First things first - wat is bias eigenlijk?
Voer één Google-zoekopdracht uit op bias en je vindt waarschijnlijk een hele resem aan definities en betekenissen. De meeste delen echter een gemeenschappelijk gedachtengoed: bias is 'een vaak onbewust ingebouwde manier van denken die elk individu heeft, die gevormd is door de omgeving waarin hij of zij leeft en die bepaald wordt door de ervaringen die hij of zij heeft opgedaan'.
En - het lijkt misschien nogal rechtuit - maar enige vorm van vooringenomenheid of bias zit in ieder van ons. Of het nu gaat om de manier waarop we situaties benaderen, de manier waarop we onze omgeving analyseren,...
Ook op de arbeidsmarkt wordt dit pijnlijk duidelijk. Discriminatie, ongelijkheid tussen mannen en vrouwen, uitsluiting op basis van leeftijd,... Het zijn uitdagingen waar we als samenleving voor staan. En ze verdwijnen niet wanneer je een kantoor binnenstapt.
Toch zou iemands etniciteit, geslacht, religieuze overtuiging, seksuele geaardheid, leeftijd, gezinssituatie en meer niet mogen bepalen of hij of zij überhaupt een geschikte werknemer is.
Europese instellingen verbieden zelfs bij wet expliciet bias bij aanwerving. Hoewel de regels hieromtrent - toegegeven - vrij vaag omschreven zijn, maakt het wel duidelijk hoe pijnlijk aanwezig dit probleem is.
Uitsluiten op basis van voorgaande factoren is bovendien niet alleen moreel onjuist - het levert ons economisch gezien ook helemaal niets op. We hebben nu meer dan ooit echt ieders talenten en skills nodig om de problemen op de gespannen arbeidsmarkt van vandaag het hoofd te bieden. Gelukkig zijn er oplossingen.
Allemaal samen tegen bias - maar hoe?
Mensen zijn mensen en je kunt menselijkheid niet veranderen. Software, echter, vertelt een ander verhaal. Bij het ontwikkelen van matching tools hebben we controle over de kwaliteit, input en output. Software kan daarom mogelijk maken wat mensen niet kunnen - het kan bias elimineren en zich alleen richten op wat echt belangrijk is, zoals bijvoorbeeld een kandidaat zijn of haar vaardigheden en talenten.
Tenminste, als we er kritisch naar blijven kijken. Elke dag verschijnt er namelijk wel een nieuwe magische tool die al onze vragen oplost - althans zo lijkt het soms. En hoewel heel wat nieuwe tools een mooie basis leggen voor matching, moeten we ze absoluut niet als heilig beschouwen.
Veel toepassingen werken met machine learning, deep learning of een vorm van AI. Daarin schuilt een gevaar. Want hoewel deze nieuwe technologie ons een heel goede basis biedt, 'vindt ze niets nieuws uit'. Ze zijn gebaseerd op data en principes die al bestaan en die per definitie niet bias-free zijn.
Wist je trouwens dat Europa zelfs het gebruik van AI-tools bij werving en selectie verbiedt die niet aan de regels voldoen? Toegegeven, de regels hiervoor zijn - alweer - nog wat vaag. Maar het duidt opnieuw aan hoe sterk dit probleem ook op technologisch vlak leeft.
Bovendien kunnen dergelijke hulpmiddelen vaak 'niets nieuws uitvinden'. Ze hebben als het ware oogkleppen op. Wat bedoelen we hiermee? Voordat we een tool duidelijk maken dat een heftruckchauffeur mogelijk ook een vorkliftchauffeur of heftruckbestuurder kan zijn, weet het systeem dit niet. Het is dus aan ons om die context te bieden.
Bij theMatchBox hebben we zowel de tools als het team én de uitgebreide expertise om kritisch te blijven ten opzichte van nieuwe technologie. We zijn in staat om koploper te blijven bij het inschakelen van nieuwe tools en kunnen onze eigen hybride oplossingen vormen door verschillende tools te combineren - zoals AI, maar ook smart tagging, semantic job searching en meer,... (lees er alles over!).
Tot slot hebben we onze manier van denken ook stevig aangepast. We vertrekken niet langer van zaken zoals het cv of de in te vullen vacature, maar zien matching als een proces dat vertrekt vanuit de kandidaat zelf. En meer specifiek van de relevante skills en talenten die hij of zij bezit.
De gouden regels van het bias-free matchen samengevat:
-
Ga kritisch om met technologie, wees je bewust van mogelijke bias
& kies duidelijk voor een zero-bias strategie. - Zet de kandidaat centraal in je matchingsproces.
-
Wees je bewust van de relatieve waarde van het CV.
