AI-teknikens användningsområden

Som tidigare nämnt kan fördomar och diskriminering förekomma under samtliga aktiviteter som en rekryteringsprocess består av. Företag 1 har valt att implementera AI-tekniken under intervjuprocessen där tekniken självständigt genomför opartiska intervjuer och ställer samma frågor till alla kandidater. Sara framhäver att AI-tekniken

26

är konstruerad utifrån femfaktorteorin1 (Big-Five-teorin) och kompletteras med tester.

Vidare understryker Sara att tekniken är fördomsfri då “[...] den vet egentligen inte vem som är på andra sidan, den vet inte namn på personen, den vet inte kön eller egentligen ingenting om personen. Den bedömer bara ditt svar på frågan som grundar sig i Big-Five-teorin.” Ella motiverar valet av implementeringen och säger att det är “just för att det är där som det är störst fara för att den subjektiva åsikten kommer fram, vi vill hålla det så objektivt som möjligt, ytterligare ett steg. [...] just för att göra processen mer objektiv och fördomsfri.” Noa, som även är anställd på företag 1, påstår att “[...] är det något ställe som vi vet att det förekommer flest fördomar så är det ju i intervjufasen, där man har en AI-funktion som underlättar.”

Företag 3 har även valt att implementera AI-tekniken under intervjuprocessen, där verktyget utgår från 15 olika kriterier som översätts till objektiva intervjufrågor. Kriterierna är beprövade och utgörs dessutom av femfaktorteorin (likt företag 1) kompletterat med arbetsprestandamätningar. Kim beskriver att dessa strukturerade intervjuer som AI-tekniken genomför, i kombination med kompetens- och personlighetstester, “har en hög determining factor” på urvalet av kandidater. Valet att implementera AI-tekniken under intervjufasen stöds av forskning, då Greenwald och Banaji (1995) poängterar att intervjufasen är en kritisk fas, där rekryterarens bedömning påverkar utfallet av kandidater och kan leda till en felrekrytering. Företag 2 har däremot valt att implementera AI-tekniken vid CV-granskning, där Lars uttrycker att förhoppningen med valet är:

[...] att man ska kunna ta bort alla variabler som man skulle kunna ha i rekryteringen. Om man tittar på rekryterare och stannar där någonstans, är det som jag förstår det så ska vi kunna ta bort allting så att CV:et ska vara ganska blankt. Man ska inte veta vilken person det är egentligen, man ska bara veta att det här är mina meriter, så man inte plockar bort flintskalliga män till exempel.

Olof, som även är anställd på företag 2, argumenterar vidare för valet på följande sätt “Varför AI? Av den enkla anledningen att en algoritm kan opartiskt analysera CV:n och utifrån hur man programmerat ihop algoritmerna bedöma vilka CV:n som är lämpliga för en viss tjänst”. Som argument till varför företag 3 inte valt att använda AI-tekniken vid CV-granskning säger Kim “Jag tror det är 22 procents sannolikhet att man väljer ut rätt kandidater. [...] att granska CV:n har ingen bra determining factor och det är därför man har exkluderat den också.” Anledningen till att företag 1 inte valt att implementera AI-tekniken under denna rekryteringsaktivitet, beror på att företaget har granskat olika CV-verktyg som använts av andra företag, där Sara uttrycker att “Det har ju varit CV- lösningar som sållar lite själva och så, men det har liksom aldrig varit någon som vi har

1 Femfaktorteorin eller s.k. Big-Five-teorin grundar sig på fem personlighetsegenskaper, vilka är öppenhet, extraversion, tillmötesgående, samvetsgrannhet och neuroticism. Teorin används för att genomföra personlighetstest på individer i syfte att urskilja deras personlighetsdrag och karakteristiska anpassningar (DeYoung, 2015).

27

tyckt är bra”. Noa och Sara poängterar dessutom att de blev avskräckta från användandet av AI-teknik vid CV-granskning med avseende för det som hände Amazon, då verktyget exponerade bias mot kvinnor baserat på historiska uppgifter (Tambe et al., 2019; Hogg, 2019). Företag 1 har snarare identifierat automatisering och regelplacering som den främsta lösningen under CV-granskning. Automatisering och regelplacering används för att sålla bort kandidater som inte uppfyller vissa krav såsom körkort, utbildning eller specifika kunskaper. Trots att företag 1 inte implementerat AI-teknik under CV-granskningsfasen är Noa samstämmig med de resonemang som företag 2 bedriver, om att det är en rekryteringsaktivitet som innehar hög risk för påverkan av diskriminering och fördomar genom att uttrycka följande:

De vanligaste fördomarna som är kopplade till diskrimineringsärenden är ju de som jag nämnde tidigare: namn, ålder, kön, etnicitet, utseende, ja jag kan rabbla upp hur mycket som helst. Åtminstone en eller fler av de kategorierna ser man i ett CV, så jag skulle säga CV-granskning för där är det helt beroende på vem som läser ditt CV. [...] CV-granskningen skulle jag säga är ett superproblem.

Vidare säger Sara att de har tagit Amazon-exemplet i beaktning vid utformandet av AI- tekniken som används under intervjuer genom att säga “Vi har inte använt oss av historisk data och vi kommer inte använda oss av det i det avseende som Amazon gjorde.” Olof argumenterar däremot för användning av AI vid CV-granskning och säger att lösningen är lämplig då företag 2 inte heller “[...] byggt upp den utifrån några kriterier eller historiska uppgifter, om vita män eller kvinnor eller typer. Vi byggde upp den så den skulle bygga meningar på egen maskin, för att kunna använda den som ett granskningsverktyg.” Vidare säger Olof att det inte finns någon bias i verktygets algoritmer eftersom den har byggt upp egna meningar och söker efter ord eller meningar som kravprofilen ställer och granskar CV:et utefter det. Forskning argumenterar däremot för att rekryterarnas och programmerarnas fördomar och bias är inbäddade i AI-teknikens algoritmer. Det är dessutom svårt att vara medveten om det, då fördomarna är i princip osynliga och djupt inbäddade (Jackson, 2018). Det finns dock forskning som påvisar att det går att undvika den omedvetna partiskheten genom s.k. intelligent programmering, vilket innebär att AI-tekniken ignorerar källor som namn, kön, ålder och etnicitet (Upadhyay & Khandelwal, 2018). Alla respondenter betonade att deras AI-teknik varken tar eller kan ta hänsyn till kandidatens namn, kön, ålder eller etnicitet, då det inte är centrala områden för en kandidats lämplighet.

Att implementera AI-tekniken eller någon form av lösning (automatisering) under den inledande rekryteringsfasen framhålls som väsentligt. Det stöds dessutom av Beattie och Johnson (2012) som framhäver att det är störst risk för bias och diskriminering vid granskning av ansökningsformulär och CV:n. Upadhyay och Khandelwal (2018); Ahmed (2018) och Jackson (2018) resonerar, likt företag 2, att AI-tekniken kan hantera enorma mängder av data opartiskt och granska en kandidats CV rättvist genom att utgå från kompetenser och därigenom ges alla kandidater lika stor möjlighet. Cohen

28

(2019) framhäver att en av rekryterarnas största utmaningar är att lyckas rekrytera fördomsfritt. Med hänsyn till de diskrimineringsrisker som förekommer under en rekryteringsprocess uttryckte samtliga respondenter att de är tillfreds med implementeringen av AI-tekniken, då de ser det som ett lämpligt verktyg i strävan efter en fördomsfri rekrytering. Kim slår fast att “[...] Absolut, om AI kan göra en mer noggrann bedömning tycker jag absolut att det är något vi ska använda oss av.” AI- tekniken framstår som ett hjälpmedel vid olika rekryteringsaktiviteter (CV-granskning och intervjuer), och kan bidra till en mer fördomsfri rekryteringsprocess.