AI-screening van cv's kan bevooroordeeld zijn, omdat ze leert van eerdere werving en proxy's leest zoals namen, universiteiten en afstudeerjaren. Controleer het voordat je erop vertrouwt: test het op eerdere vacatures, vergelijk uitkomsten tussen kandidaatgroepen waar dat wettelijk mag, verwijder proxyvelden, en laat een benoemde persoon over elke shortlist en elke afwijzing beslissen.
#Belangrijkste punten
- Vooroordelen in screening komen meestal uit de data en de criteria, niet uit een slordig model.
- Test elke screeningtool op vacatures die je al hebt ingevuld voordat die een echte kandidaat beoordeelt.
- Let op proxy's: namen, foto's, nationaliteit, afstudeerjaren, gaten in de loopbaan en namen van universiteiten.
- Een persoon beslist over elke shortlist en elke afwijzing, en de reden wordt in diens eigen woorden vastgelegd.
- Test opnieuw na elke wijziging in het model, de prompt of de criteria.
#Hoe komen vooroordelen in AI-screening terecht?
Het bekendste voorbeeld is nog altijd leerzaam. Volgens Reuters via Euronews, oktober 2018 stopte Amazon met een experimentele wervingstool nadat die had geleerd cv's met het woord 'women's' lager te waarderen, omdat hij was getraind op tien jaar aan overwegend mannelijke aannames. Niemand had hem opgedragen te discrimineren; de geschiedenis deed dat.
Moderne taalmodellen zijn niet getraind op jouw aannames, maar ze pikken nog steeds patronen op. Vraag er een om cv's te rangschikken op 'een sterke match' en hij hanteert zijn eigen idee van sterk, dat bepaalde universiteiten, ononderbroken loopbanen of vloeiend Engels kan bevoordelen voor functies die dat niet vereisen.
#Welke regels gelden voor AI bij werving?
De regels verschillen per land, dus zie dit als een overzicht, niet als advies. Lewis Silkin, april 2024 legt uit dat de EU AI Act AI voor werving en selectie als hoog risico behandelt, waarbij de meeste werkgevers optreden als gebruiksverantwoordelijke. De AI Act Service Desk van de Europese Commissie, geraadpleegd november 2026 noemt een tool voor het matchen en rangschikken van vacatures die kandidaten filtert als voorbeeld van een toepassing met hoog risico.
In New York City mogen werkgevers en uitzendbureaus geen geautomatiseerde tool voor arbeidsbeslissingen gebruiken zonder bias-audit, volgens de FAQ van het NYC Department of Consumer and Worker Protection, geraadpleegd november 2026. Werkgevers in de Golfregio verwerken kandidaatgegevens bovendien onder de wet op persoonsgegevens van de VAE en de Saudische PDPL. Vraag je juridisch adviseur welke regels op jouw werving van toepassing zijn.
#Hoe test je een screeningtool voordat je hem gebruikt?
- Schrijf eerst de criteria op: de harde eisen voor de functie, afgestemd met de hiring manager voordat er ook maar één cv wordt gelezen.
- Verwijder proxyvelden: haal namen, foto's, geboortedatums, nationaliteit en burgerlijke staat weg voordat het model het cv ziet, en controleer afstudeerjaren en loopbaangaten.
- Speel eerdere vacatures opnieuw af: laat de tool draaien op geanonimiseerde cv's van al ingevulde functies en vergelijk de shortlist met die van de recruiter.
- Vergelijk tussen groepen: waar de wet je toestaat de gegevens te bewaren, vergelijk je de doorstroompercentages van verschillende kandidaatgroepen en onderzoek je elk verschil.
- Wisseltests: verander één detail, zoals een naam of een universiteit, op verder identieke cv's en kijk of de uitkomst verschuift.
- Controleer op verborgen tekst: zoek naar witte tekst of instructies in cv's, een risico op prompt injection dat de OWASP Top 10 voor LLM-toepassingen als LLM01 rangschikt.
Illustratief voorbeeld, de getallen zijn aannames: laat de tool 40 van de 100 cv's uit de ene groep door en 25 van de 100 uit een andere groep met vergelijkbare kwalificaties, dan heeft dat verschil een verklaring nodig vóór de livegang, niet na een klacht.
#Wat moet altijd door een persoon worden beslist?
Elke shortlist en elke afwijzing. De tool vat elk cv samen tegen de afgesproken criteria en toont het bewijs; een recruiter leest de samenvatting, opent het cv waar nodig en beslist. Het NIST AI Risk Management Framework, januari 2023 ziet menselijk toezicht en verantwoordelijkheid als onderdeel van het beheersen van AI-risico, en bij werving betekent dat een benoemde beslisser bij elke uitkomst.
#Wanneer volstaat een eenvoudigere aanpak?
Neem je per kwartaal maar een paar mensen aan, SLA geautomatiseerde screening dan over. Een gestructureerde scorekaart, twee beoordelaars en geanonimiseerde cv's geven je het grootste deel van het eerlijkheidsvoordeel zonder enig model. Cv's samenvatten in een goedgekeurde chattool is prima, zolang niemand die vraagt mensen te rangschikken.
#Waar past Stennir in?
De dienst AI-consulting van Stennir omvat governance: de audit brengt in kaart waar AI je werving raakt, wie beslist, wat wordt vastgelegd en welke tests vóór en na de livegang draaien. Waar ondersteuning bij screening de bouw waard is, bouwt AI-implementatie die met het verwijderen van proxy's, bewijs bij elke samenvatting en een recruiter die elke beslissing goedkeurt.
AI-training leert recruiters wat screeningoutput verkeerd doet en hoe ze die kritisch bevragen.
We are
Stennir ontwerpt en test screeningondersteuning die haar bewijs laat zien, met een persoon die over elke kandidaatuitkomst beslist.
We aren't
Stennir is geen geautomatiseerde wervingstool, geen bias-auditor onder een specifieke wet en geen advocatenkantoor.
#Wat doet een hoofd talent nu?
Maak een lijst van elke plek waar AI al een kandidaatbeslissing raakt, inclusief functies die je ATS standaard heeft aangezet. Noteer per plek wie beslist en of er iets is getest. Lees AI voor operations, het uitgewerkte voorbeeld over cv-screening en wat de raad van bestuur moet zien vóór de uitrol. Boek daarna een gesprek van 30 minuten.
#Veelgestelde vragen
Kan AI-screening ooit eerlijker zijn dan mensen?
Ze kan consistenter zijn, omdat ze dezelfde criteria op elk cv toepast en nooit moe wordt. Consistentie is echter geen eerlijkheid: een bevooroordeeld criterium consistent toepassen is nog steeds bevooroordeeld. De winst komt uit afgesproken criteria, het verwijderen van proxy's, regelmatig testen en een persoon die over elke uitkomst beslist.
Ons ATS heeft ingebouwde AI-rangschikking. Is dat veilig om te gebruiken?
Vraag de leverancier waarop de rangschikking is gebaseerd, of die op vooroordelen is getest en welk bewijs hij bij elke score laat zien. Speel daarna zelf eerdere vacatures opnieuw af. Kan de leverancier de rangschikking niet uitleggen, gebruik dan samenvattingen en laat het rangschikken bij je recruiters.
Welke gegevens moeten we bewaren?
De criteria voor elke functie, de versie van de gebruikte tool en prompt, de samenvatting die elke kandidaat kreeg, wie besliste en de reden in diens eigen woorden. Bewaar testresultaten van vóór de livegang en na elke wijziging. De bewaartermijn volgt je regels voor gegevensbescherming, afgestemd met je juridisch adviseur.
Wat hebben jullie van ons nodig om te beginnen?
Een hoofd talent dat eigenaar is van de uitkomst, een lijst van elke AI-functie in je wervingstools, geanonimiseerde cv's en beslissingen van een paar ingevulde vacatures, en je contactpersoon voor gegevensbescherming. Stennir gebruikt die om te testen wat je al gebruikt voordat er iets nieuws wordt voorgesteld.
