Die meisten KI-Einstellungstools machen nicht das, was Sie denken

Die Kernfunktion der meisten Bewerbermanagementsysteme ist nach wie vor Matching: Lebensläufe nach Schlüsselwörtern, Titeln, Qualifikationen und Jahren an Erfahrung scannen und Kandidaten danach einordnen, wie sehr sie der Stellenbeschreibung entsprechen.

Das ist nützlich für die Volumensteuerung, aber es ist keine Intelligenz. Es ist Mustererkennung angewandt auf Text, und die Qualität des Outputs ist begrenzt durch die Qualität der Kriterien, die bereits im System hinterlegt sind.

Der Markt hat diese Unterscheidung verwischt, weil das AI-Label sich gut verkauft. Aber die Automatisierung von Lebenslaufanalyse und Rangfolge bedeutet nicht, dass ein Tool versteht, was tatsächlich Erfolg in einer Rolle vorhersagt.

Die Harvard Business School und Accenture stellten fest, dass 88% der befragten Arbeitgeber zugaben, dass ihre eigenen Systeme qualifizierte Kandidaten ausschließen, weil diese Personen nicht genau den konfigurierten Parametern entsprechen. Das System funktioniert wie entworfen. Das Design ist das Problem.

Die Bezeichnung verbreitete sich, weil sie kommerziell funktionierte, nicht weil sie zuverlässig einen technischen Durchbruch in der Einstellungsqualität beschrieb.

Das Hinzufügen von Machine-Learning-Komponenten zu einem schlüsselwortgesteuerten System ermöglicht es Anbietern, das Produkt als KI-gestützt zu bezeichnen, selbst wenn die zugrundeliegende Bewertungslogik grundlegend unverändert bleibt.

Das schafft einen Markt, in dem nahezu jede Plattform behauptet, die besten Kandidaten zu identifizieren, während nur sehr wenige erklären können, welche Signale sie tatsächlich messen oder warum diese Signale die Leistung in Ihrer Umgebung vorhersagen.

Das ist besonders in Unternehmensumgebungen riskant. Ein generalistisches Modell, das auf umfassenden Daten trainiert wurde, weiß nicht automatisch, was jemanden in Ihren Rollen, in Ihren Teams oder in Ihrer Region erfolgreich macht.

Die richtige Kauffrage lautet nicht mehr „Verwendet das System KI?“ Fast jeder Anbieter kann sie in irgendeiner Form bejahen. Die bessere Frage ist, was das System tatsächlich bewertet und wie das mit Leistungsergebnissen in Rollen wie Ihren zusammenhängt.

Ein Tool, das Kandidaten nach Stichwortdichte einstuft, misst etwas. Ein Tool, das Fähigkeitssignale anhand tatsächlicher Arbeit, Kontext und vergleichbarer Leistungshistorie bewertet, misst etwas grundsätzlich anderes.

Diese Unterscheidung beeinflusst, wer die Interviewrunde erreicht, wer ein Angebot erhält und wer letztlich nach dem Eintritt Leistung erbringt. Wenn das Signal die Leistung nicht vorhersagt, haben Sie die Einstellung nicht verbessert. Sie haben Ihre Fehler nur schneller und in größerem Maßstab gemacht.

Der nächste Artikel dieser Reihe geht von der Kritik zu konkreten Details über: Wie echte Fähigkeitsbewertung aussieht, wenn die Demo vorbei ist und sich das reale System rechtfertigen muss.