Rekrutering: waarom een AI-score zijn keuzes altijd moet uitleggen

Een score lijkt objectief. "82/100", "sterke match", "niet aanbevolen": drie woorden, één cijfer, een beslissing die al genomen lijkt. Recruiters staan onder druk, dus een score bespaart tijd en voelt als een neutrale sortering. Maar waarom 82? Wat zag de AI, wat miste ze, en welke criteria wogen echt mee? Als de recruiter dat niet kan beantwoorden, is de score een black box. En rekrutering — een loopbaan, een inkomen, een eerlijke behandeling — is veel te gevoelig om achter zo'n black box te beslissen.

Een cijfer is niet genoeg

Een cv is geen volledige persoon, en een functietitel is geen vaardighedenset. Een kandidaat kan de exacte titel die u zoekt missen en toch, in een eerder project, precies het werk hebben gedaan dat de functie vraagt. Een vlot geschreven profiel kan omgekeerd perfect ogen op papier en niets bewijzen. Een cijfer alleen wist die nuance uit.

Een transparante agent geeft niet enkel een getal terug: hij toont de redenering achter de score. Op welke delen van het cv hij zich baseert, welke criteria gedekt zijn, welke ontbreken, en wat hij niet kon verifiëren. De score wordt zo een vertrekpunt voor een mens, geen vonnis.

De score creëert valse zekerheid

Cijfers voelen precies aan. Een 91 lijkt duidelijk beter dan een 76, ook wanneer het verschil vooral zit in hoe het cv geschreven is — een kandidaat die zichzelf goed verkoopt, een lay-out die toevallig de juiste woorden bevat. Schijnbare precisie is geen juistheid.

Bij rekrutering op grote schaal wordt de score snel een shortcut: sorteren, filteren, verder. Die shortcut is alleen nuttig als de redenering zichtbaar blijft. Een cijfer dat u volgt zonder het te kunnen uitleggen bespaart geen tijd — het schuift de fout gewoon verderop in het proces.

Goede kandidaten verborgen door zwakke formulering

Sterke mensen schrijven soms onvolmaakte cv's. Ze gebruiken andere termen, komen uit een andere sector, beschrijven hun werk zonder de verwachte woordenschat. Een filter op trefwoorden laat hen vallen zonder hen ooit te zien. Net daar voegt een goed ontworpen AI waarde toe — niet door sneller te filteren, maar door te tonen wat een filter mist.

Ze moet overdraagbare vaardigheden zichtbaar maken: "geen trefwoord customer success, maar onboarding, retentie en verlengingen worden beschreven". Een kandidaat uit een ander vakgebied kan precies de capaciteiten hebben die u zoekt, onder een andere naam. De taak van de agent is dat zichtbaar te maken, niet het te weigeren om een kwestie van bewoording.

Bias kan zich in de score verbergen

Een lage, onverklaarde score kan een loopbaanonderbreking bestraffen, een atypisch parcours, een in het buitenland behaald diploma, of een criterium dat er nooit had mogen staan. Niemand beslist dit bewust: bias sluipt binnen wanneer het cijfer niet zegt wat het meet.

De factoren achter de score uitleggen maakt die patronen zichtbaar — en corrigeerbaar. Als u ziet dat een ongegrond criterium hele groepen profielen doet zakken, kunt u het verwijderen. Zonder uitleg blijft die bias onzichtbaar en herhaalt hij zich bij elke campagne.

Misbruik en het recht op uitleg

Een manager onder druk zegt makkelijk "stuur me iedereen boven de 80". Toch kan een kandidaat met een lagere score een menselijke blik verdienen, en kan een kandidaat boven de grens gewoon een goed geschreven cv zijn. Een drempel is geen beslissing.

Het bedrijf moet zich ook kunnen verantwoorden. Tegenover een kandidaat, een manager of een conformiteitseis moet het kunnen zeggen welke criteria vervuld waren, wat ontbrak, en dat een mens het dossier heeft nagekeken — nooit "het systeem gaf een lage score". Een kandidaat heeft recht op een uitleg die standhoudt, niet op een getal dat niemand in het bedrijf kan verantwoorden.

Wat een verklaarbare score moet bevatten

Een nuttige score is meer dan een totaal. Hij toont de globale match, en scheidt dan de essentiële criteria van de gewenste — welke vervuld zijn, welke ontbreken. Hij maakt overdraagbare vaardigheden zichtbaar, signaleert informatie die in het cv ontbreekt, en koppelt elke conclusie aan concreet bewijs uit het document.

Hij stelt ook gerichte gespreksvragen voor om twijfels weg te nemen, en eindigt met een aanbeveling tot menselijke review in plaats van een automatische beslissing. In deze vorm legt de score niets op: hij bereidt het werk van de recruiter voor in plaats van het te vervangen.

Waar BeLogic past

Bij BeLogic leest onze rekruteringsagent Nova alle cv's, vat de profielen samen, vergelijkt ze met de criteria van de functie, signaleert ontbrekende informatie, licht overdraagbare vaardigheden uit en stelt gespreksvragen voor — en legt vooral uit waarom een kandidaat naar voren wordt gehaald. De redenering is zichtbaar, niet verborgen achter een cijfer. Nova wordt in de EU ontworpen, gehost en beheerd, met focus op GDPR, zoals al onze agents. De eindbeslissing blijft menselijk: de agent sorteert en verheldert, hij beslist niet. De kans van een mens zou nooit mogen afhangen van een getal dat niemand kan uitleggen.