Wil je dat je selectie-algoritme eerlijk is voor elke kandidaat? Dit zijn de 7 toetsstenen

Steeds meer werkgevers vertrouwen in hun selectie op assessments op basis van AI. Maar in hoeverre kampen die algoritmes zelf weer met bias en vooroordelen? Dit zijn de 7 toetsstenen om dat te beoordelen.

Dat de mens vol met onbewuste en onterechte bias zit, dat weten we inmiddels wel. In alle onderdelen van het werving- en selectieproces spelen die vooroordelen een grote rol. Niet zo gek dus dat veel organisaties zoeken naar manieren om die rol van bias kleiner te maken, en het proces voor iedere kandidaat eerlijker te maken. En vaak wordt een vorm van AI en algoritmes daarvoor als oplossing gezien.

hoe eerlijk en rechtvaardig zijn al die algoritmes eigenlijk zélf?

Maar hoe eerlijk en rechtvaardig zijn die algoritmes eigenlijk zélf? Die vraag stellen velen zich sinds het inmiddels bekende voorbeeld van Amazon, toen dat bedrijf stopte met een proef waarbij vrouwen systematisch in het nadeel bleken bij een op kunstmatige intelligentie gebaseerde selectiemethode. Ook blijken geslacht en ras bijvoorbeeld van invloed op het algoritme dat bepaalt aan wie Facebook de daar geplaatste vacatures toont, en zo dus te zorgen voor mogelijke bias in de respons.