Hoe haal ik een vooroordeel uit de mens?

imageLaat onderstaande zin eens even rustig op je inwerken:

Een onderneming die gaat voor diversiteit op de werkvloer, staart zich beter niet blind op cv’s. HR tech-startups helpen met assessments de bias uit de sollicitatieprocedure te slaan.

Als een bedrijf streeft naar een hogere diversiteit dan zijn cv’s natuurlijk helemaal geen slechte manier om dat te bereiken. Integendeel, het cv vervult al decennia lang een centrale rol in het recruitmentproces; ondanks herhaalde bijna-dood meldingen door self-serving, starry-eyed startups. Diezelfde startups die de bias uit de sollicitatieprocedure slaan...

Bovenstaand citaat komt uit een artikel met de naam Weg met dat cv: deze HR-tech startups maken de werkvloer diverser. En geeft daarbij ook een eigen invulling aan het begrip diversiteit:

Dit is al vaak bewezen: ondernemingen met diverse teams presteren beter dan bedrijven die minder aandacht hebben voor een verscheidenheid aan talenten, persoonlijke eigenschappen en achtergronden.

Het kan aan mij liggen, maar volgens mij zijn diverse teams te begrijpen als meerdere teams, of verschillende teams. Niet als teams met een hoge(re) interne diversiteit.

En staat diversiteit wel gelijk aan een verscheidenheid aan talenten, persoonlijke eigenschappen en achtergronden? Of moet het breder/concreter worden gemaakt naar culturele, etnische & religieuze achtergrond, gender, leeftijd, LHBTI+ en arbeidsvermogen?

En ga je dat met HR-technologie bewerkstelligen? Color me sceptic. Aangezien voor startups het adagium: eat your own dogfood vaak opgeld doet, heb ik voor de grap eens gekeken naar de samenstelling van de teams van de drie startups die in bovenstaand artikel worden beschreven. Ik weet het, een beetje kinderachtig maar natuurlijk ook wel inzichtgevend. Daar gaan we.

Brainsfirst (Brain-based assessment games)
Brainsfirst heeft een teampagina met foto’s. Dat maakt het makkelijk:

Brainfirst - team pagina

14 mensen in totaal; waarbij de white male sterk domineert (10!). Verder zijn er 3 witte vrouwen en één man van kleur. Grijze duiven mis ik volledig. Mijn geheel niet-wetenschappelijke assessment zegt: VERY STRONG BIAS!!

The Selection Lab (krachtige assessment software)
Over dit bedrijf heb ik pas nog wat geschreven in verband met funding, maar nu gaat het om iets anders. Het bedrijf heeft geen team-pagina en daarom heb ik maar om uitleg gevraagd. Volgens The Selection Lab is de samenstelling als volgt:

  1. 8 mannen, 4 vrouwen
  2. 3 mensen van kleur, 9 wit(achtig)
  3. Geen grijze duiven

Duidelijk toch? En mijn metertje vertelt mij dat er sprak is van CONSIDERABLE BIAS!

Equalture (unbiased hiring through gamification)
Ook Equalture heeft een pagina met de teamleden:

Equalture - team pagina

15 mensen in totaal, waarvan 7 vrouwen. Dus langs de as van gender is er duidelijk sprake van diversiteit.Maar verder is overheersend sprake van blanke oververtegenwoordiging. Grijze duiven mis ik volledig. Mijn kleine metertje slaat weer heel ver uit in de richting van VERY STRONG BIAS.

En dat was dan het resultaat van mijn uitputtende en zeer verantwoorde veldwerk. Een sterke oververtegenwoordiging van witte mensen bij bedrijven die claimen diversiteit via hun toepassingen te garanderen en daarmee de bias in het selectieproces te elimineren. Ik ga uit van de beste bedoelingen maar we weten ook dat de way to hell is paved with good inentions. Unchain my bias lijkt met een goede projectnaam voor hetgeen onze drie startups te doen staat. Als ze willen, heb ik er nog wel een catchy melodietje bij.

Slotopmerking
Of een bedrijf nou aan biased (foei!) of unbiased hiring doet, in beide gevallen vervult het cv nog altijd een relevante rol. Het is de achterliggende organisatie die dient te veranderen, niet per definitie de informatie over een kandidaat. En natuurlijk zijn aanvullende hulpmiddelen waardevol; het zou dom zijn om deze links te laten liggen. Maar wees ook altijd alert op de bias in die aanvullende hulpmiddelen. Voor je het weet gebruik je bijvoorbeeld een AI-tool die op een skewed dataset is getraind. Zwaai dan maar dag met je handje naar unbiased hiring!

Geef een reactie

3 Comments
  • Herbert Prins
    says:

    Niet snel laat ik mij verleiden tot reacties op gebied van Recruitment zaken. Deze triggerde mij. Natuurlijk omdat ik het eens ben/was met Marc https://recruitmentmatters.nl/2018/02/14/algoritmes-zijn-net-zo-racistisch-als-mensen-in-recruitment/ . Maar vooral omdat ik kortstondig bij Brainfirst ben langs geweest en deze zaken ter sprake zijn geweest. De Bias begint al ver voor de Vacature/CV/test zelf. De gedachte dat we weten hoe de baan in de toekomst er uitziet en wie daar geschikt voor is, zit al zo vol met biassen dat de laatste stappen in het sollicitatieproces nauwelijks nog enig Bias weg zal halen. Omdraaien kan natuurlijk als je een bias heb losgelaten op wat diversiteit is; huur je gewoon https://www.colourfulpeople.nl/ in. Alles valt dan samen in “onze voorkeur gaat uit naar …… bij gelijke geschiktheid.”

  • Dirk
    says:

    Mensen discrimineren bijna nooit zelf. Anderen wel. De splinter uit het oog van de ander trekken met slimme software die de scherpste randjes afvijlt, van over het algemeen ridicule uitgangspunten, streelt natuurlijk de ethische proprioperceptie, maar unbiased hiring is, helaas, zelfs in theorie geen oplossing voor bestaand gebrek aan diversiteit. #zenosparadox

    Laat een kleuter (of, vooruit, Marc Drees) benoemen wie hij mist in een team. Dat werkt beter.