Wat moet AI ondersteunen bij cv-screening?
AI moet functierelevant bewijs voor beoordeling ordenen, niet beslissen wie doorgaat. Het kan informatie extraheren, die aan goedgekeurde eisen koppelen en hiaten signaleren. De beslisgrens verandert wanneer output zonder betekenisvolle beoordeling kandidaten afwijst, shortlist, rangschikt of benadert.
Recruitment beïnvloedt toegang tot werk. De EU AI Act noemt AI die bedoeld is om sollicitaties te analyseren of filteren en kandidaten te evalueren bij de werkgelegenheidstoepassingen die een hoog risico kunnen vormen. Artikel 6, lid 3, bevat beperkte uitzonderingen; profileringssystemen blijven hoog risico. De actuele guidance van de Europese Commissie plaatst de hoogrisicoregels voor werkgelegenheid vanaf 2 december 2027. De audituitkomsten van de ICO voor recruitmenttools beschrijven daarnaast gegevensbeschermingsproblemen en aanbevolen verbeteringen bij de onderzochte leveranciers. Dit is operationele guidance, geen juridisch oordeel.
Skilltage-richtlijn: Gebruik deze scheiding als operationeel uitgangspunt:
| AI-ondersteund werk | Beslissing of handeling van een mens |
|---|---|
| Kandidaatinformatie extraheren en aan een goedgekeurde eis koppelen | De eisen goedkeuren en beslissen of het bewijs voldoende is |
| Bronfragmenten groeperen en ontbrekend, gedeeltelijk of tegenstrijdig bewijs signaleren | Doorgaan, shortlist plaatsen, afwijzen of verduidelijking vragen |
| Onzekerheid, parsefouten en verschillen tussen bronnen tonen | Onzekerheid oplossen en een passende vervolgactie kiezen |
| Een beoordelingsweergave of conceptbericht ter controle voorbereiden | Statuswijzigingen goedkeuren en kandidaatcommunicatie verzenden |
Wat moet vóór AI-ondersteunde screening worden goedgekeurd?
Een mens moet de screeningsbasis goedkeuren voordat kandidaatgegevens worden verwerkt. Een AI-ondersteunde beoordeling is zo coherent als de criteria. Leg vast:
- harde eisen en waarom ze essentieel zijn;
- voorkeuren die geen afwijzingsregels zijn;
- bewijs dat elke eis kan ondersteunen;
- informatie die als irrelevant moet worden genegeerd.
Zo ontstaat een zichtbare basis om output te controleren.
Welk bewijs moet de beoordelaar kunnen zien?
Een beoordelaar moet de bron achter elke beoordeling kunnen inspecteren, niet alleen een score. Toon per eis:
- het gebruikte kandidaatbewijs;
- waar het bewijs vandaan komt;
- of het direct, indirect, ontbrekend of tegenstrijdig is;
- onzekerheid en extractiebeperkingen.
Scores drukken context samen. Bewijs maakt tegenspraak mogelijk.
Eisbewijs vóór actie
Eisrijen tonen ondersteuning, gedeeltelijk bewijs, ontbrekend bewijs en prioriteit zonder de beoordeling om te zetten in een automatische kandidaatbeslissing.
Bewijs is inspecteerbaar
Een beoordelaar kan het bewijs achter een eis openen, de redenering lezen en die vergelijken met bronfragmenten van de kandidaat.
Hoe verschillen ontbrekend, zwak en tegenstrijdig bewijs?
Houd deze bewijsstatussen operationeel gescheiden:
| Bewijsstatus | Betekenis | Behandeling door de beoordelaar |
|---|---|---|
| Ontbrekend | Het materiaal behandelt het criterium niet | Leg de leemte vast en verduidelijk later als het criterium relevant is; maak van stilte geen negatief feit |
| Zwak of gedeeltelijk | Er is relevante informatie, maar die toont niet de volledige vaardigheid of reikwijdte aan | Inspecteer de bron, leg de beperking vast en zoek sterker bewijs voordat je erop steunt |
| Tegenstrijdig | Bronnen spreken elkaar tegen of botsen duidelijk met het criterium | Toon beide kanten, los het conflict met menselijke beoordeling op en documenteer de interpretatie |
Ontbrekende informatie kan om verduidelijking vragen. Automatische afwijzing veroorzaakt vermijdbare fout-negatieven.
Onzekerheid blijft zichtbaar
Documentbronstatussen tonen geanalyseerde, ontbrekende en te beoordelen input, zodat onvolledig bewijs niet stilzwijgend afwijzingslogica wordt.
Welke handelingen moeten onder menselijke controle blijven?
Voortgang, afwijzing, shortliststatus en communicatie horen een geauthenticeerde menselijke handeling te vereisen. Betekenisvolle menselijke controle vereist productgedrag, geen label. De beoordelaar moet kunnen afwijken en voldoende context zien.
Bewaar ook proportionele workflowgegevens: welke criteriaversie is gebruikt, wanneer de analyse plaatsvond en welke menselijke actie volgde. Retentie hoort bewust en begrensd te zijn.
Statuswijzigingen vereisen een beoordelaar
Kandidaatstatuscontroles en communicatieblokkades maken voortgang of afwijzing een expliciete geauthenticeerde menselijke handeling.
Hoe test het team de workflow vóór gebruik?
Doorloop vóór livegebruik deze herbruikbare checklist met representatieve synthetische of goedgekeurde voorbeelden:
- Bronbewijs: Een sterke kandidaat met onverwachte terminologie levert nog steeds inspecteerbare bronfragmenten op.
- Gedeeltelijk bewijs: Bewijs uit meerdere functies blijft zichtbaar gedeeltelijk totdat een beoordelaar het oplost.
- Ontbrekend bewijs: Een cv zonder cruciaal detail geeft een leemte, geen verzonnen negatief feit.
- Irrelevante informatie: Persoonlijke informatie buiten de goedgekeurde criteria beïnvloedt de beoordeling niet.
- Foutpad: Een parsefout of niet-ondersteund document gaat naar een zichtbare handmatige beoordelingsstatus.
- Menselijke handeling: Shortlist, voortgang, afwijzing of statuswijziging gebeurt niet zonder een geauthenticeerde beoordelaarsactie.
- Communicatiegrens: Er wordt geen kandidaatbericht verzonden vanuit onbeoordeelde modeloutput.
Controleer of de workflow onzekerheid toont en terugvalt op handmatige beoordeling.
Wat zijn de beperkingen en beslisgrenzen?
Menselijke beoordeling maakt een systeem niet automatisch eerlijk of rechtmatig. Een gehaaste beoordelaar kan output klakkeloos bevestigen, en bevooroordeelde criteria blijven bevooroordeeld. Organisaties blijven verantwoordelijk voor proces, rechtsgrond, kandidaat-informatie, aanpassingen en beslissingen.
Skilltage vindt dat AI-ondersteund bewijs gescheiden moet blijven van door mensen gekozen kandidaatstatus. Dat is een productprincipe, geen garantie op compliance of bescherming tegen aansprakelijkheid.
Die scheiding begint met duidelijke screeningscriteria en bewijsverwachtingen, kan worden toegepast op AI-cv-screening voor productiefuncties en kan worden getoetst met een praktische checklist voor AI-recruitmentleveranciers.
Volgende stap
Breng de huidige screeningworkflow in kaart en markeer elk punt waar software status, volgorde of communicatie kan wijzigen. Vraag per punt welk bewijs zichtbaar is en welke expliciete menselijke handeling nodig is.