Artificial Intelligence (AI) wordt steeds vaker toegepast in wervingsprocessen, wat zorgt voor snelheid en efficiëntie. Hoewel AI-technologieën bedrijven kunnen helpen hun praktijken te verbeteren, zijn ze niet vrij van problemen, met name op het gebied van vooroordelen. AI-vooroordelen in rekrutering kunnen onbedoelde discriminatie veroorzaken, waardoor bestaande ongelijkheden worden bestendigd of versterkt. Het is daarom van cruciaal belang dat afdelingen Human Resources (HR) deze vooroordelen herkennen en overwinnen om eerlijke en inclusieve processen te waarborgen.
Hoe ontstaan vooroordelen in AI-rekrutering?
AI werkt op basis van algoritmen die leren uit grote hoeveelheden gegevens. Deze historische gegevens, hoewel waardevol, kunnen doordrenkt zijn van menselijke of sociale vooroordelen. Als een algoritme bijvoorbeeld is getraind op wervingsdata uit het verleden, waarbij een meerderheid van de mannen werd aangenomen voor technische functies, kan het onbedoeld deze voorkeur voor mannelijke kandidaten reproduceren. Dit gebeurde precies met de AI-gebaseerde wervings tool van Amazon, die werd stopgezet nadat bleek dat het vrouwen discrimineerde voor technische functies.
AI-vooroordelen in werving kunnen zich op verschillende manieren manifesteren, zoals:
- Genderbias: Wanneer AI één geslacht boven een ander bevoordeelt, vaak gebaseerd op historisch bevooroordeelde trends.
- Raciale bias: Wanneer algoritmen zijn getraind op gegevens die raciale of etnische vooroordelen weerspiegelen.
- Diplomabias: Wanneer AI te veel nadruk legt op het opleidingsniveau, waardoor kandidaten uit minder traditionele, maar even capabele achtergronden worden uitgesloten.
Waarom zijn deze vooroordelen problematisch in rekrutering?
Vooroordelen kunnen niet alleen bestaande ongelijkheden herhalen, maar ook versterken en intensiveren. Deze vooroordelen hebben aanzienlijke gevolgen voor kandidaten, omdat ze onterecht uitgesloten kunnen worden van selectieprocessen op basis van irrelevante kenmerken (zoals hun geslacht of etnische afkomst). Dit heeft een directe impact op de diversiteit in bedrijven, waardoor de verscheidenheid aan perspectieven en talenten binnen teams afneemt.
Vanuit juridisch en ethisch oogpunt kan AI-gerelateerde discriminatie in werving bedrijven blootstellen aan kostbare rechtszaken en hun reputatie schaden. In Europa zijn de wetten tegen discriminatie streng, en bedrijven moeten ervoor zorgen dat hun wervingspraktijken, inclusief de door AI geautomatiseerde, in overeenstemming zijn met de gelijkekansenwetten.
Vooroordelen in AI-tools herkennen
Het herkennen van vooroordelen in wervings tools is niet altijd eenvoudig. De eerste stap is het evalueren van de gegevens die worden gebruikt om de algoritmen te trainen. Als deze gegevens bevooroordeeld zijn, zal het systeem zelf geneigd zijn deze vooroordelen te reproduceren. Als een bedrijf bijvoorbeeld historisch gezien vooral blanke mannen heeft aangenomen voor leidinggevende functies, kan het algoritme deze profielen bevoordelen.
HR-professionals moeten ook waakzaam zijn over de criteria die door de algoritmen worden gebruikt. Als bepaalde kenmerken, zoals geslacht, leeftijd of geografische afkomst, te veel invloed hebben op de beslissingen, kan dit op een probleem wijzen. Daarnaast is het essentieel om AI-tools regelmatig te testen om eventuele discriminerende trends op te sporen.
AI-vooroordelen in rekrutering overwinnen
Gelukkig zijn er verschillende manieren om AI-vooroordelen in rekrutering te overwinnen en eerlijkere en inclusievere processen te garanderen:
Diversifiëren van de trainingsgegevens
Om wervingsbias te verminderen, is het cruciaal om de gegevens waarop algoritmen worden getraind, te diversifiëren. Dit betekent gegevens uit verschillende bronnen opnemen en groepen vertegenwoordigen die divers zijn in termen van geslacht, etniciteit, leeftijd en professionele achtergrond. Deze aanpak helpt om evenwichtigere en inclusievere modellen te creëren.
Regelmatige audits implementeren
Bedrijven moeten regelmatige audits uitvoeren van hun AI-tools om ervoor te zorgen dat wervingsprocessen eerlijk blijven. Dit omvat het analyseren van de resultaten om mogelijke anomalieën of trends op te sporen die op vooroordelen kunnen wijzen. Multidisciplinaire teams, bestaande uit zowel technische experts als HR-professionals, moeten betrokken worden bij deze audits.
Een recente studie van Northeastern University en USC toonde aan dat Facebook-advertenties voor kassièrefuncties in supermarkten aan een publiek van 85% vrouwen werden getoond, terwijl advertenties voor taxibedrijven aan ongeveer 75% Afro-Amerikanen werden getoond.
Transparantie van algoritmen waarborgen
Transparantie is essentieel om te begrijpen hoe beslissingen worden genomen door AI-tools. Bedrijven moeten van AI-technologieleveranciers duidelijke uitleg eisen over hoe hun algoritmen werken. De “black box” van algoritmen, waarbij beslissingen worden genomen zonder duidelijke verklaring, moet worden vermeden. Door volledige transparantie te eisen, kunnen HR-teams de potentiële impact van AI-tools beter evalueren en vooroordelenrisico’s identificeren.
Menselijke interventie behouden
Hoewel AI veel taken kan automatiseren, is het cruciaal dat de uiteindelijke wervingsbeslissingen worden begeleid door mensen. Menselijke tussenkomst introduceert genuanceerde oordelen en helpt sommige van de potentiële vooroordelen van AI te verminderen. Na een geautomatiseerde voorselectie kunnen recruiters bijvoorbeeld tussenkomen om ervoor te zorgen dat diversiteit en inclusie gerespecteerd worden in de laatste selectie.
Conclusie
De introductie van AI in rekrutering biedt aanzienlijke voordelen op het gebied van efficiëntie, maar moet voorzichtig worden gebruikt. Wervingsbias is een realiteit waar bedrijven mee te maken hebben om eerlijke en inclusieve processen te waarborgen. Door deze vooroordelen te erkennen en strategieën te ontwikkelen om ze te overwinnen, kunnen HR-afdelingen AI gebruiken als een krachtig hulpmiddel, terwijl ze de waarden van gelijkheid en diversiteit handhaven.
AI mag uiteindelijk het menselijke oordeel niet vervangen, maar eerder ondersteunen bij het nemen van weloverwogen en evenwichtige beslissingen. De sleutel voor HR-professionals is waakzaam te blijven en ervoor te zorgen dat algoritmen de waarden van het bedrijf weerspiegelen en niet de vooroordelen van het verleden.
