I dette forskningsprosjektet fant datamaskinene de beste ansettelsene

Ny forskning viser at en ansatt blir lenger i jobben når personen er valgt av en algoritme.

Datamaskiner er flinkere enn mennesker på å ansette de beste kandidatene, skriver Bloomberg Business.

Det viser seg altså at dersom algoritmene får peke ut den personen de finner som best for en jobb, vil personen gjennomsnittlig bli lenger i jobben enn om rekrutteringsansvarlig selv har ansatt noen etter egne preferanser.

Ble 12 dager lenger

Forskere ved den amerikanske forskningsorganisasjonen National Bureau of Economic Research (NBER) har sammenlignet varigheten på arbeidsforholdet hos personer som ble ansatt etter å ha gjennomført en jobbtest, med personer som ble ansatt av mennesker.

15 bedrifter og mer enn 300.000 såkalte «low skill»-ansettelser i servicesektoren danner grunnlaget for forskningsfunnene.

Jobbtesten som kandidatene måtte gjennom, bestod blant annet av spørsmål om tekniske ferdigheter, personlighet og kognitive ferdigheter. Jobbsøkernes svar ble kjørt gjennom en algoritme, som deretter fordelte kandidatene på tre fargekategorier etter hvor aktuelle de var for jobben: Grønn for svært potensielle kandidater, gul for moderat potensielle, og rød for de som var minst egnet til jobben.

Forskerne fant at de grønne kandidatene ble i jobben gjennomsnittlig 12 dager lenger enn de gule, som igjen ble 17 dager lenger enn de røde.

Median-tiden for hvor lenge disse kandidatene valgte å bli i jobben var imidlertid ikke veldig lang: Rundt tre måneder.

Anders Kofod-Petersen, professor i kunstig intelligens ved NTNU og visedirektør ved Alexandra Instituttet i København, påpeker at forskerne har sett på typiske servicejobber hvor det gjerne er høyt gjennomtrekk.

– Det ser ut til å være lagerarbeid, callsentre og lignende, og dette er jobber hvor det enkelt lar seg gjøre å måle, kvantitativt, hvem som er bedre enn andre, sier Kofod-Petersen til E24.

Det er en jobb som datamaskiner lett kan gjøre, påpeker han.

– Jeg vil anta, uten å ha sett hvordan dette systemet er skrudd sammen, at man kan komme langt med litt statistikk og standardiserte spørsmål.

Har tro på egne evner

Mennesker danner lett mønstre – eller det vi tror er mønstre, tror professoren.

– For eksempel: «Jeg er god på jobben min og har utdannelse X fra sted Y, altså må alle andre med denne kombinasjonen også være gode.»

– Denne type slutning er god for å overleve på savannen, men ikke så god for å trekke riktige slutninger, sier han.

De som er ansvarlige for rekruttering på en arbeidsplass, lytter sjelden til slike algoritmer, skriver Bloomberg. Når de da ansetter basert på egne avgjørelser blir utfallet ofte verre. Rekruttererne ansatte for eksempel noen som datamaskinen hadde lagt i den gule kategorien, i stedet for å velge blant grønne kandidater som også var tilgjengelige. Senere ble imidlertid de grønne ansatt for å fylle andre ledige stillinger, og disse ble i jobben åtte prosent lenger enn de gule, fant forskerne, og trakk dermed denne konklusjonen:

Jo mer rekruttererne avvek fra testresultatene, jo mindre sannsynlig var det at kandidatene ville bli i jobben over lenger tid.

Kofod-Petersen tror det har sammenheng med at en daglig leder gjerne har for stor tro på egne evner.

– «Jeg vet jo hva som virker.» Generelt er det også en stadig skepsis til datamaskiner, sier han, og utdyper:

– Mange av disse systemene kan ikke forklare hvorfor de kommer med anbefalinger. Det er klart at hvis det er jobben din å ansette folk og du ikke kan forklare hvorfor du gjør ting, så har du utspilt din rolle.

I seks av de 15 bedriftene som var med i forskningsprosjektet, så forskerne også på produktivitet hos de ansatte. Her var det ingen store forskjeller mellom de som var blitt ansatt av datamaskin og de som ble ansatt av mennesker.

– Maskinene er bedre

Selv om ansettelser ved hjelp av datamaskiner er i ferd med å bli mer populært, så ser tendensen fortsatt ut til å være at man velger å stole på en persons magefølelse fremfor en datamaskin, skriver Bloomberg.

Kofod-Petersen tror det beste argumentet for å overlate ansvaret for ansettelser til maskinene er at de er bedre til det.

– Den største faren er at man oppfatter det som absolutt sannhet. Forslag som et slikt system kommer med, vil antakeligvis aldri være 100 prosent korrekt. Det er i seg selv ikke et problem, da de antageligvis er bedre enn mennesker. Men det er ikke sikkert at den samme algoritmen fungerer for alt, sier han.

– Dette eksempelet er godt på «low skill»-jobber. Det betyr ikke at det er godt til å forutsi for eksempel hvilken professor som er best.

Her til lands er det fortsatt den tradisjonelle søknad og samtale-prosessen som dominerer. Men det gjøres noen forsøk på å bruke personlighetstester, påpeker Kofod-Petersen.

– Det interessante er at empirien antyder at de ikke har noen positiv innflytelse. Min antakelse er at mer kompliserte jobber, hvor resultatet ikke så enkelt lar seg måle, et mindre antall personer å måle på og et tvilsomt teoretisk fundament for personlighet medvirker til dette, avslutter han.