Naar inhoud

Doorbraak in machine learning in Nederlandse recruitment

Machine learning in de wereld van werving en selectie is nog een vrij onontgonnen gebied. Mede door de ruimte voor interpretatie, context en subjectiviteit is het een uiterst complexe niche. Machine learning gaat over patronen herkennen. In recruitment zijn er echter op het eerste oog geen patronen te zien. Toch is het YoungCapital gelukt om door middel van de computertechnologie het recruitmentproces sneller en efficiënter te laten verlopen.

Machine learning in recruitment

Een bijzondere prestatie, want machine learning in recruitment is uiterst complex. Nog geen enkel andere Nederlandse uitzendorganisatie heeft een dergelijke innovatie weten te produceren. Het jonge recruitmentbureau verwacht op korte termijn voor meer revoluties te zorgen en is daarom op dit vlak een structurele samenwerking gestart met het Leiden Institute of Advanced Computer Science (LIACS).

Match tussen kandidaat en werkgever

Machine learning speelt een belangrijke rol in het optimaliseren van de dienstverlening van de HR-dienstverlener. “Als de computer het meest tijdrovende, maar routinematige werk overneemt van onze recruiters, houden zij tijd over voor loopbaanbegeleiding en coaching. En dat is pas het begin”, vertelt Rogier Thewessen, een van de oprichters van YoungCapital. “Want in 2018 zien onze kandidaten vooraf al hoeveel kans ze maken op een bepaalde baan. We doen suggesties voor trainingen die ze kunnen volgen om hun slagingskans voor die baan te vergroten. En we tonen alternatieve vacatures waarop zij direct een goede kans maken. Onze droom: minder afwijzingen, minder teleurstelling en meer blije kandidaten die aan de slag gaan in een baan die echt bij ze past. Daar gaat ons algoritme, YoungCapital Brain, ons bij helpen.”

Simpel vraagstuk: consument gaat wel of niet kopen in een winkel

Complex vraagstuk: kandidaten wel of niet geselecteerd in recruitment

Patronen herkennen zonder patroon

“De data in recruitment zijn subjectief”, legt Srisai Sivakumar, data science- en machine learning-specialist bij YoungCapital, uit. “Denk aan de vacaturetekst, het cv en de motivatie. Iedereen schrijft op een andere manier, gebruikt andere woorden en legt nadruk op andere zaken. Het algoritme moet dit wel allemaal hetzelfde lezen. Een computer kan echter niet interpreteren zoals een mens dat kan, maar leest woorden als getallen. Nuance en context moeten we de computer aanleren. Dat is een enorme uitdaging. Het is ons desondanks gelukt om als eerste in Nederland concrete resultaten te behalen met uitstekende nauwkeurigheid.”

Zelflerend framework met algoritme

Machine learning is absolute noodzaak in recruitment, vindt Thewessen. De database van de recruiter telt inmiddels 4,8 miljoen kandidaten. Het bedrijf is al sinds de oprichting verslaafd aan data, maar zonder goede zoekfunctie is het in zo’n berg data zoeken naar een speld in een hooiberg. Algoritmes kunnen dit zoekwerk opknappen. “Eerst gebruikten we hiervoor een gestandaardiseerde tool”, vertelt Thewessen. “We vonden echter dat het beter, slimmer en sneller moest kunnen. Daarom hebben we ons eigen, zelflerend framework met algoritme ontwikkeld. Ons algoritme leert het gedrag van onze recruiters en kandidaten te herkennen en doet op basis daarvan voorspellingen. Daarnaast ondersteunt machine learning ons ook in andere businessonderdelen.”

Data basis wetenschappelijk onderzoek

Dat de recruitmentorganisatie grote stappen zet binnen deze niche van machine learning, beaamt ook professor Thomas Bäck, hoogleraar natural computing, verbonden aan het Leiden Institute of Advanced Computer Science (LIACS): “Ik ben onder de indruk van de robuuste resultaten die de organisatie zelf al heeft weten te bereiken met machine learning. Het bedrijf is inmiddels een geduchte speler op dit terrein. Daarom werken we ook graag met hen samen.” Voor de Leidse wetenschappers biedt de enorme berg data van de recruiter grote mogelijkheden voor wetenschappelijk onderzoek. De dataspecialisten van het jongerenuitzendbureau zijn op hun beurt blij een klankbord te hebben gevonden. Het LIACS doet gespecialiseerd onderzoek naar onderdelen van machine learning die ook voor YoungCapital van groot belang zijn. Beide partijen kijken met belangstelling en optimisme naar de toekomst.

Eerste resultaat: selectietijd gehalveerd

Vóór YoungCapital Brain moest iedere recruiter alle reacties op een vacature bekijken om de beste kandidaat te kunnen selecteren. Dat kost veel tijd. Het algoritme neemt nu een deel van dit proces over. Het voorspelt op basis van data uit de vacature, het cv, de motivatiebrief en profielgegevens welke kandidaat de beste is voor een vacature, en rangschikt ze op volgorde van geschiktheid. Het model is inmiddels dusdanig accuraat, dat de beste kandidaat in 99 procent van de gevallen in de bovenste helft van de reacties staat. Dat scheelt de recruiter dus de helft van de tijd. Met bijna 95 procent zekerheid staat de beste kandidaat in de top 20 procent. Dat kan de recruiter dus 80 procent van de tijd schelen.

Nauwkeurigheid YoungCapital Brain top 50 procent en 20 procent afgezet in tijd

Bron: CustomerTalk
0
Logo CustomerTalk

Cookie-instellingen

CustomerTalk maakt gebruik van cookies voor een optimale gebruikerservaring.

Graag vragen wij je toestemming voor het plaatsen van deze cookies.

Accepteren Meer informatie