Toptalent selecteren: slimme algoritmes of je onderbuik?

15 april 2016

‘Kijk, het inhuren van goede mensen is gewoon ongemeen moeilijk,’ schreef Jack Welch over de vraag: wat te doen als je de verkeerde aanneemt?

Nieuwe managers selecteren hooguit in de helft van de gevallen meteen het juiste toptalent, aldus de legendarische oud-topman van GE in een column. ‘Zelfs leidinggevenden met tientallen jaren ervaring doen het op zijn best in driekwart van de gevallen goed.’

De beste oplossing is: de verkeerde kandidaat überhaupt niet aannemen. Maar dan moeten managers tenminste één impuls vermijden, ofwel: niet luisteren naar hun onderbuikgevoel.

Algoritme analyseert cv’s

Aan deze woorden van Jack Welch moest ik denken bij het lezen van een interview met Colin Lee (NRC, 12 april 2016). Lee ontwikkelde een algoritme dat voorspelt welke cv’s de grootste kans hebben om door een recruiter uit de stapel te worden geplukt.

Hiervoor analyseerde hij 441.769 cv’s en ontwikkelde zo een algoritme dat per kandidaat de waarschijnlijkheid berekent van een uitnodiging. Dit met een nauwkeurigheid van maximaal 81 procent. Vorige maand promoveerde Lee aan de Rotterdam School of Management op dit onderzoek.

Loopbaanontwikkeling

Het is een prachtig voorbeeld voor iedere HR-manager die interesse heeft in HR Analytics. Als de komende jaren ook gegevens over de loopbaanontwikkeling van de geselecteerde kandidaten worden toegevoegd, kan het algoritme zelfs nauwkeuriger worden.

Een vroege voorloper hierin is – weinig verrassend – Google. In het artikel “Google’s Answer to Filling Jobs Is an Algorithm” (New York Times, 2007) staat hoe het databedrijf met behulp van algoritmes toptalent selecteert uit meer dan 1 miljoen open sollicitaties per jaar(!).

Hang naar onderbuikgevoel

Het moment dat algoritmes het juiste toptalent beter selecteren dan een recruiter komt snel dichterbij. De vraag is of we er aan willen. Want bij het beoordelen van anderen gebruiken we nu eenmaal het allerliefst ons onderbuikgevoel. Zo zijn we evolutionair geprogrammeerd.

Helaas zouden we die neiging in sollicitatieprocedures beter kunnen onderdrukken. Maar het alternatief, een computervoorspelling, vervult veel mensen met aversie. Al zouden we het juist enger moeten vinden om een selectieprocedure aan mensen over te laten, merkt Lee terecht op.

Automatische piloot wel

Erg consequent zijn we niet in die aversie. We vinden het geen probleem om in een vliegtuig te stappen dat bij dichte mist veilig landt op de automatische piloot. Of om blind te vertrouwen op de TomTom als we naar een onbekende verre bestemming rijden. Of om onze kinderen en kleinkinderen straks toe te vertrouwen aan de zelfsturende schoolbus.

Algoritmes zullen de komende jaren zelfs kunnen voorspellen hoe de loopbaan van de kandidaat zich in de organisatie zal ontwikkelen en wat zijn of haar verdiencapaciteit zal zijn. In een nog wat verdere toekomst zullen we per medewerker een “Employee Life Cycle” kunnen voorspellen.

Zo kunnen we zien hoe lang organisatie en medewerker optimaal van elkaar kunnen profiteren. Niet alleen in economisch opzicht, maar ook in termen van welzijn en geluk. Die aspecten worden eveneens beter meetbaar.

Organisaties en werknemersgeluk

De ‘World Database of Happiness’ van Ruut Veenhoven, emeritus hoogleraar ‘sociale condities voor menselijk geluk’ en schrijver van “Het rendement van geluk” (2014) telt inmiddels 6416 wetenschappelijke publicaties. Hoogleraren Ap Dijksterhuis en Rick van Baaren ontwikkelen momenteel een meetinstrument waarmee organisaties het werknemersgeluk kunnen meten.

Stap voor stap zullen meer algoritmes een nuttige rol krijgen in ons dagelijks leven. In het ene geval accepteren we dat ongemerkt, in het andere geval met frisse tegenzin. Dat mensen onze onderbuik altijd zullen weten te raken, staat buiten kijf. Al zal dat niet altijd een onverdeeld genoegen zijn.

Toine Al is HR-analytics-expert en blogger voor CHRO.nl

Toptalent selecteren: slimme algoritmes of je onderbuik?

Vacatures

Events

Personalia

Whitepapers

Markt Update

Vragen over adverteren?