AI heeft het HR-domein stormenderhand veroverd, maar veel organisaties gebruiken deze technologie op wankele fundamenten. De International Labour Organization waarschuwt in een nieuw rapport: wie AI inzet zonder duidelijke doelen, kwalitatieve data en transparante programmering, riskeert discriminerende beslissingen, inefficiënte processen en zelfs juridische problemen.
Die boodschap is geen anti-tech-pleidooi. Integendeel. AI kan HR versterken, maar enkel als we de verleiding weerstaan om data als een magische oplossing te beschouwen.
Van people analytics naar AI: een logische evolutie die te snel is gegaan
De ILO-studie schetst een treffend historisch beeld. Sinds de jaren 80 is HR steeds meer gaan rekenen: meten, vergelijken, benchmarken, KPI’s. Dat gaf het vakgebied meer strategische slagkracht, maar ook een blinde vlek: de neiging om cijfers te zien als objectief, zelfs wanneer er geen degelijke theorie onder ligt.
AI past perfect in dat narratief: het oogt slim, modern en efficiënt. Maar ondertussen tonen audits dat minder dan de helft van de organisaties daadwerkelijk waarde haalt uit hun AI-investeringen. Waarom? Omdat wie blind vertrouwt op data en algoritmen, vergeet dat HR draait om mensen; en mensen zijn, hoe zal ik het zacht zeggen, niet lineair programmeerbaar.
De drie grote risico’s: doel, data, programmatie
De ILO vat het samen in één helder model: elk AI-systeem staat of valt met drie parameters. Als één ervan slecht zit, gaat alles slecht. Als twee slecht zitten… dan heb je echt een probleem.
1. Doel: wat willen we eigenlijk optimaliseren?
In theorie eenvoudig, in praktijk een mijnenveld. Voorbeeld: een tool die kandidaten met een “growth mindset” zoekt. Klinkt mooi. Tot blijkt dat het systeem simpelweg telt hoe vaak iemand woorden als “leren” of “groeien” gebruikt. Met andere woorden: wie slim genoeg is om de juiste buzzwords in hun CV te zetten, scoort beter dan wie effectief een groeimindset hééft.
2. Data: slecht binnen = slecht buiten
Of ook wel “garbage in, garbage out”. CV’s die verkeerd worden geïnterpreteerd, datasets die bepaalde groepen systematisch uitsluiten, algoritmes die vrouwen minder vaak STEM-vacatures tonen omdat advertenties voor vrouwen duurder zijn… de voorbeelden zijn legio. AI reproduceren niet alleen bias, ze versterken die vaak.
3. Programmatie: de zwarte doos die managers vertrouwen, maar niet begrijpen
Veel tools zijn proprietary: bedrijven mogen ze gebruiken, maar niet inkijken. Gevolg: HR vertrouwt op systemen waarvan ze de logica niet kennen, niet kunnen bijsturen en soms niet eens kunnen beoordelen op legaliteit. Een troostrijke gedachte: zelfs sommige ontwikkelaars kunnen hun eigen zelflerende algoritmen amper nog verklaren.
Infografiek van McKinsey over de voordelen van people analytics. Van: Rapport ILO, p. 6.
Waar loopt het mis? Vier HR-pijlers onder de loep
1. Werving en selectie: veel beloftes, veel valkuilen
Gerichte jobadvertenties blijven discrimineren, zelfs wanneer ze zogezegd genderneutraal ontworpen zijn.
Screeningtools zetten kandidaten buitenspel om triviale redenen (bv. Bachelor of Arts i.p.v. Bachelor of Science), of oordelen op basis van videogesprekken en micro-expressies zonder bewezen voorspellende waarde.
Gamified assessments meten soms vooral hoe goed iemand is in… gamified assessments.
2. Compensatie: algoritmische loondiscriminatie als nieuw risico
Tools die loonbenchmarks berekenen of individuele loonvoorstellen genereren, doen dat op basis van marktcijfers; inclusief bestaande ongelijkheden. In gig-work worden loonalgoritmes zelfs ingezet om te achterhalen wie bereid is voor minder te werken, en die krijgen vervolgens ook minder aangeboden! Juridisch gezien is dat een tijdbom.
3. Planning & taakverdeling: efficiëntie versus autonomie
AI-planning kan enorme voordelen opleveren; denk aan zorgsector, logistiek of field services. Maar: systemen die enkel optimaliseren op basis van kosten en productiviteit negeren vaak menselijke realiteit: vermoeidheid, teamdynamiek, of gewoon iemand die even naar het toilet moet.
4. Performantie-evaluatie: van meten naar micromanagen
Tracking van gesprekken, gezichtsuitdrukkingen, typgedrag of emotionele toon… Veel van deze systemen creëren het gevoel van permanente surveillance en beperken beslissingsruimte, een gekende risicofactor voor psychosociale belasting. Bovendien meten ze vaak alles behalve wat écht telt.
Waarom dit alles ertoe doet voor preventieadviseurs en HR-professionals
AI raakt aan drie fundamenten van welzijn en arbeidsrecht:
-
Gelijke behandeling: Discriminatie kan ontstaan zonder dat iemand het merkt (of het bedoelt).
-
Transparantie en controleerbaarheid: Als je niet weet hoe een systeem beslist, kun je als werkgever ook niet aantonen dat beslissingen correct zijn.
-
Werkbaar werk: Monitoring- en performantie-AI kan werkdruk verhogen en autonomie verkleinen, met effect op motivatie, stress en retentie.
De ILO waarschuwt terecht dat onkritisch gebruik van AI de kwaliteit van arbeid ondergraaft. Maar je hoeft geen digitale doemdenker te zijn om dat te erkennen. Enkel verstandig.
Hoe kunnen organisaties AI wél verantwoord inzetten?
1. Begin met de vraag, niet met de tool: Welke HR-problemen willen we oplossen? En kan AI dat écht oplossen, of zijn we vooral verleid door glimmende dashboards?
2. Ontwerp AI nooit zonder HR én preventie: Co-creatie is geen buzzword. Het is de enige manier om interpretatiefouten, discriminerende effecten en welzijnsrisico’s te vermijden. (En ja, dat betekent dat je IT af en toe moet vragen om hun model eens uit te leggen.)
3. Vraag altijd naar datakwaliteit en onderliggende aannames: Zijn de gebruikte variabelen bewezen relevant? En is het systeem representatief voor onze sector, onze populatie en onze context?
4. Organiseer echte menselijke controle: Niet: een vinkje “human in the loop” zetten. Wel: wie kijkt ernaar, wanneer, met welke expertise, en met welke bevoegdheid om in te grijpen?
5. Communiceer helder aan medewerkers: Monitoring en dataverwerking zonder transparantie is niet alleen slecht voor vertrouwen, het kan ook juridisch fout lopen.
6. Bewaar ruimte voor menselijke nuance: Geen enkel algoritme kan intuïtie, ervaring of context vervangen. (Het is al moeilijk genoeg om een mens perfect te begrijpen. Laat staan een dataset.)
Cyclus van verantwoord AI-gebruik in HR.
Reflectieve vragen voor je eigen organisatie
-
Weten we welke AI-systemen al “mee beslissen” in onze HR-processen?
-
Wie controleert de datakwaliteit, en hoe transparant zijn de algoritmes?
-
Zijn onze preventiediensten betrokken bij de impactanalyse?
-
Welke risico’s op discriminatie of psychosociale belasting introduceren we mogelijk zonder het te beseffen?
-
En misschien de eerlijkste vraag: hebben we AI om beter te worden… of om modern te lijken?
Slot: AI is niet de vijand. Onkritisch gebruik wel.
De ILO-studie maakt duidelijk dat AI enorme potentie heeft, maar alleen binnen duidelijke grenzen, transparantie en menselijke sturing. Voor werkgevers ligt hier een unieke kans: niet om te vertragen, maar om bewuster te versnellen.
Wie AI inzet met gezond verstand, haalt er winst uit. Wie dat niet doet, riskeert vooral dat de software slimmer lijkt dan ze is; en de organisatie dommere beslissingen neemt dan ze verdient.
