Binnen HR-tech worden we doodgegooid met de belofte van objectiviteit; bias zou in de wereld van AI niet meer voorkomen. AI zou de ‘menselijke maat’ terugbrengen door de subjectieve bril van de recruiter te vervangen door een neutrale, datagestuurde blik. Maar zoals ik al eerder concludeerde in een blog posting over forever data; AI is geen neutrale scheidsrechter. Sterker nog, AI is een statistische dwingeland die blindelings de weg van de minste weerstand — of liever gezegd: de weg van de meeste data — kiest.

Vandaag duiken we in een specifiek fenomeen dat de integriteit van je ATS van binnenuit uitholt: volume bias. Ofwel, de wet van de sterkste in je database. Met speciale dank aan Mark Darwin, die hier in een recente LinkedIn posting over schreef.

De statistische pletwals
Stel je voor: je hebt een prachtig LLM-gebaseerd zoeksysteem dat fungeert als de centrale intelligentie van je recruitmentplatform. Dit systeem leert continu van de zoekopdrachten, de profielselecties en de interacties van je gebruikers. Klinkt slim, toch? Maar hier zit een addertje onder het gras van Titanoboa-achtige proporties.

IK ga ervan uit dat je klantenbestand een bonte verzameling is. Aan de ene kant heb je ‘Bakkerij Jansen’ die drie keer per jaar een bakker zoekt met een “aanpakkersmentaliteit”. Aan de andere kant heb je ‘GlobalCorp’ met een leger van 200 recruiters die dagelijks tienduizenden zoekopdrachten uitvoeren naar “strategic synergy managers”, “agile delivery leads” en “senior stakeholders”. Ik weet het, een beetje extreem maar ik hou van een beetje overdrijving.

Voor een LLM is data gewoon brandstof. En als 99,9% van die brandstof de geur heeft van een multinational, gaat het systeem vanzelf geloven dat de hele recruitmentwereld een multinational is. Dit is de kern van volume bias: het statistische overwicht van de grootgebruiker smoort de nuance van de niche-recruiter.

Hoe de ideale kandidaat sterft door de feedback-loop
Wanneer je AI-systeem zichzelf traint op deze scheve verhouding, ontstaat er een gevaarlijke self-fulfilling prophecy. Het systeem begint de ‘corporate’ profielen en zoektermen prioriteit te geven, omdat die statistisch gezien het meest voorkomen.

Als de recruiter van de lokale bakkerij vervolgens zoekt naar een “harde werker voor de vroege ochtend”, krijgt hij geen kandidaten die passen bij een kleinschalig familiebedrijf. In plaats daarvan braakt het systeem profielen uit die geoptimaliseerd zijn voor GlobalCorp: mensen met een cv vol “growth mindset”, “KPI-driven results” en “cross-functional collaboration”.

De recruiter klikt gefrustreerd weg, of erger nog: hij klikt op een kandidaat die ‘er het meest professioneel uitziet’ volgens de nieuwe standaard van de AI. Het systeem ziet die klik, registreert dit als een ‘succes’ en versterkt daarmee de overtuiging dat dit het juiste type kandidaat was. De feedback-loop is gesloten. De AI spreekt inmiddels vloeiend Corporate, maar is de taal van de vakman volledig verleerd.

Wat kun je eraan doen? (vóórdat de pletwals je sourcing raakt)
Als je als HR-Tech bedrijf een ATS bouwt, kun je niet wegkijken van het fenomeen volume bias. Het is geen technisch dingetje maar een essentieel kwaliteitsaspect (er vanuit gaand dat gebruikers EERST in hun eigen ATS op zoek gaan naar poteniële kandidaten…)

1. Weging op maat: Herstel de democratie in je data. De zoekinteractie van één recruiter bij een grote organisatie mag niet zwaarder wegen dan die van een intermitterende gebruiker bij een mkb-bedrijf. Door data te middelen op organisatieniveau, behoud je de stem van de kleine speler.
2. Context-Aware zoeken: Leer het model dat een “projectmanager” bij een bouwbedrijf iets anders is dan een “projectmanager” bij een softwaregigant. Een goede zoektoepassing begrijpt de sector en de schaal van de vrager voordat hij kandidaten gaat rangschikken.
3. Algoritmische diversiteit: Forceer het systeem om ook ‘long tail’ kandidaten te tonen. Als een profiel zeldzaam is, maar perfect aansluit bij de specifieke zoektermen van een niche-bedrijf, moet het een plek krijgen in de topresultaten, ongeacht hoeveel recruiters wereldwijd op “de veilige corporate keuze” klikken.

Slotwoord
Volume bias is een sluipmoordenaar voor relevantie in recruitment. Als we AI-systemen trainen op de pure massa van data, eindigen we met een ATS dat alleen de grootste schreeuwers begrijpt. Voor een platform dat talent moet verbinden aan álle bedrijven — van de bakker op de hoek tot de corporate — is dat dodelijk. Want uiteindelijk is recruitment de kunst van de juiste match, niet de kunst van de meeste data.