AI-bias bij werving
Ook genoemd:bias in recruitment-AI, algoritmische vooringenomenheid
De claim: een AI-score kan neutraal zijn
AI-bias bij werving is het risico dat een systeem bepaalde kandidaten stelselmatig anders rangschikt of afwijst. Dat kan beginnen met historische gegevens, maar ook met de gekozen signalen, drempelwaarde of de manier waarop een recruiter de uitkomst gebruikt. NIST onderscheidt systemische, computationele en menselijke bronnen van bias (AI Risks and Trustworthiness).
Een systeem wordt dus niet neutraal doordat naam of foto worden weggelaten. Andere gegevens kunnen nog steeds als indirect signaal werken.
Het tegengeval: de context beslist mee
Een score die een recruiter uitnodigt om een profiel nog eens te lezen is iets anders dan een automatische afwijzing. Voor AI die bij werk en werving wordt ingezet, moet de toepasselijke EU AI Act zorgvuldig worden beoordeeld; de concrete plichten hangen af van het systeem en de rol van de organisatie.
Ons standpunt: een score blijft betwistbaar
Join verkoopt recruitmentsoftware, dus neem onze uitleg over AI niet als onafhankelijke audit. De praktische ondergrens is dat iemand kan aanwijzen waarom een kandidaat doorgaat of afvalt, en die beslissing kan terugdraaien.
Vergelijk de uitkomsten per fase met de criteria die vooraf golden, onderzoek opvallende verschillen en leg vast wie de controle uitvoert. NIST noemt het scheiden van menselijke rollen en verantwoordelijkheden een onderdeel van goed AI-risicobeheer (AI RMF, appendix C).
In Join kunnen teams de beoordelingsgrond en besluitgeschiedenis bij een kandidaat terugzien. Dat maakt controle mogelijk; het vervangt geen juridische of technische beoordeling van een model.
Hoe Join helpt
Join kan AI-uitvoer als hulpmiddel in een recruitmentworkflow tonen, terwijl recruiters criteria, notities en de uiteindelijke beslissing zelf vastleggen. Een AI-score is geen bewijs dat een selectie eerlijk is.
Begin vandaag
