Waarom is de AI-kandidaat die het beste sollicitatiegesprek heeft gehad niet de meest succesvolle aanwerving?

De vraag naar expertise in kunstmatige intelligentie is in twee jaar tijd bijna zevenvoudig toegenomen, een sneller tempo dan de vraag naar welke andere vaardigheid dan ook, aldus het McKinsey Global Institute.

Dit sentiment wordt bevestigd in mijn gesprekken met leiders in de technologiesector; vrijwel iedereen met wie ik spreek is op zoek naar medewerkers met AI-vaardigheden.

Het probleem is echter dat maar heel weinig van hen me kunnen vertellen hoe het beheersen van kunstmatige intelligentie er in de praktijk uitziet wanneer het binnen hun organisaties wordt toegepast.

Uit onderzoek van McKinsey blijkt dat bijna 90% van de bedrijven heeft geïnvesteerd in kunstmatige intelligentie. Maar minder dan 40% daarvan rapporteerde meetbare voordelen.

De meeste evaluaties na de implementatie van kunstmatige intelligentie richten zich op modellen, data en workflows.

Maar weinigen kijken naar de mensen die zijn aangesteld om de AI-transformatie te leiden, of hoe en waarom ze zijn gekozen.

De gevaren van het verwarren van zelfvertrouwen met competentie

Een van de neveneffecten van de vooruitgang in AI is dat het praten over het gebruik ervan veel gemakkelijker is geworden. Een kandidaat zou bijvoorbeeld kunnen beginnen met het benoemen van elk model en vervolgens een architectonische structuur uitleggen waarover hij of zij vorige week heeft gelezen. In een kort gesprek is het bijna onmogelijk om welsprekende taal te onderscheiden van een gepolijste praktische toepassing.

De kandidaten die indruk maken op de wervingsmanager zijn vaak degenen die het meest op hun gemak lijken te praten over kunstmatige intelligentie. Of ze AI daadwerkelijk kunnen inzetten voor de functie is een andere vraag, en een die in de meeste sollicitatieprocedures nooit aan de orde komt.

Zie het sollicitatiegesprek als een demonstratie in een door de kandidaat gekozen omgeving, met zorgvuldige voorbereiding en een eigen verhaal. Maar het gebruik van AI op de werkvloer is waar de problemen beginnen: zonder de juiste AI-expertise is het gemakkelijk de controle te verliezen.

Veel bedrijven baseren hun aannamecriteria uitsluitend op de mate waarin een kandidaat bekend is met de tools. Maar door dieper te graven en de norm te stellen op zelfstandig en gedocumenteerd gebruik, komt de werkelijke competentiekloof direct aan het licht.

Er zijn verschillende veranderingen die teams kunnen doorvoeren in het wervingsproces om de manier waarop de effectiviteit van AI wordt gemeten te veranderen:

1. Test het werk voordat je het gesprek aangaat.

Leg kandidaten een scenario voor dat de daadwerkelijke functie simuleert en beoordeel hun prestaties op basis van een vooraf afgesproken set vaardigheden. Als je bijvoorbeeld een productontwerper zoekt, geef hem of haar dan een realistische taak met echte productbeperkingen en vraag bij elke stap "waarom".

Een kandidaat die vloeiend spreekt, zal je veertig perfect uitgewerkte aanwijzingen geven. Iemand die het werk daadwerkelijk kan uitvoeren, zal je vertellen welke aanwijzingen bestand zijn tegen extreme omstandigheden, welke toegankelijkheidsnormen vereist zijn en welke ingenieur verantwoordelijk is voor de constructie. Dit is de test die bij de meeste sollicitatiegesprekken ontbreekt.

2. Wijzig de interviewvragen

Stop met vragen naar de tools die mensen gebruiken. Vraag ze wanneer de laatste keer was dat AI een verkeerd antwoord gaf en hoe ze daarachter kwamen, of vraag ze om een ​​voorbeeld te laten zien van een opdracht die mislukte en hoe ze dat hebben opgelost.

Duik in één concreet project uit de praktijk: wat is er veranderd, wat ging er mis, wat hebben ze gecontroleerd en wie werd er door het resultaat beïnvloed? Geen van deze vragen kan beantwoord worden door iemand die het project niet daadwerkelijk heeft uitgevoerd.

3. Verander het scenario

Geef de kandidaat een realistische AI-gerelateerde taak en verander deze halverwege door een tool te verwijderen, een beperking toe te voegen of het doel aan te passen. Sterke kandidaten zullen het probleem herformuleren en doorwerken, terwijl middelmatige kandidaten ofwel stoppen ofwel beschrijven wat ze theoretisch zouden doen.

Eis inzage in het proces, niet alleen in het eindproduct. Sta mensen toe AI te gebruiken bij evaluaties, mits ze hun workflow, automatisering, prompts en de achterliggende logica aantonen. Iedereen kan tegenwoordig een professioneel resultaat leveren. Maar het belangrijkste is hoe ze dat bereikt hebben.

4. Evalueer de prestaties samen

Geef elke kandidaat dezelfde beoordelingscriteria, die voorafgaand aan het gesprek zijn vastgesteld, en vergelijk vervolgens het bewijsmateriaal tijdens een gezamenlijke evaluatiesessie. Deze gezamenlijke evaluatie van het bewijsmateriaal is doorslaggevend voor de uiteindelijke aanstellingsbeslissing en vormt de basis voor de bepaling van de AI-competentie van de kandidaat.

Ook vandaag de dag vervalt het wervingsproces in de kunstmatige intelligentie nog steeds in de valkuil dat de kandidaat die het beste presteert tijdens het sollicitatiegesprek wordt geselecteerd, om vervolgens een kwart jaar later te ontdekken dat hij of zij het eigenlijke werk niet aankan.

Het ondoorzichtige wervingsproces lijkt misschien efficiënt omdat het minder inspanning vergt van degenen die het uitvoeren. De impact ervan op de bedrijfsvoering is echter reëel, omdat het de kosten verschuift naar de implementatiefase, waar het bijhouden van de voortgang veel moeilijker wordt en het oplossen van problemen veel duurder.

De volgende keer dat u een AI-specialist inhuurt, sla dan de vragen over de tools die ze gebruiken over. Concentreer u in plaats daarvan op de laatste keer dat een van die tools hen in de steek liet, en wat ze daaraan hebben gedaan.

We hebben de beste personeelsopleidingen behandeld.