Meer dan 90% van de Amerikaanse werkgevers gebruikt tegenwoordig geautomatiseerde systemen om sollicitanten te screenen. Maar wat als al die werkgevers vrijwel allemaal hetzelfde algoritme gebruiken? Een grootschalig Stanford-onderzoek geeft voor het eerst een kijkje achter de schermen – en de uitkomsten zijn verontrustend.
Het systeem versterkt raciale ongelijkheid en sluit overal steeds dezelfde mensen uit.
Onderzoekers van Stanford University analyseerden 4 miljoen sollicitaties van 3,4 miljoen kandidaten bij 156 werkgevers in 11 sectoren. Alle sollicitaties werden beoordeeld door het A.I.-hiring-platform Pymetrics – inmiddels onderdeel van het oorspronkelijk Nederlandse Harver. De conclusie van deze studie, die de titel Algorithmic Monocultures in Hiring meekreeg: het systeem versterkt raciale ongelijkheid en sluit overal steeds maar weer dezelfde mensen uit.
Same algoritme, same afwijzing
Dat laatste is precies wat de onderzoekers bedoelen met ‘algorithmic monoculture‘: als veel werkgevers hetzelfde algoritme gebruiken, maken ze in feite geen zelfstandige, onafhankelijke beslissingen meer. Een kandidaat die door het algoritme wordt afgewezen bij werkgever A, loopt grote kans ook te worden afgewezen bij werkgever B, C en D – want het is dezelfde beoordelaar. Terwijl de functie-eisen sterk kunnen verschillen.
Lees dit artikel volledig
Word lid van Werf& voor onbeperkte toegang tot alle artikelen, onderzoeken en exclusieve inzichten over de arbeidsmarkt.
Geen verplichtingen Opzegbaar per direct Veilig betalen
