Inroos­teren lijkt misschien een neutraal proces, maar in de praktijk is het dat vaak niet. Onbewust ontstaan er patronen. Sommige medewer­kers krijgen bijvoor­beeld struc­tu­reel de minst aantrek­ke­lijke diensten, terwijl anderen telkens misgrijpen bij open diensten. Zulke ongelijk­heden raken niet alleen motivatie en loyali­teit, maar ook bredere thema’s als inclu­si­vi­teit en gelijke kansen. Volgens Dyflexis, speci­a­list in Workforce Manage­ment Systemen, kan kunst­ma­tige intel­li­gentie (AI) in de toekomst helpen om een eerlijker evenwicht te creëren.

In sectoren met veel flexi­bele arbeid, zoals retail, horeca en logis­tiek, ligt de nadruk bij het maken van roosters vaak op bezet­ting en produc­ti­vi­teit. Dat is begrij­pe­lijk, vindt Bastiaan Schoon­hoven, CCO bij Dyflexis. “Maar daardoor blijven subtiele scheef­trek­kingen vaak onzicht­baar.” Hij benoemt drie verstrek­kende gevolgen daarvan:

1. Ongelijkheid in dienstenverdeling

Wanneer je steeds dezelfde medewer­kers inroos­tert voor nachten of weekenden, ontstaat er scheef­groei. Denk aan jongere krachten die standaard de zater­dag­avonden draaien, of vaste medewer­kers die telkens de nacht­dien­sten krijgen “omdat ze dat toch gewend zijn”.

“Wat in eerste instantie praktisch lijkt, leidt al snel tot frustratie en een gevoel van ongelijk­heid”, zegt Schoon­hoven. “Op de langere termijn kan de fysieke en mentale belas­ting boven­dien zorgen voor meer ziekte­ver­zuim en een snellere uitstroom van medewerkers.”

2. Ongelijkheid bij open diensten

Het aanbieden van open diensten via een app maakt het rooster flexi­beler en geeft medewer­kers meer invloed op hun werktijden. Toch profi­teren sommige groepen sneller dan anderen, en kan AI helpen dit eerlijker te verdelen. “Wie digitaal vaardiger is of zijn telefoon vaker checkt, heeft vaak eerder toegang tot de aantrek­ke­lijkste diensten”, legt Schoon­hoven uit. “Zonder duide­lijke afspraken komen bepaalde collega’s er struc­tu­reel minder gunstig uit.”

3. Verlof en ontwikkelkansen

Ook bij verlof en ontwik­ke­ling kan ongemerkt ongelijk­heid ontstaan. Sommige medewer­kers krijgen bijvoor­beeld struc­tu­reel makke­lijker vrij dan anderen. Dat komt bijvoor­beeld doordat hun verzoeken sneller worden goedge­keurd of omdat er bij de planning rekening wordt gehouden met hun privésituatie.

Ook trainingen of oplei­dings­plekken belanden vaak bij dezelfde mensen, bijvoor­beeld omdat zij vaker op de werkvloer aanwezig zijn of zichzelf actiever aanmelden. Het gevolg: wantrouwen richting de organi­satie en een afnemende loyaliteit.

“De ethische dimensie van workforce manage­ment wordt vaak onder­schat”, aldus Schoon­hoven. “Oneer­lijke roosters hebben regel­matig grote gevolgen voor sectoren waar perso­neels­te­korten al nijpend zijn.”

De ontbrekende schakel: inzicht in patronen

Dyflexis ziet een belang­rijke rol voor AI wegge­legd om die genoemde gevolgen voor te zijn. De techno­logie maakt namelijk verborgen ongelijk­heid zicht­baar. Het is daarbij geen vervanger voor mense­lijke keuzes, maar kan wel de waakhond zijn die bias en blinde vlekken bloot­legt. AI kan hier op meerdere manieren het verschil maken:

• Realtime signa­le­ring: ongelijk­heid direct aan het licht – AI analy­seert rooster­data continu en signa­leert scheef­groei zodra die ontstaat. Zo kun je direct bijsturen in plaats van pas achteraf.

• Voorspel­lende analyses: bias vóór zijn – AI kijkt vooruit en laat zien hoe een concep­trooster uitpakt voordat het wordt ingevoerd. Zo krijgen planners alter­na­tieven aange­reikt die zorgen voor een evenwich­ti­gere verdeling.

• Dashboard­trans­pa­rantie: patronen zicht­baar maken – Wie draait de meeste overuren? Wie ontvangt conse­quent toeslagen? Krijgen steeds dezelfde medewer­kers de oplei­dings­plekken? Door grote hoeveel­heden data visueel te vertalen, ontstaat een nieuw niveau van trans­pa­rantie. Niet alleen voor managers, maar ook richting medewerkers.

• Inclu­si­vi­teit­checks: de blinde vlekken bloot­leggen – AI legt subtiele ongelijk­heden bloot die anders onopge­merkt blijven. Denk bijvoor­beeld aan partti­mers die onbewust vaker in rusti­gere uren worden ingeroos­terd, waardoor zij struc­tu­reel minder toeslagen of doorgroei­mo­ge­lijk­heden krijgen. Ook zie je soms dat nieuwe medewer­kers vooral in korte of gefrag­men­teerde diensten belanden, waardoor ze minder binding met het team opbouwen. Zulke patronen raken direct aan inclusie, omdat bepaalde groepen syste­ma­tisch minder kansen krijgen dan anderen. Door dit concreet te maken, helpt AI organi­sa­ties hun planning te corri­geren en gelijke kansen beter te waarborgen. 

• Compli­ance & accoun­ta­bi­lity: aantoon­baar eerlijk plannen – Naast inzicht en signa­le­ring helpt AI organi­sa­ties om hun verant­woor­de­lijk­heid te nemen richting medewer­kers, vakbonden en toezicht­hou­ders. Door beslis­singen en patronen vast te leggen, ontstaat een contro­leer­baar spoor. AI toont aan dat keuzes trans­pa­rant en consis­tent tot stand komen. Dat is vooral belang­rijk in sectoren waar de regels rond arbeids­tijden en gelijke behan­de­ling steeds strenger worden. De techno­logie fungeert zo niet alleen als hulpmiddel, maar ook als vangnet voor compli­ance en verantwoording.

Van data naar beleidskeuzes

Volgens Schoon­hoven ligt de waarde van AI niet alleen in dagelijkse rooster­be­slis­singen, maar juist in de verta­ling naar strategie. “Wanneer patronen in inzet en ontwik­ke­ling struc­tu­reel zicht­baar worden, krijgen organi­sa­ties handvatten om beleid rond oplei­ding, doorstroom en diver­si­teit beter te sturen. Zo verschuift workforce manage­ment van een opera­ti­o­nele puzzel naar een strate­gisch instru­ment dat bijdraagt aan duurzame inzet­baar­heid en langetermijnsucces.”