Niet je CV, maar de manier waarop je puzzels oplost is je ticket naar een traineeship bij Unilever. Met behulp van kunstmatige intelligentie wordt een schifting gemaakt in het grote aanbod.
Het gezicht van trainees als hen op het derde gesprek wordt gevraagd wat voor studie ze eigenlijk doen, maakt Martine Zeegers nog steeds aan het lachen. De vicepresident Human Resources van Unilever Benelux is de eerste persoon die ze spreken. ‘Het is een mix van ongeloof en verbazing, sommigen vragen zelfs of ik me niet heb voorbereid. Ik leg ze dan nogmaals uit dat we echt niet meer naar CV’s kijken bij de selectie van onze trainees.’
Wat daarvoor in de plaats is gekomen? Spelletjes en het opnemen van een filmpje waarin je jezelf presenteert. Met behulp van kunstmatige intelligentie maakt Unilever sinds 2016 een selectie in de 4000 aanmeldingen voor de 40 traineeplaatsen die het bedrijf jaarlijks heeft.
In de eerste ronde worden twaalf spelletjes gespeeld, waaruit onder andere concentratie, intelligentie en risicogedrag moeten blijken. Daarbij wordt rekening gehouden met de functie waarop gesolliciteerd wordt: sales mag zich risicovoller gedragen dan een controleur van de financiën.
De tweede ronde bestaat uit een interview waarbij vragen op het scherm te zien zijn, de kandidaat geeft in de camera van zijn/haar laptop of telefoon antwoord. Met behulp van software wordt geanalyseerd wat de antwoorden zijn, maar ook hoe sollicitanten reageren in emoties of twijfel. Pas in het derde gedeelte van de sollicitatieronde komen de sollicitanten tegenover een menselijk persoon te zitten.
Diversiteit
Het voornaamste doel voor het gebruik van algoritmes voor het selectieproces is het bevorderen van de diversiteit van trainees, vertelt Zeegers. ‘Selecteerden onze recruiters op basis van de CV’s, dan kwam vaak hetzelfde soort student naar voren: iemand die een bestuursjaar had gedaan, veel gereisd had of vrijwilligerswerk had gedaan. Maar we verkopen producten voor de gehele samenleving, waarvan we weten dat tien procent een biculturele achtergrond heeft. Daar willen we dus ook een afspiegeling van zijn.’
En dus moet de groep diverser. Gender, studierichting, studiestad, etnische achtergrond: het gebruik van kunstmatige intelligentie levert na vier rondes al een heel ander soort trainee op. ‘Ik heb nu bijvoorbeeld een meisje in mijn HR-team dat Zuid-Amerika studies heeft gedaan, op een andere afdeling zit een Roemeens meisje dat les heeft gegeven op de Erasmus Universiteit. Hadden we die eruit gevist met onze oude, traditionele recruitment wijze? Ik denk het niet.’
Maar hebben algoritmes niet ook zo hun voorkeuren? Onderzoek van McKinsey toont aan dat algoritmes net zo bevooroordeeld als mensen kunnen zijn als je ze niet controleert. Zeegers erkent het dat de algoritmes niet vrij zijn van vooroordelen, maar benadrukt dat juist door het meer te voeden met data ze alleen maar beter worden op het gebied van diversiteit. ‘We bouwen de gegevens op met die van onze bestaande trainees. Door er constant data in te stoppen, zorg je ervoor dat het algoritme slimmer wordt.’ Bovendien waren recruiters volgens Zeegers ook nooit vrij van vooroordelen. ‘Dus dit is zeker een stap in de goede richting.’
Marketingdirecteur
Het resultaat mag er volgens Zeegers na vier rondes wezen: ‘We zien echt een andere groep mensen binnenkomen, waar interessante inzichten uitkomen. Zeker bij mensen met een biculturele achtergrond is het niet gebruikelijk om een bestuursjaar te doen, maar als jij altijd hebt geholpen in de zaak van je ouders of hebt meegeholpen in een groot gezin, dan leer je daar ook vaardigheden die heel goed bruikbaar zijn bij ons als trainee.’
Is het systeem ook bruikbaar voor mensen die later in hun carrière solliciteren op een vaste aanstelling? Volgens Zeegers is het in de toekomst mogelijk als het systeem stabieler is, maar is er een groot verschil tussen de trainees en mid-carreers: ‘Het CV is bij trainees veel minder van belang. Zoek je een nieuwe marketingdirecteur voor IJs, dan is het wel belangrijk of die 15 jaar werkervaring heeft in marketing of dat hij huisarts is geweest.’
Snelheid
Een bijkomend voordeel van het gebruik van AI is de snelheid waarmee het sollicitatieproces afgehandeld kan worden. ‘Duurde het vroeger zeker zes tot acht weken, nu kan binnen twee weken duidelijk zijn of je kan beginnen.’ Kandidaten worden na de derde ronde bovendien dezelfde dag gebeld. ‘De laatste ronde is een menselijke check, maar door het algoritme hebben we een groot deel van de keuze al gemaakt.’
In die snelheid zit tegelijkertijd een valkuil. ‘Bij de eerste groep studenten bestond veel onbegrip over de afwijzing die ze kregen. Als je na de eerste ronde een bericht krijgt dat je niet geselecteerd bent op basis van een aantal spelletjes, dan kan dat behoorlijk bot overkomen.’ Inmiddels wordt er een uitgebreid rapport naar alle afgewezen kandidaten gestuurd, waarbij duidelijk wordt gemaakt waar de spelletjes voor staan. ‘Aan de hand van een spel waarbij je een ballon op moet blazen, kijken we hoe risicomijdend je bent. Wie dat uitgelegd krijgt, kan zich beter vinden in de keuze.’
Dit artikel is te lezen op MT.nl