AI DAGELIJKS

AI bias bij werving: onderzoek toont meer risico dan mensen

21 juli 2026 | Boris Kusters

Inhoud

AI bias bij werving: onderzoek toont meer risico dan mensen

Stel je solliciteert ergens en voordat een mens je cv ziet, heeft een AI-systeem al bepaald of je door mag naar de volgende ronde. Steeds meer bedrijven werken zo, ook in Nederland. Het klinkt efficiënt: sneller schiften, minder handwerk voor de recruiter, geen stapel cv's meer die blijft liggen tot het weekend.

Nieuw onderzoek, beschreven door MIT Technology Review, zet daar een stevige kanttekening bij. Het was al langer bekend dat taalmodellen vooroordelen overnemen uit hun trainingsdata, net zoals mensen dat doen op basis van ervaring en cultuur. Maar deze studie laat iets nieuws zien: AI-systemen kunnen tijdens het verwerken van sollicitatiedata ook hun eigen, nieuwe vooroordelen ontwikkelen, los van wat er in de trainingsdata zat.

In dit artikel: wat het onderzoek precies laat zien, waarom dit relevant is voor jouw bedrijf onder de AVG en de EU-AI-Act, en wat je concreet kunt doen als je AI gebruikt bij werving en selectie.

Wat het onderzoek van MIT Technology Review laat zien

Onderzoekers wisten al dat een taalmodel bevooroordeelde patronen overneemt uit de teksten waarop het getraind is. Denk aan voorkeuren voor bepaalde namen, opleidingen of schrijfstijlen, patronen die niets zeggen over iemands geschiktheid voor een functie. Het nieuwe aan dit onderzoek is dat AI-modellen tijdens het beoordelen van cv's ook zelf nieuwe voorkeuren lijken te vormen, voorkeuren die niet direct herleidbaar zijn tot de trainingsdata en dus lastiger op te sporen zijn.

Dat is geen theoretisch probleem. In de Verenigde Staten loopt een rechtszaak tegen Workday, een veelgebruikt platform voor personeelszaken, omdat het wervingsalgoritme structureel oudere sollicitanten zou afwijzen. Ook grote spelers als LinkedIn en OpenAI bouwen functies die cv's samenvatten, scoren of automatisch matchen met vacatures. Precies dat soort automatisering staat nu ter discussie, en de onderzoekers waarschuwen dat menselijke controle achteraf moeilijker wordt naarmate het model zelf patronen bedenkt die niemand heeft aangeleerd.

Wat dit extra lastig maakt: een AI-tool geeft geen argwaan zoals een menselijke recruiter dat soms wel doet. Een score van acht op tien oogt objectief, ook als die score deels op ruis berust. Juist die schijn van neutraliteit maakt het risico groter dan bij een mens die je tenminste kunt bevragen op zijn keuze.

Wat dit betekent voor jouw MKB

Veel Nederlandse MKB-bedrijven gebruiken inmiddels ChatGPT of een sollicitatietool met een ingebouwde AI-functie om cv's voor te selecteren of vacatureteksten te schrijven. Begrijpelijk bij een krappe arbeidsmarkt en een klein HR-team: het scheelt uren werk per vacature. Maar als werkgever blijf je zelf verantwoordelijk voor een eerlijke procedure, ook als een algoritme het voorwerk doet en jij de uitkomst alleen nog afvinkt.

Onder de AVG mag je sollicitanten niet zomaar volledig geautomatiseerd afwijzen zonder dat er een mens serieus naar kijkt, dat valt onder de regels rond geautomatiseerde besluitvorming en profiling. De EU-AI-Act gaat nog verder en bestempelt AI-toepassingen voor werving en selectie expliciet als hoog risico. Dat brengt concrete verplichtingen met zich mee: je moet kunnen uitleggen hoe een beslissing tot stand komt, toezicht organiseren op het systeem en het hele proces documenteren, ook als je maar een klein team hebt.

Een AI-tool die cv's scoort zonder dat jij of je HR-medewerker kan uitleggen waarom, is niet alleen mogelijk oneerlijk tegenover de sollicitant. Het is ook een compliance-risico, ongeacht of de uitkomsten je toevallig goed uitkomen of je tijd besparen.

Wat je nu kunt doen

Een paar dingen die in de praktijk wel werken. Laat een mens altijd de laatste beslissing nemen, nooit alleen het algoritme, ook niet bij de eerste schifting. Test je tool af en toe met een simpele proef: verander alleen de naam of woonplaats op een cv en kijk of de score verandert, dat kost een middag en zegt veel. Vraag je leverancier hoe het model getraind is en of er onderzoek naar bias is gedaan, een serieuze leverancier heeft daar een antwoord op. En leg vast welke stappen een sollicitatie doorloopt, zodat je het kunt uitleggen zodra iemand ernaar vraagt, of erover klaagt.

Overweeg ook om sollicitanten simpelweg te vertellen dat er AI in het proces zit. Dat hoeft geen juridisch document te zijn, een korte zin in de vacaturetekst volstaat vaak al en scheelt discussie achteraf. Transparantie is bovendien precies waar de EU-AI-Act op stuurt.

Gebruik AI om tijd te besparen bij het voorsorteren, niet om de uiteindelijke keuze te maken. Dat is ook waar de winst voor een MKB-bedrijf het grootst is: minder tijd kwijt aan honderd cv's doorlezen, niet het overdragen van een beslissing die juridisch en menselijk gezien bij jou hoort te blijven.

Wat dit betekent voor jou

AI kan je wervingsproces sneller maken, maar niet vanzelf eerlijker. Voor een MKB-bedrijf in Enschede of daarbuiten geldt dezelfde vuistregel als bij elke AI-toepassing: laat het systeem het voorwerk doen en houd zelf de controle over de beslissing. Begin klein, test je tool voordat je hem loslaat op honderden sollicitanten, en documenteer wat je doet. Dan profiteer je van de snelheid zonder dat je de AVG of de EU-AI-Act-verplichtingen over het hoofd ziet.

Werkt deze AI-ontwikkeling door in jouw bedrijf? een korte sparring boeken.

Veelgestelde vragen

Wat betekent AI bias bij werving en selectie?

Het betekent dat een AI-tool sollicitanten systematisch anders beoordeelt op basis van kenmerken die niets met geschiktheid te maken hebben, zoals naam, woonplaats of opleiding. Nieuw onderzoek laat zien dat dit soort patronen niet alleen uit trainingsdata komt, maar dat een model dit ook zelf kan ontwikkelen.

Mag ik AI gebruiken om sollicitanten te screenen volgens de AVG?

Ja, maar niet volledig automatisch. De AVG verbiedt besluiten die uitsluitend op geautomatiseerde verwerking zijn gebaseerd als die besluiten grote gevolgen hebben voor iemand. Een mens moet de uiteindelijke afwijzing of uitnodiging beoordelen.

Valt AI voor werving en selectie onder de EU-AI-Act?

Ja, de EU-AI-Act bestempelt AI-systemen die worden gebruikt bij werving en selectie expliciet als hoog risico. Dat betekent onder meer verplichtingen rond documentatie, menselijk toezicht en transparantie richting sollicitanten.

Hoe herken ik bias in een AI-wervingstool?

Een simpele test: wijzig alleen de naam of woonplaats op een cv en laat de rest gelijk. Verandert de score van de tool, dan is er iets scheef. Vraag daarnaast je leverancier of er onderzoek naar bias is gedaan.

Kan een AI-model discrimineren zonder dat het in de trainingsdata zat?

Volgens het onderzoek beschreven door MIT Technology Review wel. Het model kan tijdens het verwerken van sollicitatiedata eigen patronen van voorkeur ontwikkelen die niet direct uit de trainingsdata te herleiden zijn.

Wat kan ik als MKB-ondernemer doen om bias bij werving te voorkomen?

Laat een mens altijd de laatste beslissing nemen, test je AI-tool regelmatig, vraag je leverancier om uitleg over het model en documenteer je sollicitatieproces. Zo voldoe je aan de AVG en de EU-AI-Act en behandel je sollicitanten eerlijker.