AI rukt op in recruitment. Maar worden we er ook beter van?
14 mei 2026 – Kunstmatige intelligentie schuift razendsnel op in het recruitmentproces. Vacatureteksten, cv-screening, sourcing, interviewnotities en kandidatencommunicatie: vrijwel elke stap is inmiddels te automatiseren of te versnellen. Toch is de belangrijkste vraag niet of AI recruitment sneller maakt, dat doet het al. De vraag is: maakt AI recruitment ook beter?
Wie vandaag een recruiter spreekt, hoort zelden nog dat AI “iets voor later” is. Kandidaten gebruiken ChatGPT of Claude om hun cv aan te scherpen. Recruiters gebruiken AI om zoekopdrachten te verfijnen, profielen samen te vatten en berichten te personaliseren. Leveranciers bouwen AI-agenten die kandidaten zoeken alsof ze een junior sourcer zijn. LinkedIn verwacht bijvoorbeeld dat zijn AI-hiring agents honderden miljoenen dollars aan jaarlijkse omzet kunnen opleveren. Maar onder die optimistische bovenlaag schuurt iets. De sector automatiseert sneller dan ze bewijst dat de uitkomsten beter worden.
De sollicitatiebrief is niet langer van de kandidaat alleen
Een van de meest fundamentele veranderingen zit aan de voorkant van het proces. De kandidaat verschijnt niet meer alleen aan de startlijn. Vaak verschijnt er een kandidaat mét AI-assistent. Dat leidt tot een merkwaardige nieuwe werkelijkheid: sollicitaties worden beter geschreven, consistenter opgebouwd en makkelijker afgestemd op de vacature. Maar daardoor worden ze ook inwisselbaarder. Een perfecte motivatiebrief zegt steeds minder over motivatie. Een strak cv zegt minder over schrijfvaardigheid. En keyword-matching wordt kwetsbaarder zodra iedereen precies dezelfde taal leert spreken.
Nog ongemakkelijker: er zijn aanwijzingen dat AI-systemen zelf een voorkeur ontwikkelen voor AI-gegenereerde sollicitaties. In het artikel van Werf& wordt verwezen naar onderzoek waarin 2.245 menselijke cv’s door zeven AI-modellen werden herschreven, waarna modellen opvallend vaak de eigen stijl verkozen. De strekking is helder: zodra AI zowel de sollicitatie schrijft als beoordeelt, ontstaat een gesloten lus waarin “AI-achtig” taalgebruik een voordeel kan worden. Voor recruiters is dat een wake-upcall. Niet elke goed geformuleerde sollicitatie is een goede kandidaat. En niet elke minder gelikte sollicitatie is een minder talentvolle kandidaat.
Recruitment wordt sneller, maar de bewijslast blijft achter
De belofte van AI in recruitment is verleidelijk: sneller screenen, sneller sourcen, sneller communiceren. Vooral in organisaties met veel sollicitaties is dat aantrekkelijk. De druk op recruitmentteams is hoog, terwijl hiring managers tempo verwachten en kandidaten snel afhaken. Toch zit precies daar de valkuil. Sneller selecteren is niet hetzelfde als beter selecteren.
Truffle analyseerde 1.751 LinkedIn-posts over AI in recruitment uit het eerste kwartaal van 2026. De conclusie was pijnlijk: het gesprek gaat vooral over snelheid, fairness, automatisering en compliance, maar nauwelijks over de vraag of AI daadwerkelijk leidt tot betere hires. Volgens Truffle werd vrijwel niet gesproken over quality-of-hire, hiring manager alignment of de opbrengst van screening. Dat is misschien wel de belangrijkste blinde vlek in het huidige debat. Veel organisaties investeren in AI-screening zonder eerst scherp te hebben wat een goede hire eigenlijk is. Dan wordt technologie geen kwaliteitsinstrument, maar een versneller van bestaande aannames.
Bias verdwijnt niet. Bias krijgt een interface
AI wordt vaak verkocht als objectiever alternatief voor menselijke beoordeling. En inderdaad: mensen zijn vatbaar voor vooroordelen, inconsistentie en onderbuikgevoel. Maar het idee dat AI automatisch neutraler is, is onhoudbaar. Onderzoek van de University of Washington liet zien dat grote taalmodellen bias kunnen vertonen bij het rangschikken van cv’s, onder meer langs lijnen van vermoed ras en gender. In een gerelateerde publicatie werd gevonden dat modellen witte namen in 85,1% van de gevallen bevoordeelden; zwarte mannen kwamen in sommige scenario’s het slechtst uit de vergelijking.
Het probleem is niet alleen dat AI kan discrimineren. Het probleem is dat AI dat vaak doet met een professionele, objectief ogende verpakking. Een score, ranking of shortlist voelt rationeel. Daardoor bestaat het risico dat recruiters en hiring managers de uitkomst minder snel bevragen. AI neemt bias dus niet vanzelf weg. Het kan bias ook opschalen.
De recruiter wordt procesontwerper
De impact op het werk van recruiters is groot. Niet omdat AI de recruiter morgen vervangt, maar omdat het zwaartepunt van het vak verschuift. De klassieke recruiter besteedde veel tijd aan zoeken, screenen, plannen, mailen en opvolgen. De nieuwe recruiter moet AI-systemen kunnen aansturen, controleren en corrigeren. Dat vraagt om een ander professioneel profiel.
De recruiter wordt minder een handmatige cv-verwerker en meer een procesontwerper van selectie. Die moet vragen stellen als: welke criteria zijn echt voorspellend? Welke eisen zijn noodzakelijk en welke zijn gemakzucht? Welke data gebruiken we? Welke kandidaten vallen buiten beeld? Wanneer mag AI adviseren, en wanneer moet een mens beslissen? Dat is geen kleine verandering. Het vraagt om meer analytisch vermogen, meer ethisch bewustzijn en meer durf om hiring managers tegen te spreken.
De intake wordt belangrijker dan ooit
AI maakt één oude recruitmentwet nog harder: slechte input geeft slechte output. Als een hiring manager vraagt om “iemand die goed in het team past”, kan AI daar weinig betrouwbaars mee. Als de vacature vol staat met vage eisen, historische voorkeuren en niet-onderbouwde must-haves, zal AI die vaagheid niet oplossen. Het systeem maakt er hooguit een efficiënte shortlist van.
Daarom wordt de intake strategischer. Recruiters moeten scherper doorvragen: wat moet iemand vanaf dag één kunnen? Wat kan geleerd worden? Welke ervaring is echt nodig? Welke criteria sluiten onterecht talent uit? En hoe meten we straks of iemand succesvol is? AI dwingt recruitment daarmee terug naar de kern: selectie begint niet bij het cv, maar bij de definitie van succes.
Medewerkers lopen harder dan organisaties
Opvallend is dat de adoptie van AI niet alleen door leveranciers wordt aangejaagd. Medewerkers zijn zelf al begonnen. Integron meldde dat 36% van bijna 5.000 onderzochte werkenden AI inmiddels gebruikt in het dagelijks werk, tegenover 26% een jaar eerder. Slechts 34% zegt dat de eigen organisatie actief bezig is met AI.
Dat patroon zie je ook in HR en recruitment. Recruiters experimenteren met prompts, kandidaatberichten, vacatureteksten en samenvattingen, terwijl beleid, training en governance vaak achterblijven. Dat is begrijpelijk, maar riskant. Want juist in recruitment gaat AI over toegang tot werk. De lat voor zorgvuldigheid ligt daar hoger dan bij een interne brainstorm of notulensamenvatting.
De achterstand zit niet alleen in beleid, maar ook in opleiding. Acerta meldde dat ongeveer 32% van de Belgische bedrijven AI-trainingen aanbiedt aan alle of een deel van de werknemers. Dat betekent dat de meerderheid nog geen structurele opleiding biedt, terwijl vrijwel elke werknemer vroeg of laat met AI-toepassingen te maken krijgt. Voor recruiters is dat problematisch. Wie AI gebruikt in selectie, moet niet alleen weten hoe de tool werkt, maar ook wanneer de tool niet te vertrouwen is.
De kandidaatervaring staat onder druk
AI kan de kandidaatervaring verbeteren. Denk aan snellere reacties, betere planning, duidelijkere updates en minder radiostilte. Maar het kan ook het tegenovergestelde doen: kandidaten het gevoel geven dat ze door een machine worden afgehandeld. Dat risico wordt groter bij geautomatiseerde interviews, automatische afwijzingen en onduidelijke rankings. Kandidaten willen best dat organisaties technologie gebruiken, maar niet dat technologie de menselijke maat vervangt. Zeker bij schaarse profielen kan een kil of ondoorzichtig proces direct conversie kosten.
Daarmee wordt transparantie een concurrentievoordeel. Organisaties die eerlijk uitleggen waar AI wordt gebruikt, waarvoor het níet wordt gebruikt en waar menselijke beoordeling plaatsvindt, bouwen sneller vertrouwen op. Organisaties die AI verstoppen achter gladde procescommunicatie, lopen reputatierisico.
Europa maakt AI in recruitment een governancekwestie
De opmars van AI raakt ook aan wetgeving. Onder de EU AI Act vallen AI-systemen voor arbeid, personeelsselectie en recruitment in veel gevallen onder hoog-risicotoepassingen. Het gaat onder meer om systemen die sollicitaties analyseren, kandidaten filteren of rangschikken. Dat betekent dat recruitment-AI niet zomaar een handige tool is. Het wordt een onderwerp voor documentatie, risicobeoordeling, datakwaliteit, menselijke supervisie en monitoring.
Voor recruitmentteams betekent dit: de tijd van vrijblijvend experimenteren loopt af. Wie AI gebruikt om kandidaten te beoordelen, moet kunnen uitleggen hoe dat gebeurt, welke data worden gebruikt, hoe bias wordt gemonitord en wie uiteindelijk verantwoordelijk is.
Wat vraagt dit van recruiters?
De recruiter van de komende jaren heeft een bredere gereedschapskist nodig.
- AI-geletterdheid. Recruiters hoeven geen programmeurs te worden, maar moeten begrijpen dat AI waarschijnlijkheden produceert, geen waarheden. Een samenvatting kan fouten bevatten. Een ranking kan bias bevatten. Een score kan schijnzekerheid geven.
- Selectiekundigheid. Juist omdat AI processen versnelt, moeten recruiters beter worden in het ontwerpen van goede selectiecriteria, gestructureerde interviews en meetbare evaluaties.
- Data- en bewijsdenken. Recruitmentteams zullen verder moeten kijken dan time-to-hire en cost-per-hire. De cruciale vraag wordt: nemen we betere mensen aan, blijven ze langer, presteren ze beter, en ervaren kandidaten het proces als eerlijk?
- Ethische regie. Recruiters moeten kunnen bepalen welke onderdelen van het proces geautomatiseerd mogen worden en welke menselijk moeten blijven. Niet alles wat kan, moet ook.
- Advieskracht richting de organisatie. De recruiter moet hiring managers helpen om voorbij gemakzuchtige eisen te kijken. AI maakt het mogelijk sneller kandidaten te vinden die lijken op wat je altijd al zocht. De menselijke taak is juist om te vragen of dat wel is wat je nodig hebt.
De paradox: AI maakt recruitment menselijker als je het goed inzet
De grootste misvatting is dat AI recruitment per definitie minder menselijk maakt. Dat hoeft niet. Als AI administratieve druk verlaagt, kunnen recruiters juist meer tijd besteden aan gesprekken, advies en kandidaatrelaties. Maar dat gebeurt alleen als organisaties AI niet behandelen als doel op zich. AI moet niet worden afgerekend op hoeveel cv’s het verwerkt, maar op de vraag of het proces eerlijker, voorspellender en menselijker wordt.
De toekomst van recruitment ligt daarom niet in de snelste screening. Ook niet in de meest geavanceerde chatbot. De toekomst ligt bij teams die AI gebruiken als hulpmiddel om betere menselijke beslissingen te nemen. Want technologie kan kandidaten vinden. Maar beoordelen wat iemand kan worden, blijft voorlopig mensenwerk.
Meer weten?
AI maakt recruitment onmiskenbaar sneller, maar of dit lijdt tot betere hires is nog maar de vraag. Zowel kandidaten als recruiters gebruiken AI-tools massaal, waardoor de kwaliteit van sollicitaties verbeterd. Ook is hierdoor minder onderscheidend vermogen. We zien zelfs in onderzoeken dat wervingssystemen een AI-voorkeur kunnen ontwikkelen. Daarnaast wordt de recruiter steeds meer een procesontwerper waarbij kritisch denken over selectiecriteria, bias en datakwaliteit belandrijker wordt dan ooit. AI voegt dus pas echt waarde toe als het wordt ingezet om betere, eerlijkere en meer menselijke beslissingen te ondersteunen, want hoewel technologie kan helpen bij het vinden van kandidaten, blijft het beoordelen van potentieel uiteindelijk mensenwerk.
Wil je meer weten over het gebruik van AI in recruitment? Neem dan contact op met mobiliteitscentrum@west-brabant.eu.
Gebruikte bronnen
- Werf& | 7 feiten die je nu echt moet kennen over de opmars van A.I. in recruitment
- Reuters | LinkedIn AI-hiring agents en verwachte omzet.
- Truffle | AI in recruiting: what 1,751 LinkedIn posts reveal about speed, trust, and hiring quality
- University of Washington | Onderzoek naar bias in AI-cv-screening.
- AAAI/AIES-paper | Gender, Race, and Intersectional Bias in Resume Screening via Language Model Retrieval
- Integron | Onderzoek naar AI-gebruik op de werkvloer
- Acerta | Onderzoek naar AI-opleidingen bij Belgische werkgevers en werknemers
- EU AI Act/Annex III | Classificatie van AI-systemen voor werkgelegenheid en personeelsselectie als hoog risico
- Europese Commissie | Uitleg en Q&A over de AI Act
- World Economic Forum | Future of Jobs Report 2025
