Generative AI (Gen-AI) verandert diepgaand Human Resource Management (HRM). Onderzoeker Shuai Yuan (Amsterdam People Analytics Center, Universiteit van Amsterdam) is een voorloper in het onderzoek naar de effecten ervan op HR strategieën en efficiëntie. Yuan legt uit hoe Gen-AI de toekomst van werk beïnvloedt – en hoe het verborgen gebruik van AI binnen organisaties een enorme impact kan hebben.
De invloed van Gen-AI op HR kan volgens Shuai Yuan op drie verschillende niveaus worden begrepen: assistant, agent en ally. Elk niveau vertegenwoordigt een stap in de evolutie van de rol van AI binnen organisaties. Het eerste niveau, assistant, draait om automatisering—een praktische toepassing die repetitieve en saaie taken aanpakt. “HRM houdt vaak documentbeheer en het organiseren van werkstromen in,” merkt Yuan op. “AI is hier enorm nuttig, omdat het processen automatiseert en tijd bespaart voor HR-professionals om zich te concentreren op meer strategische initiatieven.”
Een AI-ally denkt met je mee
Op het tweede niveau, agent, beschrijft Yuan een meer collaboratieve relatie tussen AI en HR-professionals. “Agents gaan verder dan alleen automatisering,” legt hij uit. “Ze werken samen met HR-professionals, helpen data te analyseren en leveren bruikbare inzichten. HR-experts weten vaak welke variabelen het personeelsverloop voorspellen, maar kunnen geen complexe statistische modellen uitvoeren. AI-agenten overbruggen de kloof door hun ideeën operationeel te maken en theoretische kennis om te zetten in praktische oplossingen.”
Het derde en meest geavanceerde niveau is ally, waarbij Gen-AI actief mee brainstormt en problemen oplost. Yuan legt uit: “Een AI-ally kan met je meedenken. Als je niet weet waar je moet beginnen, kan die ideeën genereren, nieuwe methoden voorstellen of zelfs benaderingen suggereren die je nog niet had overwogen. Dit is vooral waardevol in gebieden waarover HR-professionals misschien geen diepgaande expertise hebben.”
Op ally-niveau experimenteert Shuai Yuan met op gemaakte tests voor sollicitanten. “Ik ben betrokken bij een onderzoeksproject, een HR use case op het gebied van selectie. Het idee is om Gen-AI te gebruiken om automatisch tests te genereren voor het selecteren van nieuwe medewerkers. In plaats van te vertrouwen op standaardtests die mogelijk niet volledig de vereisten van een specifieke functie vastleggen, kan Gen-AI op maat gemaakte beoordelingen genereren die nauw aansluiten bij de eisen van de rol,” legt hij uit.
Bias als mogelijk risico
De implementatie van AI op het Ally-niveau staat nog in zijn kinderschoenen. Assistants en agents zijn wijdverspreid, maar Ally vereist een vooruitgang in technologie en een verschuiving in de denkwijze binnen organisaties”, legt hij uit. Recente ontwikkelingen, zoals AI-systemen die meerdere modellen integreren om taken uit te voeren, resultaten te evalueren en projecten te plannen, bieden een glimp in die toekomst.
“Voor HR-praktijken zal dat nieuwe Ally-niveau meer bruikbaarheid opleveren,” benadrukt Shuai Yuan. Het vereist een verandering van denken binnen organisaties die er meer voor open zullen staan naarmate de eerste twee niveaus ingeburgerd raken.
Naarmate Gen-AI vordert, steken ook nieuwe uitdagingen de kop op en dan is bias een hele belangrijke binnen HR toepassingen. Yuan wijst op twee soorten bias in Gen-AI-systemen: bias die inherent is aan de AI-modellen zelf en bias die aanwezig is in de onderliggende data. “AI-systemen worden vaak getraind op grote datasets die historische bias weerspiegelt,” legt hij uit. “Ik denk aan het koppelen van ‘wit’ aan positieve eigenschappen en ‘zwart’ aan negatieve eigenschappen. Die bias kan het besluitvormingsproces van de AI beïnvloeden.”
Voor HR zijn de gevolgen aanzienlijk. “Wanneer dat soort bias ingebed is in de algoritmen die gebruikt worden voor werving, prestatiebeoordelingen of promoties, kunnen ze ongelijkheid en discriminatie in stand houden,” waarschuwt Yuan. Hij erkent dat er oplossingen bestaan om bias te verminderen, maar benadrukt dat die lang niet perfect zijn. “Hoewel het mogelijk is om expliciete bias tot op zekere hoogte aan te pakken, zijn subtiele verbanden tussen woorden en betekenissen moeilijker te identificeren en te corrigeren.”
Value Alignment en de gender gap
Ook Value Alignment is belangrijk: spoort Gen-AI met de maatschappelijke en organisatorische waarden? Dat is een ander onderzoeksgebied waar we ons mee bezig moeten houden. En dan is er ook AI-geletterheid: wat zijn de drempels die mensen ervaren om er mee aan de slag te gaan en zijn die drempels terecht? Er is ook een grote gender gap: vrouwen blijken minder geneigd om Gen-AI te gebruiken dan mannen, ook al is er geen verschil tussen hen op het vlak van analytisch vermogen. Waarom is dat dan zo en wat kunnen we er aan doen?
De kernvraag is wat de werkelijke impact van dit alles zal zijn,” stelt Shuai Yuan. “Dat is nog maar weinig onderzocht, zowel in de academische wereld als in de industrie. Bedrijven negeren de kwestie vaak omdat ze Gen-AI nog niet op grote schaal gebruiken en het bewustzijn ontbreekt. Vooral de juiste user cases voor HR ontbreken nog, maar daar werken we dus aan. Anderzijds wordt de technologie – algoritmes, big data, andere AI – wel massaal geadopteerd in de HR praktijk.
Ook regulering wordt echt belangrijk, bijvoorbeeld op praktijken zoals het scannen van cv’s waarvoor de facto geen regels bestaan. De bestaande Europese AI Act is bovendien niet op maat van de HR praktijk opgemaakt.” Een belangrijke vaststelling, zeker omdat het potentieel van generatieve modellen voor HR – zoals voor selectie en werving – zo groot is.
Verborgen gebruik van Gen-AI
Een andere uitdaging op de werkvloer is het verborgen gebruik van Generatieve AI (Gen-AI) door werknemers. Shuai Yuan is betrokken bij een nieuw project dat de redenen achter het verborgen gedrag en de gevolgen ervan voor organisaties en individuen onderzoekt. De motivatie valt doorgaans in twee categorieën op te delen: organisatorisch en persoonlijk, zegt de onderzoeker.
De meeste bedrijven verbieden het gebruik van GenAI of hebben onduidelijke beleidsregels. “30 tot 40 procent verbiedt het gebruik expliciet,” zegt Shuai Yuan. “In andere gevallen zijn de beleidsregels vaag of onbestaand, waardoor werknemers onzeker zijn of ze deze tools mogen gebruiken. Die onduidelijkheid ontmoedigt werknemers om open te zijn. Onzeker beleid maakt dat je geen risico wil nemen, dus hou je het liever stil.
Persoonlijke overwegingen spelen ook een rol. “Reputatieschade bijvoorbeeld, vooral voor wie een bepaalde expertise essentieel is voor een bepaald takenpakket. Het geheime gebruik van GenAI kan hun geloofwaardigheid ondermijnen, omdat collega’s hun competentie in vraag kunnen stellen.”
Een andere dringende zorg is werkzekerheid. Yuan legde uit: “Werknemers maken zich zorgen dat ze vervangbaar zijn door AI.” Die angst leidt ertoe dat werknemers hun afhankelijkheid van AI-tools liever toegedekt houden, zelfs wanneer die tools hun werk efficiënter maken. Maar dat gedrag brengt risico’s met zich mee voor bedrijven. “Stiekem gebruik van Gen-AI kan een negatieve invloed hebben op organisaties. Werknemers proberen hun gedrag te verbergen voor collega’s. Dat kost energie en leidt tot minder productiviteit.” Geheim gebruik van Gen-AI kan ook het onderlinge vertrouwen onder werknemers ondermijnen.
Ook daarom is er een duidelijke AI-beleid nodig. “HR kan mee de lijnen uitzetten en heeft de expertise in huis om de CEO of de raad van bestuur te overtuigen dat een gedetailleerd AI-beleid belangrijk is – dat HR bovendien zelf kan uitschrijven. Zorgen over vertrouwen, beleid en werkzekerheid vereisen strategische actie. Daartoe is HR het beste geplaatst.”
