V Vaardigheid HF-D7.7-008 cross-sectoraal 7 skills
AI-risico en bias herkennen
Herkent waar een AI-systeem systematisch scheef of onbetrouwbaar uitpakt voor groepen of situaties en benoemt de gevolgen en mogelijke maatregelen.
Hoe hrmforce dit meet
- Meetmethode
- Werkproef · rho 0.33 (SD 0.09)
- hrmforce instrument
- Kennistoets (klantspecifiek), Werkproef
- Competentie (50-framework)
- Oordeelsvorming
- Trainbaarheid
- middel
- Vraagontwikkeling 2026 tot 2030
- stijgend
De kandidaat voert een representatief werkfragment uit onder gestandaardiseerde condities.
Gedragsankers
| Niveau | Gedrag op dit niveau |
|---|---|
| N1 Begeleid | Benoemt dat AI-uitvoer scheef kan zijn door de gebruikte gegevens en legt opvallende uitkomsten voor aan een collega. werkt onder toezicht en volgt instructie · routinematig, een variabele tegelijk · eigen taak |
| N3 Zelfstandig | Onderzoekt uitkomsten per groep of situatie, benoemt waar het systeem tekortschiet en stelt maatregelen of extra controles voor. stelt de eigen aanpak vast en vraagt zelf om input · meerdere variabelen, enige ambiguiteit · eigen team of proces |
| N5 Toonaangevend | Stelt de toetsingskaders voor eerlijkheid en risico van AI vast en beslist of een systeem in gebruik mag blijven. zet de standaard en het beleid · strategisch, met hoge onzekerheid · organisatie, keten of vakgebied |
N2 en N4 zijn bewust niet geankerd. Beoordelaars plaatsen die tussen de ankers, conform de conventie van O*NET.
Onderliggende skills
Deze skills erven de meetroute en de gedragsankers van dit construct.
| T | Skill | Definitie | Vraagontwikkeling 2026 tot 2030 |
|---|---|---|---|
| V | Biasonderzoek op een model uitvoeren Biasonderzoek · Fairness-analyse · Modelaudit | Vergelijkt uitkomsten en foutpercentages van een model tussen groepen en rapporteert waar het scheef uitpakt. | stijgend |
| V | Proxyvariabelen herkennen Proxy's · Indirecte kenmerken · Verborgen discriminatie | Herkent kenmerken die indirect naar herkomst, geslacht of gezondheid verwijzen en beoordeelt of gebruik verdedigbaar is. | stijgend |
| V | Representativiteit van een dataset beoordelen Representativiteit · Ondervertegenwoordiging · Datasetbias | Beoordeelt of de trainingsdata de groepen en situaties dekt waarvoor het model straks wordt gebruikt. | stijgend |
| V | Gevolgen van een foute voorspelling wegen Foutkosten · Drempelwaarde kiezen · Impact van fouten | Weegt wat een onterecht positieve of negatieve uitkomst voor een persoon betekent en stelt de drempel daarop af. | stijgend |
| V | Modeldrift volgen Drift · Modelmonitoring · Prestatieverval | Volgt of modelprestatie en invoergegevens in de tijd verschuiven en stelt het model bij als dat nodig is. | stijgend |
| V | Bezwaar- en klachtpad inrichten Bezwaarprocedure · Klachtenpad · Herbeoordeling | Regelt dat mensen een uitkomst kunnen aanvechten en dat een mens de zaak opnieuw en inhoudelijk bekijkt. | stijgend |
| G | Beperkingen van een AI-systeem communiceren Uitleg over grenzen · Gebruikersinstructie AI · Verwachtingen managen | Legt aan gebruikers uit waarvoor een systeem wel en niet bedoeld is en waar zij zelf moeten blijven kijken. | stijgend |