People analytics inzetten voor een rechtvaardige werkomgeving

People analytics wint snel terrein in Human Resource (HR-)Management. Het is een methode om het verzamelen en analyseren van data rond menselijk gedrag volledig te automatiseren en zo elk onderdeel van HR te verbeteren: van recruitment en beloning tot promotie, opleiding en evaluatie. People analytics – ook wel HR-analytics – kan ook helpen bij het detecteren en dichten van de loonverschillen gebaseerd op gender, ras en andere demografische categorieën.

Algoritmische vooroordelen

Helaas laten verschillende praktijkvoorbeelden inmiddels ook zien dat algoritmes die bedoeld zijn om diversiteit en inclusie te bevorderen, in de praktijk vooroordelen rond bepaalde groepen juist bevestigen en versterken. Om de mogelijkheden van op Artificial Intelligence (AI) gebaseerde People analytics goed te benutten, is het dan ook belangrijk dat bedrijven begrijpen wat de oorzaken zijn van algoritmische vooroordelen en hoe die werken in algemene People analytics tools.  

Werkomgeving van de toekomst

Data zijn niet neutraal. People analytics-systemen kunnen ongemerkt historische vooroordelen bevatten en onderscheid maken op basis van ras, gender en maatschappelijke achtergrond. Bij het bouwen aan de werkomgeving van de toekomst moeten we ons er continu van bewust zijn dat retrospectieve data mogelijk besmet zijn met deze vooroordelen en de complexiteit van people management in een steeds diverser personeelsbestand niet volledig kunnen bevatten.

Managers moeten bedenken dat:

• Modellen goed werken waar het gaat om individuen uit de grote demografische meerderheid en minder goed voor minderheden.
• Er geen ‘gender-blinde’ of ras-blinde’ modellen bestaan, en dat het expliciet weglaten van gender en ras uit een model de vooroordelen zelfs kan verergeren.
• Zelfs met veel zorg gebouwde modellen niet leiden tot eenduidige uitkomsten tussen groepen, als demografische categorieën niet gelijk vertegenwoordigd zijn in het bedrijf.

Wat kan People analytics wél?

Naast dit verhoogde bewustzijn rond de vooroordelen van People analytics, kunnen HR-managers gebruik maken van speciaal ontwikkelde instrumenten, dashboards en test-tools om de data zo rechtvaardig mogelijk te houden. Ook dan blijft het belangrijk te onthouden dat geen enkel model volledig is. Hoewel algoritmen kunnen helpen data uit het verleden te interpreteren en patronen te identificeren – People analytics is en blijft een mensgericht veld en in veel gevallen moeten de beslissingen uiteindelijk door mensen worden genomen.

De kracht van People analytics benutten

People analytics, gebaseerd op AI, is een enorm krachtig en onmisbaar HR-instrument. Maar kwantitatieve modellen zijn bedoeld om het menselijk oordeel te ondersteunen; niet te vervangen. Om AI en andere People analytics-instrumenten optimaal te gebruiken moeten we continu monitoren hoe de applicatie in realtime werkt en welke expliciete en impliciete criteria worden gebruikt om beslissingen te nemen en het instrument te trainen. We moeten er alert op zijn of de uitkomsten onbedoeld verschillende groepen op verschillende manieren raken. Door de data, het model, de uitkomsten en de softwareleveranciers steeds de juiste vragen te stellen, kunnen (HR)managers de kracht van People analytics om te bouwen aan een productieve, diverse werkomgeving succesvol benutten.