Stel je voor: je plaatst een vacature, honderd sollicitaties stromen binnen, en je laat een AI-tool de eerste selectie doen. Klinkt efficiënt. Maar in de Verenigde Staten stapelen de rechtszaken zich nu op tegen precies dit soort geautomatiseerde selectietools — en de aanklacht is telkens dezelfde: discriminatie.
Wat er aan de hand is
The Guardian meldt dat geautomatiseerde wervingstools steeds vaker onderwerp zijn van rechtszaken over discriminatie en geheimhouding. Sollicitanten die worden afgewezen door een algoritme weten vaak niet eens dát een algoritme de beslissing nam, laat staan op welke gronden. Werkgevers beroepen zich op bedrijfsgeheimen om de werking van hun selectiesoftware niet te hoeven uitleggen.
Het probleem zit niet in één slechte tool. Het zit in de data waarop die tools zijn getraind. Een AI die leert van historische aannamebeslissingen, leert ook de vooroordelen die in die beslissingen zaten. Vrouwen, ouderen, mensen met een migratieachtergrond — als zij in het verleden systematisch minder vaak werden aangenomen, ziet het model dat patroon en reproduceert het.
Waarom dit jouw bedrijf raakt
Je hoeft geen multinational te zijn om met dit probleem te maken te krijgen. Steeds meer Nederlandse MKB-ondernemers gebruiken AI-tools voor cv-screening, chatbots die eerste sollicitatiegesprekken voeren, of assessments die persoonlijkheid 'meten'. De verleiding is groot: tientallen sollicitaties filteren in minuten in plaats van dagen.
Maar de juridische risico's zijn reëel. In Nederland verbiedt de Algemene wet gelijke behandeling discriminatie op grond van geslacht, leeftijd, afkomst en meer. Als jouw AI-tool onbewust discrimineert, ben jij als werkgever verantwoordelijk — niet de softwareleverancier. En sinds de Europese AI Act AI-systemen voor werving classificeert als 'hoog risico', komen daar straks ook nog transparantieverplichtingen bij.
Verrassend genoeg: het algoritme is niet de boosdoener
Hier komt het contra-intuïtieve inzicht. De meeste mensen denken dat AI-discriminatie een technisch probleem is — een fout in de code die je kunt 'fixen'. Maar onderzoekers wijzen erop dat AI-bias geen fout in het algoritme is, maar een keten van menselijke beslissingen. Welke data verzamel je? Wie labelt die data? Welke criteria vind jij belangrijk? Elke schakel in die keten is een menselijke keuze.
Dat is eigenlijk goed nieuws. Het betekent dat jij als ondernemer de controle hebt. Je hoeft geen datawetenschapper te zijn om de juiste vragen te stellen aan je softwareleverancier. Je hoeft alleen te begrijpen dat de verantwoordelijkheid bij jou ligt, niet bij de tool.
De Nederlandse realiteit
In Nederland is het College voor de Rechten van de Mens de instantie die oordeelt over discriminatieklachten. Ook hier zijn al signalen dat algoritmische selectie onder een vergrootglas ligt. De Autoriteit Persoonsgegevens waarschuwt dat geautomatiseerde besluitvorming over sollicitanten onder de AVG valt — je mag iemand niet zonder menselijke tussenkomst afwijzen op basis van een puur geautomatiseerd besluit.
Voor het MKB betekent dit concreet: een AI-tool mag je ondersteunen bij het ordenen van sollicitaties, maar de uiteindelijke beslissing moet een mens nemen. En je moet kunnen uitleggen hoe je tot die beslissing bent gekomen.
Neem een concreet voorbeeld: een Amsterdams recruitmentbureau dat een AI-tool inzette om cv's te scoren op 'culturele fit'. De tool bleek kandidaten met een niet-westerse naam systematisch lager te scoren, simpelweg omdat de trainingsdata dat patroon bevatte. Het bureau ontdekte het pas toen een afgewezen kandidaat doorvroeg. De les: wie blind vertrouwt op de tool, ontdekt de fout pas als het te laat is.
Drie dingen die je nu kunt doen
Vraag je leverancier om uitleg. Als je een AI-selectietool gebruikt, vraag dan expliciet: op welke data is dit model getraind, en hoe wordt bias gemeten? Een leverancier die hier geen antwoord op heeft, is een risico.
Houd een mens in de lus. Laat AI nooit de eindbeslissing nemen. Gebruik het om te ordenen en te prioriteren, maar laat een mens de shortlist beoordelen en de afwijzingen controleren.
Documenteer je proces. Schrijf op welke criteria je hanteert en waarom. Als iemand ooit een klacht indient, is een gedocumenteerd, consistent proces je beste verdediging.
AI kan je werving sneller en eerlijker maken — maar alleen als jij de regie houdt. Het algoritme is een spiegel: het laat je zien welke keuzes je zelf al die tijd maakte.