Waarom AI in recruitment geen gadget meer is
Over explainability, EU AI Act en verantwoord gebruik van AI.
AI in recruitment is lang vooral besproken als innovatie. Een handige tool om sneller cv’s te lezen. Een slim systeem om kandidaten beter te matchen. Een toepassing die recruiters tijd bespaart en kandidaten sneller naar passende vacatures leidt.
Dat beeld is begrijpelijk, maar inmiddels te beperkt. AI in recruitment is geen gadget meer. Zodra technologie helpt bij het beoordelen, rangschikken of prioriteren van kandidaten, raakt zij aan fundamentele vragen over eerlijkheid, uitlegbaarheid en menselijke verantwoordelijkheid.
Wetenschappelijke functies vaak complex
Dat geldt zeker voor de academische arbeidsmarkt. Wetenschappelijke functies zijn vaak complex. Een goede match hangt niet alleen af van opleiding of functietitel, maar ook van onderzoeksrichting, methodologische expertise, publicaties, onderwijsambitie, internationale ervaring, samenwerking en loopbaanfase.
Juist omdat die beoordeling inhoudelijk rijk is, kan AI nuttig zijn. Een systeem kan helpen om informatie uit cv’s, research proposals en vacatureteksten beter te structureren. Het kan patronen herkennen, overeenkomsten zichtbaar maken en recruiters helpen om sneller overzicht te krijgen.
Verantwoord inzetten AI
Maar hoe krachtiger die ondersteuning wordt, hoe belangrijker de vraag wordt: kunnen we uitleggen hoe het systeem tot een suggestie komt? Een score alleen is niet genoeg. Als een kandidaat 78% matcht met een vacature, wil je weten wat dat betekent. Komt de score door het onderzoeksgebied? Door ervaring? Door vaardigheden? Door taal? Door opleiding? En welke informatie is onzeker of ontbreekt?
Voor recruiters geldt hetzelfde. Een gerangschikte lijst kandidaten kan handig zijn, maar alleen als duidelijk blijft waarom iemand bovenaan staat en waar menselijke beoordeling nodig blijft. Daarmee verschuift de discussie van “kan AI dit?” naar “kunnen we dit verantwoord inzetten?”
EU AI Act
Die verschuiving wordt versterkt door de EU AI Act. AI-toepassingen in werving en selectie vallen in de categorie hoog risico. Dat betekent dat organisaties niet alleen moeten nadenken over gebruiksgemak of efficiëntie, maar ook over transparantie, controleerbaarheid, proportionaliteit, bias en menselijke tussenkomst.
Voor instellingen is dat geen detail. Wie AI gebruikt in recruitment, moet kunnen aantonen dat het systeem zorgvuldig werkt. Niet alleen technisch, maar ook bestuurlijk en juridisch. Dat vraagt om duidelijke afspraken, goede documentatie, audit trails, uitlegbaarheid en een proces waarin de mens uiteindelijk verantwoordelijk blijft.
Goede AI ondersteunt de mens
In de praktijk betekent verantwoord gebruik van AI dus niet dat alles geautomatiseerd wordt. Integendeel. Goede AI in recruitment ondersteunt de mens, maar vervangt hem niet. Ze helpt om informatie beter te ordenen, twijfelgevallen zichtbaar te maken en mogelijke bias eerder te signaleren. De uiteindelijke beoordeling blijft bij recruiters, selectiecommissies en hiring managers. Juist daarin ligt de waarde van explainable AI.
Belang van explainability
Explainability maakt zichtbaar welke factoren hebben bijgedragen aan een match of ranking. Het laat zien waar het systeem zeker van is en waar juist voorzichtigheid nodig is. Het maakt verschil tussen een harde conclusie en een ondersteunende aanwijzing.
Dat is niet alleen belangrijk voor compliance, maar ook voor vertrouwen. Kandidaten moeten erop kunnen vertrouwen dat zij niet stilletjes door een ondoorzichtig systeem worden weggesorteerd. Recruiters moeten erop kunnen vertrouwen dat AI hen helpt, zonder hun professionele oordeel over te nemen. Bestuurders moeten erop kunnen vertrouwen dat innovatie niet leidt tot juridische of reputatierisico’s.
AI: een strategisch onderwerp
Daarmee wordt AI in recruitment een strategisch onderwerp. Niet omdat elke instelling morgen alles met AI moet doen. Maar omdat de randvoorwaarden nu al veranderen. De vraag is niet meer alleen welke tools beschikbaar zijn, maar onder welke publieke waarden, governance en technische standaarden die tools worden ingezet.
Voor de academische sector is dat extra relevant. Universiteiten, UMC’s en onderzoeksinstellingen hebben een publieke verantwoordelijkheid. Zij selecteren niet alleen medewerkers, maar bepalen mede wie toegang krijgt tot wetenschappelijke loopbanen, onderzoeksgroepen en toekomstige kennisontwikkeling.
AI en betere processen
Daarom vraagt AI in academische recruitment om meer dan snelheid en efficiëntie. Het vraagt om systemen die uitlegbaar zijn. Om processen waarin kandidaten niet worden gereduceerd tot scores. Om menselijke toetsing. Om heldere data-afspraken. En om de bereidheid om gezamenlijk te leren wat verantwoord gebruik in deze context betekent.
AI in recruitment is daarmee geen los experiment meer aan de rand van het proces. Het wordt een onderdeel van de infrastructuur waarlangs wetenschappelijk talent wordt gevonden, beoordeeld en begeleid. De vraag is daarom waarschijnlijk niet óf AI een rol gaat spelen in werving en selectie. Die rol is al aan het ontstaan.
De belangrijkere vraag is hoe de sector ervoor zorgt dat AI bijdraagt aan betere, eerlijkere en transparantere processen, in plaats van aan nieuwe vormen van onzichtbare selectie.