For best experience please turn on javascript and use a modern browser!
You are using a browser that is no longer supported by Microsoft. Please upgrade your browser. The site may not present itself correctly if you continue browsing.
Responsible Digital Transformations RDT

Discriminatie in AI-wervingsinstrumenten aanpakken: FINDHR presenteert nieuwe oplossingen

21 January 2026

Steeds meer bedrijven maken gebruik van AI-ondersteunde wervingssystemen om kandidaten vooraf te selecteren of sollicitanten te rangschikken. Hoewel deze instrumenten tijd kunnen besparen, brengen ze ook aanzienlijke risico's op discriminatie met zich mee. Het HORIZON EUROPE-project Fairness and Intersectional Non-Discrimination in Human Recommendation (FINDHR), met het Information Retrieval Lab (IRLab) van de Universiteit van Amsterdam als consortiumpartner, brengt nieuwe tools, benaderingen en concrete aanbevelingen uit om discriminatie bij werving door AI-wervingssystemen aan te pakken.
Graphics by Robert Báez Fábrica Memética for FINDHR CC BY 4.0
Graphics by Robert Báez Fábrica Memética for FINDHR CC BY 4.0

Bewezen risico's van discriminatie bij AI-ondersteunde werving

AI-ondersteunde wervingssystemen beloven tijdwinst voor HR-professionals. De praktijk leert echter dat deze systemen bestaande discriminatiepatronen kunnen versterken – of nieuwe kunnen creëren – vaak zonder dat de gebruikers zich daarvan bewust zijn. Het FINDHR-project richt zich met name op intersectionele discriminatie, waarbij combinaties van persoonlijke kenmerken (zoals geslacht, leeftijd, religie, afkomst of seksuele geaardheid) nieuwe of meerdere vormen van discriminatie genereren.

Het onderzoek toont aan dat discriminatie bij geautomatiseerde werving geen theoretisch probleem is, maar voor velen een dagelijkse realiteit. Uit interviews met betrokken personen in zeven Europese landen (Albanië, Bulgarije, Duitsland, Griekenland, Italië, Nederland en Servië) bleek dat sollicitanten zich machteloos en gefrustreerd voelden, omdat sollicitanten ondanks hun uitstekende kwalificaties en herhaalde sollicitaties vaak alleen buiten kantooruren een geautomatiseerde afwijzing ontvingen.

Graphics by Robert Báez Fábrica Memética for FINDHR CC BY 4.0

Eerlijkheid inbouwen in AI-wervingssystemen

Deze ervaringen vormen het uitgangspunt voor het technische en praktische werk van het project. Bij IRLab hebben de onderzoekers zich gericht op het inbouwen van eerlijkheid en non-discriminatie in het ontwerp van rangschikkings- en aanbevelingsalgoritmen die bij werving worden gebruikt.

Clara Rus - PhD candidate at IRLab
Als medewerker van het IRLab heb ik beoordeeld welke eerlijkheidsmethoden in algoritmische wervingssystemen bruikbaar zijn bij werving. Bij het ontwikkelen van eerlijkheidsbewuste en robuuste methoden voor het leren rangschikken heb ik me vooral gericht op kandidaten die tot meerdere minderheidsgroepen behoren. Daarnaast heb ik bijgedragen aan de Software Development Guide, waarin wordt uitgelegd hoe menselijke aanbevelingssystemen kunnen worden ontworpen en geïmplementeerd die voldoen aan de wettelijke vereisten en de beginselen van eerlijkheid en transparantie hooghouden. Clara Rus - PhD candidate at IRLab

FINDHR Tools en oplossingen

Op basis van deze bevindingen en technische inzichten hebben onderzoekers hun resultaten en aanbevelingen gebundeld in uitgebreide toolkits, richtlijnen en technische hulpmiddelen. Iedereen heeft toegang tot de volgende gratis beschikbare, Engelsatige bronnen van FINDHR.

Werkzoekenden

Inzichten van betrokken personen en een praktische handleiding voor werkzoekenden Inzicht in en aanpak van onzichtbare barrières bij AI-gestuurde werving

Beleidsmakers

Toolkit voor beleidsmakers met concrete aanbevelingen

Productmanagers en algoritmische auditors

Impact assessment en auditing framework

Wervingsprofessionals

Toolkit voor HR professionals met concrete aanbevelingen Het Equality Monitoring Protocol Een technische gids met voorstellen voor het monitoren van algoritmische wervingssystemen nadat ze zijn geïmplementeerd, in overeenstemming met de Europese wetgeving Training programma's voor for wervingsprofessionals Creëer bewustzijn over de risico's van algoritmische discriminatie bij werving

Software developers

Toolkit voor software developers met concrete aanbevelingen The Software Development Guide for Recruitment Software een technisch document waarin wordt beschreven hoe een menselijk aanbevelingssysteem moet worden ontworpen en geïmplementeerd
Technische tools en software om het risico op algoritmische discriminatie in AI-wervingssystemen te verminderen

Over het FINDHR project

Het FINDHR-project vertegenwoordigt een uitgebreide, interdisciplinaire aanpak om AI-wervingssystemen eerlijker, verantwoordelijker en transparanter te maken. Meer informatie vind je op de FINDHR website.