Kort antwoord: De vier-vijfderegel is een Amerikaanse vuistregel. Ligt het selectiepercentage van een groep onder 80% van dat van de groep met het hoogste percentage, dan zien Amerikaanse handhavingsinstanties dat doorgaans als aanwijzing voor adverse impact. Het is geen EU-recht. Volgens het EU-recht gaat het om de vraag of een criterium een beschermde groep bijzonder benadeelt en, zo ja, of dat objectief gerechtvaardigd is.
Belangrijkste punten
- De vier-vijfderegel komt uit Amerikaanse federale richtlijnen (29 CFR 1607.4(D)) en is zelfs daar een vuistregel.
- Het EU-recht en het Nederlandse recht kennen geen numerieke drempel; de vraag is eerst of een groep bijzonder wordt benadeeld, en dan of dat te rechtvaardigen is.
- Volg per stap het doorstroompercentage; daarvoor zijn geen gegevens over beschermde kenmerken nodig.
- Wie groepen vergelijkt op etnische afkomst of gezondheid, heeft te maken met bijzondere categorieën van persoonsgegevens (artikel 9 AVG): win eerst juridisch advies in. Volgens onze lezing is artikel 4 bis van de AI-verordening een beperkte route die aan AI-systemen vastzit.
- Kleine aantallen misleiden: lees elk verschil samen met de onzekerheid ervan en beoordeel eerst het criterium.
Op deze pagina: Wat is de vier-vijfderegel, en waar komt die vandaan? · Geldt de vier-vijfderegel ook in Europa? · Hoe beoordeelt het Hof van Justitie statistieken? · Welke gegevens mag je gebruiken om groepen te vergelijken? · Welke stappen moet je bijhouden? · Hoe vergelijk je twee groepen? Een uitgewerkt voorbeeld · Hoeveel kandidaten heb je nodig voordat een verschil iets betekent? · Wat doe je als een stap een verschil laat zien? · Wat betekent dit voor uitzendbureaus en werkgevers met personeel op de werkvloer? · Conclusie · Hoe Radius helpt · Veelgestelde vragen
Gebruik je een in de VS gebouwd applicant tracking system (ATS), dan heb je misschien weleens een dashboard gezien dat het percentage van een groep rood kleurt zodra de verhouding onder 0,8 komt. Voor werkgevers en uitzendbureaus die in Nederland werven is dat te vroeg om te stoppen: het EU-recht stelt een andere vraag, en om die te beantwoorden heb je soms gegevens nodig die tot de zwaarst beschermde horen die je in huis hebt.
Wat is de vier-vijfderegel, en waar komt die vandaan?
Het is een Amerikaanse vuistregel voor handhaving, vastgelegd in 29 CFR 1607.4(D). Volgens de Uniform Guidelines on Employee Selection Procedures (1978) zien Amerikaanse federale handhavingsinstanties het doorgaans als aanwijzing voor adverse impact wanneer het selectiepercentage van een groep op grond van ras, geslacht of etnische afkomst onder vier vijfde (80%) ligt van het percentage van de groep met het hoogste percentage (eCFR, 29 CFR 1607.4). (VS)
De formule van de vier-vijfderegel:
- Selectiepercentage = kandidaten die uit een stap doorstromen ÷ kandidaten die in die stap zijn ingestroomd
- Adverse impact ratio = het selectiepercentage van een groep ÷ het hoogste selectiepercentage van alle groepen
- Vier-vijfdesignaal = een verhouding onder 0,80
Dezelfde alinea nuanceert de regel: kleinere verschillen kunnen meetellen als ze zowel statistisch als praktisch significant zijn, grotere verschillen tellen mogelijk niet mee als ze zijn gebaseerd op kleine aantallen en statistisch niet significant zijn, en aantallen die te klein zijn om er iets betrouwbaars uit af te leiden, kunnen over een langere periode worden beoordeeld. In hun gezamenlijke Questions and Answers uit 1979 noemen de instanties de 80%-grens een vuistregel, “niet bedoeld als juridische definitie”, maar een praktische manier om de handhaving te richten op forse verschillen (EEOC, Questions and Answers).
In de VS droeg Executive Order 14281 van 23 april 2025 federale instanties op om de handhaving van disparate impact minder prioriteit te geven (90 FR 17537); sectie 1607.4(D) zelf stond op 21 oktober 2026 ongewijzigd op eCFR. (VS)
Geldt de vier-vijfderegel ook in Europa?
Nee. De gelijkebehandelingswetgeving van de EU en van Nederland kent geen numerieke drempel.
In de belangrijkste richtlijnen omschrijft het EU-recht indirecte discriminatie in vrijwel dezelfde bewoordingen: een ogenschijnlijk neutrale bepaling, maatstaf of handelwijze die personen met een beschermd kenmerk bijzonder benadeelt, tenzij die objectief wordt gerechtvaardigd door een legitiem doel en de middelen om dat doel te bereiken passend en noodzakelijk zijn. Zie Richtlijn 2000/43/EG over ras of etnische afstamming (artikel 2, lid 2, onder b; voor werving van toepassing via artikel 3, lid 1, onder a), Richtlijn 2000/78/EG over godsdienst of overtuiging, handicap, leeftijd en seksuele geaardheid (artikel 2, lid 2, onder b) en Richtlijn 2006/54/EG over geslacht (artikel 2, lid 1, onder b).
De Algemene wet gelijke behandeling (Awgb) sluit hierop aan. Indirect onderscheid is volgens artikel 1 een ogenschijnlijk neutraal criterium dat onder meer personen met een bepaalde godsdienst, ras, geslacht of nationaliteit bijzonder treft. Bij werving en arbeidsbemiddeling is het verboden (artikel 5), tenzij het objectief gerechtvaardigd is (artikel 2) (Awgb, versie die sinds 1 januari 2026 geldt). De Wet gelijke behandeling op grond van handicap of chronische ziekte (WGBH/CZ) hanteert een gelijkluidende definitie.
Nationale regels kunnen toestaan dat indirecte discriminatie met statistische gegevens wordt aangetoond (overweging 15 van de richtlijnen 2000/43/EG en 2000/78/EG). Zodra een kandidaat feiten aanvoert waaruit discriminatie kan worden vermoed, moet de werkgever bewijzen dat er niet in strijd met de regels is gehandeld (Richtlijn 2000/43/EG, artikel 8; Awgb, artikel 10). Statistieken kunnen een zaak op gang brengen; een met datum vastgelegde reden waarom elk criterium nodig is, helpt bij het verweer.
Hoe beoordeelt het Hof van Justitie statistieken?
Als bewijs van benadeling, per geval bekeken en nooit getoetst aan een vaste drempel.
In Seymour-Smith en Perez (C-167/97, 1999) ging het om een Britse voorwaarde van twee jaar tewerkstelling voordat je een vordering wegens onrechtmatig ontslag kon instellen. Het Hof zei dat je het best het percentage mannen en het percentage vrouwen kunt vergelijken dat aan de voorwaarde kan voldoen, en dan kunt nagaan of een aanzienlijk kleiner percentage vrouwen dat kan. Ook een minder groot, maar aanhoudend en vrij constant verschil over een lange periode kon meetellen. Het is aan de nationale rechter om te beoordelen of de statistieken voldoende personen omvatten, meer weerspiegelen dan toeval of kortstondige effecten en relevant lijken (punten 59 tot 62).
De cijfers waren 77,4% van de mannen en 68,9% van de vrouwen, wat op het eerste gezicht niet wees op een aanzienlijk kleiner percentage (punten 63 en 64). De verhouding volgens de vier-vijfderegel zou 0,89 zijn, boven de Amerikaanse grens, dus de twee methoden komen hier op hetzelfde uit. Toch hanteerde het Hof geen verhouding: het ging na of het verschil aanzienlijk, geldig en aanhoudend was.
Voor de rechtvaardiging geldt een eigen toets. Volgens Bilka-Kaufhaus (C-170/84, 1986) is een maatregel die veel meer vrouwen dan mannen treft alleen gerechtvaardigd als die aan een echte behoefte van de werkgever beantwoordt en de middelen passend en noodzakelijk zijn. Voor werving wijst dat erop dat een criterium dat de ene groep vaker eruit filtert dan de andere, moet beantwoorden aan een echte behoefte van de functie, zonder dat er een minder benadelende manier is om hetzelfde te controleren.
Onze visie: behandel een verschil als een vraag over het criterium. De verhouding uit de vier-vijfderegel kan dienen als interne aanleiding om nader te kijken, zolang niemand haar verwart met de juridische toets.
Welke gegevens mag je gebruiken om groepen te vergelijken?
Doorstroompercentages per stap hebben geen groepsgegevens nodig. Vergelijkingen tussen groepen vaak wel.
Procesgegevens. Aantallen per stap, criterium, kanaal, locatie en beoordelaar. Die heb je al; analyseer ze geaggregeerd en beperk de toegang.
Beschermde gronden die geen bijzondere categorieën van persoonsgegevens zijn. Geslacht en leeftijd zijn beschermd in de gelijkebehandelingswetgeving, maar zijn volgens de AVG geen bijzondere categorieën (AVG, artikel 9, lid 1). Ook daarvoor heb je een grondslag en een vastgesteld doel nodig, en geldt minimale gegevensverwerking.
Bijzondere categorieën van persoonsgegevens. Gegevens waaruit ras of etnische afkomst, religieuze overtuiging of seksuele gerichtheid blijkt, en gegevens over gezondheid, mogen alleen worden verwerkt op grond van een uitzondering in artikel 9, lid 2, en de meest voor de hand liggende uitzonderingen zijn bij werving moeilijk toe te passen:
- Uitdrukkelijke toestemming (artikel 9, lid 2, onder a). Overweging 43 waarschuwt dat toestemming waarschijnlijk niet vrijelijk wordt verleend als er sprake is van een duidelijke machtsongelijkheid, zoals vaak tussen een kandidaat en een werkgever.
- Arbeidsrecht en zwaarwegend algemeen belang (artikel 9, lid 2, onder b en g). Beide hebben een basis nodig in het EU-recht of het nationale recht (bij onder b ook in een collectieve overeenkomst), met waarborgen.
- Nederlandse uitzonderingen (UAVG). Artikel 25 staat het gebruik van gegevens over etnische afkomst toe om personen uit een minderheidsgroep een bevoorrechte positie te geven, zodat feitelijke nadelen worden opgeheven of verminderd. Het gaat dan om gegevens over het geboorteland van de betrokkene, diens ouders of diens grootouders (of om andere bij wet vastgestelde criteria), en alleen voor zover dat noodzakelijk is en de betrokkene geen schriftelijk bezwaar heeft gemaakt. Artikel 24 gaat over onderzoek en statistiek in het algemeen belang, als het vragen van uitdrukkelijke toestemming onmogelijk is of een onevenredige inspanning kost (UAVG, versie die sinds 1 september 2026 geldt). Of een van beide past bij monitoring door een werkgever, is een vraag voor je juridisch adviseur.
Een groep afleiden uit namen of postcodes is waarschijnlijk geen manier om de regels te omzeilen: het Hof van Justitie heeft geoordeeld dat gegevens waaruit indirect, door deductie of vergelijking, een bijzondere categorie blijkt, zelf ook bijzondere categorieën van persoonsgegevens zijn (C-184/20, 2022).
De Autoriteit Persoonsgegevens (AP) legt de uitzonderingen strikt uit. In een advies aan de Belastingdienst van 14 augustus 2026 stelde de AP vast dat zonder specifieke wetgeving geen enkele uitzondering in artikel 9, lid 2, de biastoetsing van de Belastingdienst dekte. Toetsing met gegevens die al rechtmatig in bezit waren, accepteerde de AP alleen als tijdelijke, strikt noodzakelijke maatregel met waarborgen. Artikel 4 bis van de AI-verordening zou daarvan waarschijnlijk een groot deel dekken, zei de AP, afhankelijk van de vraag of de selectie-instrumenten als AI-systemen gelden. De bredere vraag liet de AP open (advies van de AP, bijlage, gepubliceerd door de Eerste Kamer op 1 september 2026). Het advies gaat over een overheidsinstantie en niet over een werkgever, maar laat zien hoe de toezichthouder erin staat.
Wat artikel 4 bis van de AI-verordening wel en niet toestaat
De Digital Omnibus on AI (Verordening (EU) 2026/1744), die sinds 27 juli 2026 van kracht is, heeft artikel 4 bis in de AI-verordening ingevoegd. Dat artikel staat aanbieders en gebruiksverantwoordelijken van AI-systemen, al dan niet met een hoog risico, toe om bij wijze van uitzondering bijzondere categorieën van persoonsgegevens te verwerken als dat strikt noodzakelijk is om bias op te sporen en te corrigeren. Naast de AVG gelden extra voorwaarden. Bias moet zich niet doeltreffend laten opsporen en corrigeren met andere data, ook niet met synthetische of geanonimiseerde data. De gegevens moeten worden beschermd met maatregelen zoals pseudonimisering en strikte toegangscontroles, mogen niet aan andere partijen worden doorgegeven en moeten worden verwijderd zodra de bias is gecorrigeerd of de bewaartermijn afloopt, afhankelijk van wat zich het eerst voordoet. En het register van verwerkingsactiviteiten moet uitleggen waarom de verwerking strikt noodzakelijk was.
Onze visie: dit is onze lezing, geen vaststaand recht. Artikel 4 bis gaat over bias in verband met AI-systemen, dus wij lezen het niet als algemene basis voor het verzamelen van gegevens over etnische afkomst om een heel wervingsproces te monitoren, ook de stappen waarin geen AI-systeem wordt gebruikt. Win juridisch advies in voordat je erop vertrouwt. Het bredere tijdpad staat in onze gids over de AI Act bij werving en selectie.
Betrek je functionaris voor gegevensbescherming, juridisch adviseur en ondernemingsraad voordat je groepsgegevens verzamelt, en overweeg een gegevensbeschermingseffectbeoordeling (DPIA).
Welke stappen moet je bijhouden?
Elke stap waarin een kandidaat kan afhaken of worden afgewezen.
Doorstroompercentages per stap laten zien waar kandidaten uit het proces verdwijnen en welk criterium hen eruit haalt, zonder gegevens over beschermde kenmerken; elke latere rechtmatige groepsvergelijking gebruikt dezelfde opzet.
Voorbeeld ter illustratie (verzonnen cijfers): één functie in het magazijn, één kwartaal.
| Stap | Ingestroomd | Doorgestroomd | Doorstroompercentage (doorgestroomd ÷ ingestroomd) | Wat een plotselinge verandering kan betekenen |
|---|---|---|---|---|
| Knock-outvragen | 400 | 260 | 65,0% | Eén vraag doet het meeste filterwerk |
| Gesprek afgerond | 260 | 180 | 69,2% | Toegangsproblemen: apparaat, taal, tijdstip |
| Beoordeling van het gesprek | 180 | 120 | 66,7% | Beoordelaars die anders gaan beoordelen, of onduidelijke criteria |
| Documenten en certificaten gecontroleerd | 120 | 102 | 85,0% | Ontbrekend bewijs wordt behandeld als niet voldoen |
| Aanbod gedaan | 102 | 90 | 88,2% | Late eisen of voorkeuren van de opdrachtgever |
| Eerste dienst gestart | 90 | 78 | 86,7% | Informatie over de startdatum, reistijd of een rooster dat niet past |
| Hele proces | 400 | 78 | 19,5% |
Ingestroomde kandidaten per stap
De knock-outstap laat 140 mensen afvallen, meer dan welke andere stap ook. Zoek uit welke vraag de meeste kandidaten eruit haalt en of de functie die vraag nodig heeft. Tel afhakers apart van afwijzingen, en “bewijs ontbreekt” apart van “voldoet niet aan de eis”, want elk vraagt een andere aanpak. Ondersteunt een tool de beoordelingsstap? Houd dan bij hoe vaak beoordelaars afwijken van wat de tool aangeeft; een aandeel dicht bij nul verdient een nadere blik (de tool mag nooit zelf nee zeggen). Wil je de stappen van één functie in kaart brengen? Gebruik dan onze doorlichting van het wervingsproces, waar je een uur voor nodig hebt.
Hoe Radius omgaat met menselijke beslissingen, met wat er wordt vastgelegd en met kandidaatgegevens, lees je op de pagina Vertrouwen en compliance.
Hoe vergelijk je twee groepen? Een uitgewerkt voorbeeld
Bereken het doorstroompercentage van elke groep, daarna het verschil en de onzekerheid daarvan.
Voorbeeld ter illustratie (verzonnen cijfers), alleen als je rechtmatig over de groepsgegevens beschikt. Een knock-outvraag vraagt om twee jaar ervaring in het magazijn. In groep A komen 14 van de 40 sollicitanten door; in groep B 88 van de 160.
| Wat je berekent | Formule | Resultaat |
|---|---|---|
| Doorstroompercentage, groep A | 14 ÷ 40 | 35,0% |
| Doorstroompercentage, groep B | 88 ÷ 160 | 55,0% |
| Adverse impact ratio | 35,0% ÷ 55,0% | 0,64 |
| Verschil | 55,0% min 35,0% | 20 procentpunten |
| Benaderd 95%-betrouwbaarheidsinterval voor het verschil | Normale benadering voor twee proporties | 3 tot 37 procentpunten |
| Exacte toets van Fisher, tweezijdig | Exacte berekening uit de vier aantallen | p = 0,03 |
De Amerikaanse regel zou een verhouding van 0,64 signaleren. Volgens de EU-aanpak is een verschil van 20 procentpunten, waarvan het aannemelijke bereik boven nul blijft, reden om het criterium te onderzoeken: is twee jaar ervaring nodig, of laat een korte praktische controle hetzelfde directer zien (Drie jaar op de reachtruck zegt minder dan je denkt)? De cijfers zijn geen bewijs van discriminatie; ze laten zien waar je moet kijken.
Vergelijk twee groepen bij één stap
Het uitgewerkte voorbeeld hierboven. Pas de aantallen aan om een eigen stap te controleren.
Het aannemelijke bereik blijft boven nul: reden om het criterium te onderzoeken.
Hoeveel kandidaten heb je nodig voordat een verschil iets betekent?
Er is geen wettelijk minimum, maar kleine groepen zeggen zelden veel.
Voorbeeld ter illustratie (verzonnen cijfers): groep A, 5 van de 10 komen door; groep B, 8 van de 12. De verhouding van 0,75 zou een vier-vijfdesignaal geven, maar de exacte toets van Fisher geeft p = 0,67, en een ruw 95%-betrouwbaarheidsinterval voor het verschil loopt van ongeveer 24 procentpunten ten gunste van groep A tot ongeveer 58 procentpunten ten gunste van groep B. De gegevens passen bij zowel geen verschil als een groot verschil.
- De exacte toets van Fisher berekent hoe vaak toeval een verdeling zou opleveren die minstens zo ongelijk is, als beide groepen hetzelfde onderliggende doorstroompercentage hadden. Een kleine p-waarde (0,05 is een gangbare grens) maakt toeval onwaarschijnlijk, maar zegt niets over het waarom.
- Een betrouwbaarheidsinterval laat zien welke verschillen bij de gegevens passen. Is het interval smal, dan heb je iets geleerd; is het breed en valt nul erbinnen, dan niet.
Geen van beide maakt kleine steekproeven alsnog bruikbaar. In simulaties vonden Collins en Morris (2008) dat alle toetsen bij kleine steekproeven een laag onderscheidend vermogen hadden; de exacte toets van Fisher was te conservatief, en de z-toets voor twee proporties werkte redelijk goed, behalve bij extreem kleine aantallen (Journal of Applied Psychology). (Amerikaans onderzoek)
Onze visie, als werkregels:
- Voeg tijdvakken samen, geen functies. Combineer kwartalen voor dezelfde functie en hetzelfde criterium in plaats van functies te mengen; de Amerikaanse richtlijnen en Seymour-Smith geven allebei gewicht aan aanhoudende verschillen.
- Lees het interval, niet alleen de p-waarde. Bij 100 per groep geeft een verschil van 35% tegenover 55% een interval van ongeveer 7 tot 34 procentpunten: bruikbaar. Bij 10 per groep is het te breed om op te handelen.
- Rapporteer geen cijfers voor heel kleine groepen. Kleine cellen kunnen individuen herleidbaar maken.
Wat doe je als een stap een verschil laat zien?
Kijk eerst kritisch naar het criterium.
- Controleer de gegevens: dezelfde functie en periode, afhakers apart, geen dubbele registraties.
- Zoek de oorzaak: welke vraag, eis of beoordelaar het grootste deel van het verschil verklaart.
- Vraag of het nodig is voor de functie, geformuleerd als een taak die je tijdens een dienst uitvoert.
- Vraag of het een proxy kan zijn. Een postcode kan samenhangen met etnische afkomst; een ononderbroken arbeidsverleden kan samenhangen met zorgtaken, ziekte of migratie.
- Zoek een controle die minder benadeelt: toets de taak rechtstreeks, accepteer gelijkwaardig bewijs, bied aanpassingen aan.
- Leg de rechtvaardiging vast of verander het criterium, met een datum.
- Meet opnieuw na een voldoende lange periode.
Een andere methode is niet automatisch eerlijker. Er wordt vaak van uitgegaan dat werkproeven kleine verschillen tussen groepen laten zien, maar een meta-analyse uit 2008 vond op de totaalresultaten van werkproeven een veel groter verschil tussen zwarte en witte sollicitanten dan in eerdere schattingen (een gestandaardiseerd verschil van 0,73, tegen 0,38), al lieten beoordelingen van sociale vaardigheden kleine verschillen zien (Roth en collega’s, 2008). (Amerikaans onderzoek) Waar een controle naar kijkt, maakt verschil; toets de eerlijkheid na elke wijziging opnieuw. Hetzelfde betoog houden we in Geen enkele wervingstool neemt vooroordelen weg. Ook de onze niet.
Wat betekent dit voor uitzendbureaus en werkgevers met personeel op de werkvloer?
Grote aantallen maken het bijhouden van stappen praktisch uitvoerbaar; eisen van opdrachtgevers moet je in de gaten houden.
- Uitzendbureaus werven op basis van de eisen van opdrachtgevers, en die eisen kunnen zelf een verschil veroorzaken. Houd doorstroompercentages bij per eis van de opdrachtgever en stel criteria ter discussie die niet als taken zijn te formuleren.
- Ondernemingsraden: deel de methode en de geaggregeerde resultaten, nooit individuele gegevens.
Doorstroompercentages laten zien waar kandidaten afvallen, niet waarom, en de samenstelling van de groep sollicitanten verschilt per kanaal, locatie en seizoen. Onze gids over het meten van quality of hire gaat in op het lezen van resultaten over meerdere wervingsrondes.
Conclusie
De vier-vijfderegel is nuttige rekenkunde met een Amerikaanse juridische geschiedenis, niet de Europese toets. Houd doorstroompercentages per stap bij, vergelijk groepen alleen als de gegevens rechtmatig zijn en de aantallen groot genoeg, en pas bij een verschil het criterium aan, niet de statistiek.
Hoe Radius helpt
Radius Hire is het AI-wervingsplatform voor functies op de werkvloer. Het voert een kort, gestructureerd spraakgesprek in de taal die voor de functie is ingesteld en laat recruiters het bewijs achter elke eis zien.
Om een verschil naar een eis terug te kunnen voeren, heb je het bewijs erachter nodig. Radius laat per eis zien of die wordt onderbouwd door een document of een controle, alleen steunt op wat de kandidaat zelf zei, of nog ontbreekt (Match). Radius wijst nooit zelfstandig een kandidaat af: een recruiter bekijkt het bewijs, kan alles wat Radius laat zien terzijde leggen en neemt elke wervingsbeslissing. Van elk gesprek kunnen een opname, een transcriptie en een samenvatting worden bewaard, en bij elke controle staan de bron en de datum, zodat een beslissing achteraf uit te leggen is (AI Interviewer). Kandidaatgegevens worden binnen de EU gehost en verwerkt onder een verwerkersovereenkomst (Vertrouwen en compliance).
Dit artikel beschrijft geen functionaliteit van Radius om groepen kandidaten te vergelijken. Of en hoe je groepen vergelijkt, beslis je zelf, met je eigen juridisch advies.
Veelgestelde vragen
Is er in de EU een vergelijkbare regel als de 80%-regel?
Nee. Het EU-recht kent geen drempelpercentage. Rechters beoordelen of een verschil aanzienlijk, geldig en aanhoudend is, en of het criterium gerechtvaardigd is. Een verhouding kan laten zien waar je moet kijken, maar beslist juridisch niets.
Mogen we kandidaten vrijwillig naar hun etnische afkomst vragen?
Niet zonder juridisch advies. Uitdrukkelijke toestemming is een uitzondering in de AVG, maar toestemming die wordt gegeven terwijl de kandidaat op een wervingsbeslissing wacht, is mogelijk niet vrijelijk gegeven, en de Nederlandse uitzonderingen zijn beperkt.
Ons ATS toont vier-vijfdesignalen. Moeten we die uitzetten?
Niet per se. Beschouw ze als aanleiding om een stap te onderzoeken, niet als juridische conclusies: een groene verhouding bewijst geen eerlijkheid en een rode is geen juridische vaststelling. Gebruiken ze gegevens over etnische afkomst of gezondheid, vraag je functionaris voor gegevensbescherming dan hoe die zijn verzameld en op welke grondslag.
Verplicht artikel 4 bis van de AI-verordening ons om onze AI-tools op bias te testen?
Nee. Artikel 4 bis, lid 2, zegt dat daaruit geen verplichting volgt om bias op te sporen. Aanbieders van AI-systemen met een hoog risico hebben afzonderlijke verplichtingen voor data op grond van artikel 10, die voor systemen op het gebied van werkgelegenheid gelden vanaf 2 december 2027.
Algemene informatie, geen juridisch advies. Stand van zaken op 21 oktober 2026.
Bronnen
- US Government Publishing Office, eCFR. “29 CFR 1607.4, Information on impact” (Uniform Guidelines on Employee Selection Procedures, 1978). https://www.ecfr.gov/current/title-29/part-1607/section-1607.4. Gecontroleerd op 21 oktober 2026. (VS)
- US Equal Employment Opportunity Commission en andere federale instanties. “Questions and Answers to Clarify and Provide a Common Interpretation of the Uniform Guidelines on Employee Selection Procedures”, 1979. https://www.eeoc.gov/laws/guidance/questions-and-answers-clarify-and-provide-common-interpretation-uniform-guidelines. Gecontroleerd op 21 oktober 2026. (VS)
- Federal Register. “Executive Order 14281: Restoring Equality of Opportunity and Meritocracy”, ondertekend op 23 april 2025, 90 FR 17537, gepubliceerd op 28 april 2025. https://www.govinfo.gov/content/pkg/FR-2025-04-28/html/2025-07378.htm. Gecontroleerd op 21 oktober 2026. (VS)
- Richtlijn 2000/43/EG van de Raad van 29 juni 2000 houdende toepassing van het beginsel van gelijke behandeling van personen ongeacht ras of etnische afstamming, artikelen 2, 3 en 8, overweging 15. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32000L0043. Gecontroleerd op 21 oktober 2026. (EU)
- Richtlijn 2000/78/EG van de Raad van 27 november 2000 tot instelling van een algemeen kader voor gelijke behandeling in arbeid en beroep, artikel 2, overweging 15. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32000L0078. Gecontroleerd op 21 oktober 2026. (EU)
- Richtlijn 2006/54/EG van het Europees Parlement en de Raad van 5 juli 2006 betreffende de toepassing van het beginsel van gelijke kansen en gelijke behandeling van mannen en vrouwen in arbeid en beroep (herschikking), artikel 2, lid 1, onder b. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32006L0054. Gecontroleerd op 21 oktober 2026. (EU)
- Algemene wet gelijke behandeling (Awgb), artikelen 1, 2, 5 en 10, versie die sinds 1 januari 2026 geldt. https://wetten.overheid.nl/BWBR0006502/. Gecontroleerd op 21 oktober 2026. (NL)
- Wet gelijke behandeling op grond van handicap of chronische ziekte (WGBH/CZ), artikel 1, versie die sinds 1 januari 2026 geldt. https://wetten.overheid.nl/BWBR0014915/. Gecontroleerd op 21 oktober 2026. (NL)
- Hof van Justitie van de Europese Unie. Arrest van 9 februari 1999, Seymour-Smith en Perez, C-167/97, ECLI:EU:C:1999:60, punten 59 tot 65. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:61997CJ0167. Gecontroleerd op 21 oktober 2026. (EU)
- Hof van Justitie van de Europese Unie. Arrest van 13 mei 1986, Bilka-Kaufhaus GmbH tegen Karin Weber von Hartz, C-170/84. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:61984CJ0170. Gecontroleerd op 21 oktober 2026. (EU)
- Verordening (EU) 2016/679 (AVG), artikel 9 en overweging 43. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32016R0679. Gecontroleerd op 21 oktober 2026. (EU)
- Uitvoeringswet Algemene verordening gegevensbescherming (UAVG), artikelen 24 en 25, versie die sinds 1 september 2026 geldt. https://wetten.overheid.nl/BWBR0040940/. Gecontroleerd op 21 oktober 2026. (NL)
- Hof van Justitie van de Europese Unie (grote kamer). Arrest van 1 augustus 2022, OT tegen Vyriausioji tarnybinės etikos komisija, C-184/20. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62020CJ0184. Gecontroleerd op 21 oktober 2026. (EU)
- Autoriteit Persoonsgegevens. Bijlage bij de brief van de AP van 14 augustus 2026 over de verwerking van bijzondere categorieën van persoonsgegevens voor bias- en fairness-toetsing van de geautomatiseerde selectie-instrumenten van de Belastingdienst, gepubliceerd door de Eerste Kamer op 1 september 2026. https://www.eerstekamer.nl/eu/overig/20260901/bijlage_bij_brief_ap_biastoetsing/document. Gecontroleerd op 21 oktober 2026. (NL)
- Verordening (EU) 2026/1744 (Digitale omnibus inzake AI), Publicatieblad L, 24 juli 2026, artikel 1, punt 6, waarmee artikel 4 bis wordt ingevoegd in Verordening (EU) 2024/1689, overweging 9 en artikel 4. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32026R1744. Gecontroleerd op 21 oktober 2026. (EU)
- Collins, M. W., en Morris, S. B. (2008). “Testing for adverse impact when sample size is small.” Journal of Applied Psychology, 93(2), 463 tot 471. https://doi.org/10.1037/0021-9010.93.2.463. Gecontroleerd op 21 oktober 2026. (VS)
- Roth, P. L., Bobko, P., McFarland, L. A., en Buster, M. (2008). “Work sample tests in personnel selection: A meta-analysis of Black-White differences in overall and exercise scores.” Personnel Psychology, 61(3), 637 tot 661. https://doi.org/10.1111/j.1744-6570.2008.00125.x. Gecontroleerd op 21 oktober 2026. (VS)