← terug naar dossiers
📁 Dossier

AI-bias in werving en selectie: erfelijkheid van vooroordelen

📅 2026-06-15 ✅ Geverifieerd — herverificatie 17 juni 2026: 2 van 8 claims ✅; 3 ⚠️ Indirect (AI Act-classificatie niet letterlijk in bronnen; AP-onderzoeken en boetes niet specifiek verifieerbaar; College voor de Rechten van de Mens niet in bronnen); 3 ℹ️ Opinie/analyse (MKB-voorbeelden, klonen-reflex, adviezen); 0 ❌

📊 Kerncijfers

Geen consensus
Over wat fairness betekent in AI — The Conversation, mei 2026
Historisch
AI leert van historische data die bestaande ongelijkheden weerspiegelt
Intersectioneel
Kleine subgroepen blijven onzichtbaar in standaard evaluaties
RAN-rapportages
AP publiceert halfjaarlijks AI & algoritmerisico's in Nederland

🔗 Geannoteerde bronnen

primair The Conversation: AI doesn't create bias, it inherits it

theconversation.com/ai-doesnt-create-bias-it-inherits-it

🗓️ 12 mei 2026 · Michael Mayowa Farayola, Dublin City University · Bevat: kerninzicht dat AI bias erft uit historische data, fairness-metrieken zijn niet neutraal, intersectionele subgroepen blijven onzichtbaar, fairness is context-afhankelijk en geen eenmalige prestatie

context Autoriteit Persoonsgegevens: Algoritmes & AI

autoriteitpersoonsgegevens.nl/themas/algoritmes-ai

🗓️ Geraadpleegd 17 juni 2026 · Bevat: AP als coördinerend toezichthouder op algoritmes en AI, halfjaarlijkse RAN-rapportages, actuele onderzoeken (scanauto's per 1 juli 2026), AI Impactbarometer met negen graadmeters, privacyverhalen over algoritmische uitsluiting

📋 Claims & verificatie

Claim in blogpostBronStatus
"AI creëert geen vooroordelen — het erft ze" The Conversation ✅ Geverifieerd
"Het leert simpelweg patronen herkennen uit de data waarmee het gevoed is" The Conversation ✅ Geverifieerd
"De Europese AI Act classificeert AI-toepassingen in werving en selectie als 'hoog risico'" AP — Algoritmes & AI ⚠️ Indirect
"De Autoriteit Persoonsgegevens en het College voor de Rechten van de Mens hebben onderzoek gedaan naar algoritmische discriminatie" AP — Algoritmes & AI ⚠️ Indirect
"De eerste boetes zijn inmiddels uitgedeeld" voor algoritmische discriminatie AP — Algoritmes & AI ⚠️ Indirect
"Een goed gekalibreerd AI-model kan de 'klonen-reflex' doorbreken en objectiever selecteren dan een mens" ℹ️ Opinie/analyse
MKB-voorbeelden: kredietbeoordeling, chatbots, marketing-targeting ℹ️ Opinie/analyse
Drie concrete stappen: controlevraag, menselijke check, monitor uitkomsten ℹ️ Opinie/analyse

📝 Methodologie-noot

Herverificatie 17 juni 2026. Twee bronnen gebruikt: The Conversation-artikel (Farayola, 12 mei 2026) en AP-themapagina Algoritmes & AI. De AP-bron was in de vorige run onbereikbaar (URL /themas/algoritmes gaf 404); nu beschikbaar via de correcte URL /themas/algoritmes-ai.

⚠️ Indirect — AI Act-classificatie: De blogpost claimt dat de AI Act werving classificeert als 'hoog risico'. Dit staat niet letterlijk in de beschikbare bronnen. The Conversation noemt werving als toepassingsdomein maar niet de AI Act-classificatie; de AP-themapagina noemt de AI-verordening maar niet specifiek de werving-classificatie.

⚠️ Indirect — AP-onderzoeken en boetes: De AP-themapagina toont actuele onderzoeken (RAN-rapportages, scanauto-controle per 1 juli 2026) maar geen specifieke boetes voor algoritmische discriminatie. Het College voor de Rechten van de Mens wordt niet genoemd in de beschikbare bronnen.

✅ Geverifieerd: De kernclaims over AI die bias erft uit historische data staan letterlijk in The Conversation.

🧩 Gerelateerde faalpatronen

  • #15 Regulatory attribution drift — de blogpost noemt AP én College voor de Rechten van de Mens als toezichthouders, maar alleen de AP is verifieerbaar in de bronnen.
  • #23 Paraphrase drift — de AI Act-classificatie-claim is een parafrase die niet letterlijk in de bronnen staat.
  • #6 Scope-creep — de blogpost gebruikt The Conversation als springplank voor bredere MKB-claims (kredietbeoordeling, chatbots, marketing) die niet door de bronnen gedekt worden.