Hiring managers trainen om AI-shortlists te beoordelen

AI-recruitmenttraining richt zich vaak op recruiters. Dat is logisch, maar het mist een cruciale groep: hiring managers.

Hiring managers configureren meestal niet het ATS en voeren ook niet altijd de eerste screening uit. Toch bepaalt hun gedrag hoeveel gewicht een AI-shortlist krijgt. Als zij de hoogst gerankte kandidaten behandelen als de "beste" kandidaten, wordt de AI-output feitelijk de beslissing, ook als het proces zegt dat mensen in control blijven.

Het verborgen risico: automation bias

Automation bias ontstaat wanneer mensen te veel autoriteit geven aan een systeem omdat het objectief, gestructureerd of datagedreven lijkt. In recruitment ziet dat er zo uit:

• alleen de top vijf kandidaten interviewen;
• kandidaten zonder hoge matchscore negeren;
• AI-samenvattingen behandelen als complete profielen;
• minder vragen stellen bij kandidaten die het systeem "sterk" noemt;
• een lage score zien als reden om de shortlist niet te bevragen.

Dit is geen technisch falen. Het is een gedragsrisico.

Wat hiring managers moeten leren

Hiring managers hebben een ander leerpad nodig dan recruiters.

Zij moeten begrijpen:

• waar de AI-shortlist op is gebaseerd;
• wat het systeem niet weet;
• waarom matchscores geen objectieve waarheid zijn;
• hoe ontbrekende context in kandidaatsamenvattingen zichtbaar wordt;
• wanneer zij een tweede review aan de recruiter vragen;
• hoe zij een beslissing documenteren die afwijkt van de AI-output.

Het doel is niet om hiring trager te maken. Het doel is om menselijk oordeel betekenisvol te houden.

Een nuttig trainingsscenario

Geef de manager een shortlist met vijf kandidaten. De AI zet twee kandidaten hoog omdat hun cv's goed matchen met keywords uit de vacature. Een derde kandidaat heeft minder keyword-overlap, maar sterkere aangrenzende ervaring. Een vierde kandidaat heeft een internationaal profiel met vertaalde functietitels.

Vraag:

• Welke kandidaat vraagt extra menselijke review?