People IntelligenceAI zonder context blijft vooral goed in antwoorden formuleren
Een slim model kan veel met informatie. Maar het kan geen context gebruiken die het nooit heeft gekregen.
Björn Slegers ·
De discussie over AI begint vaak bij het model. Welk model gebruiken jullie? Hoe intelligent is het? Kan het voorspellen? Kan het zelfstandig analyseren? Dat zijn begrijpelijke vragen. Maar in HR is misschien een andere vraag belangrijker. Wat weet het model eigenlijk over de situatie waarover u iets vraagt? Neem een afwezigheidspercentage van acht procent.
Is dat hoog? Misschien. Maar voor welk team? Over welke periode? Na een reorganisatie? Met hoeveel medewerkers? Is dezelfde leidinggevende er al jaren? Is dit nieuw of al lange tijd stabiel? Zonder die context is acht procent gewoon acht procent.
Mensen vullen context voortdurend aan
Een ervaren HR-professional ziet een cijfer en denkt bijna automatisch verder. Wat is hier veranderd? Wie zit in dit team? Wat gebeurde vorige maand? Is dit een uitzondering of een patroon? Dat betekent niet dat de professional het antwoord al kent. Wel dat ervaring helpt om te begrijpen welke vragen eerst gesteld moeten worden.
AI beschikt niet vanzelf over die organisatorische context. Als recruitment, contract, performance, tijd, absence en reward elk hun eigen werkelijkheid bevatten, ziet een model fragmenten. Het kan daar nog steeds bijzonder overtuigende tekst over schrijven. Maar een goed geformuleerd antwoord is niet hetzelfde als een goed geïnformeerd antwoord.
Daarom wordt architectuur belangrijker door AI
Er wordt veel gesproken over de kwaliteit van grote taalmodellen. Terecht. Maar de uiteindelijke kwaliteit van AI-ondersteuning in HR wordt minstens even sterk bepaald door wat er vóór het model gebeurt. Welke informatie wordt geselecteerd? Welke context wordt verbonden? Welke gegevens horen bij dezelfde medewerker, functie, periode of beslissing?
Welke informatie mag juist niet worden meegestuurd? En hoe beschermen we identiteiten wanneer externe modellen worden gebruikt? Dat zijn architectuurvragen. Niet alleen AI-vragen. Een beter model lost versnipperde context niet vanzelf op.
De beste AI hoeft niet te doen alsof ze alles begrijpt
Wij vinden het interessanter wanneer AI expliciet helpt voorbereiden. Een patroon zichtbaar maken. Informatie uit verschillende relevante bronnen structureren. Een afwijking signaleren. Vragen voorbereiden voor een gesprek. Verschillende scenario's naast elkaar leggen. Dat kan de afstand tussen een eerste signaal en een menselijke beoordeling enorm verkleinen.
Maar daarna gebeurt iets wat moeilijk volledig te automatiseren valt. Iemand moet bepalen wat het betekent. Misschien is dat uiteindelijk een betere ambitie voor AI in HR. Niet een systeem dat over alles een antwoord heeft.
Maar een systeem dat mensen helpt eerder de juiste vraag te stellen.
Hoe Almuruna One met AI en de AI Act omgaat