Achter veel moderne HR-platforms — Workday Skills Cloud, SAP SuccessFactors Talent Intelligence Hub, Eightfold's talent intelligence, ChartHop's skills layer — zit een horizontale laag die HR-leiders zelden expliciet bespreken: skills inference. AI leidt vaardigheden af uit CV's, project-data, leeractiviteit, performance reviews en interne taakhistorie, en bouwt daarvan een persoonlijk skills-profiel dat vervolgens elk ander HR-besluit voedt. Voor de EU AI Act maakt dat skills inference tot een gevaarlijke blinde vlek: één onderliggende AI-laag raakt tegelijk 4(a) recruiting én 4(b) worker management.
Deze post legt uit wat skills inference is, waarom het AI Act-relevant is, en hoe HR- en compliance-teams het in hun classificatie kunnen oppakken.
Wat skills inference precies doet
Skills inference is het automatisch afleiden van vaardigheden, ervaringsniveau, expertise of seniority uit gegevens die niet expliciet die vaardigheden vermelden. De input-bronnen variëren per platform maar omvatten typisch:
- CV's en sollicitatieprofielen — voor kandidaten
- Werknemerprofielen en self-reported skills — voor bestaande medewerkers
- Project-historie en taakuitvoering — voor mensen in dienst
- Performance reviews en feedback-data — peer en manager input
- Learning records en certificeringen — completion-patroon
- Externe profielen — LinkedIn, GitHub, publicaties
Het output is een persoonlijk skills-profiel — meestal met confidence-scores per skill — dat gebruikt wordt in matching algoritmes voor recruiting, succession planning, project staffing, learning recommendations, performance benchmarking en compensation calibration. Eén skills-laag, vele use-cases.
Waarom dit zowel 4(a) als 4(b) raakt
Skills inference is in zichzelf geen "beslissing". Het is een gegevens-laag. Maar onder de AI Act kijken we naar wat de AI-output uiteindelijk voedt:
- Voor kandidaten — als afgeleide skills worden gebruikt om kandidaten te matchen of te ranken (recruiting AI, sourcing suggestions), valt het binnen 4(a).
- Voor bestaande werknemers — als afgeleide skills compensation, mobiliteit, project-allocatie of beoordeling beïnvloeden, valt het binnen 4(b).
- Cross-cutting — één Talent Intelligence Hub voedt typisch beide tegelijkertijd. Klassificatie als één deployment of als twee is een tactische keuze met implicaties voor je oversight-structuur.
De praktische consequentie: skills inference is vaak het hart van enterprise HR-platforms, en dus het zwaartepunt van je AI Act analyse — niet een randgeval.
De bias-uitdaging in skills inference
Skills inference heeft een specifieke bias-categorie die in vendor-documentatie zelden goed wordt behandeld:
- Achtergrond-bias — wie zijn skills in technische jargon uitdrukt versus wie in business-taal krijgt verschillende inferenties
- Taal-bias — non-native Engels of Nederlands kan tot lagere confidence-scores leiden
- Patroon-bias — als trainingsdata vooral van bepaalde demografieën komt, leidt het model die patronen door
- Self-reporting bias — werknemers die hun skills assertief opvoeren krijgen hogere scores dan even-vaardige collega's die bescheidener zijn
Voor je FRIA en bias-evaluatie betekent dat: niet alleen vragen of de matching-algoritme bias-getest is, maar of de skills-inferentie zelf gevalideerd is voor jouw populatie.
Stappenplan voor skills inference dossier
Behandel skills inference als horizontale laag, niet als feature
Skills inference is geen losse feature van één tool — het is de onderliggende laag van enterprise HR-platforms. Beoordeel het als kruispunt-deployment.
Map downstream use-cases expliciet
Veel werkgevers weten niet dat dezelfde skills-data drie of vier verschillende beslissings-systemen voedt. Inventariseer dat eerst, classificeer dan.
Bouw werknemer-toegang in vanaf het begin
AVG inzagerecht plus AI Act transparantie maken werknemer-zicht op hun afgeleide skills een vroege verplichting. Bouw zelfdienst-portal in plaats van case-by-case requests.
Toets uw AI tegen het filter van Artikel 6(3)
Interactieve self-assessment, bijgewerkt voor de Commission guidelines van 19 mei 2026. 9 stappen, persoonlijk rapport met onderbouwing, vendor-questions en next steps.
Veelgestelde vragen over skills inference en de AI Act
Praktische vragen voor HR-architectuur en compliance over talent intelligence platforms.
Wat je nu doet
Voor HR-architectuur en compliance-teams die met talent intelligence platforms werken: behandel skills inference als prioriteit binnen je 4(a) én 4(b) trajecten. Inventarisatie deze maand, downstream use-case mapping erbij, werknemer-zelfdienst voor afgeleide skills-data in je 2026 roadmap. Documenteer via de HR-AI hub en het HR-AI Evidence Pack.