AI bij werving: wat HR-managers moeten weten over governance en vertrouwen

De meeste HR-managers die AI inzetten bij het wervingsproces zullen beweren dat ze dit op verantwoorde wijze doen. Maar slechts weinigen kunnen precies uitleggen wat dat in de praktijk inhoudt: wie de beslissingen neemt, hoe consistentie wordt gewaarborgd, wat kandidaten te horen krijgen en waarom. Die kloof tussen zelfverzekerde implementatie en daadwerkelijk beheer is precies wat Assessio in zijn onderzoek naar de ‘Maturity Gap’ heeft willen meten.

Dit voorjaar hebben we de bevindingen voorgelegd aan twee mensen die deze realiteit vanuit heel verschillende invalshoeken beleven.

Kasper Abrahamsen, Global Recruitment bij IO Interactive, nam deel aan de eerste sessie om te vertellen hoe verantwoorde implementatie er vanuit het perspectief van een recruitment uitziet.

In de tweede sessie stelde Katrina Collier, auteur van *The Robot-proof Recruiter* en *Reboot Hiring*, dat de menselijke tol van een verkeerde aanpak nu al voelbaar is. Beide gesprekken waren op een positieve manier ongemakkelijk. Dit is wat ons bijbleef.

Ga eens na hoe je AI gebruikt

De meeste organisaties hebben deze omslag nog niet gemaakt. Wat Kasper Abrahamsen omschrijft als een ‘drop-in, drop-out’-situatie, zal de meeste recruitment bekend voorkomen: mensen die verschillende tools en verschillende instructies gebruiken, wat leidt tot inconsistente resultaten, terwijl niemand verantwoordelijk is voor het eindresultaat. AI doet het werk, maar er is geen toezicht op dat werk.

“We moeten ophouden met ons af te vragen of we AI gebruiken, en ons gaan richten op de vraag hoe we het gebruiken – en vervolgens hoe we het op een consistente en verantwoorde manier inzetten, en hoe we het opschalen.” – Kasper Abrahamsen

Bij IO Interactive was de aanpak om vanuit het proces te werken in plaats van vanuit de technologie. Welke beslissingen moeten er in elke fase van recruitment worden genomen? Wat wordt er in elke fase eigenlijk beoordeeld? Pas als er concrete antwoorden op die vragen zijn, is het zinvol om te kijken hoe AI support kan support – altijd als bron van inzicht, nooit als degene die de beslissing neemt.

De stortvloed aan aanvragen is al begonnen

Tijdens de kerstperiode plaatste Lucas, een collega van Kasper, twee vacatures voor ontwerpers en toen hij in januari terugkwam, had hij 1.300 sollicitaties ontvangen. Ze waren allemaal keurig opgesteld. Ze waren allemaal vrijwel identiek. Een team van vier recruiters, waarvan er één met zwangerschapsverlof was, stond voor een onmogelijke opgave.

“We leren mensen al jaren om hun cv en sollicitatiebrief af te stemmen op de functieomschrijving. Dat doen ze nu met behulp van AI.” — Kasper Abrahamsen

Het gevolg is dat het proces onder grote druk staat. Door AI opgestelde sollicitaties worden beoordeeld door AI-screeningsystemen, zonder dat er tussendoor een duidelijk signaal zit. De enorme hoeveelheid sollicitaties heeft het model waarop de meeste recruitment waren gebaseerd, ondermijnd, en maar weinig organisaties hebben een duidelijk antwoord op de vraag wat daarvoor in de plaats moet komen.

AI versterkt slechte briefings

De meeste wervingsprocedures mislukken al voordat er ook maar één sollicitant zich heeft aangemeld. Dat is de stelling van Katrina Collier, en zij wijst daarbij op een specifiek knelpunt. Het intakegesprek tussen de recruiter en de wervingsmanager is steevast het onderdeel van het proces dat de minste aandacht krijgt.

Een manager wiens team een medewerker verliest, raakt vaak in paniek, pakt een oude functieomschrijving erbij of stelt met ChatGPT een nieuwe op. De recruiter gaat de markt op met een uitgangspunt dat al verkeerd is. Voeg daar AI aan toe en je lost het probleem niet op, maar vergroot het alleen maar.

“Je moet weten wat je zoekt voordat je op pad gaat om de juiste middelen te kiezen om iemand te vinden.” — Katrina Collier

"Maar mensen zijn ook bevooroordeeld" is geen antwoord

AI-tools die beloven menselijke vooringenomenheid weg te nemen, worden getraind op door mensen gegenereerde gegevens en dragen daarmee de impliciete vooroordelen in zich van degenen die deze gegevens hebben aangemaakt en degenen die de input hebben geleverd. Wanneer Katrina aanbieders van dergelijke tools vraagt hoe zij dit probleem aanpakken, krijgt ze vaak als antwoord: „Maar mensen zijn nu eenmaal bevooroordeeld.“ Haar reactie: „Precies – daarom vraag ik het juist.“

De bezorgdheid is zowel specifiek als algemeen. Er zijn gedocumenteerde voorbeelden waarbij grote taalmodellen de voorkeur lijken te geven aan sollicitaties die zijn geschreven door hetzelfde model dat de screening uitvoert — een door ChatGPT geschreven cv scoort beter bij een door ChatGPT aangestuurde screener.

Beide gasten komen onafhankelijk van elkaar tot hetzelfde uitgangspunt: AI moet suggesties doen, niet beslissen. Mensen blijven verantwoordelijk voor beslissingen met verstrekkende gevolgen. Dat is de ontwerpvereiste, geen tijdelijk standpunt.

👉Voor een uitgebreider overzicht van hoe vooroordelen in AI-wervingssystemen terechtkomen en wat organisaties hieraan kunnen doen, zie de gids van Assessio over AI-vooringenomenheid bij werving

86% van de sollicitanten die niets horen, raakt somber of depressief

Dat cijfer is afkomstig uit de End Ghosting-campagne van Tribepad, en Katrina gebruikte het om in cijfers uit te drukken wat geautomatiseerde, ondoorzichtige wervingsprocessen de betrokkenen kosten. Recruitment beschikken al jaren over de middelen om elke sollicitatie af te handelen. Het probleem heeft nooit in de mogelijkheden gelegen — het is veeleer zo dat veel recruiters niet zijn getraind in het omgaan met negatieve reacties op afwijzingen, waardoor ze er helemaal voor kiezen om geen afwijzingen te versturen.

Haar advies is praktisch: geef iedereen duidelijkheid, ook al is de boodschap kort. Gebruik bij het geven van persoonlijke feedback het woord ‘laten zien’, een term die is ontleend aan leiderschapscoach Sue Ingraham. Zeg tegen een kandidaat niet dat hij of zij een vaardigheid mist, maar zeg dat hij of zij die vaardigheid tijdens het sollicitatiegesprek niet heeft laten zien. Dat is moeilijker te weerleggen, nuttiger voor de kandidaat en leidt minder snel tot een defensieve houding – iets wat recruiters er juist van weerhoudt om überhaupt feedback te geven.

Wat automatische afwijzingen betreft, is het beter om daar openlijk voor uit te komen. Geef toe dat ze koel overkomen, leg uit waarom ze nodig zijn en gebruik de ruimte om kandidaten iets te geven waar ze iets mee kunnen. Het doel is om herkenbaar menselijk over te komen, zelfs in een standaardtekst.

De weg vooruit is duidelijker dan hij lijkt

Tijdens beide sessies kwamen concrete problemen aan het licht: onbeheerde tools, gebrekkige wervingsprocessen en kandidaten die in onzekerheid werden gelaten. Maar noch Kasper, noch Katrina was pessimistisch. De disruptieve veranderingen dwingen ons, zoals Kasper het uitdrukte, tot een volledige herziening van recruitment die in veel gevallen al decennia lang niet meer serieus ter discussie zijn gesteld. Dat is ongemakkelijk, maar het biedt ook kansen.

De organisaties die hierin slagen, zijn niet degenen met de meest geavanceerde AI-tools. Het zijn juist de organisaties die eerst hun processen op orde brengen, de technologie doelgericht inrichten en openhartig zijn tegenover kandidaten over hoe en waar automatisering een rol speelt. Transparantie en verantwoordingsplicht vormen geen belemmering voor de invoering van AI bij de werving van personeel — ze maken het juist echt duurzaam.

Als u meer wilt weten over wat HR-managers in heel Europa momenteel doen op het gebied van AI, waar de grootste hiaten zitten en hoe de weg naar een verantwoorde implementatie er in de praktijk uitziet, kunt u nu onze volledige whitepaper downloaden.

👉 Download ‘De maturiteitskloof: de gids voor HR-managers over de invoering van AI, governance en vertrouwen’