AI in de praktijk: Pera voorspelt vaardigheden en talent op basis van daadwerkelijk gedrag

Pera ontsluit met behulp van Machine Learning patronen en factoren van goed presterende teams en personen. Die gegevens kunnen vervolgens voorspellend worden ingezet om onaangeboord talent te vinden.

Digitalisering heeft de laatste decennia nieuwe vaardigheden, kennis en een innovatieve beroepsbevolking gegenereerd. Toch worden vacatures en talent vaak nog (te) rechtlijnig geclassificeerd: CV’s en de standaard interviews en/of evaluatiegesprekken zijn leidend in de keuzes die bedrijven maken in het aannemen en begeleiden van personeel. Pera heeft een manier ontwikkeld om dit te doorbreken door vaardigheden, competenties en objectieve uitkomsten van baansucces te classificeren op daadwerkelijk gedrag en output. Dit doet het bedrijf door het toepassen van Machine Learning.

Ik sprak met Rina Joosten-Rabou, CEO en mede-oprichter van Pera, een avonturier met een sterke visie. Als betrokkene bij het AI-actieplan Rutte – waaruit de Nederlandse AI Coalitie is voortgekomen – en zittend in de raad van toezicht van AiNed, is ze meester in het snijvlak tussen technisch innoveren en goed zijn voor de gebruiker. Ze startte in 2002 bij DSM innovatie maar merkte al snel hoe ingewikkeld het was om goede techneuten te vinden, en hoeveel kansen China hierin bood. Daarom waagde ze de sprong en woonde en werkte met haar gezin in China tussen 2007 en 2014. Ze startte een internationaal HR-bedrijf, International Top Talent, en wierf hiermee Chinese technici voor Nederlandse bedrijven en universiteiten, wat haar uiteindelijk leidde tot het starten van technologiebedrijf Pera.

Wat maakt Pera anders dan de standaard recruitment- en assessmentprocedures?

“Wij maken datagedreven inzichtelijk wie waar succesvol zal zijn: Pera ontsluit data en bouwt hiermee patronen van herkenbare factoren in high-performing teams en personen. We hebben jarenlang medewerkersgedrag en hun performance onderzocht, op basis van 360-graden-beoordelingen op gedrag en objectieve inzichten. De data worden gewonnen uit taalgebruik van werknemers door ze drie open vragen te laten invullen, waardoor een natuurlijk beeld ontstaat uit de semantiek en stijl van de antwoorden. We zien dat professionals die we identificeren het 30 procent beter doen na aanname dan de gemiddelde medewerker.”

En uit die analyses van gedrag uit het verleden kunnen jullie dus voorspellingen doen?

“Ja, doordat Pera inmiddels een kritische massa aan data heeft opgebouwd, met informatie over vijf-en-een-half miljoen professionals, kunnen we aan de hand van schaalbare modellen voorspellen wat de mate van slagen binnen een functie is voor personen en voor het bedrijf. Dit zijn voorspellingen van de kans dat iemand succesvolle output levert, oftewel: omzet, innovatie vermogen, en klanttevredenheid. Bedrijven die met ons werken doen het 30 procent beter. Zo wordt niet (alleen) op basis van een CV of wat gesprekken geloofd dat een persoon de functie succesvol zal invullen: we weten namelijk uit onderzoeken dat deze methodes vrijwel niets zeggen over uiteindelijk succes van een kandidaat binnen een organisatie. Daarnaast blijven we het systeem voeden met informatie, waarmee het een zelflerend model is dat steeds intelligenter wordt en altijd relevant blijft.”

Met AI zijn ook altijd vragen over ‘bias’ en discriminatie. Hoe zit dat bij jullie?

“Met Pera voorkom je vooroordelen bij recruitment en promoties: door het inzetten ervan krijg je verrassende inzichten. We zien uit onze experimenten versus traditionele recruitmentmethodes dat je mensen vindt die vroeger nooit in het vizier zouden komen. Je vijver wordt dus niet alleen 30 procent groter, maar de talenten die je identificeert zijn ook nog eens diverser.

Van vooroordelen en vooraf besloten meningen over personen op basis van afkomst of uiterlijk is geen sprake omdat deze informatie niet is meegenomen bij het trainen van onze modellen. Uiteraard doen we regelmatig experimenten om enige vorm van bias uit te sluiten. Wij realiseren niet alleen meer diversiteit omwille van diversiteit. We herkennen de grootste talenten en zien aan onze uitkomsten in het bedrijfsleven dat dat resulteert in een diverse groep met mensen die het ook nog eens veel beter doen op de harde KPI’s die ze moeten leveren.”

Wat is de gebruikersgroep?

“Wij werken direct met bedrijven zoals L’Oréal en Brand New Day waarbij we data en informatie specifiek voor een bedrijf verfijnen. Het is zeker niet zo dat ieder bedrijf voor iedere functie dezelfde behoeftes heeft om tot high-performance profielen te komen. Competenties die in het ene bedrijf zeer sterk tot prestaties leiden, hoeven in het volgende bedrijf niet per definitie eenzelfde uitkomst te genereren. Wel is het zo dat we inmiddels generieke patronen ontdekt, bijvoorbeeld in commercieel succes, leiderschap en innovatie/ transformatief vermogen, waar we een rode draad onafhankelijk van sector of bedrijf kunnen leggen. Bedrijven krijgen toegang tot deze benchmarks via ons platform in ‘de Pera Skope’, en kunnen daarnaast met ons de samenwerking aangaan om hun eigen competentiemodel op te bouwen.”

Maar jullie werken ook met recruiters, toch?

“Recruitmentbedrijven gebruiken in plaats van ons platform vaak onze API om hun eigen data te verrijken met onze competentie en performance-inzichten. Hierdoor ontdekken ze 30 procent andere talenten in hun eigen database dan wanneer ze alleen kunnen matchen op CV-criteria. Zo hebben we bijvoorbeeld een strategische samenwerking met Head First, een recruitmentbureau voor het plaatsen van ZZP-ers bij bedrijven.”

Voor welke fasen zetten bedrijven jullie in?

“Eigenlijk voor vijf verschillende fases: recruitment (wie zou ik moeten aannemen voor welke functie), gap-analyse (wat kan mij team nu, welke competenties leiden tot ideale output en wat moet ik doen om dat gat te dichten?), trainingen (betere aansluiting educatie en motivatie), promoties (doorgroei van personeel op gedrag en output) en bedrijfscultuur (opbouw van cultuur om high performers te genereren).

Zie je dit als de nieuwe fase in talent en recruitment?

“Het is een feit dat we aan de vooravond van het informatietijdperk staan. AI biedt ons mogelijkheden die voorheen onmogelijkheden waren en maakt daardoor alle assessments van de oude stempel achterhaald. Ons product laat zien wat data en Machine Learning kunnen brengen: door echt te kijken naar mensen en hun prestaties en dan ‘look-alikes‘ te vinden van de high performers binnen een vakgebied verbetert het personeelsbestand”

Zijn er ook risico’s?

“Het gevaar hierin kan zijn dat het systeem onvoldoende wordt bijgewerkt waardoor je alsnog achter de feiten aanloopt en verkeerde keuzes maakt. Daarom blijven wij continu data ontsluiten, analyseren, en voeden in het systeem zodat het zelflerend en toekomstbestendig blijft. De Pera Skope is inmiddels zo intelligent dat bedrijven dertig procent hogere omzet halen met de mensen die ze identificeren.”

Wat is de invloed van Open AI hierop?

“Er is veel aandacht voor Open AI, dat is positief want mensen raken meer gewend aan toepassingen van AI. Het leeft meer in bedrijven dus dit helpt ons weer het product uit te leggen. Echter: Open AI is getraind op data die publiekelijk beschikbaar zijn. Wij werken niet met publieke data, maar trainen onze algoritmes op basis van zorgvuldig opgebouwde, niet-publieke data, zoals performance- en competentiedata binnen bedrijven. Daarmee is ook ieder bedrijf uniek voor ons en – veel belangrijker – ook voor onze Machine-Learning-modellen.”

Wat verwacht je tot slot van de toekomst?

“Dat iedereen objectievere besluiten gaat nemen over personeel. We kunnen het ons niet meer permitteren om irrationeel te zijn, de technologie en de bewijzen zijn er inmiddels! Ik verwacht dat we zullen ontwikkelen tot een soort virtuele assistent: jij vindt een baan of een baan vindt jou door inzichten te koppelen. Daarmee zal de arbeidsmarkt eerlijker, transparanter zijn en meer in balans komen.”

Over de auteur: Femmie Geradts is directeur van Startup Village.