Sollicitatie-algoritmes

De winkelketen krijgt veel sollicitaties voor de functie van winkelmedewerker en gebruikt daarom verschillende digitale middelen voor de werving en selectie. Het bedrijf zet de sollicitatie online uit. Een computersysteem helpt bij de eerste selectie van kandidaten. Kandidaten moeten onder andere online games spelen en assessments doen, zodat het bedrijf hun competenties kan beoordelen.

Het bedrijf probeert zo op een efficiënte manier geschikte kandidaten voor de nieuwe functie te vinden. Maar deze digitale middelen kunnen ook (onbedoeld) leiden tot discriminatie of uitsluiting. Scrol snel verder door het sollicitatieproces van Salma en Richard om te kijken hoe dit kan.

‘Er zijn 0 functies’

Vacatures vinden jou niet altijd

Algoritmes beïnvloeden het banenaanbod via online platforms zoals LinkedIn, Google en Facebook. Zij richten (soms onbedoeld) advertenties met vacatures op bepaalde doelgroepen. Op basis van eerder klikgedrag van jou en mensen die op jou lijken, maken algoritmes een inschatting welke vacatures voor jou interessant zouden zijn en jij dus (sneller) te zien krijgt.

Zo bleek uit onderzoek dat baanadvertenties op Facebook voor kassamedewerker vooral vrouwen bereikten en voor houtbewerker vooral mannen. Het gevolg is dat mensen uit een bepaalde doelgroep minder kans maken om een vacature tegen te komen, zoals mannen die graag een baan als kassamedewerker zouden willen.

Jij vindt vacatures niet altijd

Niet alleen kunnen vacatures jou dus niet altijd vinden, andersom kan jij ook niet altijd vacatures vinden. Volgens onderzoek kan het bijvoorbeeld voorkomen dat sommige algoritmes een zoekopdracht met niet-genderneutrale functietitels, zoals ‘medewerkster’, ‘lerares’ of ‘timmerman’, niet matchen aan de juiste vacatures zoals ‘medewerker’, ‘leraar’ of ‘docent’ en ‘timmervrouw’. Terwijl jij juist dacht dat je met de zoekterm ‘lerares’ dezelfde vacatures te zien kreeg als met 'leraar’ en ‘docent’.

‘Winkelmedewerkster’ typt Salma in de zoekbalk, om het nog maar eens te controleren. ‘Helaas zijn er 0 functies die passen bij uw zoekopdracht', meldt de website. Gelukkig heeft Richard Salma op de hoogte gebracht.

Game over

Het woord- en taalgebruik van een online sollicitatie kan ervoor zorgen dat sommige mensen niet solliciteren. Uit onderzoek is bijvoorbeeld bekend dat mannen zichzelf gemiddeld hoger inschatten dan vrouwen voor dezelfde functie. Hierdoor kan het zijn dat vrouwen bij voorbaat minder snel solliciteren bij een vacature met veel strenge eisen.

Ook kan bepaald taalgebruik zoals ‘een echte leider’ vooral mannen aanspreken en haken oudere werkzoekenden af op termen die wijzen op jonge kandidaten, zoals ‘Kom je ons bruisende en jonge team versterken?'.

Het is daarnaast belangrijk dat de procedure goed te volgen is voor iedereen. Bedrijven testen competenties van kandidaten steeds vaker met online assessments of games. Maar sommige mensen kunnen daarmee minder goed uit de voeten. Richard kon de game bijvoorbeeld niet goed volgen door zijn dyslexie. Ook voor mensen met een slecht gehoor of zicht, of die om een andere reden problemen hebben met digitale toegankelijkheid, kunnen zulke games een drempel zijn.

Passen in het plaatje

Salma moet een video opsturen. Ze denkt dat een mens de video gaat beoordelen, maar dat is niet zo. Een computer analyseert de uitdrukkingen van de sollicitant en geeft een score. Zo zouden micro-expressies in het gezicht, zoals de stand van de wenkbrauw, iets kunnen zeggen over de mate waarin iemand extravert is.

Uiteindelijk kan de computer Salma niet goed beoordelen. Dat zou kunnen liggen aan het feit dat ze een vrouw is met een donkere huidskleur, of omdat ze een licht accent heeft.

Automatische beeld- en tekstanalyse kan minder goed functioneren bij sommige doelgroepen, omdat de data waarmee de software getraind wordt niet representatief genoeg is. De computer heeft dan te weinig voorbeelden “gezien en gehoord” van mensen met een donkere huidskleur, vrouwen en/of mensen met een licht accent om ze goed te kunnen herkennen. Hierdoor kunnen bepaalde groepen door het beoordelingssysteem (onbedoeld) buiten de boot vallen.

Onbedoeld buitengesloten

De computer van dit bedrijf zoekt naar "de beste kandidaten” door het CV en de motivatiebrief te scannen en te kijken naar de resultaten van de online game assessment en videosollicitatie. De software vergelijkt het CV en de motivatiebrief met die van de succesvolle en niet-succesvolle kandidaten die in het verleden bij het bedrijf solliciteerden.

De computer geeft Salma minder punten vanwege haar CV. Salma heeft namelijk twee keer een gat op haar CV. De eerste keer omdat ze tijdelijk niet werkte toen ze een kind kreeg en de tweede keer toen ze moest herstellen van een auto-ongeluk.

Een gat op iemand’s CV lijkt op het eerste gezicht relevant bij het beoordelen van kandidaten, maar in de praktijk zal de computer op deze manier indirect mensen die een kind krijgen of ziek zijn geweest vaker afwijzen.

De computer zal het wel weten

Mensen zijn geneigd te geloven wat een computer zegt. Maar een computer kan het mis hebben zoals we hierboven zagen. Het lastige is dat die fouten heel moeilijk te ontdekken zijn – zeker voor jou als werkzoekende. Ook voor een HR-professional is dat niet altijd makkelijk, maar je mag ervan uitgaan dat een werkgever jou kan uitleggen waarom je bent afgewezen.

Als een werkgever niet kan uitleggen hoe de beoordeling van sollicitanten tot stand komt, draagt dat bij aan een vermoeden van discriminatie. Ook al komt die beoordeling uit de computer.