Vacaturesites begrijpen hun gebruikers steeds beter. Maar de algoritmen hebben ernstige bijwerkingen, waarschuwt pionier Bill Fischer.
Het is een eenvoudig idee. Neem alle vacatures ter wereld en zet ze in een databank. Doe hetzelfde met alle cv’s. Koppel beide datasets met een aantal uitgekiende algoritmen aan elkaar en voilà: werkloosheid opgelost, en alle vacatures vervuld met passende kandidaten.
Totaalpakket
Met een dergelijk idee in het achterhoofd lanceerde internetondernemer Bill Fischer twee jaar geleden zijn site TheSocialCV. Met die semantische zoekmachine was hij de eerste vacaturesite die niet rechtstreeks de concurrentie met LinkedIn aanging. TheSocialCV is namelijk een zogeheten people aggregator, die de data van anderen van het web schraapt en kopieert en het vervolgens moet hebben van zijn geraffineerde zoekfunctionaliteit. Zijn zoekmachine kan volgens Fischer in 400 miljoen profielen grasduinen – grofweg 150 miljoen meer dan bijvoorbeeld LinkedIn. Bovendien kunnen klanten die geschikte kandidaten voor hun vacatures zoeken met TheSocialCV in informatie van meerdere sociale media tegelijk neuzen.
Hier is een video uit 2011 waarin Fischer uitlegt hoe zijn zoekmachine werkt:
De afgelopen 2,5 jaar heeft de zoekmachine op basis van de gekozen kandidaten steeds betere kandidaten leren herkennen. Dat is althans de theorie. De praktijk van het intelligent matchen is echter ‘fucking hard’, zo beweert Fischer. Onlangs was hij bij de Sourcing Summit-conferentie in Amsterdam waar hij waarschuwde voor de keerzijden van de populariteit van Big Data in de HR-wereld. Wij spraken hem daarover en somden de risico’s op.
Probleem #1. The winner takes all
Wie klikt altijd door naar pagina 2 van zijn zoekresultaten? Niemand. Pagina 1 telt. Hoor je niet bij de nummers 1 tot en met 10, dan kun je het schudden. Het is dé wet van het internet: the winner takes all. De meest gevonden kandidaten worden door alle recruiters tegelijk benaderd. Fischer: ‘Sommige kandidaten worden tientallen keren per dag door recruiters gebeld en anderen nooit.’ TheSocialCV probeert daarom de keuze van algoritmen aan zijn klant aan te passen. Met die variatie hoopt het bedrijf diversiteit te bevorderen. Fischer: ‘Voorheen kwam een kandidaat die aan Harvard heeft gestudeerd in de ranking uit boven de Yale-alumnus. Dat was niet praktisch. De meeste klanten zoeken niet eens Harvard-alumni. Nu laten we het resultaat van de zoekquery meer van de voorkeuren van de klant afhangen.’
Probleem #2. Big Data is een gatenkaas
In theorie is een databank een schatkist vol informatie. In de praktijk telt elke databank een veelheid aan gaten, incongruenties en misinformatie. Om voor onjuistheden in je dataset te corrigeren, kun je gebruik maken van proxy’s. Als een recruiter geen eenduidige gegevens bezit over het IQ of opleidingsniveau van een grote groep mogelijke kandidaten, kan hij gaan zoeken op alternatieve variabelen die een indicatie van de gezochte uitkomst geven. Een voorbeeld: wie wil weten hoe hoog het opleidingsniveau van een gebruiker is, kan zoeken op proxy-variabelen als krantenabonnement, interesse in literatuur, of beheersing van vreemde talen. Met dergelijke manipulatie van algoritmen zijn de sociale media groot geworden. In het gunstigste geval vindt zo’n recruiter kandidaten, die anders in een zee van data verstopt waren gebleven. In de minder gunstige gevallen – de meeste – vindt de recruiter niets van waarde.
Probleem #3. Algoritmen maken het omzeilen van de wet makkelijker
Werkgevers mogen in de meeste westerse landen hun werknemers niet selecteren op ras of geloofsovertuiging. Maar met proxy’s van die variabelen kun je dat verbod relatief eenvoudig omzeilen. En vaak doen bedrijven dat niet eens bewust, zo merkte Fischer: ‘De factoren op basis waarvan bedrijven besloten mensen wel of niet aan te nemen, zijn vaak arbitrair.’ Zo wogen zijn klanten bij het rangschikken van de intelligentie van een groep kandidaten mee of ze in sociale mediaprofielen aangaven van arthouse-films te houden. Fischer; ‘We merkten dat als een kandidaat de Franse arthouse-film Le fabuleux destin d’Amélie Poulain had geliked, hij of zij een grotere kans had om te worden aangenomen.’
Probleem #4. Algoritmen veranderen de wereld
Dat soort grillige algoritmen kunnen de wereld naar zich vormen. Fischer geeft als voorbeeld daarvan een onderzoek waarbij mensen werd gevraagd aan de hand van een lijstje babynamen te voorspellen welk niveau van opleiding die baby’s in hun latere leven zouden gaan leiden. Onderzoekers konden zo sociale profielen maken van regio’s waar bepaalde babynamen veel voorkwamen. Dat is ook goed mogelijk met zoiets arbitrairs als een postcode. Stelt Fischer: ‘Als je zoekt op postcode, dan betekent dat dat je selecteert op de inwoners van een bepaalde wijk. Het is heel gemakkelijk voor een gebruiker om bij het zoeken naar personeel bepaalde wijken uit te sluiten. Dat roept allerlei ethische vragen op.’ Volgens Fischer maakt dat organisaties homogener. Maar het kan in de toekomst zelfs de demografie van postcodegebieden beïnvloeden, voorspelt Fischer. ‘In de toekomst kan de grens van een postcodegebied het verschil vormen tussen massale werkloosheid en een grote kans op het vinden van een baan.’
