Mijn vrouw wees mij onlangs op een artikel over het bedrijf Seedlink. Dit bedrijf heeft AI-software ontwikkeld dat door middel van kunstmatige intelligentie (AI) op basis van taalgebruik van kandidaten kan voorspellen of diegene geschikt is voor een functie. Ik sprak met CEO en oprichter Rina Joosten over haar bedrijf. Wat kan de zorg hiervan leren?
Inspiratie kreeg Joosten door het feit dat mensen onbewust inconsistente en bevooroordeelde keuzes maken. Zo is bijvoorbeeld uit onderzoek gebleken dat rechters vlak voor een lunch veel minder gunstigere uitspraken doen dan vlak na een lunch!
Sollicitatieprocedures zijn over het algemeen heel inefficiënt. Het start met de selectie op basis van CV’s en een motivatiebrief. Die zijn vaak standaard en bovendien ben je in het algemeen niet op zoek naar iemand die goed sollicitatiebrieven kan schrijven. Ook kan dit onbedoeld afleiden door allerlei factoren als leeftijd, geslacht en afkomst. Daarna volgt het gesprek, vaak een ongestructureerd interview, waarvan er in de wetenschappelijk literatuur een lage correlatie gevonden wordt tussen de geselecteerde kandidaat en de uiteindelijke resultaten in de praktijk. Wat een tijd wordt daar ten onrechte aan besteed.
Analyse op basis eigenschappen
Seedlink ontwikkelt software dat op basis van de geschreven antwoorden van een kandidaat een analyse kan doen op basis van diens eigenschappen. Er is uitgebreid wetenschappelijk bewijs dat taal (wat en hoe – de stijl van je taalgebruik) en eigenschappen met elkaar correleren. Omdat taalgebruik al heel jong ontwikkeld wordt en onbewust wordt geformuleerd, is het namelijk heel moeilijk om eigenschappen te verbloemen.
Het werkt als volgt. De kandidaat beantwoordt drie vragen waarna de software de antwoorden analyseert op 200 kenmerken, signalen in je taalgebruik. Zoals wat er inhoudelijk gezegd wordt, het type gebruikte woorden, welke combinaties, maar ook hoe er gesproken wordt - snel, langzaam, met een hoge of juiste lage toonhoogte. Daaruit volgt een profiel. Doordat de software de afgelopen jaren verrijkt is met praktijkgegevens, bijvoorbeeld hoe succesvol iemand in zijn werk was na selectie door Seedlink, kan de computer bepalen of het profiel van de kandidaat een goede kans van slagen heeft voor de baan. Dat levert veel tijdswinst op.
Inmiddels zijn er al zeven miljoen open vragen in een digitaal interview afgenomen en geanalyseerd en zijn bedrijven als Coca-Cola en l’Oreal klant. Hoe komt het nu dat Seedlink zo enorm is gegroeid en zo succesvol is geworden? Uit mijn eigen praktijk weet ik dat veel theoretisch goede ideeën in de praktijk jammerlijk mislukken en niet van de grond komen. Wat waren nu de succesfactoren van Seedlink?
Succesfactoren
Een belangrijke succesfactor was dat de voorkant supersimpel werkt. De kandidaten kunnen op basis van het beantwoorden van drie vragen op hun smartphone de input leveren. Op basis daarvan levert de software een lijst aan van geschikte kandidaten. Dus zonder dat de recruiter CV’s of brieven hoeft te bestuderen en gesprekken moet voeren worden objectief geschikte kandidaten gepresenteerd. Dit is een duidelijke win voor zowel de sollicitant als de recruiter.
Daarnaast heeft Seedlink zich gericht op bedrijven die open staan voor innovatie met leiderschap dat nieuwe technologie versneld adopteert en doorzet. Dit heeft geleid tot concrete resultaten zoals meer diversiteit (33% bij referentiebedrijven) en betere resultaten ten opzichte van controle groepen (10-30%).
Wat ik me nog niet goed realiseerde, is dat juist bedrijven en leiders die sneller AI omarmen, meer data genereren en daardoor ook betere voorspellingen kunnen doen, omdat feedback loops – bijvoorbeeld op basis van post-hiring succes – voorspellende modellen beter maken. Er ontstaat dus een vliegwiel waarmee de early adopters steeds verder uitlopen op de achterblijvers. Wat een goede reden om er zo snel mogelijk mee aan de slag te gaan!
En de zorg dan?
In de zorg wordt AI maar mondjesmaat ingezet, vooral in diagnostiek. Ik bemerk vaak veel weerstand tegen computers die informatie toevoegen om betere besluiten te nemen. En dat terwijl we wel personeelstekorten hebben en ook weten dat computers prima in staat zijn om bijvoorbeeld fundusfoto’s te beoordelen (een studie van Google overigens). Of om het onderscheid te maken tussen goedaardig en kwaadaardig longcarcinoom. Uit onderzoek blijkt dat mensen en machines andere kwaliteiten hebben en elkaar kunnen versterken om tot de beste resultaten te komen. Eigenlijk net zo logisch om AI in te zetten in de zorg als bij personeelswerving dus! Maar waarom lukt het dan niet?
In mijn optiek de grootste barrière, is het feit dat de zorgprofessionals nog niet de sense of urgency ervaren dat AI noodzakelijk is. Ze ervaren (nog) geen of te weinig problemen in hun werk om de stap te zetten. Voor zorgbestuurders en patiënten is dat anders. Bestuurders in de zorg kampen met personeelsproblematiek, waarbij dat overigens per sector en regio erg kan wisselen. Patiënten hebben te maken met langzame en kwalitatief mindere zorg, maar hebben veelal niet door dat het anders kan door de inzet van AI. Helaas hebben zowel bestuurders als patiënten vaak te weinig impact op zorgprofessionals om die te overtuigen.
Open voor innovatie
Daarom is in mijn optiek de beste plek om AI te introduceren bij zorgprofessionals die open staan voor innovatie. Bij voorkeur door een open mindset gecombineerd met hoge werkdruk en kwaliteit die onder druk staat. Zodat er ook echt noodzakelijke druk wordt gevoeld. Als de professionals om zijn, zijn de zorgbestuurders en patiënten vervolgens snel overtuigd. Het helpt daarbij om met name de win voor de zorgprofessional duidelijk naar voren te brengen en de interface vooral voor hen zo gebruiksvriendelijk mogelijk te maken. Snel beginnen dus, want dan ga je door het datavoordeel ook nog eens op kop lopen. Mooi toch?
Ik sprak hierover met Rina Joosten – Rabou, CEO en oprichter van Seedlink die ik dankbaar ben voor haar tijd en enthousiasme. Lees hier het artikel waar ik in het begin van mijn blog naar verwees.
