De screening van sollicitanten door AI verdient kritisch onderzoek
Nalevingskwestie: De AI-wet van Colorado verplicht werkgevers die AI gebruiken bij het werven en selecteren tot transparantie en verantwoording.
Transparantie van AI: Veel kandidaten weten niet dat AI-systemen invloed hebben gehad op hun sollicitaties of beoordelingen.
Interpretatiekloof: HR-afdelingen hebben vaak moeite om scoresystemen van AI en de gevolgen daarvan voor personeelswerving uit te leggen.
Aansprakelijkheid van leveranciers: Volgens recente regelgeving zijn werkgevers, en niet leveranciers, aansprakelijk voor negatieve gevolgen van AI-hulpmiddelen.
Verschuiving in governance: Organisaties moeten uitlegbaarheid en documentatie in AI-processen voor personeelswerving prioriteit geven om naleving te waarborgen.
Ergens in uw wervingsproces is een kandidaat uitgefilterd door een systeem dat uw team niet volledig kan uitleggen. U beschikt misschien over een leveranciersovereenkomst, een dashboard en een score. Wat de meeste organisaties niet hebben, is een duidelijk antwoord op de vraag die nieuwe AI-regelgeving u nu feitelijk verplicht te beantwoorden: waarom.
Dat verschil tussen wat AI doet binnen werving op ondernemingsniveau en wat kandidaten en toezichthouders daadwerkelijk kunnen zien, is nu een nalevingskwestie. De AI-wet van Colorado, een van de eerste wetten in zijn soort in de Verenigde Staten, trad in februari in werking en verplicht werkgevers die AI-systemen met een hoog risico gebruiken bij beslissingen over werkgelegenheid om sollicitanten hiervan op de hoogte te stellen en een mechanisme te bieden waarmee zij gegevens kunnen corrigeren of bezwaar kunnen maken tegen een negatieve uitkomst.
Voor veel HR-afdelingen betekent het voldoen aan die vereiste dat ze systemen moeten uitleggen die ze zelf niet volledig begrijpen.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
De markt voor AI-aangedreven wervingstools is de afgelopen jaren aanzienlijk gegroeid. Leveranciers bieden screeningplatforms, geautomatiseerde scores voor sollicitatiegesprekken en voorspellende geschiktheidsmodellen aan werkgevers die op grote schaal grote aantallen sollicitaties verwerken.
De belofte is efficiëntie, maar de praktijk vertelt een ingewikkelder verhaal. Het aantal sollicitaties op LinkedIn steeg in 2025 met meer dan 45% op jaarbasis, waarbij er ongeveer 11.000 per minuut op het platform binnenkwamen. Tegelijkertijd meldde 64% van de recruiters in dezelfde periode een toename van sterk op elkaar lijkende, door AI gegenereerde sollicitaties, waardoor hun screeningwerklast toenam in plaats van afnam. De tools die zijn ontworpen om de hoeveelheid te filteren, genereren die hoeveelheid gedeeltelijk zelf.
Tatiana Teppoeva, voormalig datawetenschapper bij Microsoft en Boeing, die organisaties nu adviseert over de risico's van AI-ondersteunde werving, ziet deze dynamiek consequent terug bij klanten uit het bedrijfsleven.
\u0022Veel HR-teams begrijpen de claims van leveranciers, maar hebben beperkt inzicht in hoe screeningsresultaten worden gegenereerd of aan welke signalen van kandidaten meer gewicht wordt toegekend. Wanneer kandidaten vragen waarom ze zijn uitgefilterd, hebben organisaties vaak moeite om een leveranciersscore te vertalen naar een duidelijke, functiegerelateerde uitleg.\u0022
Volgens haar ervaring is de kloof specifiek: organisaties kunnen de score die een tool produceert gemakkelijker beschrijven dan uitleggen wat die score betekent in termen van functiegerelateerde vaardigheden.
Die ondoorzichtigheid heeft meetbare kosten voor kandidaten. Uit een onderzoek onder 1.066 Amerikaanse werkzoekenden, dat Enhancv in april 2026 uitvoerde, bleek dat 68,5% nooit te horen had gekregen dat AI een rol speelde bij hun beoordeling, en dat slechts 9,7% zei dat een werkgever dit duidelijk had gemeld.
Bijna een derde zei dat ze van een functie hadden afgezien in plaats van een eenzijdige AI-screening te voltooien, en dit patroon was niet gelijkmatig verdeeld. Bijna 80% van de functies waarvan kandidaten afzagen, betaalde minder dan $100,000. De kandidaten met de minste opties worden het meest blootgesteld aan systemen die ze niet kunnen zien en waarvoor ze geen toestemming hebben gegeven.
Een zwarte doos met een leveranciersovereenkomst
Het verantwoordelijkheidsvraagstuk draait echter niet volledig om ondoorzichtigheid, hoewel die er wel deel van uitmaakt. Veel screeningplatforms werken als systemen die een zwarte doos vormen of daar dicht bij in de buurt komen, waarbij de wegingslogica van het model niet zichtbaar is voor de werkgever, laat staan voor de kandidaat.
Zelfs wanneer leveranciers functies voor uitlegbaarheid aanbieden, kan de uitleg die een recruiter ziet een vereenvoudigde benadering zijn van een complexer onderliggend proces. Een HR-leider kan de uitvoer lezen. Vaak kan diegene niet nagaan hoe deze tot stand is gekomen.
Dit wordt belangrijker naarmate de schaal toeneemt. Een bedrijf dat jaarlijks tienduizenden sollicitaties verwerkt, neemt via een systeem een groot aantal ingrijpende beslissingen dat het eigen team mogelijk niet kan controleren. De meldings- en beroepsvereisten van de wet van Colorado brengen die vraag nadrukkelijk aan het licht. Als een kandidaat vraagt waarom diegene is afgewezen, wie antwoordt er dan, en met welke informatie?
Het werk van Teppoeva richt zich specifiek op wat zij de "interpretatielaag" noemt: de ruimte tussen een door AI gegenereerd wervingssignaal en een menselijke beslissing. De eerste vraag die ze stelt aan organisaties die al een screeningtool hebben ingevoerd, is waarom: "Waarom kreeg deze kandidaat een lage score, ondanks dat diegene een sterke indruk maakte op het wervingsteam? Waarom scoorde een andere kandidaat hoog, maar kwam diegene later toch op een verbeterplan voor prestaties terecht?"
De meeste organisaties kunnen die vragen volgens haar niet beantwoorden. Ze hebben wel de score, maar niet de redenering erachter.
"Organisaties vertrouwen vaak op door leveranciers gegenereerde resultaten zonder een duidelijk intern kader te onderhouden voor het interpreteren of documenteren van die resultaten," zegt ze. "Daardoor kan het moeilijk zijn om uit te leggen hoe menselijk oordeel is toegepast of hoe een definitieve beslissing tot stand is gekomen."
Wanneer een beslissing wordt aangevochten, wordt die kloof een aansprakelijkheidsrisico.
De aansprakelijkheid kwam bij de werkgever te liggen
De timing van de regelgeving brengt ook een probleem aan het licht met de manier waarop AI-wervingstools doorgaans zijn aangeschaft. Beslissingen over welk platform moest worden gebruikt, werden vaak genomen door talentacquisitieteams die gericht waren op doorvoer, terwijl juridische, compliance- en soms HR-leidinggevenden minder betrokken waren bij het beoordelen van wat de tool daadwerkelijk doet.
De wet van Colorado verandert die afweging. Volgens SB 205 ligt de aansprakelijkheid voor negatieve gevolgen van risicovolle AI bij werkgelegenheid bij de werkgever, niet bij de leverancier. Het bedrijf dat de tool gebruikt, is verantwoordelijk voor de resultaten ervan.
Jimmy Hurff, COO en medeoprichter van Brightmove, een leverancier van applicanttracking-systemen, zegt dat de inkoopgesprekken die hij meemaakt precies dit probleem weerspiegelen.
Werkgevers lijken vooral gericht te zijn op de integratie van functies en op kandidaatvolumes. Onze potentiële klanten controleren meestal de integratiefuncties, maar besteden zelden aandacht aan de kwaliteit van de kandidatenpijplijn en de automatisering van scoring en beoordeling.
De vragen die binnen het kader van Colorado het belangrijkst zijn, zoals uitlegbaarheid, controleerbaarheid en beroepsprocedures, zijn doorgaans niet de vragen die aan tafel worden gesteld.
Brightmove publiceerde een beleid voor verantwoorde AI als directe reactie op SB 205, en Hurff zegt dat de wet heeft geleid tot een bredere herbezinning binnen het leverancierslandschap. Hij maakt ook duidelijk waar volgens hem het regelgevingsgesprek vervolgens naartoe moet: naar één federale norm in plaats van een lappendeken van nalevingsregels per staat, wat leveranciers volgens hem een duidelijker mandaat zou geven om hun systemen daarop te ontwikkelen.
Het documentatieprobleem wordt het meest ingrijpend wanneer kandidaten wier communicatiepatronen afwijken van wat het systeem heeft geleerd, door een beperking, neurodivergentie of hun taalachtergrond, worden beoordeeld door tools die geen rekening kunnen houden met de context. Teppoeva beschrijft het kernprobleem.
"Een signaal kan nauwkeurig worden gemeten en toch verkeerd worden geïnterpreteerd," zegt ze.
Wanneer een kandidaat een uitkomst aanvecht, kunnen de meeste organisaties de uitvoer reproduceren. Ze kunnen de beslissing niet uitleggen en beschikken zelden over documentatie waaruit blijkt dat wat werd gemeten daadwerkelijk relevant was voor de functie.
De EEOC houdt deze sector op zijn minst sinds 2021 in de gaten, toen de organisatie haar initiatief rond AI en algoritmische eerlijkheid bij werving lanceerde. Uit de richtlijnen van 2023 bleek duidelijk dat werkgevers de aansprakelijkheid voor discriminerende screeningsresultaten niet kunnen uitbesteden aan een externe leverancier.
De wet van Colorado gaat verder en voegt verplichtingen rond transparantie en beroep toe waaraan de meeste wervingsactiviteiten van grote ondernemingen niet zijn ingericht om te voldoen.
Wat HR-leiders moeten weten
In de praktijk ontstaat hierdoor een compliance-oppervlak dat veel HR-leiders nog niet in kaart hebben gebracht. Ze hebben mogelijk een overeenkomst met een leverancier. Ze hebben misschien een algemeen beeld van wat de tool doet. Maar documentatie over hoe het model is getraind, waarop het optimaliseert en hoe beslissingen worden vastgelegd en teruggevonden voor de beoordeling van beroepszaken, is vaak minder uitgebreid dan de huidige regelgeving vereist.
Teppoeva beschrijft deze verschuiving in termen die HR-leiders zullen herkennen uit andere compliancegesprekken.
Nieuwe regelgeving verschuift het gesprek van 'Werkt de tool?' naar 'Kunnen we uitleggen en verdedigen hoe de tool is gebruikt?'
Degenen die AI-screening beschouwen als een inkoopbeslissing in plaats van als een doorlopend governanceproces, lopen het meeste risico wanneer een kandidaat of toezichthouder een vraag stelt waarop de tool geen antwoord kan geven.
Een deel hiervan zal zichzelf oplossen door druk van leveranciers. Als zakelijke klanten uitlegbaarheidsdocumentatie en controletrajecten onderdeel gaan maken van het inkoopproces, zullen leveranciers die ontwikkelen. Maar dat proces verloopt langzaam en ondertussen worden kandidaten in Colorado en elders gefilterd door systemen waarvan de logica de werkgevers die ze gebruiken niet volledig kunnen uitleggen.
Het gesprek dat HR-leiders moeten voeren, gaat niet alleen over de vraag of AI-screeningstools werken. Het gaat erom of de organisaties die ze gebruiken verantwoording kunnen afleggen over wat ze doen.
