellige trends eller se sammenhænge, der ikke umiddelbart falder én ind.
At der er sammenhænge – altså korrelation mellem forskellige typer af data betyder dog ikke nødvendigvis, at der også er kausalitet – altså årsagssammenhæng. Med maskinlæring kan man få et grundlag for at lave fremtidsanalyser og ikke kun kigge på fortiden, sådan som statistikken giver mulighed for.
Lidt om data
Når man arbejder med data, er det vigtigt, at man gør sig helt klart, at data ikke nødvendigvis siger noget om virkeligheden eller rummer nogen sandhed. Data kan være forurenet på mange måder, og vores måde at sammenstille data kan vise sig grundlæggende at være forkert og i sidste ende have katastrofale følger.
For nyligt kom det frem, at de teledata, man har brugt i retssager de seneste 7 år måske er fejlbehæftede. Det betyder konkret, at skyldige kan være gået fri og endnu værre, at uskyldige er blevet dømt ved danske domstole. De danske myndigheder står foran et kæmpe arbejde med gennemgang af tusindvis af sager de kommende år. Og mennesker står foran at skulle klinke skårene fra liv, der er blevet ødelagt undervejs.
I den mere kuriøse afdeling deltog jeg for nyligt på en HR-konference, hvor en oplægsholder fortalte en medrivende historie om en fodboldfan, der havde set en meget spændende kamp i fjernsynet. Senere var vedkommende så sammen med sin kæreste under mere intime forhold.
Vedkommendes puls-ur viste efterfølgende, at pulsen havde været højst under fodboldkampen, hvilket blev tolket som om, at vedkommende var mere engageret i fodbold end intimt samvær. Med andre ord: fodbold trumfer sex.
Men det kan netop være en fejlslutning, for havde uret nu også målt niveauet af neurotransmittere i hjernen, så havde konklusionen måske været en helt andet. Og vildere endnu, så kunne man jo spørge vedkommende selv og måske få et helt tredje svar.
Man må altså hele tiden stille sig kritisk til sine data, og hvordan man bruger dem.
Praktisk brug i rekrutteringen
Når man rekrutterer, er man selvfølgelig interesseret i at finde den helt rigtige kandidat og i den proces indsamler man så meget data og viden om kandidaten som muligt. Det er der intet forkert i.
Men desto mere data, man indsamler om en kandidat, desto større krav stiller det faktisk til den rekrutteringsansvarliges såvel faglige som etiske, sociale og empatiske kompetencer.
Man skal være i stand til at sortere i data og afvise data, der ellers er spændende nok, men ikke nødvendigvis relevante i den konkrete sammenhæng. Samtidig skal man være i stand til at stille sig kritisk i forhold til de data, man benytter og være opmærksom på mangler og fejlkilder.
Tilbage står, at intet kan erstatte det personlige møde mellem mennesker. Faktisk bliver det personlige møde blot endnu vigtigere og mere afgørende, desto mere data man har adgang til.
Og oplever man i det personlige møde med kandidaten et misforhold mellem det, man har set i sine data og det, kandidaten fremstiller, så må man i første omgang stille sig kritisk over for sine data og metode.
Man kan sat på spidsen sige, at den rekrutteringsansvarliges kompetenceniveau skal matche mængden af data. Desto mere data, desto højere kompetenceniveau kræves. Men det er jo samtidig en gave, fordi det ideelt set vil føre til en langt mere kvalitativ rekruttering og større sandsynlighed for det gode match til gavn for såvel medarbejdere som virksomheder.
Ovenstående tager selvfølgelig sit udgangspunkt i et humanistisk perspektiv og et ønske fra min side om et øget fokus på den menneskelige faktor midt i en datatid.
Noget jeg personligt tror bliver stadigt vigtigere efterhånden som maskiner i stadig større grad overtager opgaver fra os. Og samtidig et ønske, jeg ikke står alene med. Det er faktisk et af kerneområderne i GDPR, hvor man netop har gjort en del ud af automatisk profilering.
Tilbage står bare ét spørgsmål: Trumfer fodbold virkelig sex?
Christian Hansen
CTO, HR-ON.
– Flere kunder efterspurgte et hr-system, der var lige så nemt at bruge som vores rekrutteringsløsning, og de stillede sig til rådighed for at udvikle det sammen med os. Derfor har vi sammen lavet HR-ON Stab, som håndterer personaleadministrationen fra 1. arbejdsdag, til medarbejderen forlader virksomheden igen, siger Ali Cevik.
