Nederlandse werkgevers zetten steeds vaker kunstmatige intelligentie in bij werving en selectie. HR-afdelingen gebruiken systemen van onder meer Workday, LinkedIn en Harver om cv’s te rangschikken en kandidaten te matchen. Dat kan sneller en consistenter werken, maar vraagt om scherp toezicht door mensen. Met de Europese AI-verordening en de AVG krijgen deze keuzes directe gevolgen voor werkgevers en, via toezicht, ook voor de overheid.
HR houdt morele regie
Selectiesoftware helpt, maar beslist niet. Een algoritme is een rekenregel die patronen zoekt in data; het ziet veel, maar begrijpt niet wat een team nodig heeft of wat rechtvaardig is. Daarom moet HR het morele kompas blijven en elke uitkomst toetsen op redelijkheid. Dat geldt bij de eerste cv-schifting tot en met de laatste interviewronde.
Leveranciers als Textkernel, Harver en Eightfold AI beloven efficiëntere voorselectie en betere matches. Deze tools kunnen nuttig zijn voor grote aantallen sollicitaties of repetitieve taken. Toch mag snelheid niet zwaarder wegen dan zorgvuldigheid. Foute afwijzingen raken mensen en organisaties direct.
Werkgevers doen er goed aan om AI-advies te zien als een startpunt, niet als eindbesluit. Leg vast wanneer een recruiter afwijkt van het systeem en waarom. Dat creëert leerfeedback voor het model en maakt de besluitvorming uitlegbaar. Zo blijft de menselijke maat leidend.
“AI is een bril, geen orakel.”
Hoog risico onder AI-wet
De Europese AI-verordening (AI Act) plaatst systemen voor werving, selectie en beoordeling van kandidaten in de hoog-risicocategorie. Dat betekent extra eisen voor zowel makers als gebruikers, zoals risicobeheer, datakwaliteit, logging en menselijk toezicht. Voor werkgevers in Nederland komen hier bovenop bekende plichten uit de privacywet AVG. Op het moment van schrijven geldt: verboden AI-praktijken gelden eerder, maar de meeste hoog-risicoverplichtingen volgen gefaseerd richting 2026.
Concreet moeten organisaties kunnen uitleggen waarom een kandidaat is geselecteerd of afgewezen. Ook moeten zij documenteren hoe het model is getest, en welke maatregelen zijn genomen tegen discriminatie. Transparantie naar sollicitanten wordt verplichter en specifieker. Dit raakt zowel grote HR-suites als nichetools.
Publieke instellingen en toeleveranciers krijgen extra aandacht van toezichthouders. Inkoop en aanbesteding zullen vaker om conformiteitsverklaringen en technische dossiers vragen. Voor Europese spelers kan dit een voordeel bieden, omdat zij hun ontwikkeling al op EU-regels afstemmen. Niet-conforme systemen verdwijnen uit de markt of worden uitgefaseerd.
Bias blijft hardnekkig risico
Vooringenomenheid ontstaat vaak in historische data. Als eerdere selecties vooral mannen of insiders bevoordeelden, leert een datamodel die voorkeur mogelijk mee. Indirecte signalen, zoals hobby’s of reistijd, kunnen als proxy werken voor leeftijd of sociaal-economische achtergrond. Het gevolg is een schijnbaar neutraal systeem met scheve uitkomsten.
Bias-testen hoort dus standaard bij implementatie en onderhoud. Vergelijk bijvoorbeeld uitkomsten per geslacht, leeftijdsgroep of migratieachtergrond als dat juridisch is toegestaan. Meet niet alleen modelnauwkeurigheid, maar ook fairness-meters zoals gelijke kansvergelijkingen. Koppel daar concrete verbeteracties en stopcriteria aan.
Ook de context telt. Een model dat bij één vacature werkt, kan bij een ander profiel doorschieten. Start daarom kleinschalig, met een proefperiode en duidelijke succescriteria. Laat de ondernemingsraad en de functionaris gegevensbescherming meekijken voordat opschaling begint.
Transparantie en privacy eisen
De AVG vereist dataminimalisatie: verzamel alleen wat nodig is voor een eerlijke selectie. Geautomatiseerde besluitvorming met “aanzienlijke gevolgen” geeft kandidaten rechten, zoals uitleg en de mogelijkheid tot menselijke herbeoordeling (artikel 22 AVG). Informeer sollicitanten duidelijk wanneer AI meeleest of meeweegt. Leg in begrijpelijke taal uit wat het systeem doet en wat het níet doet.
Een gegevensbeschermingseffectbeoordeling (DPIA) is in de praktijk vaak verplicht bij selectie-algoritmen. Daarin beschrijft u risico’s, proportionaliteit en beveiliging, zoals versleuteling en toegangsbeheer. Houd een audittrail bij: welke modelversie, welke instellingen en welke data zijn gebruikt. Dit helpt bij klachten, rechtszaken en controles door de Autoriteit Persoonsgegevens.
Let op dat externe modellen geen gevoelige gegevens leren of hergebruiken. Stel contractueel vast dat leveranciers data niet inzetten om andere klanten te trainen, tenzij dit expliciet en rechtmatig is afgesproken. Check daarnaast of leveranciers aan Europese opslag- en doorgifte-eisen voldoen.
Nederlandse regels en toezicht
De Autoriteit Persoonsgegevens houdt toezicht op privacy en profilering in sollicitaties. Daarnaast kan het College voor de Rechten van de Mens toetsen op discriminatie in selectiepraktijken. Gemeenten en publieke uitvoerders zullen onder de AI-verordening extra rapportageverplichtingen krijgen. Werkgevers doen er goed aan de Europese AI-verordening gevolgen overheid en semipublieke sector mee te nemen in hun beleid.
De ondernemingsraad heeft instemmingsrecht bij systemen voor personeelsbeoordeling en -bewaking. Betrek de OR dus bij de keuze en het testen van selectie-algoritmen. Leg samen vast hoe menselijk toezicht werkt en wanneer een recruiter móét ingrijpen. Zo borgt u legitimiteit én kwaliteit.
Nederland kent bovendien praktijkinitiatieven zoals algoritmeregisters in de publieke sector. Een intern register voor HR-modellen vergroot eveneens de controleerbaarheid. Noteer per toepassing: doel, datastromen, risico’s, evaluaties en verantwoordelijken. Dit vereenvoudigt latere audits onder de AI Act.
Praktische stappen voor werkgevers
Begin met een ethisch kader: wat is een eerlijke selectie voor uw organisatie en waarom? Vertaal dit naar meetbare criteria en stopregels voor elk model. Maak vervolgens een rollenmatrix: wie beslist, wie keurt, wie monitort. Koppel hier trainingen aan voor recruiters en hiring managers.
Kies leveranciers die uitleg en controle bieden. Vraag om validatierapporten, bias-analyses en mogelijkheden voor menselijke override. Vermijd black-boxselectie zonder duidelijke onderbouwing. Test tools in uw eigen context, met diverse kandidaten en actuele vacaturedata.
Blijf meten na livegang. Houd conversieratio’s, afwijzingspatronen en klachten bij, uitgesplitst naar relevante groepen waar dat juridisch is toegestaan. Hertrain of herkalibreer bij drift, bijvoorbeeld na een marktverandering. Zo blijft AI een hulpmiddel dat versterkt, niet vervangt.