Algoritmes vervangen de personeelsmanager nog niet

Een algoritme kan bepalen welke sollicitant aangenomen moet worden, of welke werknemer op training moet. Maar is dat wel een goed idee, en hebben mensen nog wat te zeggen? Paul van der Laken deed er promotieonderzoek naar.

Eens in de zoveel tijd geloven managers dat er een oplossing is voor al hun problemen. Zo wordt er al een tijd vingerlikkend gesproken over big data, van de zorg tot in het bedrijfsleven en de bankensector. Internetwarenhuis Amazon zette een algoritme aan het werk dat enorme databergen doorspitte om het beste personeel aan te nemen. Het lijkt bijna vanzelfsprekend: met een enorme rekenkracht kunnen er vast betere beslissingen genomen worden dan wanneer het aankomt op één mens.

Zo’n algoritme is vaak een black box, het is dan niet duidelijk hoe beslissingen worden genomen. “Daardoor lijken het objectieve beslissingen,” zegt Paul van der Laken. Dat is schijn. Zo’n algoritme wordt machine learning genoemd, omdat er van het verleden wordt geleerd. “Je voert data in, wanneer bijvoorbeeld een recruiter iemand heeft aangenomen of afgewezen. Dat patroon wordt zo goed mogelijk gekopieerd. Menselijke fouten en voorkeuren worden zo geautomatiseerd.” Amazon trok in 2015 de stekker uit het personeelsalgoritme. Niet de beste man of vrouw werd aangenomen, maar gewoon de man. Net als vroeger.

Valkuilen

People analytics, het analyseren van data over personeel, is onverminderd in opkomst. “Iedereen praat erover, maar als je gaat kijken naar wat het is, en wat we ermee kunnen, loop je tegen enorme valkuilen en muren op,” zegt Van der Laken. In 2014 begon hij aan een onderzoek naar data-gedreven personeelsbeleid, waarop hij deze maand promoveerde.

Er zijn veel toepassingsmogelijkheden, toch tempert hij de verwachtingen. “Op het moment is het moeilijk om er meerwaarde mee te creëren voor bedrijven.” Bedrijven hebben meer macht dan werknemers, daar moet voorzichtig mee omgesprongen worden. Er zijn tal van vraagstukken, en dat gaat niet alleen om de privacy van personeel dat in een bakje moet spugen of van wie e-mails worden bekeken.

“We ontnemen mensen de mogelijkheid om de uitzondering te zijn op de statistische regel,” zegt Van der Laken. Er wordt immers gekeken naar wat werknemers in het verleden hebben gedaan, niet wat iemand nu doet. Om dit te ondervangen kan een algoritme bewust fouten maken, door bijvoorbeeld één op de tien keer iemand aan te nemen die ongeschikt lijkt. De prestaties van die persoon kunnen vervolgens teruggekoppeld worden naar het systeem. Maar Van der Laken denkt dat dit een traag proces is. “En we zijn er niet aan toe om iemand die op basis van historische patronen slecht lijkt toch een baan te geven.” En wat te doen als het algoritme onbedoeld een fout maakt? “Als we fouten aan een individu kunnen wijten, hebben we nog het idee dat we er controle over hebben.”

Niet op de hoogte

Wat Van der Laken herhaaldelijk opviel, is dat er weinig besef is van wat data en algoritmes echt doen. In de wetenschap, zag hij, is er aandacht voor de theorie van big data en de strategische voordelen ervan, én voor de concrete toepassingen ervan. Eerst waren die twee stromingen gescheiden, pas de afgelopen vijf jaar vinden ze elkaar.

Het bedrijfsleven is ironisch genoeg blijven steken in het theoretische verhaal, zonder oog voor de praktijk. “Er zijn veel consultants en hooggeplaatste executives die praten over de meerwaarde van data en analytics, maar niet op de hoogte zijn van daadwerkelijke toepassingen, en waar je tegenaan loopt.” Terwijl het zelfs de vraag is of een algoritme een bedrijf altijd vooruithelpt. “Je zoekt naar een specifiek persoon die vroeger succesvol was, terwijl er tegenwoordig zoveel verandert.”

Ondanks alle kanttekeningen denkt Van der Laken dat er een wereld te winnen is. Zijn onderzoek werd gefinancierd door Shell, waar hij de helft van de tijd werkte als data scientist. En daar was hij op allerlei manieren bezig personeelsbeleid te verbeteren met analytische inzichten. Het kan dus wel. Er zijn gewoon verschillende manieren om ermee aan de slag te gaan.

Onderbouwen met data

Organisaties hebben de feiten en cijfers niet altijd op orde. Met analyses kunnen ze in kaart brengen hoeveel medewerkers er in dienst zijn, wat de gemiddelde leeftijd is en hoe die door de jaren is veranderd. Dit biedt inzicht, en deze informatie kan vergeleken worden met andere organisaties.

Er kan ook een vervolgstap gezet worden, door data tegen het licht te houden. Wellicht blijkt dat mensen die langer in dienst zijn, beter werk leveren. Of dat deze oudere medewerkers eerder ontslag nemen. Er wordt dan al snel aangenomen dat er iets gedaan moet worden, om deze mensen te behouden. Maar is dat wel zo? Volgens Van der Laken kunnen dat soort aannames nu eindelijk onderbouwd worden met data, in plaats van met de onderbuik van een HR-manager.

Zo onderzocht Van der Laken hoe zinvol het is om werknemers internationaal uit te zenden. Vaak wordt dat gedaan om toekomstige leiders te ontwikkelen. In werkelijkheid blijkt dat niet te werken. Medewerkers bij de organisatie die hij onderzocht, stappen 3,8 keer minder vaak op tijdens een opdracht. Niet direct goed nieuws, want als ze weer terug zijn stoppen ze er juist 2,2 keer zo vaak mee. “Voor talentbehoud en leiderschapsontwikkeling was uitzending daar dus niet zo succesvol.”

Suggesties geven

Voorspellende modellen spreken het meest tot de verbeelding, zoals Amazon die de beste sollicitant probeerde aan te nemen. Er ook kan ook intern mee gewerkt worden, door bijvoorbeeld te voorspellen welke werknemers het komende half jaar de organisatie verlaten. “Maar wat dan?” vraagt Van der Laken zich af. “Als je gaat handelen heb je niet veel meer aan je modellen.” Blijft iemand toch werken, dan is het de vraag of de voorspellingen niet kloppen, of dat het ingrijpen iets heeft veranderd. Het lijkt hem het beste om niet te denken aan het bedrijfsbelang, maar aan dat van de werknemer. Bezwaren verdwijnen dan vaak als sneeuw voor de zon. “Er kunnen suggesties gegeven worden voor welke trainingen goed zouden zijn, of welke carrièrestap interessant is.”

Waar het volgens Van der Laken naartoe moet, is het experimentele onderzoek. “Nu vragen we aan één of twee leiders of ze een leiderschapscursus interessant zouden vinden, en sturen er dan honderd naartoe. Achteraf vragen we of ze de training leuk vonden.” Volstrekt achterhaald, vindt hij. “We toetsen te weinig of de training effectief is geweest. Je zou de helft nu training willen geven, en de helft volgend jaar. Zodat je kan kijken of de eerste groep dan beter presteert, of de medewerkerstevredenheid omhoog is gegaan.”

De toekomst is aan het algoritme, al ziet Van der Laken recruiters en managers nog niet uit het kantoorbeeld verdwijnen. Recruiters zullen eerder een lijst aangeleverd krijgen met bijvoorbeeld vijf potentiele kandidaten. “Al zou het helemaal mooi zijn als de manager zelf de beslissingen neemt, zonder een recruiter ertussen.” Wie er ook met een algoritme te maken krijgt, het blijft volgens Van der Laken zaak zelf te blijven nadenken. Alleen inituitie, normen en waarden zijn niet genoeg meer om beslissingen mee te nemen. Ze blijven wel, en zullen aangevuld worden met wetenschappelijke kennis en betrouwbare data en analyses. Het past in een bredere trend “om managementbeslissingen beter te onderbouwen.”

Proefschrift: Van der Laken, P. (2018). Data-driven human resource management: The rise of people analytics and its application to expatriate management. Ridderkerk: Ridderprint, ISBN 978-94-6375-124-7.

Promovendus: Paul van der Laken studeerde Human Resource Studies aan Tilburg University. Tijdens zijn master onderzocht hij bij Etos de winstcijfers om te bepalen welke impact personeelstrainingen hadden. Vervolgens ging hij bij Shell aan de slag. Nu werkt hij als manager HR Controlling bij Innogy, het moederbedrijf van onder andere Essent.

Promotores: Marc van Veldhoven en Jaap Paauwe

Auteur: Ron Vaessen.
Bron: Univers Nieuwswebsite Universiteit van Tilburg, 28 november 2019.

Author
Tilburg University is a public research university specializing in the social and behavioral sciences, economics, law, business sciences, theology and humanities, located in Tilburg in the southern part of the Netherlands.