Een kandidaat met een sterke RoA-score, maar een interviewer die twijfelt na het gesprek. Een medewerker met een onzeker skill-label, die in het functioneringsgesprek juist overtuigend overkomt. In beide gevallen sta je voor dezelfde vraag: wat doe je als het algoritme iets anders zegt dan het gesprek?
Dat is precies waar het om draait als een score en een gesprek uiteenlopen — niet als vertraging op een verder geautomatiseerd proces, maar als het moment waarop een score wordt getoetst in plaats van gevolgd.
Een afwijkende uitkomst is geen storing
Het is verleidelijk om een score en een gesprek te zien als twee metingen die hetzelfde zouden moeten zeggen. Wijken ze af, dan voelt dat als een fout — in het systeem, of in je eigen inschatting.
Dat is een misverstand. Een betrouwbaarheidsscore of een RoA-schatting is een waarschijnlijkheid, gebaseerd op wat psychometrisch meetbaar is. Een gesprek meet iets anders: hoe iemand zich op dat moment presenteert, onder die omstandigheden, tegenover die interviewer. Beide zijn onvolledig. Dit soort menselijke controle op een AI-uitkomst betekent dus niet dat je het gesprek laat winnen van het getal, of andersom — het betekent dat een afwijking het signaal is om door te vragen, niet om een van beide te negeren.
Wie heeft de doorslag, en wanneer
In de praktijk helpt het om vooraf vast te leggen hoe je met een afwijking omgaat, in plaats van dat per geval te improviseren.
Bij een lage betrouwbaarheidsscore die het gesprek tegenspreekt. Het gesprek is dan bedoeld om te verifiëren wat de score onzeker laat, niet om die onzekerheid weg te praten. Vraag door op de specifieke competentie die niet uit de testscores naar voren komt — niet in algemene termen, maar concreet: welk gedrag laat iemand daadwerkelijk zien op dat vlak?
Bij een hoge betrouwbaarheidsscore die het gesprek tegenspreekt. Dit is minstens zo belangrijk, en wordt vaker over het hoofd gezien. Een sterke onderliggende score die niet aansluit bij de indruk in het gesprek, is geen reden om de score te negeren — het is een reden om te onderzoeken of het gesprek zelf de juiste omstandigheden bood om die competentie zichtbaar te maken.
Beslissingsdrempels vooraf bepalen. Leg per situatie vast wanneer een score alleen ondersteunend is, en wanneer een aanvullend gesprek of assessment verplicht is voordat er een beslissing valt — bijvoorbeeld bij aanname, promotie of afwijzing. Zo voorkom je dat de drempel per interviewer of manager verschilt.
Hoe je dit uitlegt aan de kandidaat of medewerker
De taal die je hier gebruikt, maakt het verschil tussen een gesprek dat vertrouwen wekt en een gesprek dat overkomt als een oordeel dat al vaststond.
Niet: “het systeem zegt dat je dit niet kunt.” Wel: “je profiel laat op dit vlak een onzekerheid zien — laten we dat samen verkennen.” Dat sluit aan bij een recht dat elke medewerker al heeft: een begrijpelijke uitleg bij een beslissing die hem raakt. Een score zonder redenering is geen uitleg. Een gesprek waarin je laat zien wélke competentie onzeker is, en waarom, wel.
De rol van de interviewer of leidinggevende
Deze balans vraagt om een rol die het midden houdt tussen twee uitersten. De ene kant is de interviewer die de score klakkeloos napraat — “het systeem zegt nee” is geen besluit, het is het overdragen van verantwoordelijkheid aan een instrument dat daar niet voor bedoeld is. De andere kant is de interviewer die de score volledig negeert ten faveure van een onderbuikgevoel, en daarmee precies het probleem herintroduceert dat een score juist moest oplossen.
De interviewer die hiertussen goed navigeert, doet twee dingen: de score gebruiken als vertrekpunt voor gerichte vragen, en de uitkomst van het gesprek expliciet terugkoppelen aan wat de score al liet zien. Dat vraagt training en een duidelijke richtlijn — niet het vertrouwen dat iedereen dit vanzelf goed doet.
Wat betekent dit voor jou als HR-professional?
- Je hebt een vast aanknopingspunt bij twijfel. Een afwijking tussen score en gesprek is geen reden om te gokken — het is een concreet signaal om gericht door te vragen op precies dat vlak.
- Je voorkomt dat één informatiebron de doorslag krijgt. Door vooraf te bepalen wanneer een score leidend is en wanneer een gesprek verplicht aanvullend bewijs moet leveren, voorkom je dat de uitkomst afhangt van wie er toevallig aan tafel zit.
- Je kunt de beslissing navertellen. Niet alleen “het gesprek voelde goed” of “de score was hoog”, maar de combinatie: welk signaal zei wat, en waarom kreeg het ene voorrang op het andere. Dat is de redenering die standhoudt tegenover de kandidaat, de medewerker, en de OR.
Menselijke tussenkomst bij AI-beslissingen is geen vertraging op een verder geautomatiseerd proces — het is ook geen vrije keuze. Vanuit de AVG en de EU AI Act is het een concrete verplichting. Het is het punt waarop een score pas echt waarde krijgt — namelijk op het moment dat iemand hem toetst, in plaats van hem klakkeloos volgt of negeert.
Kun je dat, dan heb je meer in handen dan een betere gespreksvoering. Dezelfde onderbouwing die standhoudt tegenover een kandidaat of medewerker, is ook de basis voor het gesprek op strategisch niveau: omscholen of inhuren — hoe geef je de directie een onderbouwd advies? Daarover meer in de volgende blog.
Wil je weten hoe je AI-gedreven talentbeslissingen onderbouwt én kunt verdedigen?
Lees de whitepaper Hoe lossen we het Skill Soup probleem op?
Of neem contact op.
