Hoewel kunstmatige intelligentie (AI) het wervingslandschap revolutioneert door snelheid en efficiëntie te bieden, is de ontvangst onder sollicitanten niet universeel positief. Uit recent onderzoek blijkt een opmerkelijke paradox: engineering-kandidaten, die vaak de bouwers zijn van de technologieën van morgen, vertonen meer reserveringen en scepsis tegenover AI-werving dan hun tegenhangers in de zakelijke sector. Om toptalent in de techniek niet te verliezen, moeten organisaties begrijpen waarom deze doelgroep wantrouwend is en hun processen hierop aanpassen.
Waarom Engineering-Kandidaten Sceptisch zijn
De weerstand onder technisch geschoolde kandidaten is niet gebaseerd op angst voor het onbekende, maar juist op een diepgaand begrip van de materie.
• Algoritme-aversie door kennis: Volgens de Algorithm Aversion Theory kan een dieper begrip van hoe algoritmen werken juist leiden tot meer wantrouwen. Engineers realiseren zich dat systemen enorme hoeveelheden data verwerken en nuances kunnen detecteren die mensen over het hoofd zien. Dit voedt de angst dat hun persoonlijke tekortkomingen of zwakheden genadeloos worden blootgelegd zonder rekening te houden met de context.
• Gebrek aan controle en ‘Agency’: Technische kandidaten ervaren vaak een gevoel van machteloosheid tegenover de ‘black box’ van AI. Ze voelen dat ze geen controle hebben over de uitkomsten of de manier waarop de machine hen beoordeelt, wat botst met hun behoefte aan autonomie en logica.
• De ‘Failure Amplification Effect’: Engineers neigen ernaar om fouten gemaakt door een algoritme veel harder te veroordelen dan fouten gemaakt door mensen. Eén verkeerde inschatting door een systeem kan hun vertrouwen in het gehele wervingsproces van een organisatie onherstelbaar beschadigen.
• Twijfel aan de menselijke maat: Er is een sterk besef dat AI moeite heeft met het begrijpen van complexe menselijke kwaliteiten, zoals persoonlijkheid, potentieel en empathie. In technische rollen (zoals DevOps) wordt AI vaak gezien als onvoldoende om cruciale interpersoonlijke vaardigheden en culturele fit accuraat te beoordelen.
Strategieën om Engineering-Talent Betrokken te Houden
Om de ‘war for talent’ te winnen, moeten bedrijven de wervingservaring voor engineers menselijker en transparanter maken.
1. Radicale Transparantie: Het opnemen van informatie over AI-transparantie in vacatures verhoogt de gunstige houding en het vertrouwen van kandidaten aanzienlijk. Organisaties moeten expliciet communiceren hoe en waarom AI wordt gebruikt om kandidaten te beoordelen.
2. Het ‘Human-in-the-Loop’ Model: De bereidheid van engineering-kandidaten om te solliciteren blijft alleen stabiel als er sprake is van menselijke controle. AI moet worden gepositioneerd als een ondersteunend hulpmiddel voor de recruiter, niet als de uiteindelijke rechter.
3. Geef de Kandidaat Regie: Mensen staan positiever tegenover imperfecte algoritmen als zij de mogelijkheid hebben om de uitkomsten te beïnvloeden of te wijzigen. Bied kandidaten de kans om ongunstige algoritmische beslissingen toe te lichten of te corrigeren.
4. Investeer in AI-geletterdheid en Ondersteuning: Zelfs in technisch geavanceerde omgevingen ervaren sollicitanten stress door een gebrek aan ondersteuning bij AI-systemen. Het bieden van duidelijke uitleg en training over de gebruikte tools kan de drempel aanzienlijk verlagen.
5. Focus op Privacy en Ethiek: Voor engineers is data-integriteit cruciaal. Zorg voor strikte naleving van privacyregels (zoals AVG/GDPR) en voer regelmatige bias-audits uit om te garanderen dat het systeem eerlijk en inclusief werkt.
Conclusie
Voor de engineering-kandidaat is AI een krachtig instrument, maar een twijfelachtige beoordelaar. De sleutel tot een succesvol wervingsbeleid ligt in een symbiotisch model: laat AI de data filteren en patronen herkennen, maar laat de menselijke recruiter de ethische kaders bewaken en de uiteindelijke verbinding met de kandidaat maken.
——————————————————————————–
Geraadpleegde bronnen:
• Abdelhay, S., et al. (2025). The impact of generative AI on recruitment efficiency.
• Albassam, W. A. (2023). The power of AI in recruitment.
• Almeida, F., et al. (2025). Understanding recruiters’ acceptance of AI.
• Drage, E., & Mackereth, K. (2022). Does AI Debias Recruitment?
• Herold, M., & Roedenbeck, M. R. H. (2025). AI-Driven Research in the RSP.
• Laukkarinen, M. (2025). AI Crafting in Recruitment.
• Naseer, A., et al. (2025). AI in Recruitment and Selection: Balancing Efficiency and Fairness.
• Pathak, G., & Pandey, D. (2025). AI Agents in Recruitment.
• Sabermahani, Z. (2025). The implications of AI and ChatGPT in Students’ job Search.
• Soleimani, M., et al. (2025). Reducing AI bias in recruitment and selection.
• Szandała, T. (2025). ChatGPT vs human expertise in the context of IT recruitment.
• Tursunbayeva, A., et al. (2025). Artificial intelligence and digital data in recruitment.
• Yadav, I., & Satsangi, P. (2025). The Future of Recruitment: Evaluating AI – Based Screening Tools.
