Voorkomen van arbeidsdiscriminatie: wetsvoorstel in de Tweede Kamer
In gesprekken over diversiteit en inclusie, gaat het ook al snel over discriminatie. Discriminatie vindt plaats wanneer mensen bewust of onbewust anders worden behandeld door wie zij zijn. Dit kan gaan over zowel positief (mensen voortrekken) als negatief (mensen achterstellen) discrimineren.
Discriminatie speelt ook een grote rol in het werving en selectie proces. Op basis van het oordeel over een sollicitant wordt uiteindelijk bepaald of deze persoon wel of niet wordt aangenomen. Het aannemen van medewerkers gaat dus per definitie gepaard met discriminatie.
Toch wordt discriminatie veelal gezien in een context waarbij mensen anders worden behandeld op basis van kenmerken die niks te maken hebben met uitvoeren van een specifieke baan. Dit kan gaan om bijvoorbeeld gender, culturele achtergrond en mentale of fysieke aandoening. Wanneer een organisatie graag het aantal vrouwen wil verhogen in bepaalde functies, kunnen zij positief gediscrimineerd worden tijdens de werving en selectie. Denk maar aan het beleid van de TU Eindhoven, wat twee jaar terug in opspraak kwam. Ook kunnen medewerkers die de Nederlandse taal niet vloeiend spreken of een andere/bi culturele achtergrond hebben, worden gediscrimineerd tijdens werving en selectie, omdat wordt verwacht dat zij minder goed zullen passen bij de cultuur van de organisatie.
Hoe voorkomen organisatie dan arbeidsmarktdiscriminatie tijdens de werving en selectie? De meeste organisaties zullen stellen dat dit in hun organisatie geen rol speelt, maar (onbewuste) vooroordelen komen overal voor. Wil je hier meer over weten? Kijk dan het webinar over ‘inclusieve werving en selectie’ door WOMEN Inc.
Gebruik van data
Om het effect van deze (on)bewuste vooroordelen te minimaliseren gebruiken steeds meer organisaties algoritmes, waaronder in het recruitment proces. Deze algoritmes selecteren dan de kandidaten die zij verwachten het best bij de functie te passen. Echter is al meermaals gebleken dat deze algoritmes ook een eigen voorkeur ontwikkelen voor bepaalde groepen mensen. Een van de bekendste voorbeelden hiervan is de AI (Artificial Intelligence) van Amazon.
Ondanks deze negatieve ervaringen met AI, is het de verwachting dat in 2024 ruim 80% van multinationals gebruik zal maken van algoritmes bij het aannemen, ontslaan en trainen van werknemers, zo stelt onderzoeksbureau IDC. Vanuit AnalitiQs verwachten we dat dit percentage wat lager zal zijn, maar IDC laat duidelijk trend zien in het groeiende gebruik van algoritmes. Het werken met data kan daarmee ook uitkomst bieden in de strijd tegen discriminatie én voor diversiteit en inclusie.
Wet tegen discriminatie
In de praktijk komt arbeidsmarktdiscriminatie nog steeds voor, daarom ligt er in de Tweede Kamer een wetsvoorstel om dit te voorkomen. In dit wetsvoorstel staat beschreven dat organisaties (of externe arbeidsbemiddeling) een werkwijze moeten hebben ingesteld die is gericht op het voorkomen van arbeidsmarktdiscriminatie.
Degene die arbeidsbemiddeling verricht beschikt over een werkwijze die gericht is op voorkoming van arbeidsmarktdiscriminatie. Uit de werkwijze blijkt dat de procedure van werving en selectie is gebaseerd op voor de functie relevante functie-eisen, inzichtelijk en controleerbaar is, en systematisch is ingericht.
Bovenstaande regel uit het wetsvoorstel laat zien dat een werving en selectieprocedure aan een aantal eisen moet voldoen: (1) voorkomen van arbeidsmarktdiscriminatie, (2) focussen op functie relevantie functie-eisen en (3) inzichtelijk, controleerbaar en systematisch. Op elk van deze onderwerpen wordt hieronder kort ingegaan en hoe hiermee om te gaan.
Het kan voor organisaties echter best lastig zijn inzicht te krijgen in de mate van arbeidsdiscriminatie in het werving en selectieproces én het inrichten van een transparante procedure om discriminatie te voorkomen.
Wetseis 1: Voorkomen van arbeidsmarktdiscriminatie
Om de juiste stappen te bepalen om arbeidsmarktdiscriminatie te voorkomen, is het van belang om inzichtelijk te krijgen in welke mate dit nu een rol speelt.
Hiervoor kan gebruik worden gemaakt van de recruitment bias check van AnalitiQs. Deze check maakt gebruik van verzamelde data in het recruitment proces en analyseert of er significante verschillen zijn tussen de groepen medewerkers die wel en niet worden aangenomen.
Op basis van deze resultaten kan worden geïdentificeerd of door (on)bewuste vooroordelen bepaalde groepen medewerkers meer of minder kans maken om aangenomen te worden en er dus mogelijk sprake is van arbeidsmarktdiscriminatie. Tevens kan getoond worden waar in het proces eventuele bias zich voordoet. Met deze resultaten kan vervolgens een roadmap worden opgesteld om te bepalen hoe de bias kan worden geëlimineerd. Hierin kan worden gedacht aan het verwijderen van persoonsgegevens in het CV of een workshops (gender)bias.
Wetseis 2: Functie relevante functie-eisen
Het spreekt voor zich dat een vacaturetekst de relevantie functie-eisen beschrijft. Toch blijkt dat een vacaturetekst gebaseerd wordt op de persoon die momenteel deze functie bekleed of dat stereotype beschrijvingen (bv. masculiene eigenschappen voor een managementpositie) worden gebruikt. Onbewust kan het gebruik van sommige functie-eisen dus discriminatie in de hand spelen.
Door het inzetten van Natural Language Processing kan onbewuste en onbedoelde discriminatie worden gedetecteerd. Zo zijn er al verschillende tools op de markt die vacatureteksten kunnen analyseren en suggesties doen om het taalgebruik zo neutraal mogelijk te houden.
Organisaties kunnen hier ook zelf mee aan de slag. Bepaal gezamenlijk aan welke functie-eisen een potentiële medewerker moet voldoen en probeer dit zo neutraal mogelijk op te stellen.
Wetseis 3: Inzichtelijk, controleerbaar, systematisch
Een van de belangrijkste aspecten van dit wetsvoorstel is dat het werving en selectieproces inzichtelijk en controleerbaar is en systematisch wordt uitgevoerd. De allereerste stap hierbij is om inzicht te krijgen in de verschillende fasen in het recruitment proces. Op welke manieren worden vacatures verstuurd, hoe kunnen mensen solliciteren, hoe vinden gesprekken plaats en welke selectiecriteria worden gehanteerd. Het uitschrijven en in kaart brengen van deze verschillende stappen geeft al een eerste aanzet in het inzichtelijk maken van het werving en selectieproces.
Op basis van dit inzicht kan ook worden bepaald hoe de uitvoering van deze stappen kan worden gecontroleerd. Hierop controleren helpt namelijk bij het inzichtelijk maken in hoeverre de aanpak niet alleen op papier staat beschreven, maar ook systematisch zo wordt uitgevoerd.
De techniek die organisaties hierbij kan helpen, is HR Process Mining. Process Mining is een algemene techniek, die ook kan worden toegepast binnen HR. Met Process Mining visualiseer je processen door gebruik te maken van event logs in verschillende softwareapplicaties. Daarna kun je de processen makkelijk en vooral objectief analyseren. Het is daarmee een hulpmiddel om je processen te verbeteren.
Een voorbeeld. Een kandidaat solliciteert, waarna een medewerker de sollicitatie opent en de kandidaat afwijst, of contact opneemt om een gesprek in te plannen. Deze afspraak wordt vastgelegd in de agenda. Bij een positieve uitkomst wordt er misschien nog een tweede gesprek ingepland. Als dat allemaal goed gaat krijgt de kandidaat een voorstel met een contract toegestuurd. Al deze stappen zijn in één of meerdere systemen terug te vinden. Door de event logs uit die systemen te gebruiken, kan het daadwerkelijke proces worden gevisualiseerd. Op basis hiervan kan gekeken worden in hoeverre het ook aansluit met het voorgestelde proces en kunnen waar nodig aanpassingen worden gedaan. Ook kan worden geanalyseerd of alle sollicitanten hetzelfde proces doorlopen en of daar bijvoorbeeld al verschillen in te vinden zijn.
Het gebruik van process mining van het werving en selectieproces biedt verschillende voordelen:
- Het proces wordt inzichtelijk gemaakt
- Het is mogelijk om de uitvoering van het proces te controleren
- Het biedt inzicht om het proces te verbeteren
- Het proces systematisch, dus voor elke kandidaat gelijk, wordt uitgevoerd.
Hoe werkt een recruitment bias check?
Heeft iedereen gelijke kansen om in aanmerking te komen voor een baan? De Recruitment bias check van AnalitiQs analyseert of er significante verschillen zijn tussen groepen sollicitanten en de uiteindelijke kans om aangenomen te worden voor een baan.
Uitvoering:
Om inzicht te krijgen in een eventuele bias in het recruitmentproces, heeft AnalitiQs de ‘recruitment bias check’ ontwikkeld. Deze check analyseert het wel of niet doorstromen van verschillende groepen naar de volgende stappen in de recruitment funnel. Zo kan worden geanalyseerd of bepaalde groepen (bv. vrouwen) significant minder vaak een baan wordt aangeboden. Deze analyse kan worden uitgevoerd op het totaal van alle vacatures, maar bijvoorbeeld ook specifiek voor hoger management vacatures.
Uitdaging:
Bij het uitvoeren van een dusdanige analyse blijkt in de praktijk dat organisaties (meta)data vaak niet op orde hebben. In welke stappen is een kandidaat uit het proces gegaan? Is er voldoende data over kandidaten opgeslagen, conform huidige wet- en regelgeving? Datamanagement is bij dit soort onderzoeken van groot belang. AnalitiQs kan helpen bij het opzetten van een datamanagement structuur, zodat de juiste analyses kunnen worden uitgevoerd.
Wetseis: Communiceren
Degene die arbeidsbemiddeling verricht zorgt ervoor dat eenieder kennis kan nemen van de geldende werkwijze.
Naast het inrichten van een werving en selectieprocedure, dienen organisaties hier in het nieuwe wetsvoorstel ook over te communiceren. Zo dient de procedure voor eenieder betrokken bij de werving en selectie inzichtelijk én beschikbaar te zijn. Dit geldt dus ook voor sollicitanten en potentiële werknemers. Ook dienen maatregelen die worden genomen ter voorkoming van discriminatie hierin worden vastgelegd.
Aan de slag
Door het gebruiken van bovenstaande aanpak kan een organisatie inzicht krijgen in mogelijke discriminatie in het aanname proces. Met de resultaten kunnen vervolgstappen worden gezet in het voorkomen van arbeidsmarktdiscriminatie en het verhogen van gelijke kansen voor werknemers. Het wetsvoorstel dient nog te worden goedgekeurd, dus organisaties hebben nog een periode alvorens zij hier verplicht mee aan de slag moeten. Toch adviseert AnalitiQs hier al mee te beginnen, mede omdat de benodigde data voor het uitvoeren van een recruitment bias check of process mining niet altijd beschikbaar is en je als organisatie niet met slechte resultaten in het nieuws wil komen. Indien het werving en selectieproces op basis van de uitkomsten veranderd dient te worden, gaat hier ook nog een periode van verandering overheen. Door het reduceren van vooroordelen en discriminatie, hebben organisaties ook een voordeel op de arbeidsmarkt omdat zij uit een bredere pool medewerkers kunnen kiezen.
NB. Bovenstaande beschrijving van het wetsvoorstel is niet uitputtend, het volledige wetsvoorstel is hier terug te vinden.
Aan de slag met diversiteit en inclusie?
Neem contact met ons op!
