Een AI-tool leest een cv, matcht trefwoorden en rangschikt op ervaring. Snel, consistent, en in die zin nuttig. Het is het goedkope, automatiseerbare deel van het werk, en wij gebruiken het ook.
Maar een algoritme kan niet wegen of iemand standhoudt als de toezichthouder belt, of de moed heeft om in een vergadering tegen de stroom in te gaan. Dat oordeel vraagt een vakgenoot die de bestuurskamer kent.
Vandaar de analogie. Een AI kan een röntgenfoto lezen, maar de chirurg beslist en opereert. Bij toezicht is het oordeel de operatie, niet de scan. Daarom is bij Aither de mens de kern en de techniek de hefboom, nooit andersom.
Wat een model wél goed doet
Het is verleidelijk om de vergelijking te winnen door de techniek klein te maken. Dat zou oneerlijk zijn. Een taalmodel leest tweehonderd cv's sneller dan een mens er twee leest, en het doet dat zonder de vermoeidheid die na cv nummer veertig toeslaat. Het vergeet geen criterium halverwege. Het heeft geen slechte ochtend.
Het is bovendien consistenter dan wij. Een mens die 's ochtends streng is en 's middags mild, produceert een selectie waarin het tijdstip meeweegt. Een model doet dat niet. Voor het harde, controleerbare deel van de weging — voldoet iemand aan de formele criteria, klopt de sector, is de termijn haalbaar — is dat een reëel voordeel.
Wij gebruiken het dan ook. Het scheelt de dure uren die anders opgaan aan werk dat geen oordeel vraagt.
Waar het ophoudt
Een model rangschikt op wat is opgeschreven. Dat is precies het probleem, want het beslissende in de bestuurskamer wordt zelden opgeschreven. Er staat in geen cv dat iemand als enige is blijven doorvragen toen de rest al klaar was. Er staat niet in dat iemand een voorzitter privé heeft gecorrigeerd en daarna de vergadering niet heeft verstoord.
Er staat evenmin in wat iemand níét heeft gedaan. De commissaris die een overname heeft tegengehouden, heeft een lege regel op zijn cv waar zijn belangrijkste bijdrage had moeten staan. De afwezigheid van een ramp laat zich niet documenteren, en juist daarop zou je willen selecteren.
En dan is er de vraag die geen enkele tekst beantwoordt: houdt deze persoon stand? Niet in een sollicitatiegesprek, maar op het moment dat de toezichthouder belt, de accountant een voorbehoud maakt en de bestuurder in de kamer zit die het besluit heeft genomen.
Waarom rangschikken iets anders is dan wegen
Een model is getraind op wat vaak voorkomt. Dat maakt het per definitie conservatief: het herkent de kandidaat die op eerdere kandidaten lijkt. Voor een raad die uit dezelfde vijver wil putten, is dat prima. Voor een raad die iets zoekt wat zij nog niet heeft, is het de verkeerde machine — het reproduceert de samenstelling die zij juist wil doorbreken.
Daar komt bij dat rangschikken een volgorde suggereert die er niet is. Kandidaat drie is niet meetbaar minder geschikt dan kandidaat twee; het verschil zit in een weging waarvan niemand de gewichten kan verantwoorden. Een getal achter een naam wekt een precisie die het onderliggende oordeel niet heeft.
De verdeling die wij aanhouden
Vandaar de analogie. Een AI kan een röntgenfoto lezen — sneller en vaak nauwkeuriger dan de arts die hem vraagt. Maar de chirurg beslist of er wordt gesneden, en de chirurg opereert. Niemand zou het omgekeerd willen.
Bij toezicht is het oordeel de operatie, niet de scan. Daarom ligt bij Aither de scheiding op een vaste plek: het goedkope, herhaalbare werk gaat naar de techniek, het weegwerk blijft bij een vakgenoot die de bestuurskamer van binnen kent. Het gesprek van drie kwartier is niet het duurste deel van het proces omdat het lang duurt, maar omdat het het enige deel is dat niet te kopiëren valt.
Wie dat omdraait, verkoopt snelheid en levert gemiddelde.
