AI is een bril, geen orakel. Waarom HR bij de selectie het morele kompas moet blijven

‘Kun jij niet gewoon even A’ over deze cv’s laten gaan, dan praten wij daarna alleen nog met de top 5?’ Die vraag hoor ik als executive searcher en assessor steeds vaker. Het klinkt efficiënt, bijna vanzelfsprekend. We zijn gewend geraakt aan tools die ons nieuws selecteren, routes optimaliseren en zelfs onze sociale contacten filteren. Waarom zou je dan als HR-professional nog zelf door stapels cv’s worstelen, als een algoritme dat in seconden kan?

De verleiding van snelle selectie

AI is in razend tempo het wervings- en selectieproces binnengewandeld. Van tooling die LinkedIn-profielen afstruint tot systemen die complete talentpools doorlichten en kandidaten rangschikken op ‘fit’. Voor veel HR-afdelingen is het een zegen: minder handwerk, meer overzicht, sneller shortlists. Maar juist bij cruciale leiderschapsposities – CFO’s, MT-leden, key professionals – is de verleiding groot om efficiëntie te verwarren met kwaliteit. En precies daar wringt het.

AI is namelijk briljant in het herkennen van patronen, maar volstrekt waardenvrij. Het heeft geen moreel kompas, geen intuïtie, geen gevoel voor de onderstroom in een directieteam. Het ziet data, geen dilemma’s. En als we niet oppassen, schuiven we langzaam maar zeker het lastigste en belangrijkste deel van selectie, oordeelsvorming, af op een systeem dat daar per definitie niet voor gemaakt is.

Wat AI wél toevoegt aan werving

Laat ik beginnen met wat AI wél kan. AI kan repetitief werk in sourcing en de eerste selectie spectaculair verlichten. Het kan duizenden cv’s screenen op trefwoorden, ervaring en opleiding. Het kan patronen ontdekken in eerdere succesvolle plaatsingen. Het kan verborgen kandidaten naar boven halen, mensen die je met handmatig zoeken misschien over het hoofd ziet. En het kan helpen om objectiever naar skills te kijken in plaats van naar alleen functietitels of werkgeversnamen.

Daarmee maakt AI een eerste stap in het proces beter én sneller. In plaats van dat een recruiter of hiring manager op vrijdagmiddag half moe door een stapel profielen gaat, kan een algoritme met dezelfde energie het honderdste cv beoordelen als het eerste. Ook in executive search zie ik dat AI helpt om breder te kijken naar mogelijke kandidaten, bijvoorbeeld door te zoeken op skills, loopbaanpatronen of sectoroverstijgende ervaring. Dat is winst.

• Lees ook: AI verandert het tenderwerk, maar niet de keuze voor zzp

Van efficiëntie naar schijnobjectiviteit

Maar zodra we AI niet meer als hulpmiddel zien, maar als waarheid, ontstaat een gevaarlijk soort schijnobjectiviteit. Algoritmes leren van historische data. Als jouw organisatie de afgelopen tien jaar vooral witte, mannelijke CFO’s van een bepaalde leeftijd en achtergrond heeft aangenomen, dan leert het systeem dat dat ‘succesvolle kandidaten’ zijn. Het algoritme gaat die profielen vervolgens hoger ranken. Zo reproduceert AI onbewust de bias uit het verleden en versterkt juist wat HR vaak probeert te doorbreken.

Daar komt nog iets bij: de ‘black box’. Hoe complexer de AI, hoe minder transparant de uitkomst wordt. Een kandidaat krijgt een score of ranking, maar het is niet duidelijk waarom. Op het moment dat een sollicitant vraagt waarom hij is afgewezen, is het voor HR lastig om anders te antwoorden dan: ‘Omdat het systeem dat zo berekende.’ Dat is niet alleen onbevredigend voor de kandidaat, maar ook risicovol voor de organisatie – juridisch, reputatie-technisch en moreel.

Kandidaten zijn meer dan data

En dan heb ik het nog niet eens over de candidate experience. Steeds meer professionals voelen haarfijn aan wanneer ze door een mens beoordeeld worden en wanneer ze in een geautomatiseerde funnel terechtkomen. Zeker op het niveau van executives en senior finance professionals speelt vertrouwen een enorme rol. Word je als kandidaat gereduceerd tot een datapunt in een algoritme, of word je gezien als mens met verhaal, twijfels, drijfveren en potentieel?

Daar ligt precies de grens waar assessments en coaching hun waarde bewijzen. AI kan signaleren, rangschikken, voorspellen. Maar de vraag ‘Waarom is deze persoon succesvol geweest?’ of ‘Welke rol past bij de volgende stap in zijn of haar ontwikkeling?’ blijft mensenwerk. In mijn praktijk gebruik ik output van tools steeds vaker als hypothese, niet als conclusie. Een AI‑ranking van cv’s kan een startpunt zijn: wie komen bovendrijven, wie verrassend genoeg niet? Maar pas in het verdiepende gesprek, ondersteund door psychometrische metingen, casuïstiek en referenties, ontstaat een écht beeld.

De nuance die algoritmes missen

In assessments zie ik bijvoorbeeld dat twee kandidaten met een vergelijkbaar AI‑profiel in de praktijk totaal verschillend blijken te zijn. De één scoort hoog op analytische vermogens, maar ontwijkt conflict en vindt het moeilijk om impopulaire beslissingen te nemen. De ander is net zo scherp in cijfers, maar durft wel te confronteren en neemt mensen mee in verandering. Voor een CFO in een transitiebedrijf is dat verschil cruciaal. Geen enkel generiek algoritme vangt die nuance volledig.

Coaching voegt daar nog een laag aan toe. AI vertelt je wie ‘lijkt’ te passen. Een assessment laat zien hoe iemand in elkaar zit. Coaching laat zien wat iemand ermee doet en wil doen. In gesprekken over loopbaan, leiderschap en zingeving komen thema’s naar boven die geen dataset kent: de behoefte om minder politiek en meer inhoudelijk te werken, de wens om van ‘beheer-CFO’ naar ‘businesspartner’ te groeien, of de vraag of het nog klopt om in de top te blijven als het energiepeil structureel daalt.

• Lees ook: 77% sollicitanten beoordeelt AI-interview net zo goed als live gesprek

Waar draait selectie uiteindelijk om?

Daarmee raakt de discussie over AI in selectie aan een fundamentelere vraag: wat is de bedoeling van ons werk in HR en executive search? Willen we vooral sneller, goedkoper en schaalbaarder selecteren, of willen we betere, duurzamere beslissingen nemen over wie we verantwoordelijkheid geven over mensen, middelen en richting? In een krappe arbeidsmarkt, waar de druk hoog is om snel te beslissen, is het verleidelijk om op AI te leunen. Maar juist nu is het belangrijk om het gesprek over kwaliteit en verantwoordelijkheid niet te automatiseren.

Mijn stelling is daarom eenvoudig: laat AI selecteren, maar niet besluiten. Gebruik algoritmes om breder te zoeken, slimmer te filteren en patronen te zien die jij mist. Maar reserveer het laatste woord, de echte keuze, voor een menselijk oordeel dat gevoed is door vakmanschap, assessments en een goed gesprek. AI is een bril waardoor je scherper kunt kijken. De vraag is en blijft: wie kijkt er doorheen?

En misschien is dat wel de belangrijkste uitnodiging aan jullie als lezer: experimenteer met AI, maar organiseer ook tegenspraak. Vraag jezelf bij elke shortlist af: welke kandidaat staat hier niet op en waarom? Welk risico nemen we als we de uitkomst van deze tool klakkeloos volgen? En wie kijkt er nog, zonder bril, naar de mens achter de data?