HR-tech kan spare virksomheder for mange penge, når der skal rekrutteres. Men selv hvis 'briller' og det 'ikke at blive ansat' korrelerer statistisk, så ønsker vi ikke, at vores HR-tech sorterer bebrillede kandidater fra. Derfor har vi brug for højere kvalitetskrav, skriver Johan Busse.

Det danske arbejdsmarked efterspørger kvalificerede kandidater. Ethvert jobopslag udløser en tidskrævende lavine af ansøgninger, og tid er penge. Derfor er brugen af datadreven HR-tech stigende. Men der er dataetiske faldgruber, som ledere bør være opmærksomme på.

Pseudovidenskab

Engang troede videnskabsfolk, at kranieformen afslører, om man er pålidelig eller kriminelt anlagt, såkaldt frenologi. Men også i dag popper pseudovidenskab indimellem op i udviklingen af HR-tech. Det kan basere sig eksempelvis på tvivlsomme antagelser om, at kropssprog, mimik og svarlængde siger noget om en persons egnethed til et job. Det, at der er brugt big data i udviklingen af en AI, er altså ikke en garanti for, at den leverer nyttig viden, hvis det ikke er relevant data, der er brugt.

Diskrimination

Når fortidens ansættelsesbeslutninger var diskriminerende over for eksempelvis ældre, kvinder og minoriteter, så vil en rekrutterings-AI trænet på dem fortsætte og til tider forstærke mønsteret. AI kan også være trænet på et for smalt datagrundlag. Ansigtsgenkendelsesteknologi er eksempelvis dårlig til at genkende ansigter hos mennesker med mørk hud, blandt andet fordi de primært er trænet på videoer af hvide.