KI- Künstliche Intelligenz im Recruiting? -
Immer häufiger sehen wir HR-Tech- und Assessment-Anbieter, die über ihre neuesten KI-Funktionen berichten. Mit KI meinen sie natürlich Künstliche Intelligenz im HR Bereich. In diesem Artikel wollen wir die KI im Recruiting entmystifizieren und auf realistische Erwartungen hin abklopfen. Wir wollen verdeutlichen, warum das menschliche urteil unerlässlich ist, und wir wollen Elemente diskutieren, die von Harrison Assessments verwendet werden, die nicht wirklich künstliche Intelligenz sind aber verdeutlichen, wie der richtige Einsatz von KI die Entscheidungsfindung von Recruitern verbessern wird.
Künstlich? Ja, aber wirklich Intelligent? - Naja, eher Nein!
Es ist ein weit verbreitetes Missverständnis, dass KI irgendwie über unabhängige Intelligenz verfügt. Das gehört im Personalbereich sicher noch in den Bereich der Science Fiction Filme. Tatsächlich ist die KI eine komplexe Software, die von Menschen programmiert und darauf trainiert wurde, bestimmte Kriterien wahrzunehmen und Wahrscheinlichkeiten zu berechnen. Sie kann nur das tun, wozu Menschen sie programmieren. Sie liefert aber oftmals wertvolle und manchmal auch unerwartete Erkenntnisse. Ihre „Entscheidungen“ basieren auf den Informationsquellen und Kriterien, die wir zur Verfügung stellen, sowie auf den Algorithmen, die wir zur Interpretation vorgegeben haben. Nichtsdestotrotz ist es ein spannendes Entwicklungsfeld. Anforderungsprofile sind heute sehr leistungsfähig.
JobFit sagt ein "NEIN" (JobFit unter 70% Erfolgsprognose)
Zieht man KI für die Personalbeschaffung in Betracht, so ist die große Sorge „Transparenz“. Wenn die künstliche Intelligenz ohne Kontext Ergebnisse für oder gegen die Einstellung liefert, ist es fast ausgeschlossen, alle Faktoren nachzuvollziehen. Eine so getroffene Entscheidung wäre juristisch kaum zu rechtfertigen oder als Argumentation für begründete Entscheidungen eine echte Herausforderung. Deshalb muss KI oder maschinelles Lernen in Zusammenarbeit mit firmeninternen Recruitern und psychometrischen Experten entwickelt werden, die in der Lage sind, die Analysen auf wahren stellenspezifische Erfolgsfaktoren zu fokussieren, die relevant, diskriminierungsfrei UND rechtskonform sind.
Im Jahr 2018 versuchte sich Amazon an dem Thema. Sie setzten eine KI Software ein. Sie lernte schnell lernte, dass es besser ist, männlich zu sein. Die KI von Amazon analysierte Tausende von Bewerbern und Lebensläufen der letzten 10 Jahre für technische Entwicklerpositionen. Die technischen Rollen waren in der Vergangenheit überwiegend von Männern besetzt worden, weshalb die KI entschied, dass dies ein Schlüsselfaktor sein muss. Am Ende scheiterte das Programm auch, weil es die Faktoren nicht benennen konnte, die die High-Performer von den Low-Performern unterschieden. Die Einstellungen waren nicht besser und dazu juristisch angreifbar, weil nicht diskrimierungsfrei. Erschwerend kam hinzu, dass der sogenannten Künstlichen Intelligenz nicht beigebracht wurde, die Begründung für ihre Einstellungsentscheidungen darzustellen. – Eine Blackbox, deren Funktionsweise den Personalverantwortlichen völlig unbekannt war. Eine gefährliche Situation für Recruiter und die Firma, weil es somit auch keine Verantwortlichkeiten oder Identifikation mehr gab.
Wird KI das firmeninterne Recruiting ersetzen?
Sobald man auch nur laut darüber nachdenkt, dass Maschinen Einstellungsentscheidungen treffen, gibt es eine Vielzahl von emotionalen und fachlichen Reaktionen. Die einen sind begeistert von der Aussicht, die Vorhersagegenauigkeit vermeintlich zu erhöhen und Verzerrungen zu reduzieren; so wie Admin-Kosten der Abteilung „Personal“ stark zurückzudrehen. Für andere ist es eine dystopische Angst, dass Maschinen unsere Jobs übernehmen werden oder bessere Menschenkenner werden könnten als wir selber. Richtig ist aber, dass umfassend und weit entwickeltes maschinelles Lernen sicher Teile des Rekrutierungsprozesses automatisieren könnte, aber keine Recruiterjobs ersetzen wird. Warum:?
Jede Stelle ist anders und erfordert daher eine genaue Kenntnis der erfolgskritischen Tätigkeiten, um daraus effektive Einstellungskriterien zu entwickeln. Maschinelles Lernen kann nur helfen, indem es recherchierte Daten zu ähnlichen Jobs bereitstellt; Personalverantwortliche werden benötigt, um diese Daten zu analysieren und für den konkreten Bedarfsfall zu korrigieren. Diese Analyse ermöglicht es erst, wichtige Unterschiede zu bestimmen. Das brauchen dann Recruiter, um mit den richtigen Kriterien und Interview-Fragen schnell und effizient Top-Kandidaten auszuwählen. In der Eignungsanalyse gibt es drei Bereiche, die Informationen zur endgültigen Entscheidung zuliefern:
- WAS soll fachlich erreicht werden, welche Führungsverantwortung liegt vor?
→ Gewichtung der Erfahrungen und Kenntnisse - WIE und durch welches Handeln soll der besondere Erfolg erzielt werden?
→ Gewichtung der Verhaltensweisen und Matching der Erwartungen - WAS behindert das Miteinander im Unternehmen und die Zusammenarbeit?
→ Ausschlusskriterien
Eher allgemeine Kriterien und eine Vielzahl an Standardfaktoren können von der KI durchaus beigesteuert werden. Einordnung in Kontexte und ein Gesamtbild sollte ein Mensch machen. KI ist so für die Personalbeschaffung eine Kooperation zwischen der Maschine und dem Recruiter, die letztendlich durch Anreicherung der Entscheidungskriterien den Wert des Recruiters erhöhen kann .
Wie nutzt auch Harrison Assessments Elemente der KI?
Wir glauben, dass jede Beschäftigungsbeziehung auf WIN WIN basiert, beginnend mit der Erfahrung des Bewerbers. Dank unserer Technologie wird der Beurteilungsprozess verkürzt und die Effizienz erhöht, während gleichzeitig menschliche Voreingenommenheit sowie Kosten und Zeit für die Einstellung reduziert werden. Mit Predictive Analytics können wir die geeignetsten Kandidaten schnell identifizieren, interviewen, gewinnen und einstellen.
Harrison’s Rekruting ist eher darauf ausgelegt, Kandidaten „einzubinden“, engl. SELECTING -IN (im Gegensatz zum eher orthodoxen “ Aussieben“ SELECTING -OUT). Dieses Grundprinzip ist für die Bemühungen um Vielfalt und Integration von entscheidender Bedeutung, da es sich nur auf die Fähigkeiten und Verhaltensweisen konzentriert, die die Erfolgswahrscheinlichkeit des Kandidaten in dieser spezifischen Stelle erhöhen. (Video)
Unsere Job Success Formeln (JSFs) / Anforderungsprofile sind gewichtete Algorithmen. Fachliche Kriterien (Erfahrung, Fähigkeiten, Qualifikationen), persönliche Kriterien und Soft Skills (Verhaltensanforderungen der Position) und, falls zutreffend, kognitive Anforderungen (Problemlösungsfähigkeiten) werden skaliert und in Beziehung gesetzt und sind für den Recruiter zur weiteren Untersuchung und Überprüfung leicht zugänglich und leicht zu interpretieren.
Um die Anforderungsprofile noch genauer an die tatsächlichen Erfolgsbedingungen in dem konkreten Job Ihres Unternehmens anzupassen, gehen wir auf arbeitswissenschaftliche Grundlagen zurück. Wir „übersetzen“ Benchmarking Leistungen (das „WIE“ s.o.) in eine skalierte und sortierte Systematik von mehr als 175 Faktoren, die gemessen und als Soll-Profil formuliert werden. Dies entsprecht dem gewünschten Profil des idealen Bewerbers oder Stelleninhabers.
Dies ist letztlich eine Kombination aus Prozessautomatisierung, maschineller Intelligenz, Vorgehens- und Verhaltensweisen im Soll und Ist und menschlichen Erkenntnissen. Die Treffsicherheit ist überwältigend und ermöglicht großartige Gespräche zwischen Arbeitgebern und potenziellen Mitarbeitern. Was wir nicht tun, ist, dem Programm zu erlauben, autonome Entscheidungen zu treffen, ohne dass der Mensch die Parameter, die zur Beurteilung des Kandidaten verwendet werden, genau kennt. Die Transparenz ist zu jedem Zeitpunkt vollständig gegeben.
Juristische Aspekte der KI in HR
Allgemeine Persönlichkeitsbeurteilungen, die eine Person nicht mit individuellen und spezifischen Anforderungen einer Stelle vergleichen, haben Grenzen:
- Sie können nur grobe Hinweise geben,
- wirken vielleicht schnell diskriminierend
- sind juristisch angreifbar.
- Ein zusätzlicher Algorithmus, der ergänzend das Internet nach persönlichen Daten und Bildern eines Bewerbers durchforstet, nicht rechtskonform, besonders nützlich oder ethisch akzeptabel.
Psychometrische Assessments, die in einem Einstellungskontext verwendet werden, müssen nach DSGVO für den Zweck geeignet sein. Damit ein Assessment akkurat und legal ist, muss es sich auf stellenspezifische Anforderungen konzentrieren und für jede Stelle einen anderen spezifischen Algorithmus verwenden. Welche Kriterien tragen zum Erfolg bei und welche Kriterien verursachen Misserfolge oder verhindern Top Leistungen? Denken Sie immer daran, dass Computer nur das tun können, wozu sie programmiert sind. Wenn sie nicht erkennen oder hinterfragen können, wie es funktioniert, müssen Sie die Finger davon lassen. Die eigentliche Gefahr beim Einsatz von KI-Technologien für Personalbeschaffung ist der Mensch und die fehlerhafte Gestaltung des Gesamtprozesses (ISO 10667 / DIN 33430).
Unsere Assessments entsprechen den EEOC-Bestimmungen sowie der ISO 10667 /DIN 33430 für stellenspezifische Eignungsdiagnostik. Die arbeitswissenschaftliche Benchmarking-Analytik-Option bietet die stellenspezifische Grundlage und wissenschaftliche Validierung für Ihre spezifischen benutzerdefinierten Kriterien in einer Weise, die juristisch jederzeit vertretbar ist.
Fazit: Wo sollten die Grenzen der KI sein
Auch wenn es sich manchmal so darstellt, enthält KI keine Magie und Wunder sind auch nicht zu erwarten. Die Risiken, später an irgendeiner Stelle im Programm aufwendig nachzuarbeiten und die Logik des Lernens zu verändern, ist anspruchsvoll und teuer, wird daher nicht so schnell gemacht.
Komplexe Programmierung hat zunächst nichts mit KI zu tun.
Bei HARRISON ASSESSMENTS haben wir eine komplexe Programmierung, die aber Lernen und Entscheiden dem Menschen überlässt. Sie hilft, eine Vielzahl komplexer Faktoren zu analysieren und eine optimierte mathematische Formel zur Messung der Erfolgsfaktoren zu erstellen. Sie ermöglicht es uns, große Datenmengen effizient, systematisch und unvoreingenommen zu sortieren.
KI in der Personalbeschaffung sollte die menschliche Entscheidungsfindung verbessern, nicht ersetzen. Denken Sie in diesem Sinne über dieses Paradoxon nach: „Wir nutzen KI oder maschinelles Lernen, um uns menschlicher zu machen“.
Dr. Dan Harrison ist der Gründer und CEO von Harrison Assessments. Harrison Assessments wurde 1990 gegründet und nutzt Predictive Analytics, um Unternehmen bei der Rekrutierung, Entwicklung, Führung und Bindung ihrer Talente zu unterstützen.
Anfragen an: 06203 924 990 oder info@my-employee.com