Hoe gebruik je AI verantwoord bij executive search?

AI bij executive search is verantwoord wanneer technologie het zoek- en selectieproces ondersteunt, maar niet ongemerkt bepaalt wie wel of geen kans krijgt. Dat vraagt om een helder doel per toepassing, passende persoonsgegevens, toetsing op discriminatierisico’s, betekenisvol menselijk toezicht en begrijpelijke informatie voor kandidaten. De organisatie blijft verantwoordelijk, ook wanneer een searchbureau of softwareleverancier het systeem aanbiedt.

De belangrijkste vraag is daarom niet of AI wordt gebruikt, maar waar, met welke data en met welk effect op kandidaten. Een hulpmiddel dat een interview samenvat heeft een ander risicoprofiel dan software die kandidaten rangschikt of automatisch afwijst. Hoe groter de invloed op toegang tot werk, hoe zwaarder de eisen aan validatie, uitleg en controle.

Waar kan AI waarde toevoegen in executive search?

Gebruik AI vooral voor werk dat herhaalbaar en controleerbaar is. Laat professionele oordeelsvorming over leiderschap, context, potentieel en waarden niet samenvallen met één score. Bij schaarse of bestuurlijke profielen is de relevante informatie bovendien vaak relationeel en contextgebonden. Dat maakt een gesprek, referentieonderzoek en onafhankelijke vergelijking onmisbaar.

Wanneer valt AI in werving en selectie onder zwaardere regels?

De Europese AI-verordening merkt bepaalde systemen die worden gebruikt voor werving of selectie aan als hoog risico. Denk aan toepassingen die kandidaten analyseren, filteren of rangschikken en daarmee toegang tot werk beïnvloeden. De precieze verplichtingen hangen af van de toepassing en van de rol van de organisatie als aanbieder of gebruiksverantwoordelijke. Beoordeel daarom het concrete systeem en vertrouw niet alleen op het label van de leverancier.

Los van de AI-verordening blijven de Algemene verordening gegevensbescherming en het gelijkebehandelingsrecht gelden. Het College voor de Rechten van de Mens waarschuwt dat recruitmenttechnologie onbedoeld kan discrimineren. De Autoriteit Persoonsgegevens benadrukt bij geautomatiseerde besluitvorming het belang van rechtsbescherming, transparantie en daadwerkelijke menselijke tussenkomst. Dat is geen formaliteit: een mens die alleen een systeemsuggestie bevestigt, biedt onvoldoende tegenwicht.

Welke keuzes moet je vóór gebruik vastleggen?

• Definieer het doel. Beschrijf welk probleem de toepassing oplost en waarom een minder ingrijpende methode niet volstaat.
• Baken de invloed af. Leg vast of AI zoekt, adviseert, rangschikt of beslist. Automatische afwijzing verdient de zwaarste terughoudendheid.
• Beoordeel de data. Controleer herkomst, actualiteit, representativiteit en toegestane verwerking. Voer geen cv’s, interviewnotities of referenties in een publiek model in zonder passende afspraken.
• Test op kwaliteit en gelijke behandeling. Meet niet alleen snelheid, maar ook foutpercentages, verschillen tussen groepen en gemiste geschikte kandidaten.
• Organiseer menselijke toetsing. Wijs een bevoegde beoordelaar aan die de uitkomst begrijpt, aanvullende informatie kan wegen en het systeem kan overrulen.
• Informeer kandidaten. Leg in gewone taal uit waar AI wordt gebruikt, welke betekenis de uitkomst heeft en waar iemand vragen of bezwaar kan indienen.
• Maak leveranciers beheersbaar. Leg documentatie, beveiliging, subverwerkers, auditmogelijkheden, wijzigingsmeldingen en verwijdering contractueel vast.
• Evalueer doorlopend. Herhaal validatie wanneer functieprofielen, kandidatenpopulaties, modellen of wetgeving veranderen.

Hoe voorkom je dat menselijk toezicht een vinkje wordt?

Betekenisvol menselijk toezicht vraagt drie dingen. De beoordelaar moet voldoende expertise en tijd hebben, toegang krijgen tot de onderliggende informatie en echte beslissingsruimte hebben. Toon daarom naast een score ook onzekerheid, gebruikte criteria en relevante beperkingen. Laat de professional expliciet vastleggen waarom een aanbeveling wordt gevolgd of verworpen wanneer de impact voor de kandidaat groot is.

Bouw daarnaast een tweede lezing in op cruciale momenten. Bij de longlist kan dat een steekproef zijn van kandidaten die laag scoorden. Bij de shortlist kan een onafhankelijke collega controleren of het succesprofiel consequent is toegepast. Zo wordt zichtbaar of het systeem vooral bekende loopbanen beloont en onconventionele, maar passende kandidaten wegfiltert.

Welke vragen stel je aan een AI-leverancier?

• Voor welk exact gebruiksdoel en welke kandidatenpopulatie is het systeem gevalideerd?
• Welke gegevens, afgeleide kenmerken en externe databronnen worden gebruikt?
• Hoe zijn nauwkeurigheid, uitlegbaarheid en verschillen tussen groepen getest?
• Kan de organisatie uitkomsten controleren, corrigeren en exporteren voor een audit?
• Worden invoergegevens gebruikt om het model verder te trainen, en hoe wordt dat voorkomen?
• Welke onderaannemers en locaties van gegevensverwerking zijn betrokken?
• Hoe meldt de leverancier modelwijzigingen, incidenten en verslechterende prestaties?
• Hoe worden bewaartermijnen, verwijdering en kandidatenrechten uitgevoerd?

Wat zijn veelgemaakte fouten?

Een eerste fout is starten met software en pas later het selectieprobleem formuleren. Een tweede is aannemen dat een model objectief is omdat het alle kandidaten op dezelfde manier behandelt. Gelijke verwerking kan bestaande ongelijkheid versterken wanneer criteria of trainingsdata scheef zijn. Een derde fout is uitsluitend de leverancier laten beoordelen of het systeem voldoet. De organisatie moet zelf begrijpen wat de toepassing doet in haar eigen proces.

Ook generatieve AI vraagt discipline. Een overtuigend geformuleerde samenvatting kan onjuistheden bevatten. Gebruik zulke tekst daarom nooit als bron, controleer de feiten aan het oorspronkelijke dossier en voorkom dat gevoelige persoonsgegevens in onbeheerde omgevingen terechtkomen.

Hoe helpt Delfin?

Delfin kan organisaties helpen om technologie in executive search ondergeschikt te maken aan een zorgvuldig en mensgericht selectieproces. Dat begint bij een scherp succesprofiel, een brede marktverkenning en transparante beoordelingscriteria. Vervolgens blijft professionele dialoog nodig om ervaring, potentieel, context en wederzijdse verwachtingen te wegen. AI kan dat proces efficiënter maken, maar niet de verantwoordelijkheid voor een goed besluit overnemen.

Veelgestelde vragen

Mag AI kandidaten automatisch afwijzen?

Volledig geautomatiseerde afwijzing kan juridisch en ethisch problematisch zijn, zeker wanneer de beslissing grote gevolgen heeft. Beoordeel de specifieke toepassing onder de AVG en AI-verordening en zorg voor daadwerkelijke menselijke beoordeling, begrijpelijke informatie en een mogelijkheid om de uitkomst te betwisten.

Is een AI-score objectiever dan een interview?

Niet vanzelf. Een score weerspiegelt gekozen doelen, data en aannames. Een gestructureerd interview met vooraf bepaalde criteria kan juist beter uitlegbaar zijn. De sterkste aanpak combineert meerdere valide informatiebronnen en controleert actief op tegenstrijdigheden.

Kun je openbare LinkedIn-data zonder meer in een model verwerken?

Nee. Openbaar zichtbaar betekent niet dat elk hergebruik is toegestaan. Bepaal een geldige grondslag, beperk de gegevens tot het noodzakelijke en wees transparant over de verwerking. Controleer daarnaast platformvoorwaarden en afspraken met leveranciers.