We kijken al lang niet meer op als Siri, de IPhone-assistente onze verzoeken met tal van suggesties beantwoordt of wanneer Bol.com denkt dat we ook wel geïnteresseerd kunnen zijn in een paar modieuze teenslippers net nadat we een design lamp aankochten. We zijn blij dat Amazon ons een shortlist van aangepast leesvoer voorschotelt zonder zelf nog boekrecensies te moeten doornemen. Ons rechtvaardigheidsgevoel krijgt zelfs een opkikkertje als we lezen dat controlediensten Financiën data-analyse toepassen om fiscale fraude te detecteren.
De verbazing is dan ook beperkt nu we vernemen dat de VDAB-toepassingen binnenkort heel wat voorspellende informatie zullen aanleveren. Zo bestaat de mogelijkheid dat ze mij binnenkort suggereren om mijn aspiraties als adviseur in te ruilen voor een opdracht als vrachtwagenchauffeur, …. omdat hun datasystemen dit netjes hebben uitgezocht.
De VDAB wil net zoals de techbedrijven de beschikbare data volop exploiteren om hun basisdienstverlening en bemiddeling te kunnen optimaliseren.
Van bescheiden stapjes naar voluit digitaal
De VDAB heeft als publieke bemiddelingsdienst de afgelopen decennia een hele transformatie doorgemaakt. In 1989 werd de ontkoppeling met de RVA schuchter ingezet via een bescheiden mission statement: “VDAB wil impact uitoefenen op de arbeidsmarkt in harmonie met economie en maatschappij.” Een kwarteeuw later is de gelauwerde overheidsinstantie bij monde van haar gedelegeerd bestuurder flink gegroeid in haar bewustzijn: “VDAB wordt de Amazon van de arbeidsmarkt” dixit Fons Leroy.
Met de overdracht van federale bevoegdheden, demografische en economische ontwikkelingen kwamen ook steeds meer uitdagingen op de agenda te staan. VDAB verruimde de prioritaire focus op uitkeringsgerechtigde werklozen naar een grotere klantenportefeuille waar ook werkenden werkzoekenden en werkgevers op dezelfde voet behandeld worden. En het recept van opleiding en bemiddeling werd er niet eenvoudiger op in een wereld die de VDAB zelf als volatiel, onzeker, complex en ambigue omschrijft.
De nieuwe bevoegdheden inzake de controle van het zoekgedrag vormden een langverwachte schakel in het Vlaamse activeringsbeleid maar botste intern met de bedrijfscultuur. Een besparingsronde van 6% in 2012 gevolgd door een bevoegdheidsuitbreiding in 2014 zonder bijhorende centen, zetten het dienstverleningsmodel verder onder druk.
Om de hoge verwachtingen en nieuwe uitdagingen de baas te kunnen wordt nu heel sterk ingezet op innoverende instrumenten en vooral op technologie.
Datamining, een techniek maar ook een proces om in gegevens verbanden en patronen te zoeken, is er zo één van.
Graven naar schatten
VDAB beschikt niet alleen over honderdduizenden digitale dossiers van werkzoekenden maar ze ontvangen jaarlijks ook tienduizenden nieuwe vacatures. VDAB zorgt voor een automatisch vacatureaanbod door in enkele milliseconden honderdduizenden werkzoekenden te matchen met de tienduizenden vacatures.
Daarnaast beheert de overheid in tal van andere levensdomeinen databanken die de burgers en diensten toelaten dezelfde informatie niet altijd opnieuw te moeten opgeven. Door het koppelen van deze databanken kan de VDAB ook andere parameters uit de loopbanen kruisen met hun bemiddelingsgegevens.
En nog meer tot de verbeelding spreekt de registratie van het clickgedrag van diezelfde mensen wanneer ze gebruik maken van de tools die VDAB beschikbaar stelt.
Bij het navigeren wordt het gedrag van de surfer nauwgezet bijgehouden: welke vacatures klikt men aan, hoeveel bekijkt men er op de website, hoeveel tijd besteedt hij aan een kijkje nemen…
Deze gigantische berg aan dossier- en arbeidsmarktinformatie vormen samen met de matchings-, navigatie- en historische gegevens, de Big Data van de VDAB. De VDAB heeft nu in samenwerking met de KU Leuven en de Vlerick Business School algoritmes ontwikkeld die een inzicht in het zoekgedrag van de werkzoekende moeten genereren.
Via een statistische benadering kunnen er aanbevelingen worden geformuleerd die de klant moet vooruithelpen in zijn zoektocht. Zo kunnen er vacatures worden aangereikt die in het verleden een grote matchbaarheid hadden bij soortgelijke profielen of kunnen er suggesties op maat worden voorgesteld om andere acties te ondernemen in functie van het gekozen jobdoelwit.
Hetzelfde systeem van data-analyse kan ook gebruikt worden om onpopulaire vacatures bij de juiste werkzoekenden aan te bevelen of om vacatures waar de werkgever expliciet een VDAB-tussenkomst vraagt naar werkzoekende te pushen.
Al deze hulpmiddelen hebben één ding gemeen: ze voorspellen ons gedrag.
Ze doen dit door data te verzamelen in grote datasets, deze te analyseren en vervolgens patronen en verbanden voor te stellen die een voorspellende uitspraak doen over het gedrag van de klant/gebruiker.
Het opgraven van deze informatieschat heet Datamining, het proces om via deze algoritmes voorspellende modellen te creëren die door een voortdurende stroom aan nieuwe data gevoed en aangepast worden, omschrijft men als Machine Learning.
Moeten we bang zijn voor deze technologie? Nee, maar wel waakzaam.
Big data tegenhouden is niet mogelijk noch wenselijk. De stroom aan data is er en zal sowieso gebruikt worden in allerhande nieuwe toepassingen, ook door de overheid. Technologische innovatie is rationeel, maar het is aan de beleidsmakers om er ook een laagje moraliteit op aan te brengen. Het is absoluut nodig om na te denken, liefst met een publiek en transparant debat, over die morele kant van hoe we de technologie inzetten. Anders kunnen mechanismen ontstaan die de rechten en vrijheden van de burgers, werkzoekenden hier bijvoorbeeld, bruuskeren en aantasten.
Een kritische lezing is dus op zijn plaats om de onderhuidse gevaren van die wonderbaarlijke technologieën goed te kunnen inschatten. We geven daarbij nog enkele bedenkingen mee.
Is de dataverstrekker op de hoogte?
De databerg is ondertussen zo groot dat het onmogelijk is deze te onderwerpen aan menselijke controle. Met als gevolg dat we slaafs de correctheid van de algoritmes moeten volgen, en dat schept risico’s.
Volgens professor Max Welling, hoogleraar Machine Learning aan de Universiteit van Amsterdam is het naïef om blind te blijven voor de gevaren van de dataficatie, zoals privacy schendingen, misbruik van gegevens, het trekken van verkeerde conclusies, of de ontmenselijking van de dienstverlening.
Het verdient een publiek debat of de VDAB big data op een verantwoorde manier inschakelt.
VDAB informeert de werkzoekende conform de wet op de privacy wel dat de gegevens door hen worden verwerkt en dat de ze op elk moment kunnen worden bekeken en aangepast. Maar dat geeft de werkzoekende nog geen inzicht in de wijze waarop VDAB de registraties uitvoert en op welke manier de verwerking van de gegevens verlopen. Nog minder zijn ze er zich van bewust dat het klikgedrag gecapteerd wordt in databronnen. En daar balanceert men op een slappe koord.
Relativiteit van de data
Het gevaar van een algoritme is dat het de indruk wekt dat het patroon een objectief gegeven is. Maar de voorspelling is in werkelijkheid afhankelijk van het invoeren van correcte data. En laat dit nou net mensenwerk zijn. Enerzijds kunnen menselijke inschattingen, of zelfs misplaatste vooringenomenheid, blindelings over het hoofd worden gezien wat dan uiteindelijk uitmondt in een slecht instrument. Slecht maar net omwille van zijn immense dataomvang nog moeilijk controleerbaar en herstelbaar.
Voldoende mensen en middelen moeten vrijgemaakt worden om een open controle op deze processen te kunnen blijven uitvoeren.
Het grootste struikelblok zit in de begripsverwarring tussen ‘een correlatie’ en ‘causaal verband’. Je kan vaststellen dat een bepaald profiel meer kans op werk heeft als hij zou solliciteren naar een job in een andere sector omdat er een correlatie is vastgesteld tussen dat profiel en een bepaalde beroepscategorie. Maar een causaal verband kunnen we er nooit aan vastknopen.
Het is immers niet gezegd dat je die job ook zeker zou krijgen als je daadwerkelijk solliciteert. Er speelt ook toeval, vooroordeel, motivatie, en nog vele andere subjectieve elementen. Maar de computer suggereert wel dat er een causaal verband is, wat de zaken te simpel voorstelt.
Big data, ook voor controle?
Een belangrijke bedenking is het gevaar dat werkzoekenden zich afkeren van een overheid die zich steeds dieper ingraaft in onze persoonlijke gegevens. Zo dreigt het gevaar dat VDAB het vertrouwen van werklozen verliest. Men zal dus niet alleen zeer voorzichtig moeten omspringen met de technologie, maar ook heel goed aan mensen moeten uitleggen wat men er wel en niet mee doet.
VDAB geeft aan dat de persoonlijke data van de werkzoekende momenteel enkel als statistisch materiaal wordt aangewend.
Bedrijven, werknemers en werkzoekenden krijgen wel gepersonaliseerde suggesties maar zonder de bescherming van de privacy te schenden.
Maar de VDAB wil een stapje verder gaan. Er wordt onderzocht of ook de mate van beschikbaarheid in kaart kan gebracht worden. Zullen we in de toekomst werklozen ook controleren via big data? En kan je dan met een verkeerde klik je uitkering verliezen?
We verwachten van de overheid dat de werkzoekenden kwalitatief worden opgevolgd en dat personen die niet beschikbaar zijn geresponsabiliseerd worden. Maar niet door algoritmes, wel door mensen.
Het lijkt het ons ook redelijk dat vacaturematching niet alleen vanuit het werkzoekendenperspectief wordt bekeken maar dat ook de data-analyse losgelaten wordt op de impact van de werkgeverszijde.
Als we sectoren en bedrijven kunnen identificeren die systematisch bepaalde groepen sollicitanten weigeren (leeftijd, geslacht, afkomst, …) verdient dat evenzeer de vraag naar hoe we deze informatie gaan gebruiken voor een sturend beleid.
Win-win voor iedereen
De digitalisering is een realiteit en het opgraven en exploiteren van dit nieuwe goud zal nog exponentieel toenemen. De overheid moet gebruik maken van de merites van deze technologieën om wins voor haar burgers te realiseren.
Maar ze moet ook maatstaven ontwikkelen zodat deze platformen betrouwbaar zijn in analyse, rechtvaardig in hun output en transparant in hun opzet. Pas dan zal de nieuwe technologie bij de overheid een breed maatschappelijk draagvlak verdienen.
