De onderschatte winst van AI: bias in beeld

AI kan gemeenten en sociaal ontwikkelbedrijven helpen bij een vraag waarop ze nu vaak nauwelijks antwoord hebben: krijgen verschillende groepen in de begeleiding naar werk daadwerkelijk vergelijkbare kansen? We kijken terecht kritisch naar algoritmen, omdat die bestaande vooroordelen kunnen overnemen of versterken. Diezelfde kritische blik verdient de huidige dienstverlening. Ook daar kunnen structurele verschillen ontstaan in aandacht, begeleiding en kansen op werk, terwijl organisaties vaak nauwelijks weten waar en in welke mate dat gebeurt. 

Professionals maken dagelijks keuzes over wie extra aandacht krijgt, welke begeleiding passend is en wie wordt voorgesteld aan een werkgever. Dat doen zij met vakkennis en goede intenties, vaak onder tijdsdruk en met grote caseloads. De Nederlandse Arbeidsinspectie¹ laat zien dat klantmanagers hierdoor moeten prioriteren. Onderzoek naar gelijke kansen bij re-integratie wijst erop dat vooroordelen over onder meer herkomst, leeftijd en geslacht kunnen doorwerken in de dienstverlening. Ook UWV-onderzoek² laat zien dat professionele afwegingen regelmatig intuïtief worden gemaakt. Al die individuele keuzes kunnen samen leiden tot structurele verschillen tussen groepen. 

Goede resultaten gaan ook over gelijke kansen 

Als professional of bestuurder wil je goede resultaten behalen. Uitstroom, plaatsingen en trajectduur zijn belangrijke graadmeters. Gelijke kansen horen daar net zo goed bij. Krijgen vergelijkbare kandidaten vergelijkbare ontwikkelmogelijkheden? Worden bepaalde groepen minder vaak voorgesteld aan werkgevers? En zijn verschillen in uitstroom en trajectduur tussen groepen verklaarbaar? 

Als organisatie wil je jezelf op dat punt eerlijk in de spiegel kunnen aankijken. Daarvoor heb je inzicht nodig in patronen die nu vaak verborgen blijven in individuele dossiers en werkprocessen. AI en digitalisering helpen om die informatie samen te brengen en structurele verschillen zichtbaar te maken. 

Bias in AI én dienstverlening zichtbaar maken 

Stel dat vrouwen met vergelijkbare competenties veel minder vaak worden voorgesteld voor technische vacatures dan mannen. Dat is een signaal dat om uitleg vraagt. Ontstaat het verschil doordat het algoritme vrouwen minder vaak als geschikte kandidaat naar voren brengt? Dan kun je de gebruikte gegevens, selectiecriteria en wegingen onderzoeken en waar nodig aanpassen. Komen vrouwen wel in beeld, maar worden zij minder vaak daadwerkelijk voorgesteld? Dan kun je met professionals en werkgevers onderzoeken welke afwegingen daarbij een rol spelen. 

Zodra je weet waar een verschil ontstaat, krijg je verschillende knoppen om aan te draaien. Je kunt de technologie verbeteren, werkafspraken aanpassen of het gesprek aangaan over onbewuste voorkeuren. Vervolgens meet je opnieuw om te zien of die maatregelen effect hebben. 

Met AI en data sturen op gelijke kansen

Dat zien we ook bij organisaties die met het NextHuman Platform werken. Het platform maakt patronen zichtbaar in onder meer begeleiding, ontwikkeling, voorgestelde vacatures en plaatsingen. Klanten gebruiken die inzichten om binnen teams het gesprek te voeren, hun dienstverlening te verbeteren en samen met NextHuman te onderzoeken of aanpassingen aan het platform zelf nodig zijn. 

Daarin schuilt de onderschatte winst van AI. Organisaties krijgen beter zicht op mogelijke ongelijkheid én concrete mogelijkheden om daar iets aan te doen. Zo wordt gelijke behandeling een resultaat waarop gemeenten en sociaal ontwikkelbedrijven daadwerkelijk kunnen sturen. 

Benieuwd welke patronen in jullie dienstverlening nu nog onzichtbaar blijven? Plan een demonstratie van het NextHuman Platform en ontdek hoe je met data en AI gerichter kunt sturen op kwaliteit en gelijke kansen.