Momenteel gebruikt slechts 17% van de organisaties AI-oplossingen bij personeelszaken en van de overige organisaties is slechts 30% van plan dat tussen nu en 2022 te gaan doen, volgens het Gartner Artificial Intelligence Survey. En dat terwijl AI het potentieel heeft om de schaalbaarheid van HR te vergroten, patronen in het gedrag van mensen te herkennen en gepersonaliseerde ondersteuning te bieden waar en wanneer dat nodig is. Dit betekent niet alleen het gebruik van AI om alledaagse taken te automatiseren waar mensen een hekel aan hebben. AI kan ze ook helpen om beter in hun werk te worden en hun carrière te bevorderen. Anderzijds helpt het organisaties om betere inzichten te krijgen over hun bedrijf en hun mensen, bruikbare voorspellingen te doen, de diversiteit te vergroten, de productiviteit te verhogen en effectief te reageren op snelle veranderingen.

AI kan bijvoorbeeld voor voorschrijvende aanbevelingen zorgen op terreinen als werving, leren en ontwikkeling, het stimuleren van personeelsbetrokkenheid en -behoud etc. Maar het omzetten van dit AI-potentieel in realiteit gaat niet zonder slag of stoot. Zo moet ethisch en onbevooroordeeld gebruik van AI gewaarborgd worden en is het implementeren van praktische, dagelijkse toepassingen ook een hele opgave.

Het nieuwe Innovation Lab for AI van Cornerstone

We hebben vandaag ons Innovation Lab for AI aangekondigd. Dit is een nieuw Center of Excellence binnen Cornerstone dat datawetenschappers en andere experts uit het hele bedrijf samenbrengt om praktische en ethische manieren te bedenken om AI-technologie in HR toe te passen. Het Lab is opgezet om door middel van onderzoek en samenwerking ingewikkelde AI-vraagstukken aan te pakken waar organisaties zich zorgen over maken. Hoe bewaar je het menselijke aspect van het werk, terwijl je tegelijkertijd op automatisering vertrouwt? Hoe ga je om met gevoelige gegevens over mensen? En bij dat alles, hoe waarborg je de ethiek en ban je vooroordelen uit?

Het ultieme doel? AI gebruiken voor een betere, meer gepersonaliseerde en lonende werknemerservaring.

De uitdagingen bij het toepassen van AI in human resources – en hoe ze te overwinnen

Er zijn volop mogelijkheden om AI voor de werkvloer te gebruiken. Te denken valt aan het ondersteunen van de wervingsactiviteiten van HR – bijvoorbeeld het filteren van sollicitaties en het automatiseren van de planning van sollicitatiegesprekken – en aan het doen van gepersonaliseerde leeraanbevelingen aan werknemers om hun carrière te bevorderen. Maar nu meer organisaties dit soort praktische usecases overwegen, doemt er een centraal obstakel op: de gegevens van hun werknemers. En dat is een van de belangrijkste kwesties die ons nieuwe Lab onderzoekt.

De eerste uitdaging is de vorm waarin HR-gegevens worden aangeleverd.

Om effectief te zijn, moeten de algoritmen en modellen van AI-tools worden voorzien van gegevens: hoe gestructureerder, hoe beter. Maar hoewel sommige HR-gegevens kwalitatief en numeriek zijn (bijvoorbeeld verlooppercentage, percentage ingevulde vacatures etc.), is een groot deel van de HR-gegevens ongestructureerd – denk aan cv’s, functioneringsgesprekken en verslagen van exitgesprekken. Bij dit soort gegevens volstaat pure rekenkracht niet – er is natuurlijke taalverwerking vereist om de gegevens in de vorm van geschreven of gesproken woorden nauwkeurig te verzamelen en te analyseren.

Andere grote uitdagingen zijn de privacy en beveiliging.

Werknemersgegevens zijn goud waard maar behoren ook tot de gevoeligste gegevens van ieder bedrijf. Ze moeten niet alleen tegen externe kwaadwillenden worden beschermd maar mogen ook intern niet publiek worden.

Asif Qamar, de Vice President en Chief Analytics Architect van Cornerstone, verduidelijkt: “Als we persoonsgegevens analyseren, moeten we zelf [ook bij Cornerstone] niet weten om wie het gaat. De gegevens die we verwerken, moeten volledig zijn ontdaan van persoonlijk identificeerbare informatie.”

Functieoverschrijdende usecases vragen om meer dan big data.

Momenteel zijn veel oplossingen geen AI-tools maar in feite BI-tools (ook bekend als big data). Die zijn bedoeld om een specifieke activiteit te stroomlijnen met behulp van een eindige gegevensset. Een werkelijke AI-oplossing is toepasbaar in een verscheidenheid aan flexibele en veranderende situaties, benut gegevens uit de hele organisatie en levert voorspellende en intelligente beslissingen en aanbevelingen.

Het Cornerstone Innovation Lab for AI onderzoekt nieuwe kansen om AI functieoverschrijdend toe te passen en daarbij verder te gaan dan procesgestuurde en transactionele toepassingen. Het doel is om organisaties werkelijk transformatief te maken en de groei van hun mensen en hun activiteiten te versnellen.

AI zal het werk menselijker maken en de werknemerservaring verbeteren

Terwijl ons nieuwe Lab deze en de talloze andere uitdagingen rond AI onderzoekt, zien we al enig succes bij het toepassen van best practices in onze eigen AI-engine.

Werving. Onze AI-engine, de Cornerstone Skills Graph, kan het cv van een sollicitant analyseren en de vaardigheden van de kandidaat registreren, zonder dat deze expliciet zijn vermeld. Dat is een belangrijke innovatie waar recruitingteams van kunnen profiteren.

Asif legt het als volgt uit: “Onze AI-engine kan dingen uit een cv afleiden die er niet in worden vermeld. Skills Graph bestudeert de cv’s van honderden miljoenen mensen en ziet de relatie tussen vaardigheden. De engine leert om die relaties steeds beter te begrijpen en nauwkeurige voorspellingen te doen.”

Leren en ontwikkeling. Door te analyseren hoe mensen omgaan met bestaande leerstof – welke onderwerpen ze kiezen, hoe vaak ze deze bekijken en hoe goed ze de informatie onthouden – kan onze AI-engine hun persoonlijke leervoorkeuren afleiden en de volgende stappen in hun leertraject aanbieden.

Loopbaanontwikkeling. En omdat de AI-engine van Cornerstone is ontworpen om functieoverschrijdend te zijn, kunnen de aanbevelingen zich verder uitstrekken dan een eenmalige usecase. De Cornerstone Skills Graph analyseert bijvoorbeeld niet alleen leergedrag maar ook loopbaantrajecten. Daardoor kan het systeem aanbevelingen doen die werknemers in staat stellen hun nieuwverworven vaardigheden te gebruiken om hun carrière vooruit te helpen.

Asif vervolgt zijn uitleg:

“We beschikken over de gegevens van duizenden werknemers die de gebaande paden hebben gevolgd. Dit maakt het mogelijk om een probabilistisch model te maken voor het traject van anderen. Daarmee kunnen we niet alleen aanbevelingen doen op basis van wat je de laatste tijd hebt geleerd, maar ook op basis van wat je verder kan helpen in je carrière.”

Het resultaat is niet alleen een betere leerervaring, maar ook een meer gepersonaliseerde, holistische werkcultuur die rond ontwikkeling draait.  

Mensen zijn nog steeds belangrijker dan ooit

Als AI met succes wordt geïmplementeerd, zijn de mogelijkheden om de werknemerservaring te transformeren (lees: personaliseren, vermenselijken en verbeteren) vrijwel onbeperkt! Maar Asif maakt een belangrijk voorbehoud:

“Uiteindelijk is het interpreteren van gegevens mensenwerk. AI kan interessante dingen aan het licht brengen, maar de technologie kan mensen niet vervangen. Het is een beslissingsondersteunend systeem.”

Bij de zoektocht naar transformatieve gebruiksmogelijkheden voor AI in HR moeten ethiek en vooroordelen niet over het hoofd worden gezien. AI-systemen doorzien immers bestaande patronen en leren bijvoorbeeld van uitgesproken seksisme of racisme in het aannamebeleid van een organisatie. Dat is iets wat de voortdurende aandacht heeft van onze datawetenschappers. AI kan vooroordelen aantonen, maar kan ze niet bestrijden – dat is het werk van mensen.

Nu organisaties steeds vaker AI invoeren, moeten ze één doel voor ogen houden: de ervaring voor hun mensen op reële, praktische en ethische wijze te verbeteren. Ons Lab zal business- en IT-leiders en hun medewerkers blijven informeren over de rol die AI in human resources kan spelen. We kijken ernaar uit om in de toekomst meer met u te delen.