Brugen af AI spiller en stadig større rolle i den offentlige sektor og skaber nye muligheder og dilemmaer. Fx har tilgængeligheden af chatrobotten ChatGPT sat skolernes eksamensformer til diskussion. Er det snyd at bruge kunstig intelligens, eller skal eleverne netop lære at anvende mulighederne? Mens forsøg med dataunderstøttede beslutninger på det sociale område har vist sig at være svære, er rekruttering af nye medarbejdere et oplagt sted, hvor AI kan bruges af ledere og medarbejdere i offentlige organisationer. Gennem et felteksperiment i Tyskland viser Florian Keppeler fra Kong Frederiks Center for Offentlig Ledelse, hvordan AI-applikationer kan bruges til rekruttering, og hvordan brugen heraf påvirker jobkandidaternes interesse for et job i en offentlig organisation.

På arbejdspladser kan softwareløsninger baseret på AI-applikationer fx anvendes til at identificere og udvælge potentielle jobkandidater. I rekrutteringsprocesser kan AI bl.a. bruges til at forudsige ledige stillinger, optimere jobbeskrivelser, screene CV’er og forbedre udvælgelsesprocessen. Brugen af AI kan således gøre det nemmere, billigere og mere effektivt for organisationer at finde potentielle jobkandidater. Om dette udtaler adjunkt Florian Keppeler:

”Særligt i konkurrencen om kvalificeret arbejdskraft kan der være god grund til at benytte softwareløsninger baseret på AI-applikationer, da det kan lette byrden for arbejdsgiverne. Det skyldes især, at det i stadigt stigende grad er arbejdsgiverne, der aktivt henvender sig til potentielle jobkandidater. En direkte tilgang til potentielle jobkandidater (enten fra arbejdsgivere eller rekrutteringsbureauer) kan bidrage til at tiltrække potentielle medarbejdere, som er utilfredse med deres nuværende job, men som endnu ikke aktivt søger nyt job. Til det formål gennemføres typisk grundige søgeprocesser og intensive dataanalyser på jobplatforme og sociale medier for at identificere og bedømme potentielle jobkandidater. Her kan softwareløsninger baseret på AI-applikationer lette arbejdet ved automatisk at genere en liste af potentielle jobkandidater. På den måde kan AI-assisteret rekruttering gøre det mere omkostningseffektivt at identificere og henvende sig direkte til potentielle jobkandidater.”

I det nye forskningsstudie undersøger Florian Keppeler, hvor god en AI-applikation er til at finde potentielle jobkandidater, og hvordan potentielle jobkandidater reagerer, når de får at vide, at de er udvalgt ud fra en AI-applikation. Om resultater udtaler Florian Keppeler:

”Først og fremmest viser studiets resultater, at der er sammenfald mellem de potentielle jobkandidater, som AI-applikationen identificerer og de jobkandidater, som lederne selv identificerer. Det tyder dermed på, at AI kan være et effektivt redskab til at identificere potentielle jobkandidater i rekrutteringsprocessen.”

Det er dog værd at være opmærksom på, hvordan man kommunikerer til potentielle jobkandidater. Florian Keppeler uddyber:

”Det viser sig, at potentielle jobkandidater udviser mindre interesse for jobbet, når de får at vide, at de er udvalgt på baggrund af en AI-applikation. Det gør sig især gældende for de kvindelige kandidater. En forklaring kan være, at jobkandidaterne har mindre tillid til udvælgelsen, når den er foretaget af en computer i stedet for et menneske. Det kan gøre det nødvendigt med en målrettet kommunikation til de specifikke jobkandidater.”

Studiets resultater viser, at investering i AI-applikationer kan åbne muligheder for offentlige organisationer, da det kan aflaste offentlige ledere fra dataintensive opgaver fx i forbindelse med at finde potentielle jobkandidater. Når ledere tester AI-applikationer, kan det dog være nyttigt med opmærksomhed på brugernes opfattelser. Aversion mod algoritmer kan være en udfordring for ledere i den digitale tidsalder.

En anden vigtig læring fra studiet relaterer sig til, hvem der specifikt udvælges som potentielle jobkandidater. Udvælgelsen kan nemlig være biased ud fra fordomme og stereotyper. Florian Keppeler forklarer:

”De nuværende resultater indikerer, at både mennesker og AI-applikationer hverken er fri for bias, der kan føre til diskrimination, så der er derfor behov for tydelige processer, uddannelse og ansvarlighed, der sikrer lige beskæftigelsesmuligheder. Mens fordomme og stereotyper kan have indflydelse på mennesker, der arbejder med rekruttering, kan AI-applikationer lide af statistisk bias i rekrutteringsvurderinger. Statistisk bias kommer fx til udtryk ved skævvridning ift. et bestemt køn, når en AI-applikation skal udvælge potentielle kandidater til jobs inden for mands- eller kvindedominerede brancher. Ledere i den offentlige sektor bør derfor være opmærksomme på, i hvor høj grad rekrutteringsprocessen kan blive påvirket af bias, fordomme og stereotyper, da det øger risikoen for diskrimination i udvælgelsen af jobkandidater.”

• Forskningsartiklen er udgivet i Journal of Public Administration Research and Theory. Du kan finde studiet her.
• Eksperimentet blev udformet i samarbejde med Stadtwerke Heidelberg, der er en offentlig forsyningsvirksomhed i Tyskland, som bl.a. er ansvarlig for offentlig transport og parkering og som leverer elektricitet og vand til omkring 200.000 borgere.
• Eksperimentet bestod i, at forskeren så på tre forskellige ledige stillinger i den offentlige organisation. Ved hjælp af en AI-applikation blev i alt 2000 personer identificeret som potentielle jobkandidater. Rekrutteringskonsulenter dobbelttjekkede udvælgelsen af kandidaterne for at sikre, at de havde de rette kompetencer til de tre jobs. Herefter blev de 2000 kandidater tilfældigt inddelt i fire grupper. Grupperne modtog én af fire forskellige henvendelser vedr. de ledige stillinger. For at undersøge effekten af de forskellige henvendelser undersøgte forskeren dels om jobkandidaterne svarede på henvendelsen om jobbet, og dels om de udviste interesse for jobbet. På den måde var det muligt at undersøge, hvilken henvendelse der var mest effektiv ift. at få vække jobkandidaternes interesse for jobbet i den offentlige organisation.
• For at undersøge sammenfaldet mellem AI-applikationens udvælgelse og de offentlige lederes udvælgelse af relevante kandidater blev et udsnit af 250 jobkandidater tilfældigt udtrukket. Tre afdelingsledere blev bedt om at screene de tilfældigt udtrukne kandidater og vurdere deres person-job fit på en skala fra 0-100%. Afdelingslederne havde samme mængde af data til rådighed som AI-applikationen. På baggrund af dette var det muligt at undersøge sammenfaldet mellem ledernes screening og AI-applikationens screening.
• Florian Keppeler er adjunkt ved Kong Frederiks Center for Offentlig Ledelse.
  • Kontaktinformation: florian@ps.au.dk