Als mens denken we vaak van onszelf dat we heel goede besluitvormers zijn. En in sommige opzichten zijn we dat ook. Maar wat onderzoek ook allang heeft aangetoond, is dat we het als mens moeilijk vinden om informatie uit verschillende bronnen te integreren én dat we vooroordelen hebben bij beslissingen over het aannemen van personeel. Hoe vaak je ook van jezelf zegt dat jij de uitzondering op de regel bent en heus géén vooroordelen hebt. Want als er íemand objectief is, dan ben je het zelf wel, toch?
Keer op keer blijkt in de praktijk dat mensen niet zo’n goede voorspellers zijn.
Het is precies deze reden dat de mens (vaak: de hiring manager) in selectiebeslissingen zelf het laatste woord wil hebben. Zij kunnen toch zeker het best voorspellen of iemand succesvol zal zijn, op basis van alles dat ze hebben gezien? Daarom gaat de opmars van algoritmes in werving wel hard, maar in selectie veel minder: in de praktijk willen veel mensen er niet aan, en zijn ze bang dat ze daardoor de autonomie over hun beslissing verliezen. Hoe daaruit te komen, als keer op keer in de praktijk blijkt dat de mens helemaal niet zo’n goede voorspeller is?
‘Mechanische synthesebenadering’
De oplossing kan wel eens schuilen in een combinatie van beide benaderingen, dus de menselijke én de algoritmische, aldus Franziska Linn. In de scriptie die ze vorig jaar aan de VU hierover schreef, en waarvoor ze gisteren de David van Lennep Scriptieprijs in de wacht sleepte, noemt de Duitse dit ‘de mechanische synthesebenadering’.
‘Ik heb getest hoe algoritmes ontworpen zouden moeten worden zodat recruiters ze ook willen gebruiken.’
Deze benadering blijkt beter te werken dan die waar recruiters alles op intuïtie beslissen, op basis van de informatie die ze gaandeweg hebben verzameld, maar ook beter dan die waar alleen algoritmes uiteindelijk het besluit nemen. Bovendien zorgt deze benadering ervoor dat recruiters hun gevoel voor autonomie behouden, aldus de onderzoekster. ‘Een veelbelovend compromis voor organisaties om de professional te behouden en tegelijkertijd ruis in aannamebeslissingen te verminderen’, noemt ze het dan ook.
Linn, die tegenwoordig als Consultant Organization Design bij Deloitte werkt, won 2.000 euro met de prijs. Ze baseerde haar onderzoek op ruim 200 echte sollicitanten, wat betekende dat ze de prestatievoorspellingen ook daadwerkelijk kon vergelijken met de prestaties van de gekozen werknemers nadat ze 3 maanden aan het werk waren. ‘Ik heb getest hoe algoritmes ontworpen zouden moeten worden zodat recruiters ze ook willen gebruiken om de geldigheid van aannamebeslissingen te vergroten’, vertelt ze, meteen meedelend dat er nog een nadere publicatie over het onderzoek zal volgen.
Brede welvaart
De prijsuitreiking vond plaats op een symposium in Utrecht over werk dat bijdraagt aan Brede Welvaart, onder de kop ‘Hoe gaan we van bullshit naar bull’s eye banen in een krappe arbeidsmarkt?’ Het betrof een initiatief van de NSvP en het Tijdschrift voor Arbeidsvraagstukken, dat hier tegelijk het themanummer ‘Tot Nut van het Algemeen’ presenteerde.
‘Hoe gaan we in een krappe arbeidsmarkt van bullshit naar bull’s eye banen?’
Een van de sprekers was econoom Ronald Dekker. Hij merkte daarbij onder meer op dat het thema ‘Krapte op de arbeidsmarkt’ doorgaans benaderd wordt vanuit kwantiteit: hoe zorgen we ervoor dat vacatures zo veel en zo snel mogelijk worden vervuld? Maar in zijn keynote hield hij juist een pleidooi voor een meer kwalitatieve benadering: wat ervaren mensen zelf als nuttig werk? ‘Alleen als werk bijdraagt aan welzijn, gezondheid en zingeving én aan aspecten van brede welvaart kunnen we zinvolle afwegingen maken tussen werk, vrije tijd en de maatschappelijke waarde van betaalde en onbetaalde activiteiten.’