Vi lever i en tid där kraven på de anställda blir allt högre och konkurrensen om talangerna allt tuffare. Rekryteringsbranschen utvecklar hela tiden nya metoder att hitta de allra bästa kandidaterna och det senaste vapnet i kampen om talangerna är maskininlärning.

Vad är maskininlärning?

Maskininlärning är ett delområde inom artificiell intelligens som handlar om datorers förmåga att lära sig av data, utan att följa explicita programmerade instruktioner. Det finns två förutsättningar för att maskininlärning ska fungera: dels algoritmer som känner igen mönster och samband och dels stora datavolymer, så kallad Big data. Låt oss ta ett exempel: Om du ber en dator att hitta den bästa kandidaten för en viss tjänst genom att identifiera mönster i data kommer datorn att hitta samband som en människa lätt hade missat. Därmed kommer datorn att presentera ett bättre resultat.

Läs också: Det här bör du känna till om testverktyg

En av maskininlärningens stora fördelar är att tekniken kan användas för att förutse trender och händelser utifrån historiska och aktuella data. Föreställ dig att du skulle kunna förutse svängningar på marknaden, till exempel en nedgång inom en viss bransch. Då hade du kunnat lägga beslag på de personalresurser som frigörs – innan konkurrenterna. Det hade gett dig ett stort konkurrensförsprång.

Hur påverkar maskininlärning rekrytering?

Vid en rekrytering är det framförallt två faktorer som kan leda till ett mindre lyckat resultat. Den ena är urvalsmetodernas begränsade förmåga att bedöma kandidatens lämplighet och förmåga. Den andra är de många fallgroparna, som magkänsla, intuition, likhetseffekten etc. Faller rekryteraren i en eller flera av dessa kommer resultatet att påverkas. Det blir med andra ord svårt att hitta den bästa kandidaten för jobbet.

Undersökningar visar att resultatet blir bättre i rekryteringsprocesser där maskininlärning används. Enligt K. H. Angeltvedt och J. B. Bollingmo (2017) stannar kandidater kvar 15 procent längre på jobb där algoritmer använts för att avgöra deras lämplighet för jobbet. De konstaterar också att det finns ett tydligt samband mellan felrekryteringar och godtyckliga beslut av chefer. Algoritmer utkonkurrerar mänskliga beslut med minst 25 %, vilket beror på att de kan förutsäga framtida arbetsprestationer med större precision än vad den mänskliga intuitionen förmår.

Läs också: Varför använda screeningfrågor vid rekrytering?

En annan utmaning som vi alla står inför är den ökande mängden information och vår förmåga att utnyttja den. De globala datavolymerna och vår förmåga att utnyttja dem fördubblas ungefär en gång om året. Med hjälp av maskininlärning kan CV:n och ansökningar analyseras på några sekunder, istället för minuter eller timmar, som det tar att göra analysen manuellt. Datorn fattar inte beslut om vilken kandidat som ska väljas, utan sorterar bara fram ett hanterbart antal kandidater. I dag handlar det om att standardisera och automatisera processer och använda maskininlärning för att få ett snabbare och bättre resultat. Här finns det mycket att vinna, både vad gäller tid och kvalitet.

Vi har alla ett stort nätverk, men det är svårt att utnyttja dessa kontakter utan att lägga ner en massa tid och resurser. Det här är ett annat område där vi skulle kunna använda maskininlärning. Rekryteraren skulle till exempel kunna samla in data om kandidatens jobbprofil, arbetshistorik, kompetens och sedan koppla ihop dessa uppgifter med möjliga jobb.

Kommer rekryteraren att ersättas av maskiner?

Dagens rekryteringsprocess innehåller en hög grad av personlig kontakt mellan rekryterare och kandidat, något som är viktigt för förmedlingen av värden, employer branding och för att kandidaten ska få en känsla av hur det är att jobba på företaget. Att hela rekryteringsprocessen inom en snar framtid skulle kunna ersättas av maskiner är inte särskilt troligt. Tekniken kommer dock att spela en större roll framöver vad gäller automatisering, standardisering och förbättring av rekryteringsprocessen. I synnerhet kommer förutsägbara och repetitiva arbetsuppgifter med stora volymer som till exempel hantering av ansökningar och screening, vara lämpliga områden för maskininlärning. Detta kommer både att spara tid och öka effektiviteten och kvaliteten i rekryteringsarbetet. Vi befinner oss bara i början av maskininlärningens intåg på rekryteringsområdet och möjligheterna är lika många som de är spännande.

Angeltvedt och J. B. Bollingmo 2017. Kunstig intelligens i rekruttering. Kandidatuppsats vid BI, våren 2017.

 

E-bok: 8 trinn til en vellykket rekruttering