ÄR AI NYCKELN TILL EN LIKVÄRDIG REKRYTERING? : - En kvalitativ studie om hur artificiell intelligens påverkar diskriminering och fördomar under rekryteringsprocessen.

SAMO, IBRAHIM ÖMANSSON, METIN

Akademin för Ekonomi, Samhälle

& Teknik

Kurs: Magisteruppsats i

företagsekonomi

Kurskod: FOA400

15 hp

Handledare: Klara Regnö

Datum: [2020-06-02]

ÄR AI NYCKELN TILL EN LIKVÄRDIG

REKRYTERING?

- En kvalitativ studie om hur artificiell intelligens

påverkar diskriminering och fördomar under

rekryteringsprocessen.

ABSTRACT

Date: [2020-06-02]

Level: Bachelor thesis in Business Administration, 15 cr

Institution: School of Business, Society and Engineering, Mälardalen

University

Authors: Ibrahim Samo Metin Ömansson

Title: IS AI THE KEY TO AN EQUIVALENT RECRUITMENT? – A

qualitative study on how artificial intelligence impacts

discrimination and prejudice during the recruitment process.

Tutor: Klara Regnö

Keywords: Discrimination, bias, unconscious bias, recruitment process,

artificial intelligence

Research

Questions: - What opportunities, related to discrimination, arise through the use

of AI during the recruitment process?

- What challenges, related to discrimination, arise through the use

of AI during the recruitment process?

Purpose: The purpose of the study is to create an understanding of how

AI-technology impacts discrimination and prejudice during the recruitment process.

Method: In order to answer the question and purpose of the study, a

qualitative method was performed. Qualitative and semi-structured interviews with four recruiters and two programmers were conducted. The empirical material has been analyzed thematically and presented with connection to the theoretical frame of reference.

Conclusion: AI-technology contributes to the opportunity to reduce the

incidence of discrimination and prejudice during the recruitment process. What affects the suitability of AI-technology is how its algorithms are programmed. The production of an unbiased AI-tool requires that the algorithms are not based on historical data and that they do not take into account aspects such as ethnicity, gender and age. Through the use of post-measurements, the ability of AI-technology to select the right candidate, open-minded and competency-based, can be constantly clarified and specified. In addition, AI-technology offers the opportunity to streamline time-consuming processes and contribute to equal recruitment. The challenges of AI-technology proved to be skepticism about the tool and that it is not yet able to identify and assess social variables that are of importance to some services.

SAMMANFATTNING

Datum: [2020-06-02]

Nivå: Magisteruppsats i företagsekonomi, 15 hp

Institution: Akademin för Ekonomi, Samhälle och Teknik, Mälardalens

högskola

Författare: Ibrahim Samo Metin Ömansson

Titel: ÄR AI NYCKELN TILL EN LIKVÄRDIG REKRYTERING? - En

kvalitativ studie om hur artificiell intelligens påverkar diskriminering och fördomar under rekryteringsprocessen.

Handledare: Klara Regnö

Nyckelord: Diskriminering, fördomar, omedvetna fördomar,

rekryteringsprocess, artificiell intelligens

Frågeställningar:

- Vilka möjligheter, relaterat till diskriminering, uppstår genom

användandet av AI under rekryteringsprocessen?

- Vilka utmaningar, relaterat till diskriminering, uppstår genom

användandet av AI under rekryteringsprocessen?

Syfte: Syftet med studien är att skapa en förståelse för hur AI-teknik

påverkar diskriminering och fördomar under rekryteringsprocessen.

Metod: För att besvara forskningsfrågan samt uppfylla syftet med studien

genomfördes en kvalitativ metod. Kvalitativa och semistrukturerade intervjuer med fyra rekryterare och två programmerare genomfördes. Det empiriska materialet har analyserats tematiskt och redogjorts med koppling till den teoretiska referensramen.

Slutsats: AI-teknik bidrar med möjligheten att minska förekomsten av diskriminering och fördomar under rekryteringsprocessen. Det som påverkar AI-teknikens lämplighet är hur dess algoritmer är programmerade. Framställningen av ett fördomsfritt AI-verktyg kräver att algoritmerna inte är baserade på historisk data samt att de inte tar hänsyn till aspekter som etnicitet, kön och ålder.

Genom användandet av eftermätningar kan AI-teknikens förmåga att välja ut rätt kandidat, fördomsfritt och kompetensbaserat, ständigt preciseras och konkretiseras. AI-tekniken medför

dessutom möjligheten att effektivisera tidskrävande processer och bidra till en likvärdig rekrytering. AI-teknikens utmaningar visade sig vara skepticism mot verktyget och att den ännu inte kan identifiera och bedöma sociala variabler som är av betydelse för vissa tjänster.

Förord

Vi vill ta tillfället i akt och tacka vår handledare Klara Regnö som tillhandahållit givande uppsatsseminarier och hjälpt oss under resans gång. Vi vill även passa på att rikta ett stort tack till vår seminariegrupp som granskat uppsatsutkasten med andra glasögon och bidragit med förbättringsförslag till studien. Seminarietillfällena har resulterat i kunskapsutbyte mellan grupperna och handledare, vilket har varit en vägledning i uppsatsprocessen.

Vi vill även passa på att hjärtligt tacka samtliga respondenter och företag som valt att ställa upp på de intervjuer som bedrivits. Slutligen vill vi även rikta ett tack till vänner och familj som varit stöttande under uppsatsperioden.

Mälardalens högskola, Västerås (27 maj 2020)

____________________________ ____________________________

Innehållsförteckning

2.2 Diskriminering och fördomar (bias) ... 6

2.2.1 Omedvetna fördomar (bias) ... 8

2.3 Artificiell Intelligens ... 9

2.3.1 AI i rekrytering ... 9

2.4 Teoretisk sammanfattning ... 12

3. Metodik ... 15

3.1 Val av metod och forskningsdesign ... 15

3.1.1 Förstudie ... 16

3.2 Framtagande av teoretisk referensram ... 16

3.3 Empirisk insamling ... 17 3.3.1 Sekundärdata ... 18 3.4 Genomförandet av intervjuer ... 18 3.5 Operationalisering ... 20 3.5.1 Intervjuguide för rekryterare ... 20 3.5.2 Intervjuguide för programmerare ... 21 3.6 Analysmetod ... 21 3.7 Etiska aspekter ... 22

3.8 Trovärdighet och äkthet ... 23

4. Empiri analys ... 24

4.1 Förekomsten av diskriminering och fördomar ... 24

4.2 AI-teknikens användningsområden ... 25

4.3 Effekter av AI-tekniken ... 28

4.3.1 Fördomsfri rekrytering ... 28

4.3.2 Bedömning och eftermätning ... 29

4.3.3 Effektivisering ... 31

4.3.4 AI-teknikens begränsningar ... 33

4.3.5 Skepticism och felanvändning ... 35

5. Slutsats och vidare forskning ... 37

5.1 Slutsats ... 37

5.2 Vidare forskning... 38

Källförteckning ... 39

Bilagor ... 46

Bilaga 1 – Intervjuguide för rekryterare ... 46

Bilaga 2 – Intervjuguide för programmerare ... 48

Figur- och tabellförteckning

Figur 2. Egen bearbetad figur som visuellt sammanställer den teoretiska referensramen. ... 14

1

1. Inledning

___________________________________________________________________ Det inledande kapitlet redogör för artificiell intelligens samt förekomsten av diskriminering och fördomar under rekryteringsprocessen. Vidare framställs problematiken kring detta i studiens problemformulering och därefter formuleras syftet och frågeställningarna.

1.1 Introduktion

Användandet av artificiell intelligens (AI) var en av de mest omtalade trenderna bland rekryterare under år 2018. Förhoppningen med AI-tekniken är att den ska ge rekryteringsindustrin möjligheten att möta rekryteringsutmaningar (Upadyay & Khandelwal, 2018). Exempel på rekryteringsutmaningar kan vara fördomsfri granskning och bedömning av kandidater samt hantering av repetitiva och tidskrävande arbetsuppgifter, det vill säga scanning av dokument och CV-hantering (Human Resources Professionals Association, HRPA, 2017). Med artificiell intelligens kan rekryterare bearbeta mängder av data för att hitta lämpliga kandidater genom kompetensbaserad och likvärdig bedömning. Det finns en aspiration om att AI-tekniken ska vara opartisk vid granskning av jobbsökande (Upadyay & Khandelwal, 2018; HRPA, 2017). Detta har lett till att användningen av artificiell intelligens under rekryteringsprocessen blivit allt mer aktuellt och förekommande i organisationer idag (Albert, 2019; Jia, Guo, Li, Li & Chen, 2018).

AI är maskiner eller system som, med hjälp av sin intelligens, kan utföra liknande handlingar som en människa. Detta innebär att AI exempelvis kan förstå mänskligt språk, kommunicera direkta och rationella svar samt hämta och framställa data/information (Jia et al., 2018). Artificiell intelligens byggs på algoritmer som är koder för vad tekniken ska göra, i vilken ordning och hur insamlad data ska nyttjas för att fatta ett beslut (Haider & Sundin, 2017). Jia et al. (2018) poängterar att även om ett antal företag börjat applicera AI-tekniken under sina rekryteringsprocesser, är användningen av det relativt nytt och fortfarande under utveckling. Vidare är HRPA (2017) inne på samma spår men betonar att användandet av AI under rekryteringsprocessen är något som inom snar framtid förväntas expandera då tekniken blir alltmer tillförlitlig och lättillgänglig.

Fler företag använder sig numera av digitala hjälpmedel under rekryteringsprocessen för att förbättra och effektivisera processerna (Brynjolfsson, Hitt & Kim, 2011). Tolkningen av begreppet rekryteringsprocess, i denna studie, är den s.k. traditionella

rekryteringsprocessen där annonsering, CV-inskick och intervjuer utgör centrala delar

av rekryteringen som genomförs av rekryteringsspecialister. Den administrativa delen (hantering och granskning av data) är en bidragande faktor till att rekryteringsprocessen är tidskrävande. Rekryterare tenderar därmed att ta genvägar under olika rekryteringsaktiviteter (Milkman, Chugh & Bazerman, 2009). Genvägar kan

2

exempelvis vara att fatta beslut om vem som ska anställas utan en noggrann granskning av kandidater. Genvägarna kan resultera i att rekryterare bedömer kandidater och fattar beslut på felaktiga grunder (Danielsson, 2010, s. 17-18). Vidare framhäver Milkman et al. (2009) att dessa genvägar kan baseras på generalisering, fördomar, tidigare erfarenheter och antaganden som skapar bias (partiskhet). Det framkom att 33 procent av rekryterare som ingått i en studie bestämmer sig för vem de ska anställa inom 90 sekunder, rekryterare fattar därmed ett beslut redan innan kandidatens kompetens har hunnit diskuteras (Forbes, 2015). Detta medför risken att beslut till viss del baseras på diskriminerande grunder (jmf Unionen, 2019). Svensk Ordbok definierar diskriminering som “orättvis behandling av viss (minoritets) grupp” (Diskriminering, 2009). De diskrimineringsgrunder som i denna studie berörs är

etnicitet, kön och ålder.

För att förebygga diskriminering utbildas rekryterare om fördomar och kompetensbaserad rekrytering. Trots utbildning och ökad medvetenhet kan det fortfarande förekomma diskriminering under rekryteringsprocessen (HRPA, 2017). Fenomenet kallas för omedveten bias, och innebär att rekryterare omedvetet påverkas av stereotypiska uppfattningar för eller emot olika grupper av människor. Greenwald och Banaji (1995) menar att detta beror på att samtliga individer har fördomar. Det är dessutom svårt att förhindra fördomarnas påverkan då individer mestadels är omedvetna om att de ens existerar. Det blir därmed intressant att undersöka hur AI-tekniken påverkar diskriminering och fördomar under rekryteringsprocessen.

1.2 Problembakgrund

Rekryterare är, likt samtliga individer, påverkade av fördomar vilket kan leda till att diskriminering baserat på olika grunder sker under rekryteringsprocessen. Arvey och Renz (1992) slår fast att målet vid en rekryteringsprocess är att det ska göras en objektiv bedömning av respektive kandidaters kompetens. Det speglar däremot inte verkligheten då rekryterare har fördomar och en egen världsbild som kan påverka dennes bedömning. HRPA (2017) lyfter fram att en vanlig typ av diskriminering under rekryteringsprocessen är att rekryteraren omedvetet föredrar och prioriterar kandidater som innehar liknande intressen och egenskaper som de själva har. Vidare betonar Eriksson, Johansson och Langenskiöld (2012) att s.k. statistisk diskriminering även är förekommande. Det innebär att rekryteraren kategoriserar enskilda individer i grupper varvid rekryteraren generaliserar och har förutfattade meningar om dessa gruppers genomsnittliga prestation. Genom detta riskerar företag att gå miste om kandidater som besitter kompetenser vilka är väl lämpade för den eftersökta tjänsten.

Eriksson et al. (2012) samt Unionens mångfaldsrapport (2019) visar i deras studier att arbetssökande med likvärdig kompetens och meritlista diskrimineras, bland annat på grund av den sökandes etnicitet, kön eller ålder. Vidare framkommer det dessutom i Unionens mångfaldsrapport (2019) att hälften av cheferna är övertygade om att det förekommer en diskrimineringsrisk under rekryteringsprocessen.

3

Diskrimineringsombudsmannen (DO) (2019) samt Unionen (2019) påvisar att etnisk tillhörighet och ålder utgör två av de största diskrimineringsfaktorerna vid rekrytering i Sverige. Detta har bland annat kunnat bevisas genom experimentella studier där diskrimineringsfaktorer såsom namn och etnicitet kunnat studeras genom fiktiva jobbansökningar. Det framkom att det fanns negativa korrelationer mellan omedvetna fördomar och svarsfrekvensen i form av återkoppling för personer med utländska namn (Arai, Bursell & Nekby, 2016; Rooth, 2010; Carlsson & Rooth, 2007; Behtoui, 2008; Agerström, Björklund, Carlsson & Rooth, 2012; Rydgren, 2004). Vidare antyder Agerström et al. (2012) att rekryterare hade negativa implicita attityder, som exempelvis låg förväntad arbetsprestation, gentemot personer med utländsk bakgrund.

Ahmed, Andersson och Hammarstedt (2012) har i sin studie också använt fiktiva jobbansökningar där åldern var den undersökta diskrimineringsgrunden. Studien visade att det förekommer tydlig åldersdiskriminering på den svenska arbetsmarknaden där personer som är äldre än 46 år diskrimineras och får 3-4 gånger färre antal svar på sina ansökningar gentemot en 31 åring. Edin och Lagerström (2006) har använt liknande undersökningsmetod när de studerat förekomsten av könsdiskriminering på den svenska arbetsmarknaden. I studien framkommer det att kvinnor och män får lika många positiva svar från rekryterare när de varit omedvetna om kandidaternas kön. När de däremot varit medvetna om könen har det genom fiktiva jobbansökningar, där endast könet utgjort skillnaden på kandidaterna, visat sig att kvinnor har 15 procent lägre chans än män att bli kontaktade för nästa steg i rekryteringsprocessen. Carlsson och Eriksson (2017) påvisar i deras fältstudie att sannolikheten till att bli kontaktad av en rekryterare faller kraftigt redan från 40-årsåldern, det gäller för både kvinnor och män. Dock konstaterar studien att kvinnor generellt sätt är än mer påverkade av detta, och sannolikheten till att bli kontaktad faller snabbare med åldern än för män.

DO (2012) visar i en undersökning att 94 procent av de studerade arbetsgivarna hade implicita fördomar och 49 procent av arbetsgivarna var medvetna om sina fördomar och visade dem explicit. Under uppsatsens inledande process genomfördes en förstudie (vilken beskrivs i 3.1.1), där en elektronisk enkät skickades till diverse rekryterare och berörde problematiken med diskriminering och fördomar vid rekrytering. Resultatet från förstudien bekräftade den statistik som presenterats ovan. Detta då 89 procent av de tillfrågade medgav att det förekommer fördomar (såväl medvetna som omedvetna) under rekryteringsprocessen, vilka kan påverka rekryterarens slutgiltiga beslut om anställning. Det framkom även att samtliga rekryterare som deltog i förstudien anser att det finns en diskrimineringsrisk under rekryteringsprocessen och att den kan minskas, exempelvis genom användandet av artificiell intelligens.

Rekryterare tenderar alltså att såväl medvetet som omedvetet diskriminera arbetstagare genom implicita fördomar och rekryterare behöver mer utbildning om

4

fördomar för att de ska bli medvetna om problematiken som deras egna fördomar medför. Vidare framkommer det dock att en ökad medvetenhet och användandet av anonyma ansökningsförfaranden inte är tillräckliga för att förändra de processer som leder till ojämlika villkor under rekryteringsprocessen (Rooth, 2010). Cohen (2019); Albert (2019) samt Upadyay och Khandelwal (2018) påvisar att användandet av AI som hjälpmedel under rekryteringsprocessen kan bidra till en mer rättvis och kompetensbaserad rekryteringsprocess. Därför har vissa bemanningsföretag infört användandet av artificiell intelligens under rekryteringsprocessen. Trots tilltron till att AI ska lösa problem med bias visar forskning att algoritmer, som AI baseras på, kan vara kodade på felaktiga grunder, vilket resulterar i att tekniken bidrar till bias. Denna typ av bias kan dessutom vara svår att upptäcka i och med att algoritmer inom AI antas vara objektiva (Jackson, 2018).

DO (2012) betonar att det finns en mängd forskning gällande olika former av diskriminering som förekommer i samband med rekrytering, men endast en ytterst begränsad mängd forskning behandlar metoder för att motverka diskriminering vid rekrytering. Vi anser därmed att det är aktuellt att bedriva forskning om hur organisationer kan arbeta för att förändra strukturer i riktning mot en diskrimineringsfri rekryteringsprocess.

1.3 Syfte

Syftet med studien är att skapa en förståelse för hur AI-teknik påverkar diskriminering och fördomar under rekryteringsprocessen.

1.4 Frågeställningar

• Vilka möjligheter, relaterat till diskriminering, uppstår genom användandet av AI under rekryteringsprocessen?

• Vilka utmaningar, relaterat till diskriminering, uppstår genom användandet av AI under rekryteringsprocessen?

5

2. Teoretisk referensram

___________________________________________________________________ Detta kapitel inleds med en beskrivning av olika rekryteringsaktiviteter i en s.k. traditionell rekryteringsprocess. Vidare presenteras forskning kring diskriminering och fördomar, såväl medvetna som omedvetna, vilka kan förekomma under rekryteringsprocessen. Därefter presenteras forskning om hur AI-tekniken används under rekrytering samt vad tekniken medför. Kapitlet avslutas med två sammanfattade modeller av den teoretiska referensramen.

2.1 Rekryteringsprocessen

Russo, Rietveld, Nijkamp och Gorter (1995) beskriver rekryteringsprocessen som en omfattning av alla rekryteringsaktiviteter och beslut som påverkar vilka typer av individer som är villiga att ansöka och acceptera en given ledig tjänst. Wehner, Giardini och Kabst (2015) menar att den traditionella rekryteringsprocessen, som många bemanningsföretag använder sig av, består av fyra huvudaktiviteter. Den första aktiviteten är att skapa en jobbannons utefter kundens behov och krav för att i nästa skede av rekryteringsprocessen gå igenom de kandidatansökningar som skickats in. När ett urval med lämpliga kandidater skapats är det tid för den tredje huvudaktiviteten vilket är telefonintervjun, som är en kortare intervju eller avstämning över telefon. Det fjärde och sista steget som Wehner et al. (2015) redogör för är ”in-person” intervju, vilket är en längre intervju som genomförs vid ett personligt möte.

Russo et al. (1995) betonar att rekryteringsprocessen är uppbyggd av tre komponenter som sedermera utgörs av de huvudaktiviteter som Wehner et al. (2015) belyser. Den första komponenten är jobbanalysen, där kravprofil och information om tjänsten framställs av rekryteraren tillsammans med kunden. Breaugh och Starke (2000) samt Rynes och Barber (1990) resonerar på liknande sätt då de i sin forskning skriver fram att den första fasen bör utgå ifrån följande fråga; vilken typ av individ behöver organisationen rekrytera (vilka kunskaper, färdigheter och förmågor är viktiga)? Vidare betonar forskarna att det under den inledande fasen är viktigt att fastställa tydliga mål med rekryteringen för att upprätta en sund rekryteringsstrategi. Russo et al., (1995); Rynes och Barber (1990); samt Breaugh och Starke (2000) beskriver att den andra komponenten är utformningen av rekryteringsprocessen genom val av rekryteringsstrategi. Rekryteringsstrategier formuleras i ett antal aktiviteter som ligger till grund för rekryteringsprocessen och dessa kan se olika ut från företag till företag men innehåller vanligtvis delar som CV-granskning, intervjuer, tester och referenstagning.

Den tredje och sista komponenten är urvalsmetoden som enligt Russo et al. (1995) handlar om att granska sökandens förmågor, kompetenser och egenskaper, för att bedöma graden av framgång och kompatibilitet hos kandidaten i organisationen. Under denna avslutande del av rekryteringsprocessen utgör rekryteraren ett avgörande val, där kandidaten antingen erbjuds eller nekas anställning. Enligt van

6

Ours och Ridder (1993) är detta ett betydande val där rekryteraren, vid det här läget, bör ha tillräckligt med information om kandidaten för att genomföra ett välgrundat val. Forskarna skriver att valet baseras på den information och de svar som rekryteraren fått om och av kandidaten, men antyder även att kandidaten kan påverka valet genom dennes fortsatta intresse för anställning i företaget. Breaugh och Starke (2000) påvisar att rekryteraren representerar företaget och kandidater tenderar att få en bild av arbetsplatsen och organisationen baserat på rekryterarens beteende. Det är därmed viktigt att rekryteraren skapar tillit gentemot den arbetssökande för att denne dels ska kunna prestera i ett samspel mellan de båda, samt för att bibehålla dennes intresse för tjänsten.

Russo et al. (1995) skriver i sin forskning fram att urvalet baseras utifrån två breda aspekter; organisatoriska och individuella kriterier. Med organisatoriska kriterier avses hur väl rekryteraren bedömer att den jobbsökande passar in i organisationens arbetssätt, värderingar, vision och fas. Om företaget befinner sig i en expanderingsfas kan det exempelvis medföra krav på flexibla och anpassningsbara anställda. Dessa kriterier redogörs sällan tydligt utan används vanligtvis på ett intuitivt sätt och rekryterarens uppfattning baseras till stor del på kandidatens personliga attribut och egenskaper. Vidare menar Russo et al. (1995) att den andra aspekten som påverkar rekryteraren och dennes urvalsarbete avser hur väl rekryteraren bedömer kandidatens möjliga prestation i den individuella jobbroll som eftersöks. Under denna aspekt påverkas rekryteraren av den jobbsökandes kompetens och erfarenheter, men personliga attribut kan även ha en påverkan. Om det är en säljare som eftersöks är det högst troligt meriterande att kandidaten är social som person. Bonoli och Hinrichs (2012) framhäver dock att det under urvalsprocessen och i princip hela rekryteringsprocessen kan förekomma en risk för fördomar, som kan påverka utfallet av rekryteringen på diskriminerande grunder.

2.2 Diskriminering och fördomar (bias)

Diskriminering, baserat på osakliga grunder, leder till en minskad sannolikhet för kandidater att bli erbjudna en arbetsintervju eller anställning. Det kan exempelvis vara på grund av att ansökan till en utannonserad tjänst lämnas in av en individ som anses vara associerad med en negativ stereotypisk uppfattning av en grupp (Stone & Wright, 2013). Den negativa associationen kan omfattas av bland annat kandidatens etnicitet, kön eller ålder. McGoldrick och Arrowsmith (1993) slår fast att diskriminering kan ske redan under den inledande annonseringsprocessen, genom att rekryterare gemensamt med kunden upprättar en kravprofil som avgränsar en åldersgrupp från att söka tjänsten. Rekryteraren är personen som är anställd på ett bemanningsföretag och genomför själva rekryteringen, medan kunden är det företag som beställt rekryteringen av bemanningsföretaget. Annonsen kan exempelvis ha ett krav på att personen bör vara mellan 20–40 år, vilket resulterar i att individer som är över 40 år gamla diskrimineras. Vidare framhåller McGoldrick och Arrowsmith (1993) att åldersdiskriminering under rekryteringsprocessen kan ha att göra med rekryterarens

7

och kundens fördomar. Negativa antaganden om äldre kandidater kan vara att de inte anpassar sig, är ovilliga att lära sig eller brister på energi och ambition. Diskrimineringen kan även bero på att olika rekryterare och bemanningsföretag definierar diskriminering på olika sätt. Vissa rekryterare kan anse att könskvotering eller åldersavgränsning är diskriminerande medan andra väljer att inkludera dessa faktorer i sin kravprofil.

Som nämnt ovan är det inte enbart kandidater med en specifik ålder som diskrimineras, det förekommer dessutom etnisk diskriminering under rekryteringsprocessen. Stone och Wright (2013) framhäver att ett flertal experiment har utförts för att undersöka fenomenet. Det har exempelvis utförts genom uppsättningar av fiktiva arbetssökande kandidater som tillhörde olika etniska grupper. När en kandidat av etnisk minoritet inte fick en positiv reaktion (exempelvis inbjudan till en intervju), i jämförelse med en inhemsk sökande med lika meriter/CV, kan det ses som diskriminering. Vidare understryker Rooth (2010); Pager, Bonikowski och Western (2009); Pager och Quillian (2005) samt Carlsson och Rooth (2007) att utförda undersökningar påvisar att det förekommer en s.k. etnisk diskriminering under rekryteringsprocessen på arbetsmarknaden. Timming, Nickson, Re och Perrett (2017) berör fenomenet och benämner det som stigma, vilket innebär att kandidater blir diskrediterade baserat på att de anses vara bristfälliga på något sätt, och därmed inte lyckas uppnå “acceptans” av samhället och rekryterare. Sannolikheten för att en kandidat blir erbjuden en tjänst reduceras alltså om denne bland annat är en kvinna, icke-vit eller klädd på ett sätt som anses var opassande, exempelvis på grund av religiösa skäl.

Denna typ av diskriminering som påverkar rekryterares beslut om kandidater kan till stor del bero på rekryterarens bias (Milkman et al., 2009). Bias i rekrytering är när en rekryterare är partisk med eller mot olika grupper, baserat på fördomar och orättvisa bedömningar. Bias är uppbyggd på personens bakgrund, kulturella miljö samt erfarenheter, och bias kan vara såväl medveten som omedveten (berörs vidare under 2.2.1) för personen i fråga. Trots att människor är medvetna om dessa åsikter och fördomar kan det vara svårt att förstå vilken inverkan de har på personens tankar och bedömningar samt vilka konsekvenser dessa kan medföra (Tate & Page, 2018).

Människors fördomar och förutfattade meningar kan leda till kategorisering av kandidater utifrån en uppfattning om den grupp personen tror att de tillhör (Berrey, 2014). Detta benämns som statistisk diskriminering då människor tenderar att utifrån sanna såväl som falska uppgifter bedöma och generalisera andra människor på basis av gruppegenskaper. Genom att utgå efter en stereotypisk bild av en definierad grupp tenderar arbetstagarens individuella egenskaper och kompetenser gå rekryteraren obemärkt förbi. Enligt Greenwald och Banaji (1995) kan sådan kategorisering förekomma under rekryteringsprocessen och påverka rekryterarens uppfattning om kandidaten, i både positiv och negativ bemärkelse. Dessa stereotyper kan grunda sig på såväl sakliga som osakliga skäl. Greenwald och Banaji (1995) understryker att

8

intervjusituationen är ett särskilt känsligt tillfälle där rekryterarens agerande påverkas, vilket kan medföra negativa konsekvenser som missbedömning och felrekrytering.

För att förhindra diskriminering och för att genomföra en rättvis rekryteringsprocess är det essentiellt att urval av kandidater genomförs med minsta möjliga påverkan av bias. Genom att minimera påverkan av bias kan företag välja de kandidater som besitter rätt kompetens för tjänsten och med det även bygga en konkurrenskraftig arbetsstyrka. Beslut vilka baseras på bias och fördomar kan leda till att chanserna för att anställa den bäst kvalificerade kandidaten minskar. Det blir diskriminerande att basera rekryteringsbeslut på aspekter som inte är relaterade till kraven för arbetet, som exempelvis etnisk tillhörighet, kön och ålder (Zaniboni et al., 2019).

2.2.1 Omedvetna fördomar (bias)

Trots de negativa konsekvenser som ett beslut baserat på bias kan medföra, är det ytterst förekommande att individer färgas av subjektiva tolkningar när omvärlden betraktas. Omedveten bias är baserat på människors kognitiva förmåga som är inpräglat i hjärnan och påverkats av en uppfattning om något utan att personen förstått det. Studier visar att människor tenderar att processa och dra snabba slutsatser utifrån bakgrund och tidigare erfarenheter (Cuellar, 2017).

Den mest förekommande formen av bias är enligt Scopelliti et al. (2015) omedveten bias, som även är svårast att förebygga och hantera då den är just omedveten. Vidare framhäver Scopelliti et al. (2015) att de flesta individer anser sig vara mer genomtänkta och mindre fördomsfulla än vad de egentligen är. Individer har dessutom lättare att identifiera bias hos andra än hos sig själva. Detta kallas för blind spot bias och påvisar den höga existensen av omedveten bias som kan påverka rekryteringsbeslut. Beattie och Johnson (2012) påstår att diskriminering baserat på bias kan ske under rekryteringsprocessens samtliga delar. Diskrimineringsrisken är dock högre vid CV-granskning och under intervjuprocesser, då den mest aktiva värderingen av kandidater sker.

Under rekryteringsprocessen kan det förekomma omedveten diskriminering i form av negativa associationer gentemot minoritetssökande-grupper (Rooth, 2010). När bemanningsföretag letar efter kandidater kan de upptäcka mycket information om dem, vilket kan resultera i att informationen får rekryterare att omedvetet försumma vissa kandidater. Detta kan exempelvis vara på grund av kandidatens namn eller vilken skola de gick på (Cohen, 2019). När en rekryterare läser ett utländskt namn kan det aktivera rekryterarens omedvetna uppfattning om minoritetsgruppen. Den automatiska associationen gentemot gruppen i fråga består vanligen av negativa fördomar och stereotyper. Det är något som kan resultera i att rekryteraren automatiskt fäster ett negativt värde, exempelvis dennes magkänsla, hos den arbetssökande. Det är därför en lägre sannolikhet för en sökande med ett utländskt namn att bli kallad till intervju jämfört med en inhemsk svensk sökande (Rooth, 2010).

9

Ytterligare aspekter av omedveten påverkan av bedömning under rekryteringsprocessen är den socialpsykologiska process som innebär att människor, vanligtvis omedvetet, tenderar att välja ut de personer som liknar de själva. Fenomenet är naturligt och ger människorna en undermedveten känsla av trygghet och en falsk uppfattning om att de kan komma att förutse och i viss mån även kontrollera deras beteenden i framtiden (Bygren, 2013). Vidare menar forskaren att kandidater som är olik rekryteraren i avseende av ålder, etnicitet och kön kan därmed missgynnas medan kandidater vars rekryterare ser en del av sig själva i de, tenderar att favoriseras oavsett kompetens och lämplighet. Denna socialpsykologiska process benämns som

homosocialitet och är något som är förekommande under rekryteringsprocessen. Stets

och Burke (2000) diskuterar även fenomenet och benämner det som preferensbaserad

diskriminering. Preferensbaserad diskriminering innebär att rekryteraren sympatiserar

med eller mot olika grupper av arbetssökande. Vidare medger Stets och Burke (2000) att personer, exempelvis en rekryterare, har en uppfattning om att denne tillhör en social kategori eller grupp. Inom den sociala gruppen finns det en uppsättning av individer som har en gemensam social identitet. Människor tenderar att genomföra en process av s.k. social jämförelse, där individer som liknar “jaget” inkluderas i den sociala gruppen och människor som skiljer sig från “jaget” hamnar utanför gruppen. Jackson (2018) framhäver därmed artificiell intelligens som ett lämpligt hjälpmedel för att undvika diskriminering och fördomar av ovanstående slag. Förhoppningen är att AI-tekniken ska bidra med en likvärdig bedömning av kandidaterna och således vara fördomsfri.

2.3 Artificiell Intelligens

Raub (2018) menar att tanken bakom artificiell intelligens inte är ny, trots den futuristiska överdrift AI vanligen får bland allmänheten. I mitten på 1940-talet beskrev matematikern och kryptoanalytikern, Alan Turing, att det individer strävar efter är en maskin som kan lära sig av erfarenhet. Endast tio år senare, i mitten på 1950-talet, myntade en grupp av forskare och matematiker termen ”artificiell intelligens”. Tambe, Cappelli och Yakubovich (2019) beskriver att artificiell intelligens utgör möjligheten för att en dator ska kunna utföra uppgifter, vilka normalt kräver mänsklig kognition. Maskinvaran kan även fatta anpassade beslut, exempelvis ett rekryteringsbeslut som är anpassat utefter ett antal kriterier. Raub (2018) skriver i sin forskning fram att artificiell intelligens är en teknisk maskinvara som gör det möjligt för datorer att efterlikna mänsklig intelligens. Enligt Raub (2018); Tambe et al. (2019) samt LeCun, Bengio och Hinton (2015) har artificiell intelligens en funktion, benämnd som deep

learning, vilket är en avancerad form av maskininlärning. Deep learning gör det möjligt

för programvaran att träna sig själv till att kunna utföra uppgifter, exempelvis tal- och bildigenkänning, genom flera nätverk som kan hantera enorma mängder av data.

2.3.1 AI i rekrytering

Artificiell intelligens är ett område som fortfarande är under utveckling inom rekrytering och urval (Albert, 2019). Trots att det är oklart huruvida det kommer vara svaret på det

10

nuvarande diskrimineringsproblemet, ökar implementeringen av AI-tekniken under rekryteringsprocessen (Rodney, Valaskova & Durana, 2019). Anledningen till varför förekomsten av AI-teknik ökar är att maskinvaran kan öka framgången av att rekrytera kompetenta kandidater till företag genom att utföra samma bedömning av likvärdiga meriter. Bemanningsföretag och rekryterare kan alltså använda sig av artificiell intelligens för att förbättra planering och rekrytering av arbetskraft (Gupta, Fernandes och Jain, 2018; Albert, 2019; Upadhyay & Khandelwal, 2018).

Ahmed (2018) beskriver tre olika typer av artificiell intelligens, vilka kan tillämpas och nyttjas under rekryteringsprocessen. Den första berör en mer grundläggande typ av AI, vilken kan hjälpa rekryterare med sourcing (söka fram lämpliga kandidater) och kontrollprocesser (exempelvis brottsregister). Jackson (2018) och Ahmed (2018) redogör för att verktyget kan samla in enorma mängder av data när maskinvaran söker igenom kandidaters profiler, för att sedan nyttja dess data till att identifiera kompetens samt i viss mån förutsäga beteenden som framtida engagemangsnivåer. Den andra typen som Ahmed (2018) beskriver är en intermediär form av AI, vilken används under rekryteringsprocessen, bland annat genom tester, gamification eller simuleringar som samlar in data från kandidaterna direkt. Verktyget ska bidra med en indikation om en kandidat är passande eller inte för tjänsten. Den intermediära formen av AI-verktyget kan även tillämpas på befintliga medarbetare, i syfte att förutsäga kandidatens samspel i den sociala kontexten. Den tredje typen av AI är en mer avancerad teknik som använder anpassade algoritmer och är skapade specifikt för att kunna koppla unika arbetsprestanda-mätningar till potentiella kandidater. Ahmed (2018); Kaplan och Haenlein (2019); Albert (2019) samt Gupta et al. (2018) poängterar att den avancerade maskinvaran dessutom kan analysera kandidatens kroppsspråk, språkton, sökandes svar och känslomässiga tillstånd.

Gupta et al. (2018) visar i sin studie, baserat på 52 tillfrågade rekryterare, att 71 procent är eniga om att automatiserad teknik kommer att förbättra kvaliteten på rekrytering till företag. Vidare framhåller Rodney et al. (2019) att AI-tekniken konstant kan granska en massiv volym av information och systematisera uppgifter som kan vara för detaljerade för människor att hantera. Ciobanu, Androniceanu och Lazaroiu (2019); Popescu (2018); Rodney et al. (2019) och Popescu, Mieila, Nica och Andrei (2018) hävdar dock att främjandet och nyttjandet av artificiell intelligens inom HR-arbete såsom rekrytering kan leda till moraliska, etiska, juridiska och sekretessfrågor.

Artificiell intelligens bidrar med möjligheten för bemanningsföretag och rekryterare att möta dessa rekryteringsutmaningar (Upadhyay & Khandelwal, 2018). Vidare understryker Sivathanu och Pillai (2018) att implementering av artificiell intelligens bidrar med fördelen att attrahera och rekrytera talang samt få effektivare HR-procedurer under rekryteringsprocessen. Även Cohen (2019) framhåller att AI bidrar med en ökad effektivitet och snabbare procedurer då maskinvaran exempelvis kan skanna kandidaters CV:n snabbare än vad en människa kan och flaggar de som är av intresse för tjänsten, vilket är en grundläggande typ av AI. Upadhyay & Khandelwal

11

(2018) betonar att artificiell intelligens är opartisk och granskar en kandidats CV rättvist genom att utgå från kompetenser och därigenom ges alla kandidater lika stor möjlighet. Det resulterar även i att HR-personal kan använda dyrbar tid till att arbeta med

mänsklig-centrerade arbetsuppgifter, såsom hantering av befintlig personal (Hogg,

2019).

AI medför såväl utmaningar som möjligheter, vilka bemanningsföretag och rekryterare måste vara medvetna om. Den största fördelen och möjligheten med användandet av AI är ökad produktivitet och minskad diskrimineringsrisk då tekniken fungerar som ett hjälpmedel i strävan efter en fördomsfri rekrytering. AI verktyg kan minska risken för partiskhet och diskriminering samt misstag i samband med mänsklig trötthet. Maskinvaran ska resultera i att risken för indirekt diskriminering minskas samt att kostnader och tid för att anställa kandidater reduceras (Albert, 2019).

Nowak, Lukowicz och Horodecki (2018) framhäver att företag inte ska ställa frågan om huruvida AI-tekniken bör implementeras, utan snarare vilken typ av AI som ska implementeras. Raub (2018) menar att artificiell intelligens består av algoritmer och att det inte finns någon AI som inte har algoritmer. Syftet med algoritmer är att ge datorer vägledning kring hur diverse problem kan lösas samt beskriva vad och hur den mäter information. Vidare betonar Raub (2018) att algoritmer är i princip programmerarens åsikter inbäddade i koder. Jackson (2018); Greenwald (2017) samt Williams, Brooks och Shmargad, (2018) beskriver att algoritmer söker efter mönster i data genom att använda tidigare data. Vid avsaknad data tenderar algoritmer att skapa generaliserande mönster utifrån sociala variabler som ålder, kön och etnicitet. Det kan således leda till ett diskriminerade resultat, oavsett om det är medvetet eller omedvetet. Jackson (2018) påvisar i sin studie att fördomar och partiskhet är inbäddade i de algoritmer som finns i den artificiella intelligensen; de är vanligtvis praktiskt taget osynliga eftersom de är djupt inbäddade. Det resulterar i att algoritmer kan anses vara neutrala, dock återspeglar dessa algoritmer mestadels fördomar som antas vara ignorerade.

En utmaning vid användandet av AI under rekryteringsprocessen är därmed hur algoritmerna framställs och kodas. Under år 2018, upptäckte exempelvis Amazon ett problem med AI-teknikens algoritmer under rekryteringsprocessen. Algoritmerna var utvecklade utifrån historiska uppgifter om arbetsprestanda, där vita män utgjort den bästa prestandan (vita män utgjorde majoriteten av de anställda). Det resulterade i att algoritmerna således gav högre poäng till vita manliga kandidater (Tambe et al., 2019) Även Hogg (2019) betonar de risker och utmaningar som kan förekomma med nyttjandet av AI, vilka är att den kan innehålla fördomar i maskinvarans algoritmer samt att den i praktiken inte mäter det som avses att mätas och gör en bedömning på andra grunder. Amazon beslutade därmed att avveckla sitt AI-rekryteringsverktyg som uppvisade bias mot kvinnor på grund av historiska uppgifter. Upadhyay och Khandelwal (2018) hävdar dock att AI kan vara intelligent programmerad för att kunna

12

undvika omedveten partiskhet. Artificiell intelligens kan exempelvis ignorera primära källor till bias som namn, kön, ålder och etnicitet.

Nowak et al. (2018) belyser en annan utmaning som AI-teknikens inträde medfört, vilket är hanteringen av den skepticism som förekommer gentemot AI. Implementering av artificiell intelligens har lett till en avsevärd debatt, där bland annat Stephen Hawking, Elon Musk samt framstående AI-forskare drivit diskussioner om den potentiella faran som tekniken medför. van Esch, Black och Ferolie (2018) hävdar att AI inom rekrytering kan leda till att kandidater och potentiella kunder blir skeptiska mot tekniken. Det beror delvis på att nyttjandet av AI under rekryteringsprocessen är fortfarande i sin linda, vilket leder till att de inblandade parterna ännu inte blivit medvetna om AI-teknikens fördelar och förmågor under rekryteringsprocessen. Liang och Lee (2017) slår fast vid att den negativa attityden gentemot AI-tekniken till stor del uppvisas av människor som ännu inte kommit i bekantskap med artificiell intelligens. Baserat på deras okunskap tenderar de att uppvisa skepticism och farhågor mot AI-tekniken. Forskarna framhäver däremot att det är vanligt förekommande för individer att till en början uppvisa en viss nivå av rädsla, när ny teknik implementeras och när stora förändringar sker. van Esch et al. (2018) hävdar att det därmed förekommer en osäkerhet gällande kandidaters och potentiella kunders reaktioner på bemanningsföretag som använder AI-tekniken, för att fatta beslut kring jobbanpassning och prestationsförmåga under rekryteringsprocessen.

Nowak et al. (2018) betonar dessutom att AI-tekniken måste hanteras med aktsamhet då den kan nå nivåer av intelligens som aldrig tidigare kunnat uppnås för mänskligheten. Vidare slår forskarna fast att ett vanligt negativt scenario är att AI-tekniken kan utveckla sitt eget kunskapssystem som är omöjlig att begripa för rekryterare. van Esch et al. (2018) understryker att när AI-tekniken består av maskininlärning kan den utveckla sitt egna system som påverkar kandidaturvalet genom begränsningar och beteenden som avviker från det som först implementerades/programmerades. Nowak et al. (2018) hävdar även att AI-tekniken kan förbättra systemet genom maskininlärning, vilket kan resultera i att rekryterare tappar kontrollen över processen, beroende på hur kontrollerad tekniken är.

2.4 Teoretisk sammanfattning

Figur 1 illustrerar de rekryteringsaktiviteter som bemanningsföretag vanligtvis genomgår. Teorin påvisar att diskriminering samt fördomar kan förekomma under dessa fem rekryteringsaktiviteter och påverka utfallet av kandidater. Diskriminering kan exempelvis förekomma redan under processens inledande del, det vill säga vid utformning av kravprofil och annonsering. När kunden har en ålderspreferens i jobbannonsen, som rekryteraren framställt, kan det definieras som diskriminerande. Under rekryteringsaktiviteterna tre till fem har det påvisats att såväl medvetna som omedvetna fördomar förekommer och påverkar rekryterarens omdöme. Detta kan leda till att välkvalificerade kandidater med lämplig kompetens och meritlista diskrimineras.

13

Under teoriavsnittet har det framkommit att det vid CV-granskning, intervjuprocesser och beslutsfattande förekommer störst risk för diskriminering och fördomar. Under dessa tre rekryteringsaktiviteter har AI-tekniken främst implementerats då den uppges kunna lösa stora delar av problematiken med diskriminering och fördomar. Detta då tekniken ter sig vara kompetensbaserad, fördomsfri och opartisk. Studien kommer därmed fokusera på nedanstående tre rekryteringsaktiviteter (de inringade), och undersöka AI-teknikens möjligheter och utmaningar gällande minskad diskriminering.

Figur 1. Egen bearbetad figur som visuellt sammanställer den traditionella rekryteringsprocessen samt studiens fokusområden.

Figur 2 utgör en visuell sammanfattning av det som redovisats under den teoretiska referensramen, gällande studiens empiriska fokusområden; CV-granskning, intervju och beslutsfattning. De nämnda rekryteringsaktiviteterna hanteras på olika sätt beroende på omfattningen av mänsklig inverkan, vilken typ av AI som används samt på vilket sätt AI-verktyget är framställt. Den varierande hanteringen resulterar i att diverse rekryteringsprocesser tenderar att få olika utfall, varvid vissa kan vara baserade på felaktiga grunder. Under teoriavsnittet framkommer det att rekryterare är påverkade av fördomar, såväl medvetna som omedvetna och detta har en inverkan vid bedömning av kandidater under respektive rekryteringsaktivitet. Det innebär per automatik inte att mänskliga rekryterare ständigt diskriminerar kandidater, dock utgör en högre grad av mänsklig inverkan en ökad risk för diskriminering och fördomar vid bedömning av kandidater.

Forskning har visat att artificiell intelligens har flera användningsområden under de nämnda rekryteringsaktiviteterna, i syfte att förhindra och minska förekomsten av diskriminering och fördomar. Artificiell intelligens kan alltså användas vid granskning

14

av CV:n, genomföra intervjuprocesser samt bedöma kandidaternas prestationsnivå och fatta ett kompetensbaserat beslut. I teoriavsnittet framställs diverse effekter vid nyttjandet av artificiell intelligens under rekryteringsprocessen. Tekniken ska kunna bidra till kompetensbaserad rekrytering där beslut om anställning inte påverkas av faktorer som etnicitet, kön och ålder. Vidare effekter av AI-tekniken blir således att den bedriver en fördomsfri rekrytering där alla kandidater bedöms på likvärdiga grunder. AI-verktyget är ett hjälpmedel som även tillför ökad effektivitet och snabbare procedurer, tekniken kan exempelvis granska kandidaters CV:n mer effektivt än vad en mänsklig rekryterare kan och dessutom göra det fördomsfritt. Trots detta framkom det under teoriavsnittet att algoritmer, som AI är uppbyggd av, kan vara kodade med fördomar och således vara biased. Det förekommer dessutom skepticism mot AI-tekniken, som utgörs av individers okunskap.

Figur 2. Egen bearbetad figur som visuellt sammanställer den teoretiska referensramen.

15

3. Metodik

___________________________________________________________________

I detta kapitel presenteras studiens kvalitativa forskningsstrategi och hur vi gått tillväga med insamlingen av teoretiskt samt empiriskt material. Vidare beskrivs hur det empiriska underlaget har analyserats och de etiska ställningstaganden som gjorts under studien.

3.1 Val av metod och forskningsdesign

Den valda forskningsmetoden för studiens syfte är en kvalitativ metod. Saunders, Lewis och Thornhill (2019, s. 179) menar att kvalitativ forskning associeras med en s.k. tolkande filosofi. Den är tolkande för att vi ska kunna skapa en förståelse för de subjektiva och socialt konstruerade betydelser, vilka uttrycks om de fenomen som studeras. Forskningsmetoden anses lämplig då studiens syfte är att skapa en förståelse för huruvida AI-tekniken kan minska förekomsten av diskriminering och fördomar under rekryteringsprocessen. Patel & Davidson (2019, s. 38) betonar att vid en sådan forskningsmetod bedrivs undersökningen med öppna, kvalitativa intervjuer där respondenterna beskriver sin uppfattning av fenomenet med egna ord. Genom kvalitativa semistrukturerade intervjuer (vilka beskrivs under rubriken 3.4 Genomförandet av intervjuer), fick respondenterna svara på öppna frågor som var kopplade till fenomenet diskriminering och fördomar under rekryteringsprocessen. Öppna intervjufrågor bidrog även till att förståelsen för AI-teknikens möjligheter och utmaningar under rekryteringsprocessen ökade då respondenterna beskrev användandet av tekniken med egna ord. Med öppna intervjufrågor menas att frågorna är formulerade på ett sätt som genererar svar på hur/varför, snarare än enbart ja/nej svar. Patel & Davidson (2019, s. 105) framhäver att kvalitativa intervjuer syftar till att upptäcka och förstå uppfattningar hos ett fenomen.

Genom att utföra en kvalitativ forskningsstrategi underlättade det analysen av respondenternas beskrivningar gällande diskriminering och fördomar vid rekrytering. Den kvalitativa metoden bidrog även med en ökad förståelse för hur programmerarna har framtagit och kodat AI-tekniken som används under rekryteringsprocessen. Bryman och Bell (2017, s. 58) betonar att kvalitativ forskning medför en uppfattning och tolkning av respondenternas sociala verklighet. I en kvalitativ forskning härleds betydelser genom ord vilka kan ha såväl flera som oklara betydelser, det blir således nödvändigt att studera och klargöra dessa med respondenter (Saunders et al., 2019, s. 179). Genom kvalitativa intervjuer kunde förståelsen kring fenomenet öka, det vill säga huruvida tekniken kan bidra till ett mindre biased rekryteringsresultat. AI-tekniken används dessutom på flera olika sätt under den studerade rekryteringsprocessen och även inom det området krävdes kvalitativa intervjuer. Detta för att skapa en förståelse kring respondenternas uppfattning av AI-teknik som verktyg i syfte att minska diskriminering och fördomar. En kvalitativ forskningsmetod identifierades därmed som mest lämplig för studiens syfte.

16

3.1.1 Förstudie

Bakgrunden till intresset för ämnet kommer från en förstudie som genomfördes innan påbörjandet av huvudstudien. Förstudien syftade till att identifiera ett problemområde för att vidare kunna undersöka forskningsproblemet. Förstudien genomfördes via en elektronisk enkätundersökning där enkäter skickades ut till rekryterare från fyra bemanningsföretag i Sverige. Företagen medverkade enbart i förstudien och var inte delaktiga i huvudstudien då de inte har applicerat AI-teknik under deras rekryteringsprocess. Bemanningsföretagen kontaktades via telefon där de godkände medverkan i förstudien. Under samtalet mottogs även mailadresser till lämpliga rekryterare som ville medverka i förstudien. Frågorna berörde förekomsten av diskriminering och fördomar under rekryteringsprocessen samt hur dessa kan motverkas i framtiden. Frågeformuläret konstruerades med fasta svarsalternativ i kombination med öppna frågor, vilket stöds av Patel och Davidsson (2019, s. 80).

Syftet med förstudien var alltså att skapa en förståelse för problematiken gällande diskriminering under rekryteringsprocessen. Förstudien bidrog även till att framföra ett underlag för nulägessituationen inom studiens forskningsområde. Patel och Davidsson (2019, s. 80-81) menar att det är lämpligt att genomföra en förstudie i syfte att öka förståelsen för problematiken inom det valda området och därmed identifiera ett undersökningsbehov för studien. Blomkvist, Hallin och Lindell (2018, s. 64) resonerar på liknande sätt, och skriver att förstudien ska ge en indikation på om studiens syfte är rimlig samt om det är möjligt att finna empiri som kan ge svar på studiens frågeställningar. Resultatet bidrog till vårt intresse att vilja forska vidare kring vilka möjligheter AI medför och om teknologin i praktiken kan bidra till minskad diskriminering under rekryteringsprocessen, vilket är studiens huvudområde.

3.2 Framtagande av teoretisk referensram

För att utveckla och framställa den teoretiska referensramen har upprepade sökningar gjorts i diverse förekommande databaser. De databaser som mestadels nyttjats under insamlingen av teoretisk data har varit ABI/Inform Global, Google Scholar och Emerald via Mälardalens högskolas databas. Sökningar i databaserna har gjorts över tid mellan perioden 2020-01-10 till 2020-03-17. För att kunna presentera en adekvat teoretisk referensram användes sökord inom diverse databaser. Sökorden som användes innehöll begreppet rekrytering och var bland annat: artificial intelligence, AI,

discrimination, bias, unconscious bias, bias in AI, algorithms, algorithmic bias, recruitment process, social identity theory/homosocialitet. Urvalet av vetenskapliga

artiklar som förekom i dessa databaser var baserat på tre olika punkter. Första urvalet var baserat på artikelns titel, andra urvalet var baserat på dess abstract och sista urvalet var baserat på vilken typ av journal den var tryckt inom. Exempelvis valdes journals inom företagsekonomi, management, teknologi, psykologi och sociologi framför andra ämnen. Det slutliga urvalet av vetenskapliga artiklar blev således 60 stycken, varav 46 av de användes i den teoretiska referensramen.

17

3.3 Empirisk insamling

I vår studie började vi med att undersöka förekomsten av AI-användning under rekryteringsprocessen bland företag i Sverige genom Google-sökningar, granskning av hemsidor samt avstämning via telefonsamtal. Under sökningsförfarandet kom vi relativt snabbt fram till att bemanningsföretag kommit längst i implementeringen av AI-teknik under rekryteringsprocessen. Slutligen identifierades tre bemanningsföretag som använder tekniken vid diverse rekryteringsaktiviteter. Anledningen till att vi valde att inkludera samtliga av de tre bemanningsföretag som använder tekniken i urvalet, beror på att dessa företag använder AI-tekniken vid olika rekryteringsaktiviteter. Bemanningsföretagen hade som krav att förbli anonyma på grund av konkurrenter; därmed benämns de som företag 1, 2 och 3 i studien. Respondenterna blev dessutom tillfrågade om de ville vara anonyma och merparten av respondenterna godtog möjligheten, därav benämns samtliga respondenter med fiktiva namn i avseende till konfidentialitetskravet. I tabell 1 redogörs det för relevant information om respondenterna samt deras fiktiva namn som tillämpas i studiens empiri analys.

Fingerat namn på företag Fingerat namn på respondent Första genomförda rekryteringsaktivitet med hjälp av AI-teknik Respondentens titel Intervjulängd (Minuter)

Företag 1 Ella Maj 2019 Rekryterare 32:27

Företag 1 Noa Maj 2019 Rekryterare 45:53

Företag 1 Sara Maj 2019 Programmerare 39:06

Företag 2 Lars Oktober 2019 Rekryterare 26:13

Företag 2 Olof Oktober 2019 Programmerare 22:24

Företag 3 Kim Mars 2018 Rekryterare 50:40

Tabell 1. Lista över respondenter.

Vår första kontakt med de tre bemanningsföretagen skedde över telefon, då regionchefen för respektive Stockholmskontor kontaktades. Vi kontaktade företagens Stockholmskontor i och med att det var de som kommit längst med implementeringen och användandet av AI-tekniken. När regioncheferna för respektive bemanningsföretag kontaktades blev de informerade kort om studiens syfte och om upplägget för de tänkta intervjuerna, vilket ligger i linje med informationskravet. Detta för att bidra med en ökad förståelse och övertygelse för vad intervjun skulle komma att omfatta (Vetenskapsrådet, 2002). I samråd med regioncheferna kom vi fram till att det var mest relevant att intervjua rekryterare som använt AI-tekniken under tidigare rekryteringsprocesser samt programmerare som varit med vid framtagandet av den använda AI-tekniken. Samtliga tre regionchefer var positivt inställda till att arrangera relevanta respondenter men på grund av Covid-19 blev vissa intervjuer inställda då de fick andra arbetsuppgifter samt prioriteringar och inte hade möjligheten att utföra

18

intervjuer. Detta, samt det faktum att det var olika antal rekryterare och programmerare som arbetat med AI-tekniken, ledde till att antalet respondenter från respektive företag varierade. Totalt ställde sex respondenter upp på intervju varav fyra av dessa var rekryterare och två av dessa var programmerare. Deltagandet i intervjun ska vara frivillig enligt Vetenskapsrådet (2002), vilket det var i studiens fall då respondenterna gärna bidrog med sina kunskaper och erfarenheter. Det slutgiltiga urvalet, med sex noggrant utvalda respondenter, genererade en nyanserad och diversifierad inblick över hur AI-tekniken används vid olika rekryteringsaktiviteter samt hur den framtagits och kodats i och med att både rekryterare samt programmerare använts som respondenter.

Användningen av ett målstyrt urval har applicerats, vilket enligt Bryman och Bell (2017, s. 406-407) innebär att vi som forskare identifierat och valt ut organisationer samt respondenter på ett strategiskt (och inte slumpmässigt) sätt. Respondenter har valts utifrån högsta möjliga relevans för de forskningsfrågor och de forskningsföreteelser som formulerats. Kriterier har formulerats för att ta med och/eller utesluta organisationer samt medarbetare vilket lett till att vi genomfört ett kriteriestyrt urval, vilket är en variant av det målstyrda urvalet. Enbart respondenter som uppfyllt kriteriet att ha genomfört rekryteringsaktiviteter med hjälp av AI-tekniken eller varit med och framställt AI-tekniken avsedd för rekrytering har därmed involverats i denna studie.

3.3.1 Sekundärdata

Utöver insamling av primärdata (det empiriska materialet), har även sekundärdata samlats in. Sekundärdata är information som har samlats in och sammanställts av andra forskare med ett annat forskningsområde. Syftet med sekundärdata är att den ska bidra med en ökad förståelse och kunskap kring denna studies forskningsproblem (Saunders et al., 2019, s. 816; Christensen, Engdahl, Grääs & Haglund, 2016, s. 85; Ghauri & Grønhaug, 2010, s. 90). I studiens fall består sekundärdata av tidigare genomförda undersökningar, statistik och rapporter, vilka har använts som underlag för det inledande kapitlet. Jacobsen och Sandin (2002, s. 153) betonar att det är essentiellt att ha ett kritiskt tänk vid insamling av sekundärdata, vilket är något som tagits hänsyn till i denna studie. Detta har utförts genom granskning av kvalitét, pålitlighet och relevans av sekundärdata, vilket resulterat i det urval av undersökningar, statistik och rapporter som använts i studien. Insamling av data och information har gjorts via sökmotorn Google, detta för att kunna identifiera relevanta rapporter och statistik kring ämnet. De sökord som användes för att hitta lämplig information var bland annat: diskriminering statistik, fördomar i rekrytering, AI i rekrytering,

diskriminering under rekryteringsprocessen.

3.4 Genomförandet av intervjuer

Intervjufrågorna är utformade på ett sätt där varje fråga är öppen och teoretisk förankrad; detta för att ge respondenterna tolknings- och svarsutrymme samt för att relevant information samlas in (se intervjuguide 3.4.1 och 3.4.2). Vid genomförandet

19

av intervjuerna använde vi oss av en intervjumall som utformades genom operationalisering av den teoretiska referensramen. Frågorna som ställdes kom nödvändigtvis inte i den på förhand uppsatta ordningen utan anpassades till viss del efter de svar som respondenterna angivit. Följdfrågor som inte ingått i mallen ställdes också med anknytning till något som intervjupersonen sagt. Bryman och Bell (2017, s. 454) samt Patel och Davidson (2019, s. 105) skriver att detta är karaktäristiskt för en semistrukturerad intervju och fördelarna med dessa intervjuer är att intervjupersonen får stor frihet att anpassa frågorna efter intervjun. Vi valde även att genomföra semistrukturerade intervjuer för att få förhållandevis öppna svar och samtal, samtidigt som vi har en teoretiskt förankrad intervjumall som vi i grunden förhåller oss till. På detta vis säkerställdes relevansen under intervjuerna samtidigt som en nödvändig flexibilitet upprätthölls.

Genom telefonsamtal med de tre kontaktpersonerna för respektive bemanningsföretag bokade vi in intervjuer. Vi avsatte minst 60 minuter för varje intervju vilket var en tidsram som innehöll extra tid för att undvika eventuell uppkomst av stress. Intervjuerna genomfördes mellan 2020-04-01 till 2020-04-09 med hänsyn till respondenternas tillgänglighet. På grund av Covid-19 upphörde möjligheten att utföra en besöksintervju. Bemanningsföretagen valde att minska antalet besök och de flesta medarbetarna bedrev arbete hemifrån. Namey et al. (2020) framhäver att kvalitativ datainsamling inte enbart associeras med en s.k. “face-to-face” forskning, eftersom forskare anser att användning av en mängd olika online-plattformar är lika lämpliga för att genomföra kvalitativa intervjuer. Därmed har videointervjuer identifierats som det mest lämpade tillvägagångssättet. Anledningen till att vi valde att genomföra videointervjuer i jämförelse med telefonintervjuer, var att tilliten och den personliga kontakten mellan parterna stärks. Videointervjuer bidrar dessutom till minskad risk för missförstånd, vilket leder till att relevansen i intervjun ökar (Bryman & Bell, 2017, s. 217-218). Videointervjuerna genomfördes antingen via Skype eller Zoom, i syfte att efterlikna en besöksintervju. Vidare betonar Jacobsen och Sandin (2002, s. 160-161) att öppna individuella intervjuer, som kan genomföras över videosamtal, är lämpliga för att få fram individers tolkning av hur ett fenomen studeras vilket vår studie ämnar att göra.

Något som var gemensamt för samtliga intervjuer var det faktum att de spelades in, med tillåtelse av respektive respondent, med hänsyn till samtyckeskravet. Detta då det framgick att det som sades under intervjun enbart var applicerat för ett forskningssyfte och inte för något annat syfte. Inspelningarna genomfördes för att möjliggöra transkribering av respektive intervju då det transkriberade materialet utgör en viktig grund för analysdelen. Bryman och Bell (2017, s. 465-469) betonar att inspelning av intervjuer säkerställer att all nödvändig information upptas samt att inspelningen kan hjälpa till med att återge den faktiska informationen. Det minskar dessutom risken för att feltolkning och stress uppstår under intervjutillfället. Samtliga respondenter blev dessutom informerade om hur insamlad information kommer hanteras och att andra inte kommer kunna ta del av informationen, vilket är ett kriterium som bör uppfyllas

20

enligt konfidentialitets- och nyttjandekravet som ställs på en studie av detta slag (Vetenskapsrådet, 2002).

Studiens båda skribenter deltog under samtliga intervjuer för att avlasta arbetsbördan samt för att bidra till insamlingens relevans genom väsentliga följdfrågor från olika perspektiv. En skribent agerade sekreterare och antecknade den mest relevanta informationen för att dels undvika möjliga komplikationer som det tekniska hjälpmedlet eventuellt kunde medföra men även för att identifiera nyckelinformation. Under intervjuprocessen har vi haft ett flexibelt tillvägagångssätt genom att bland annat följa upp intressanta teman, ställa relevanta följdfrågor och komplettera inspelningarna med anteckningar i realtid. Det beskrivna flexibla tillvägagångssättet är något som Bryman och Bell (2017, s. 467) förespråkar i kvalitativa intervjuer.

3.5 Operationalisering

För att kunna genomföra en operationalisering och ett underlag för analysen, måste de teoretiska områden som funnits under litteraturgenomgången översättas. När en sådan översättning av den teoretiska referensramen till intervjufrågor genomförs, kallas det för operationalisering (Patel & Davidson, 2019, s. 72). Vid utformandet av intervjufrågor utgick vi från den teoretiska referensramen för att på så vis utforma frågor som är relevanta i förhållande till studiens teoriavsnitt. Detta gjordes genom att dela upp innehållet i den teoretiska referensramen utifrån tre huvudområden vilka är rekryteringsprocess, fördomar/diskriminering och AI. Under respektive område formulerades intervjufrågor till den empiriska insamlingen. I och med att vi intervjuat både rekryterare och programmerare har två stycken intervjumallar skapats, en för respektive roll. Bilaga 1 användes för intervjuer med rekryterare och bilaga 2 användes för intervjuer med programmerare. Antalet intervjufrågor för rekryterare blev 18 och antalet intervjufrågor för programmerare blev 13. Anledningen till att vi valde att använda oss av två frågeformulär där frågorna och antalet frågor avvek, berodde på att respondenternas kunskap om studiens olika områden skiljde sig åt. Rekryterarna har mer kunskap om rekryteringsprocessen och problematiken som fördomar och diskriminering medför, varvid bilaga 1 fokuserar på dessa områden. Programmerarna har mer kunskap om AI och framställningen av den tekniken, varvid bilaga 2 lägger större vikt på frågor som berör det området.

3.5.1 Intervjuguide för rekryterare

De tre första intervjufrågorna berör rekryteringsprocessen samt hur AI-tekniken tillämpas under deras rekryteringsprocess. Fråga 4, 5, 6, 7 och 8 är relaterade till diskriminering och fördomar, i syfte att få deras definition och uppfattning om fenomenet. Fråga 9 berör risk för bias som kan påverka rekryteringsbeslut och fråga 10 behandlar åtgärder för att genomföra rekrytering med minsta möjliga påverkan av bias. Fråga 11 till 18 berör artificiell intelligens och hur tekniken kan påverka rekryteringsprocessen. Exempelvis vilka utmaningar och möjligheter som den medför samt om tekniken faktiskt är fördomsfri (se bilaga 1).