Jouw inkoop-AI scoorde een betere leverancier lager — dit is de wiskunde erachter

Vorig kwartaal bracht ik een lange avond door met staren naar één enkele sourcing-scorecard, en dat doorbrak een aanname die ik jarenlang had meegedragen in mijn werk in de inkoop.

Het was een routinematige aanbesteding — industriële bevestigingsmiddelen, vijf leveranciers, het soort categorie waar niemand wakker van ligt. De AI van het platform had ze gerangschikt op levering, kwaliteit, financiële stabiliteit en prijs. Leverancier A, een gevestigde partij van twaalf jaar met duizenden transacties op zijn naam, kwam uit op 92. Een gecertificeerde onderneming in handen van een minderheid met een geschiedenis van drie jaar scoorde 71. Op het eerste gezicht is dat een schoon resultaat. De gevestigde partij won op verdienste. Ga verder.

Alleen ging ik niet verder. Ik pluisde de deelscores voor levering uit elkaar, regel voor regel, en wat ik vond is de reden dat ik nu mijn tijd besteed aan het bouwen van eerlijkheid van inkoop-AI-audits voor mijn brood. De kleinere leverancier had een beter on-time-leverpercentage — 98.1% tegenover de 97.2% van de gevestigde partij. En toch scoorde hij lager op levering.

De leverancier die beter presteerde, werd slechter gerangschikt. Niet omdat het model bevooroordeeld tegen hem was — maar omdat de wiskunde dat was.

Die kloof, tussen wat de data zeiden en wat de score zei, is het hele verhaal. Laat me je meenemen in hoe het gebeurt, waarom geen enkel inkoopplatform op de markt het voor je zal oplossen, en wat er werkelijk nodig was om iets te bouwen dat dat wél kon.

De bias zit niet in het model. Die zit in de geschiedenis.

Dit is het deel dat ik te lang niet wilde accepteren: er zat niets kwaadaardigs in dat algoritme. Niemand had een strafpunt voor diverse leveranciers geprogrammeerd. De bias was een structureel gevolg van het trainen op historische bestedingsdata — en zodra je het ziet, kun je het niet meer ontzien.

Leverprestatie was 25% van de leverancierscore, en de AI berekende die als on-time-percentage gewogen naar transactieaantal. De 97.2% van de gevestigde partij over 4,200 transacties leverde een op vertrouwen gewogen leverscore op van 24.1 op 25. De 98.1% van de leverancier in handen van een minderheid over slechts 180 transacties leverde een 16.8 op. Zelfde metriek. Beter ruw getal. Acht punten verloren — alleen al door de vertrouwensweging.

Vervolgens herhaalde hetzelfde patroon zich overal. De kwaliteitsscore leunde op auditfrequentie, en auditfrequentie correleert met contractvolume. De financiële-stabiliteitsscore behandelde omzetgrootte als een proxy voor risicotolerantie. Tegen de tijd dat het model bij prijsconcurrentievermogen aankwam, was de kloof al wiskundig onoverbrugbaar.

De uitsluiting is zelfversterkend, en dat is wat het lelijk maakt. Een leverancier scoort lager, dus wint hij minder contracten, dus vergaart hij minder transacties, dus is zijn vertrouwensscore de volgende cyclus nog lager. Het algoritme stelt meer historische data gelijk aan meer betrouwbaar — en elke leverancier die nooit de kans kreeg om die geschiedenis op te bouwen, betaalt er voor altijd voor.

AI die getraind is op jouw bestedingsgeschiedenis voorspelt niet de beste leverancier. Zij voorspelt de leverancier die je al gebruikte.

Waarom lost jouw inkoopplatform dit niet voor je op?

Mijn eerste ingeving was de voor de hand liggende: SAP, Coupa, GEP of Ivalua ondervangt dit vast al. Ze steken enorm veel engineering in agentic AI. Joule's Bid Analysis Agent vergelijkt leveranciersbiedingen en beveelt gunningen aan. Coupa's Navi voert leveranciersontdekking uit in natuurlijke taal, en het bedrijf boekte zoiets als $15 miljard aan klantbesparingen in één enkel kwartaal. Ivalua levert meer dan dertig kant-en-klare AI-agenten. GEP heeft agentic AI over zijn hele source-to-pay-suite.

Dus ging ik op zoek naar de eerlijkheidsmetrieken. Het testen op disparate impact. De gepubliceerde methodologie voor hoe ze hun eigen scoringsengines auditen op nadelig effect.

Die zijn er niet. Ik heb alle vier de grote platforms gecontroleerd. Geen enkel ervan publiceert eerlijkheidsmetrieken voor leveranciersscoring. Coupa erkent in blogposts dat AI-leveranciers "bias-mitigatie moeten aantonen" — maar achter die zin zit geen gedocumenteerd auditproces. Het is een praatpunt, geen functie.

En eerlijk gezegd, zodra je de economie van platforms begrijpt, verwacht je het niet meer. Deze leveranciers bouwen scoring voor algemeen gebruik, geoptimaliseerd voor kostenreductie en risicomitigatie over hun hele klantenbestand. Het toevoegen van eerlijkheidsbeperkingen afgestemd op jouw doelen voor onderaanbesteding, jouw leverancierscategorieën, jouw regelgevende jurisdictie zou betekenen dat ze voor elke klant die ze hebben een andere modelconfiguratie moeten onderhouden. Dat is geen productroadmap. Dat is een nachtmerrie voor support.

Daar zit een scherpere kant aan dan alleen gemak. De contracten worden steeds vaker zo opgesteld dat de aansprakelijkheid bij jou belandt, niet bij de leverancier — federale rechtbanken hebben de verantwoordingsplicht rond AI uitgebreid, en de platformovereenkomsten verschuiven het risico stilletjes naar de klant. Dus wanneer een gepasseerde leverancier uiteindelijk vraagt waarom zijn score 71 was, staat jouw naam op de auditbevinding, niet die van SAP. En het wordt erger naarmate de agenten autonomer worden: wanneer een bot op eigen houtje een gunning of een betaling in gang zet — of een spookovereenkomst hallucineert die nooit bestond — heeft het contract er al voor gezorgd dat de aansprakelijkheid bij jou ligt, niet bij de AI-leverancier. Het platform geeft je snelheid. De eerlijkheidslaag — en de aansprakelijkheid die daarbij hoort — zou altijd al van jou zijn.

De oplossing waarvan ik zeker wist dat die zou werken — en dat niet deed

Ik vertel je over de versie die ik verkeerd had, omdat het de versie is waar de meeste teams als eerste naar grijpen.

Als het model kleinere en diverse leveranciers te laag scoort, is de intuïtieve oplossing om de weegschaal de andere kant op te duwen. Voeg een diversiteitscorrectie toe. Geef de gecertificeerde leveranciers een paar punten extra om de vertrouwensstraf te compenseren. We schetsten precies dat. Het voelde eerlijk. Het voelde corrigerend.

Het was een valstrik, en wat het blootlegde was geen technisch probleem — het was een juridisch probleem.

Terwijl we de boost bouwden, las ik me ook in in de regelgevende omgeving waarin onze klanten met federale contracten daadwerkelijk leven, en die was net veranderd in een mijnenveld. Aan de ene kant verplicht FAR Part 19 contractanten om afzonderlijke procentuele doelen te halen voor onderaannemers die klein bedrijf, veteraan-eigendom, service-disabled-veteran-owned, HUBZone en vrouw-eigendom zijn — en de handhaving was recent aangescherpt. Aan de andere kant verbiedt Executive Order 14319, ondertekend in juli 2025, federale inkoop van AI die "ideologische vooroordelen of sociale agenda's" met zich meedraagt, met expliciete vermelding van DEI.

Sta daar even bij stil. Een federale contractant is nu wettelijk verplicht om vooruit te helpen diverse leveranciers onder de ene regel, en wettelijk verboden om een sociale agenda in inkoop-AI in te bakken onder de andere. Onze diversiteitsboost — een hard-gecodeerde duim op de weegschaal ten gunste van een beschermde categorie — was precies het soort ding dat EO 14319 moest uitroeien. We zouden een nalevingsrisico hebben uitgebracht, vermomd als oplossing. Het zou de eerste audit niet hebben overleefd.

Op het moment dat je bias corrigeert door een andere bias toe te voegen, heb je iets gebouwd dat je niet kunt verdedigen in een zittingszaal.

Die mislukking is wat het hele probleem voor mij in een nieuw kader plaatste. Het doel was nooit om de AI iemand te laten bevoordelen. Het doel was om haar aantoonbaar niemand te laten bevoordelen — en om het bewijs te leveren.

De aanwervingsregel die het openbrak

Het keerpunt kwam van een regel tegen arbeidsdiscriminatie die, voor zover ik kan nagaan, bijna niemand in de inkoop toepaste.

De vier-vijfde-regel van de EEOC — 29 CFR 1607.4 — stelt dat het selectiepercentage van elke groep minstens 80% moet zijn van het percentage van de groep die het vaakst wordt geselecteerd. Ze was geschreven voor discriminatie bij aanwerving. Maar leveranciersselectie is structureel identiek aan kandidaatselectie: je hebt categorieën, doorstroompercentages en een drempel. Dezelfde statistische toets past er naadloos in.

Dus we lieten hem los op echte scoringsuitvoer. Als een AI 60% van de niet-diverse leveranciers voorbij de scoringsdrempel laat, zegt de vier-vijfde-regel dat hij minstens 48% van de gecertificeerde leveranciers in handen van minderheden en vrouwen moet doorlaten. Bij volumegewogen scoring lag het werkelijke percentage dat we telkens zagen dichter bij 22%. Dat is een ongelijkheidsratio van 0.37 — minder dan de helft van de wettelijke ondergrens.

Dat getal is geen zacht signaal. Een ongelijkheidsratio van 0.37 is prima facie bewijs van nadelig effect — dezelfde maatstaf die een rechtbank zou toepassen op een claim over aanwervingsdiscriminatie. Het is het soort bevinding dat uitmondt in contractverlies en auditbevindingen, niet in een scherp geformuleerd memo.

En daarom deed het er meer toe dan enige eerlijkheidsboost ooit zou kunnen: de vier-vijfde-toets bevoordeelt niemand. Ze meet alleen. Ze gaf ons een manier om beide meesters tegelijk tevreden te stellen — om een FAR Part 19-auditor te laten zien dat diverse leveranciers een eerlijke kans kregen, en om een EO 14319-beoordelaar te laten zien dat we nul ideologische duim aan de weegschaal hadden toegevoegd. Puur wiskunde, symmetrisch toegepast, met een getal aan het eind.

En dit is niet alleen een federaal probleem. De meeste staten bakken diversiteitsscoring al in hun inkoopevaluaties in — Illinois alleen al kent tot 20% van de technische punten van een RFP toe aan leveranciersdiversiteit — dus dezelfde ongelijkheidsratio die een federale audit doet zinken, ontneemt een staatscontractant stilletjes de punten die hij expliciet moest binnenhalen. De vier-vijfde-toets reist overal mee waar de scoring gaat.

Hoe bewijs je dat een inkoop-AI eerlijk is?

Dus we stopten met het proberen te repareren van andermans model en bouwden een auditlaag die er bovenop zit. Dat is de kern van wat nu te vinden is op veriprajna.com/solutions/procurement-ai-fairness: een leveranciersagnostische eerlijkheidsauditor die verbinding maakt met SAP Ariba, Coupa, GEP of Ivalua, de leveranciersscoring-uitvoer leest die het platform al produceert, en die test op disparate impact.

Leveranciersagnostisch was een bewuste keuze, geen gemakszucht. We raken het model van het platform niet aan — dat hoeven we niet, en eerlijk gezegd willen we de aansprakelijkheid van het hertrainen van andermans scoringsengine niet. We behandelen de uitvoer van de AI als datgene wat onderzocht wordt: haal de selectiepercentages per leverancierscategorie op, bereken de vier-vijfde-ongelijkheidsratio's, ontleed waar in de scoringsstack de kloof ontstaat (bijna altijd de vertrouwensweging, bijna nooit de prijs), en overhandig de inkoopfunctionaris iets waarmee hij een vergaderruimte in kan.

Dat laatste deel is het op te leveren product dat ertoe doet. Geen dashboard dat zegt "ziet er prima uit." Een wiskundig bewijs dat de AI elke leverancierscategorie rechtvaardig behandelt — of een specifieke, onderbouwde bevinding dat dat niet zo is, met de ongelijkheidsratio en de aanstootgevende scoringsfactor bij naam genoemd. Iets wat een CPO aan de leiding kan voorleggen, een compliance-functionaris kan archiveren, en een auditor niet kan wegwuiven.

"Is dit niet gewoon een DEI-programma met een rekenmachine?"

Dit is het bezwaar dat ik het vaakst krijg, meestal van iemand die zich heeft gebrand aan de regelgevende zweepslag en op zijn hoede is voor alles wat naar een sociale agenda ruikt. Het is een terechte vraag, en het antwoord is nee — en het onderscheid is precies waar het om draait.

Een DEI-programma besluit vooraf dat een uitkomst wenselijk is en stuurt daarnaartoe. Een disparate-impact-audit besluit niets. Ze meet of de selectiepercentages een reeds lang gevestigde statistische drempel halen die de rechtbanken toepassen op discriminatieclaims. Als jouw AI slaagt voor de vier-vijfde-toets, zegt de audit dat en heb je je bewijs van neutraliteit. Als hij zakt, vertelt de audit je welke scoringsfactor het veroorzaakte — en de oplossing is bijna altijd de wiskunde nauwkeuriger maken, niet minder, want een leverpercentage van 98.1% via vertrouwensweging omlaag brengen naar een 16.8 is niet eerlijk of correct.

Mensen vragen me ook waarom dit nú urgent is, terwijl inkoop-AI nog vroeg aanvoelt. En het ís vroeg — dat is juist het venster. In de hele sector draait 49% van de inkoopteams AI-pilots, maar slechts 4% heeft betekenisvolle uitrol bereikt. De bottleneck is niet de technologie. Het is vertrouwen. De leiding geeft geen groen licht voor autonome leveranciersscoring die ze niet kan verantwoorden aan een stakeholder of een toezichthouder. Het eerlijkheidsbewijs is geen leuk extraatje dat na de uitrol wordt vastgeschroefd. Voor veel organisaties is het juist datgene wat deblokkeert de uitrol.

De derde vraag gaat altijd over de tools voor diversiteitsontdekking — Supplier.io met zijn database van 20 miljoen leveranciers, Tealbook, Fairmarkit. Lossen die dit niet al op? Nee. Ze helpen je vinden diverse leveranciers. Geen ervan controleert of jouw scoringsalgoritme die leveranciers een eerlijke kans geeft zodra ze in de funnel zitten. Een gekwalificeerde leverancier in handen van een minderheid vinden en hem vervolgens door vertrouwensweging op 71 laten begraven, is geen vooruitgang. Het is een efficiëntere route naar dezelfde uitsluiting.

De muur die niemand bedoeld had te bouwen

Ik blijf terugkomen op die scorecard voor bevestigingsmiddelen. Vijf leveranciers, één routinematige aanbesteding, en een stukje wiskunde dat stilletjes besloot dat een beter presterende leverancier verdiende te verliezen — niet omdat iemand dat wilde, maar omdat het algoritme hield vertrouwd voor goed.

Dat is het punt met bias in inkoop-AI. Het komt niet binnen als vooroordeel. Het komt binnen als een betrouwbaarheidsinterval, een transactieaantal, een volkomen redelijk ogende weging van 25%. Elke stap is verdedigbaar. De muur die het bouwt, is dat niet.

Je kunt je daar niet met goede bedoelingen uit praten, en je kunt het niet oplossen door de weegschaal de andere kant op te kantelen — ik heb het geprobeerd, en de wet had gelijk om het te verbieden. Je kunt maar één ding doen: het meten, het bewijzen, en van het bewijs iets maken dat je zonder aarzelen aan een auditor zou overhandigen. Die houding van meten-niet-corrigeren is precies wat we bouwen bij Veriprajna. Jouw inkoop-AI is snel. De enige vraag die ertoe gaat doen, de eerste keer dat een gepasseerde leverancier vraagt waarom, is of je kunt bewijzen dat het eerlijk was. Als je de ongelijkheidsratio kunt tonen en de audit die hem opleverde, heb je een antwoord. Zo niet, dan heb je geen eerlijkheidsprobleem — dan heb je een discovery-probleem dat wacht op een dagvaarding.