De titel is een vertaling van het volgende statement : AI models are just as susceptible to bias as their human creators – hiding behind a veil of objectivity. Ik vind het een heel fraai statement, vandaar ook bovenstaande creatieve vertaling als titel. Maar klopt het ook? Zijn AI-systemen net zo bevattelijk als mensen voor bias? Als mens neem ik daar aanstoot aan, ik kan me niet voorstellen dat de enorme waaier aan vooroordelen die wij mensen naar elkaar kunnen hebben, kan worden geëvenaard door een beperkte representatie van onszelf: het AI-systeem. Ik kan me weer wel voorstellen dat AI-systemen op ongekende schaal bevooroordeeld kunnen zijn omdat ze veel schaalbaarder zijn dan het menselijke brein. En daarmee een veel grotere negatieve impact kunnen hebben met een eventueel kleiner aantal bias-vormen. Verder is het logisch te verwachten dat omdat AI-systemen naar het evenbeeld van de mens zijn gekleid ze dezelfde biases kunnen vertonen.
Afijn, de oplettende lezer heeft het mogelijk al geraden, het is tijd voor een nieuwe reeks blog postings waarin ik, gezamenlijk met een aantal deskundigen, afdaal in de wonderlijke wereld van bias binnen het recruitment proces. Er zijn in de loop van de jaren al heel veel bias-vormen geïdentificeerd, en met de komst van AI zijn daar zelfs nog een paar bij gekomen. Door ons licht te schijnen in deze duisternis is het de bedoeling om tot meer inzicht te komen over de waaier aan bias-vormen, waar deze zich voordoen in het recruitment proces en wat daarvan impact kan zijn. Natuurlijk besteden we ook aandacht aan maatregelen om de effecten van al die bias-vormen te beperken of zelfs te elimineren.
De eerste blog postings brengen het speelveld in kaart waarbij we na een wat meer abstracte introductie van bias en de impact op onze maatschappij een overzicht geven van veelvoorkomende bias-vormen, waar deze binnen het recruitment proces aangrijpen en wat de impact van de aanwezigheid van bias op het recruitmentproces kan zijn. Vervolgens nemen we een deep dive in de genoemde bias-vormen, hoe deze zich manifesteren, welke consequenties (voor- en nadelen) dit kan hebben voor werkgevers en werkzoekenden en hoe nadelige consequenties kunnen worden geëlimineerd of ten minste geminimaliseerd.
In een of meer afsluitende blog postings proberen we vervolgens de informatie vanuit de behandeling van de individuele bias-vormen samen te ballen tot een aantal aanbevelingen en enige andere overkoepelende observaties ter algemeen nut. En natuurlijk kan er onverwacht hier en daar een zijpad worden ingeslagen want de wereld om ons heen staat ook niet stil. Net zo min als onze vooroordelen.
Deze reeks blog postings schrijf ik niet alleen; ik heb de hulp ingeroepen van maar liefst zes ervaringsdeskundingen (zie hieronder) uit zowel de AI/IT hoek als de recruitmentpraktijk. Daarnaast roep ik regelmatig de hulp in van mijn four horsemen (ChatGPT, Perplexity, Claude, Gemini), vooral om interne discussies voor te bereiden en om me slimmer voor te doen dan ik ben.
Volgende week (deo volente) verschijnt het eerste inhoudelijke blog van deze reeks, en dan gaan we in op bias als een ‘onzichtbaar’ fenomeen binnen het recruitmentproces (en daarbuiten natuurlijk), de voor- en nadelen van bias en de impact die bias kan hebben op organisaties en individuen.
De zes ervaringsdeskundigen zijn (op alfabetische volgorde van de achternaam):
N.N.