Die AI die claimt te weten hoe je je voelt? Trap er niet in — dit moet elke MKB'er weten over emotie-AI

Die AI die claimt te weten hoe je je voelt? Trap er niet in — dit moet elke MKB'er weten over emotie-AI

Stel je voor: je sollicitant zit tegenover een camera. Een AI-systeem analyseert haar micro-expressies, stemtoon en woordkeuze. De uitslag: "72% kans op burn-out binnen 12 maanden." Afgewezen. Dit is geen Black Mirror-scenario — dit gebeurt nu. Emotie-AI rukt op in HR-afdelingen, callcenters en zelfs in sollicitatieprocedures. En de wetenschap erachter? Die rammelt aan alle kanten.

Wat is emotie-AI eigenlijk?

Emotie-AI, ook wel 'affective computing' genoemd, zijn systemen die claimen menselijke emoties te kunnen herkennen via gezichtsuitdrukkingen, stemanalyse of tekstpatronen. De belofte is verleidelijk: objectief meten hoe je medewerkers zich voelen, burn-outs voorspellen, of klantgesprekken 'scoren' op empathie. Bedrijven als HireVue, Affectiva en tientallen startups verkopen deze tools aan HR-afdelingen wereldwijd.

Het klinkt futuristisch, maar de technologie wordt steeds toegankelijker. Voor een paar honderd euro per maand hang je een emotie-analyse aan je Teams- of Zoom-gesprekken. The Atlantic rapporteerde deze maand dat emotie-AI "de werkvloer binnendringt" — vaak zonder dat medewerkers het doorhebben.

Waarom de wetenschap niet klopt

Dit is het probleem: de fundamentele aanname dat je emoties kunt aflezen aan gezichtsuitdrukkingen is wetenschappelijk omstreden. De psycholoog Lisa Feldman Barrett, een van 's werelds meest geciteerde emotie-onderzoekers, heeft overtuigend aangetoond dat dezelfde emotie er bij verschillende mensen totaal anders uitziet. Een frons kan boosheid zijn, maar ook concentratie, verwarring of gewoon een slechte bril.

Toch trainen deze AI-systemen op het idee dat er universele 'emotie-gezichten' bestaan. Het resultaat is een pseudowetenschappelijk instrument dat systematische fouten maakt. Mensen met een donkere huidskleur worden vaker als 'boos' gelabeld. Vrouwen als 'emotioneler'. Neurodivergente mensen als 'ongepast'. Het is geen bias in de marge — het is ingebakken in de methodologie.

De risico's voor jouw bedrijf

Als MKB-ondernemer denk je misschien: interessant, maar dit speelt bij grote corporates. Niets is minder waar. Juist kleinere bedrijven zijn kwetsbaar voor deze tools. Waarom? Omdat je geen juridische afdeling hebt die de risico's screent, geen ethiek-commissie die vragen stelt, en vaak wél de druk voelt om 'data-driven' te werken.

De risico's op een rij:
- Discriminatieclaims: Als je sollicitanten afwijst op basis van emotie-AI-scores, schend je mogelijk de Algemene Wet Gelijke Behandeling. De Autoriteit Persoonsgegevens heeft al gewaarschuwd dat emotieherkenning onder de AI Act als 'hoog risico' wordt geclassificeerd.
- Vals vertrouwen: Een burn-out-score van 72% klinkt wetenschappelijk, maar is gebakken lucht. Je neemt personeelsbeslissingen op basis van ruis.
- Cultuurschade: Medewerkers die ontdekken dat ze stiekem geanalyseerd worden, verliezen vertrouwen. En vertrouwen is het enige wat je niet met een tool terugkoopt.

Wat wél werkt

Betekent dit dat je technologie uit je HR-proces moet weren? Nee. Maar kies tools die transparant zijn over wat ze meten, en meet dingen die écht meetbaar zijn:

• Werkdrukmonitoring: Systemen die kijken naar overwerksignalen (laat ingelogd, weekendwerk) zijn objectief en nuttig — mits anoniem en op teamniveau.
• Anonieme pulse-enquêtes: Korte, anonieme vragenlijsten geven inzicht in teamsfeer zónder pseudowetenschap.
• Exit-interviews: De beste emotie-analyse is nog steeds een goed gesprek met een mens.

De Europese AI Act heeft hier een mening over

Goed nieuws: de wetgever is wakker. De Europese AI Act, die gefaseerd in werking treedt, classificeert emotieherkenning op de werkvloer als een 'hoog risico' toepassing. Dat betekent dat bedrijven die deze systemen gebruiken aan strenge transparantie-eisen moeten voldoen. Werknemers moeten expliciet weten dat ze geanalyseerd worden én toestemming geven. Ook moet er menselijk toezicht zijn op beslissingen die uit de analyses voortvloeien.

Voor Nederlandse MKB'ers is dit extra relevant. De Autoriteit Persoonsgegevens (AP) heeft aangekondigd prioriteit te geven aan handhaving rond AI op de werkvloer. Een boete onder de AI Act kan oplopen tot €35 miljoen of 7% van de wereldwijde jaaromzet. Voor de meeste MKB-bedrijven is dat laatste bedrag lager, maar alsnog verlammend. Het is letterlijk goedkoper om je HR-proces op orde te hebben dan om de verkeerde AI-tool te gebruiken.

3 actiepunten voor vandaag

1. Check je huidige tools: Gebruik je HR-software, videobelplatforms of assessments die emotie-analyse claimen? Vraag de leverancier expliciet: "Wordt emotieherkenning toegepast?" Zo ja, zet het uit tot je de risico's hebt geëvalueerd.
2. Update je privacybeleid: Medewerkers moeten weten welke data je verzamelt en waarom. Emotie-data valt onder bijzondere persoonsgegevens — daar gelden strenge regels voor.
3. Investeer in menselijke vaardigheden: De beste burn-out-preventie is een manager die doorvraagt, niet een camera die scant. Training in gesprekstechnieken levert meer op dan welke AI-tool dan ook.

De ironie wil dat we AI inzetten om empathischer te worden, terwijl we vergeten dat empathie begint met luisteren. En luisteren — écht luisteren — kan geen enkele emotie-AI voor je doen.

Bronnen:
- The Atlantic: "The Pseudoscience of Emotion AI Is Invading the Workplace" (mei 2026)
- The Decoder: "Pseudoscientific emotion AI is invading the workplace" (10 mei 2026)
- Lisa Feldman Barrett: "How Emotions Are Made" (2017)