Loontransparantie en AI-beloningsanalyse: kansen en valkuilen

Kort antwoord: De EU-loontransparantierichtlijn (2023/970) verplicht werkgevers tot meer openheid over beloning en moet uiterlijk 7 juni 2026 in nationaal recht zijn omgezet. AI kan beloningsanalyses sneller en grondiger maken, maar kan ook ongelijkheid verbergen of nieuwe bias introduceren. Wie AI inzet voor beloningsbeslissingen, moet die uitkomsten controleren én voldoen aan de AVG.

Wat de richtlijn eist

Richtlijn 2023/970 versterkt het beginsel "gelijk loon voor gelijk werk of werk van gelijke waarde". De kern:

• Recht op informatie: sollicitanten krijgen vooraf inzicht in het aanvangssalaris of de salarisbandbreedte; vacatures mogen niet meer naar het huidige loon vragen.
• Rapportageplicht loonkloof: werkgevers boven bepaalde drempels rapporteren periodiek over het beloningsverschil tussen mannen en vrouwen.
• Gezamenlijke beloningsbeoordeling: bij een onverklaarde loonkloof van 5% of meer moet de werkgever samen met de werknemersvertegenwoordiging de oorzaken onderzoeken en wegnemen.
• Bewijslast: bij een vermoeden van loondiscriminatie verschuift de bewijslast naar de werkgever.

Waar AI helpt

AI en data-analyse kunnen de equal-pay-opgave dragen. Een model kan functies clusteren op werk van gelijke waarde, loonverschillen statistisch corrigeren voor legitieme factoren (ervaring, prestatie) en de resterende, onverklaarde kloof zichtbaar maken. Zo wordt de rapportageplicht beheersbaar en kan een werkgever vroeg ingrijpen.

Waar AI bias introduceert

Diezelfde techniek kan ongelijkheid juist bestendigen. Als een model historische beloningsdata gebruikt om "marktconforme" salarissen voor te stellen, neemt het bestaande loonkloven over en presenteert het die als objectief. Proxy-variabelen — deeltijdfactor, loopbaanonderbreking, afdeling — kunnen sterk met geslacht samenhangen. Een AI die beloning voorspelt of adviseert, kan daardoor onbedoeld discrimineren, net als bij AI en discriminatie bij werving. Onder de richtlijn moet de werkgever het verschil kunnen verklaren; "het algoritme zei het" is geen rechtvaardiging.

AVG-aandachtspunten

Beloningsanalyse verwerkt gevoelige personeelsgegevens. Aandachtspunten:

• Grondslag en doelbinding: salarisdata verzameld voor loonadministratie mag niet zomaar voor profilering of benchmarking worden hergebruikt.
• Dataminimalisatie: gebruik alleen variabelen die je nodig hebt; vermijd proxy's die discriminatie binnenhalen.
• Transparantie en rechten: werknemers hebben recht op informatie over hun beloning en de criteria; zie verder AVG en personeelsgegevens bij AI.

Praktische stappen voor werkgevers

• Breng nu in kaart welke functies van gelijke waarde zijn en waar de loonkloof zit — voordat de rapportageplicht ingaat.
• Audit je beloningsmodel op disparate impact en proxy-bias vóór gebruik, niet pas bij een klacht.
• Houd een mens in de lus bij beloningsbeslissingen en documenteer de gehanteerde criteria.
• Borg de AVG-grondslag voor elke nieuwe analyse-toepassing van salarisdata.
• Betrek de werknemersvertegenwoordiging tijdig; de gezamenlijke beoordeling is geen formaliteit.

Loontransparantie en AI delen hetzelfde doel — eerlijke beloning meetbaar maken — maar alleen als het model wordt gecontroleerd in plaats van geloofd.