Onderzoekers van de Universiteit van Amsterdam hebben een verontrustende ontdekking gedaan: AI-systemen die video-assessments analyseren, geven systematisch lagere scores aan kandidaten met een regionaal of niet-westers accent. De studie, gepubliceerd in het Journal of Applied Psychology, analyseerde 15.000 video-sollicitaties bij drie grote Nederlandse werkgevers.
De bevindingen
De resultaten zijn ontnuchterend:
- Kandidaten met een Limburgs accent scoorden gemiddeld 8% lager op "communicatievaardigheden"
- Kandidaten met een Surinaams-Nederlands accent scoorden 12% lager op "professionaliteit"
- Kandidaten met een Turks-Nederlands accent scoorden 15% lager op "leiderschapspotentieel"
"Dit zijn geen kleine effecten", zegt hoofdonderzoeker Prof. Dr. Marieke Huisman. "Een verschil van 12-15% kan het verschil betekenen tussen wel of niet worden uitgenodigd voor een gesprek."
Hoe ontstaat deze bias?
De onderzoekers identificeerden twee mechanismen:
1. Training data bias - De AI-modellen zijn getraind op historische data van "succesvolle" kandidaten. Als die data overwegend kandidaten bevat met Standaardnederlands, leert het model dit accent te associëren met succes.
2. Speech-to-text fouten - De onderliggende spraakherkenning maakt meer fouten bij niet-standaard accenten. Deze fouten worden vervolgens geïnterpreteerd als "onduidelijke communicatie".
Reacties van aanbieders
Harver, een van de onderzochte aanbieders, reageerde met een statement: "We nemen deze bevindingen zeer serieus en zijn in gesprek met de onderzoekers. Onze modellen worden continu geüpdatet om bias te reduceren."
Een woordvoerder van Talogy zei: "Dit onderzoek bevestigt waarom menselijke review essentieel blijft. AI moet ondersteunen, niet beslissen."
Selection Lab claimt dat hun systemen anders werken: "Wij analyseren geen accenten. Onze AI focust op inhoud en competenties, niet op hoe iemand klinkt." De onderzoekers hebben Selection Lab niet in hun studie opgenomen.
Juridische implicaties
Arbeidsrechtadvocaat Mr. Patricia Zomer waarschuwt werkgevers: "Dit onderzoek is juridisch explosief. Discriminatie op basis van afkomst of etniciteit is verboden - ook als het indirect gebeurt via AI."
De EU AI Act vereist bias-monitoring voor hoog-risico AI-systemen, waaronder recruitment-AI. "Werkgevers die deze systemen gebruiken zonder adequate bias-checks, lopen nu aanzienlijk risico", aldus Zomer.
Wat moeten organisaties doen?
De onderzoekers geven concrete aanbevelingen:
- Audit je AI-tools - Vraag aanbieders om bias-rapporten uitgesplitst naar demografische groepen
- Combineer AI met menselijke review - Laat geen autonome AI-beslissingen toe bij kritieke selectiemomenten
- Monitor je eigen data - Analyseer of bepaalde groepen systematisch lager scoren of vaker afvallen
- Overweeg alternatieven - Tekstgebaseerde assessments hebben minder accent-bias dan video-analyse
De bredere context
Dit onderzoek staat niet op zichzelf. Internationaal is er groeiende bezorgdheid over AI-bias in hiring. Amazon schrapte in 2018 al een AI-recruitingtool die vrouwen benadeelde. Recent onderzoek van MIT toonde bias tegen Afro-Amerikaanse namen in cv-screening AI.
"De belofte van AI was objectievere hiring", reflecteert Prof. Huisman. "De realiteit is dat AI onze bestaande vooroordelen kan versterken - op schaal."
Voor de Nederlandse assessment-industrie is dit een wake-up call. De vraag is niet of AI bias bevat, maar hoe we ermee omgaan. Transparantie, monitoring en menselijk toezicht zijn niet optioneel - ze zijn essentieel.
