HR · 20/09/2026

Kan AI kandidaten eerlijk en nauwkeurig screenen?

Kan AI kandidaten verantwoord screenen? Leer waar het HR-tijd bespaart, waar menselijk oordeel ertoe doet en hoe Europese mkb-bedrijven kandidaatgegevens goed kunnen beschermen.

Kan AI kandidaten eerlijk en nauwkeurig screenen?

Een vacature trekt 180 sollicitaties aan, uw hiringmanager heeft voor vrijdag een shortlist nodig en degene die de werving beheert, verwerkt ook verlofaanvragen, beantwoordt vragen over de salarisadministratie en bereidt onboarding voor. Dit is de situatie achter de vraag: kan AI kandidaten screenen? Ja, maar het nuttige antwoord is specifieker. AI kan het repetitieve werk rond screening verminderen en relevant bewijsmateriaal naar boven halen. Het zou geen poortwachter mogen worden die zonder verantwoording beslist wie een kans krijgt.

Voor groeiende bedrijven is het doel niet om het oordeel uit de werving weg te automatiseren. Het doel is om een klein HR-team genoeg tijd te geven om beter te oordelen, consistent en met een duidelijke vastlegging van hoe beslissingen tot stand zijn gekomen.

Wat AI goed kan doen bij het screenen van kandidaten

AI is het meest waardevol wanneer de aannamecriteria al helder zijn. Het kan cv's en antwoorden uit sollicitaties snel lezen, daar gestructureerde informatie uit halen en die vergelijken met de eisen die een recruiter heeft vastgesteld. Voor een functie waarvoor beheersing van het Nederlands en het Duits, een specifiek certificaat of ervaring met een genoemd systeem nodig is, kan het helpen vast te stellen waar kandidaten dat bewijs hebben geleverd.

Het kan ook de administratie voor en na de shortlist verminderen. Dat kan het categoriseren van sollicitaties omvatten, het opstellen van communicatie met kandidaten, het beantwoorden van routinevragen over het proces en het inplannen van sollicitatiegesprekken. Voor geen van deze taken hoeft AI te beslissen of iemand een goede collega is of waarschijnlijk zal slagen in een specifiek team.

Een logische toepassing is prioritering, niet afwijzing. In plaats van een black-boxscore te presenteren, zou het systeem moeten laten zien waarom een sollicitatie relevant lijkt: bijvoorbeeld drie jaar vereiste sectorervaring, de gevraagde taalvaardigheden en bewijs van een verplichte kwalificatie. Een recruiter kan vervolgens het bronmateriaal controleren en beoordelen of dit werkelijk aan de opdracht voldoet.

Dit onderscheid is belangrijk. Alleen zoeken op trefwoorden is een slechte vervanging voor een beoordeling. Een kandidaat kan andere terminologie gebruiken, overdraagbare ervaring hebben opgedaan in een andere sector of een niet-lineair carrièrepad hebben gevolgd dat veel belangrijker is dan een exacte formulering op een cv.

Waar AI-screening mis kan gaan

Het grootste risico is om historische aannamepatronen als neutraal bewijs te behandelen. Als een AI-model leert van beslissingen uit het verleden, kan het voorkeuren reproduceren die nooit in de functiebeschrijving zijn opgenomen. Het kan de voorkeur geven aan bekende carrièreroutes, opleidingen, werkgevers of schrijfstijlen, zelfs wanneer geen daarvan relevant is om de functie goed uit te voeren.

Cv's zijn ook onvolledige documenten. Ze weerspiegelen wie toegang heeft gehad tot bepaalde kansen en wie is geleerd hoe hij of zij zichzelf moet presenteren. Een sollicitant die zijn of haar werk eenvoudig beschrijft, kan net zo bekwaam zijn als iemand die een gepolijst, trefwoordrijk profiel schrijft. Een AI-tool kan dat verschil niet betrouwbaar vaststellen zonder een menselijk beoordelingsproces daarachter.

Er zijn ook praktische risico's. Parseerfouten kunnen datums, kwalificaties of hiaten in het arbeidsverleden verkeerd interpreteren. Generatieve systemen kunnen overtuigende maar onjuiste verklaringen voor een ranking produceren. Een score kan juist objectief lijken omdat deze numeriek is, terwijl de onderliggende criteria vaag of ongeschikt zijn.

Voor Europese werkgevers verdienen wervingsgegevens bijzondere zorg. Informatie over kandidaten vormt persoonsgegevens, die vaak worden verzameld voordat er sprake is van enig dienstverband. De AVG vereist een rechtmatige, transparante en proportionele aanpak bij de verwerking ervan. Waar beslissingen uitsluitend geautomatiseerd zijn en juridische of vergelijkbaar aanzienlijke gevolgen hebben, kunnen aanvullende waarborgen van toepassing zijn. De EU AI-verordening plaatst ook arbeidsgerelateerde AI-systemen in een streng gereguleerd gebied. De precieze verplichtingen hangen af van het systeem en de use case, dus HR-teams zouden hun adviseurs op het gebied van gegevensbescherming en recht moeten betrekken in plaats van te vertrouwen op de verkoopclaims van een leverancier.

Kan AI kandidaten screenen zonder het aannameproces minder eerlijk te maken?

Dat kan, als het proces is ingericht rond verantwoording door mensen. Eerlijkheid is geen instelling die u in software aanzet. Ze komt voort uit het vaststellen van relevante criteria, het consistent toepassen daarvan en het geven van de gelegenheid aan mensen om beoordeeld te worden op bewijs dat met de functie te maken heeft.

Begin bij de functie, niet bij de tool. Spreek, voordat u een screeningworkflow inricht, af welke criteria vanaf dag één essentieel zijn, welke geleerd kunnen worden en welke slechts voorkeuren zijn. Scheid meetbare vereisten, zoals een vereiste vergunning of het recht op werk, van subjectieve beweringen zoals culturele fit. Dat laatste is vaak te vaag om te automatiseren en kan inconsistentie verhullen.

Maak vervolgens de rol van het systeem expliciet. AI mag sollicitaties ordenen, vermeld bewijsmateriaal identificeren en vragen voor een recruiter voorstellen. Een met naam aangewezen persoon zou elke shortlist en elke afwijzing die uit de screening volgt, moeten beoordelen. Die persoon heeft genoeg informatie nodig om de aanbeveling te kunnen betwisten, niet alleen een stoplichtindicator.

Een praktische invoering omvat meestal vier beheersmaatregelen:

  • Duidelijke, functiegerelateerde screeningcriteria die de hiring manager goedkeurt voordat sollicitaties worden beoordeeld.
  • Menselijke beoordeling van aanbevelingen, met name wanneer een kandidaat anders zou worden afgewezen.
  • Informatie voor kandidaten waarin wordt uitgelegd dat AI het proces ondersteunt, welke gegevens worden gebruikt en hoe u vragen kunt stellen of een beoordeling kunt aanvragen.
  • Regelmatig testen op fouten en ongelijke uitkomsten tussen relevante groepen, met gedocumenteerde actie wanneer er problemen worden gevonden.

Bij het testen zou u echte aannamescenario's moeten gebruiken, niet alleen een demonstratie van de leverancier. Laat een steekproef van sollicitaties door de voorgestelde workflow lopen en vergelijk de uitkomst met een zorgvuldige menselijke beoordeling. Controleer of de workflow sterke kandidaten met minder conventionele cv's mist, te veel gewicht toekent aan irrelevante trefwoorden of meertalige sollicitaties inconsistent behandelt. Herhaal deze test wanneer het functieprofiel, het model of de configuratie van de leverancier verandert.

Bewaar het bewijs, niet alleen de score

Goed ingerichte wervingsprocessen maken beslissingen uitlegbaar. Dat betekent niet dat u voor elke modelberekening een technische uitleg moet geven. Het betekent dat u gewone, redelijke vragen kunt beantwoorden: Wat hebben we beoordeeld? Op welk bewijs hebben we ons gebaseerd? Wie heeft de uiteindelijke beslissing genomen? Hoe kunnen we aantonen dat op elke sollicitant dezelfde normen zijn toegepast?

Uw HR-systeem zou die vastlegging moeten ondersteunen zonder dat er weer een losse spreadsheet bij komt. Houd de vacaturecriteria, het sollicitatiemateriaal, de notities van recruiters, de feedback uit sollicitatiegesprekken en de beslissingsgeschiedenis bij elkaar, met passende toegangsrechten en bewaarregels. Dit helpt bij interne consistentie, vragen van kandidaten en audits. Het voorkomt ook dat AI-output in mailboxen of niet-goedgekeurde tools terechtkomt zonder duidelijk eigenaarschap.

Dataresidentie en de architectuur van de leverancier zijn hier relevant. Vraag waar kandidaatgegevens worden opgeslagen, of deze geïsoleerd zijn van die van andere klanten, welke AI-aanbieder ze verwerkt en of prompts of bestanden worden gebruikt voor het trainen van modellen. Vraag wat er gebeurt wanneer u een kandidaatdossier verwijdert en wie toegang heeft tot de uitkomsten van de screening. Duidelijke antwoorden zijn een basisvereiste bij inkoop, geen technisch detail voor later.

Vragen om te stellen aan een leverancier van AI-screening

Een zinvol gesprek met een leverancier zou verder moeten gaan dan beweringen over nauwkeurigheid. Vraag of het systeem sollicitanten rangschikt, aanbevelingen doet of automatisch afwijst, en of u elk van die gedragingen kunt uitschakelen. Vraag welke criteria het gebruikt, of recruiters het onderbouwende bewijs kunnen zien en hoe de leverancier fouten of vertekening controleert.

U zou ook de operationele grenzen moeten vaststellen. Kan uw team bewaartermijnen instellen? Kunt u een audittrail exporteren? Is er een menselijke escalatieroute wanneer een sollicitant een uitkomst aanvecht? Ondersteunt de leverancier uw eigen goedgekeurde AI-aanbieder of -model waar het beleid dat vereist? De antwoorden laten zien of het product bij uw governancemodel past of verwacht dat uw proces zich aanpast aan de beperkingen van het product.

Maak screening onderdeel van één aannameworkflow

AI-screening levert minder waarde op wanneer het nog een losstaande tool is die nieuwe gegevens oplevert die moeten worden afgestemd. De sterkere aanpak is om die te koppelen aan het volledige medewerkerstraject: goedgekeurde vacatures, kandidaatdossiers, de feedback uit sollicitatiegesprekken, aanbiedingen en onboarding. Recruiters besteden minder tijd aan het verplaatsen van gegevens tussen systemen, terwijl HR een duidelijker beeld houdt van wat er is gebeurd en waarom.

Voor het mkb is dit vaak de werkelijke winst. Een platform zoals Cognitis.cloud kan werving en onboarding onderbrengen in dezelfde HR-omgeving als verlof, aanwezigheid, prestaties en personeelsdossiers, zodat een aangenomen kandidaat niet in meerdere systemen opnieuw hoeft te worden aangemaakt. De AI-functionaliteit zou dat geordende werkproces moeten ondersteunen, terwijl uw team de controle houdt over de criteria, gegevens en beslissingen.

De beste test is simpel: kunnen uw recruiters na de invoering van AI meer tijd besteden aan gesprekken met veelbelovende mensen en minder tijd aan het sorteren van documenten? Als het antwoord ja is, en u nog steeds elke belangrijke beslissing kunt uitleggen en daarachter kunt staan, doet AI het werk dat het zou moeten doen.