Epsilon Archive for Student Projects

Abstract

Digitaliseringen har förändrat hur organisationer arbetar med rekrytering, där AI-baserade rekryteringsverktyg blivit alltmer vanligare att implementera i urvalsprocessen. Syftet med denna studie har varit att undersöka hur AI används i rekryteringsprocesser samt analysera de utmaningar och möjligheter som uppstår i relation till transparens, rättvisa och algoritmisk partiskhet. Denna studie fokuserar endast på Securitas tillämpning av AI-verktyget Hubert i deras rekryteringsprocess.

Denna studie har genomförts som en kvalitativ fallstudie där insamlingen av det empiriska materialet gjorts genom semistrukturerade intervjuer med en rekryterare som jobbar för Securitas och en medarbetare som genomgått den AI-baserade urvalsprocessen. För att analysera det empiriska materialet har studien baserats på tidigare forskning och perspektiv om algoritmisk partiskhet, transparens och rättvisa samt etiska principer vad gäller användningen av AI i rekryteringssyfte.

Resultatet av studien visar att AI-baserad rekrytering kan bidra till att effektivisera och standardisera rekryteringsprocesser. Securitas använder sig av Huberts AI-baserade chattintervju för att hantera stora mängder ansökningar och förenkla urvalsprocessen. Med hjälp av AI-
verktyget har rekryteringsprocessen upplevts som relativt likvärdig, enkel och tydlig att genomföra då frågeställningarna var samma för alla kandidater. Detta bidrog till att effektivisera rekryteringsprocessen och minimera de subjektiva mänskliga bedömningarna.
Studien har dock också belyst hur den AI-baserade rekryteringen också medför en hel del utmaningar. Bland annat så tydliggör analysen av den insamlade empirin att de organisatoriska kriterierna som AI-systemet installerats på påverkar hur bedömningen kommer att se ut. Vissa
specifika krav som efterfrågas av kandidaten men som inte är relevant för den förfrågade tjänsten kan exkludera en stor målgrupp kandidater som har tillräckligt med kompetens för att få arbetstjänsten.
Resultatet visar vidare hur viktigt transparens och ansvar är inom AI-baserad rekrytering.
Medarbetaren i Securitas som medverkade i studien upplevde återkopplingen kring beslutsprocessen i organisationen att vara begränsad, samt att det var svårt att förstå hur
slutbedömningen genomfördes kring kandidaterna var svår att förstå. Det blev också tydligt hur Securitas hade en begränsad insyn i hur den algoritmiska funktionen av AI-verktyget fungerar då en extern leverantör anförlitats.
Sammantaget så visar studien att AI inom rekrytering både innebär utmaningar och möjligheter.
För att användningen av AI-baserade rekryteringsmedel ska kunna ske på ett så rättvist och hållbart sätt som möjligt krävs kontinuerlig granskning och utvärdering av AI-systemet för att säkerställa en så rättvis urvalsprocess som möjligt

Digitalization has transformed how organizations work with recruitment, and AI-based recruitment tools have become increasingly common in the selection processes. The sole purpose of this study has been to examine how AI is used in recruitment and to analyse the challenges and opportunities that arise in relation to transparency, fairness, and algorithmic bias. The study focuses exclusively on Securitas' use of the AI tool Hubert in its recruitment process.

The study was conducted as a qualitative case study. Empirical data were collected through “semi-structured” interviews with one recruiter employed at Securitas and one employee who has gone through the AI-based selection process. The empirical material was analysed using previous research and theoretical perspectives on algorithmic bias, transparency, fairness, as well as ethical principles regarding the use of AI for recruitment purposes.

The results show that AI-based recruitment can contribute to more efficient and standardized recruitment purposes. Securitas uses Hubert's AI-based chat interviews to handle large volumes of applications and to simplify the selection process. The application of the AI tool caused the recruitment process to be perceived as relatively equal, simple and clear for candidates to partake in, especially as the AI-chattbased interview gave all the candidates the same questions to answer. This contributed to a more efficient recruitment process and helped to minimize subjective human decisions.

However, the study highlights several challenges linked to AI-based recruitment. The analysis of the empirical material shows that the organizational criteria on which the AI system is configured strongly affect how candidates are assessed. Specific requirements that are requested from potential candidates, but are not necessarily relevant for the actual position, may exclude a large group of applicants who otherwise have sufficient competence for the role.

The results of this case study further underline the importance of transparency and accountability in AI-based recruitment. The Securitas employee who participated in the study experienced the feedback on the organization's decision-making process to be very limited. He also found it difficult to understand how the final assessment of the candidates was made. It also became clear during the study that Securitas has restricted insight into how the algorithmic functions of the AI tool operate, since an external provider is responsible for its development and maintenance.

Finally, the case study shows that the use of AI in recruitment involves both opportunities and challenges. To ensure that AI-based recruitment tools are used in a fair and sustainable way as possible, continuous monitoring and evaluation of the AI system are required to secure the most equitable and fair selection process achievable.