AI in je wervingsproces: van vacaturetekst tot eerste selectie zonder bias-risico

Je hebt een vacature openstaan, vijftig sollicitaties in je inbox en een recruitmenttool die belooft de beste vijf er in één klik uit te zeven. De verleiding is groot: klik op "rangschik", pak de shortlist en ga door met je werk. Maar tussen "AI bespaart me een middag" en "AI heeft stilletjes de verkeerde mensen weggefilterd" zit precies één ding, en dat is niet de tool. Het is hoe je je proces inricht.

Deze gids is voor de ondernemer, HR-verantwoordelijke of teamleider die zelf werft, van een MKB-bedrijf tot een afdeling binnen een grotere organisatie, en die AI wil inzetten zonder een discriminatierisico binnen te halen. Geen theoretisch verhaal over ethiek, maar een concrete workflow: van vacaturetekst tot eerste selectie, met menselijke beslispunten op elke plek waar een kandidaat afvalt. De rode draad is simpel: automatiseer de taak, niet het oordeel. Waarom een algoritme dat consistent oordeelt nog geen eerlijk oordeel velt, en dat juist een klein bedrijf harder raakt dan een concern, werkte ik eerder uit; hier gaat het om de praktijk.

Wat je nodig hebt

Voordat je begint, leg je een handvol dingen klaar. Niet veel, maar wel de juiste:

• Een AI-tool die je vertrouwt voor tekst. ChatGPT, Claude, Microsoft Copilot of de ingebouwde AI van je ATS. Je gebruikt hem voor schrijf- en samenvatwerk, niet om te beslissen.
• Een gratis bias-checker voor je vacaturetekst. Gender Decoder voor een snelle scan, of een bredere tool als Textmetrics als je structureel werft.
• Een vast scoreformulier per functie. De drie tot vijf criteria die echt voorspellen of iemand het werk aankan, opgeschreven vóórdat je één cv ziet.
• Duidelijke beslispunten en een plek om besluiten vast te leggen. Een gedeeld document of je ATS, waarin staat wie wel en niet doorging en waarom.
• Zicht op je verplichtingen. Het discriminatieverbod bij sollicitaties geldt nu al, los van welke software je gebruikt. Sterker nog: AI die vacatures gericht plaatst, sollicitaties filtert en kandidaten beoordeelt, valt onder de hoog-risico-categorie van de Europese AI Act. De zwaarste verplichtingen voor zulke zelfstandige hoog-risicosystemen gaan pas op 2 december 2027 in, maar dat is uitstel van de regels, geen uitstel van je verantwoordelijkheid.

De workflow: van vacaturetekst tot selectie

Met deze workflow zet je AI in voor het voorwerk van werving, het schrijven, samenvatten en voorbereiden, terwijl een mens elke beoordeling houdt. Je schrijft en test de vacature, screent gestructureerd in plaats van op onderbuik, en legt elk besluit vast. Zo win je tijd zonder dat een algoritme ongemerkt kandidaten wegstreept.

Doorloop deze zeven stappen, in volgorde:

1. Trek de grens vóór je begint

Bepaal als eerste, op papier, welk werk de machine mag dragen en welk oordeel een mens houdt. De vuistregel: alles wat voorbereidt (parsen, samenvatten, plannen, schrijven) mag naar AI; alles wat rangschikt, weegt of afwijst blijft bij een mens. Zet die grens om in concrete checkpoints in je proces, zodat niemand later "even" op de rangschik-knop leunt.

2. Schrijf de vacaturetekst met AI, en test hem op bias

Laat AI een eerste versie schrijven op basis van de functie, maar vertrouw die tekst niet blind: een model is getraind op bestaande vacatures en reproduceert hun clichés. Haal de tekst daarom door een bias-checker. Een gratis Gender Decoder markeert mannelijk gecodeerde woorden als "dominant" of "daadkrachtig" die vrouwen onbedoeld afschrikken, terwijl een betaalde tool ook leeftijdsbias en leesniveau (streef naar B1) meeneemt. Schrap onnodige eisen ("digital native", "minimaal tien jaar ervaring") die hele groepen wegfilteren zonder dat ze iets over geschiktheid zeggen.

3. Maak je scoreformulier vóór je één cv opent

Dit is de belangrijkste stap en wordt het vaakst overgeslagen. Schrijf, voordat je sollicitaties bekijkt, de criteria op waarop je beoordeelt en hoe zwaar elk meetelt. Een scorecard in Google Sheets volstaat. Door de meetlat vóór de kandidaten vast te leggen, voorkom je dat je je criteria onbewust ombuigt naar de kandidaat die je toevallig het sympathiekst vindt.

4. Laat AI cv's parsen en samenvatten, niet scoren

Nu mag AI het zware tilwerk doen: cv's uitlezen, per kandidaat een korte samenvatting maken tegen jouw criteria, en zoeken op vaardigheden in plaats van losse trefwoorden. Belangrijk: laat de tool niet rangschikken of een geschiktheidsscore plakken. Anonimiseer waar het kan, haal naam, leeftijd, foto en geboorteland uit de samenvatting, zodat jij beoordeelt op wat iemand kan. Jij leest de samenvattingen en zet de scores, niet de machine.

5. Structureer het gesprek, en bereid het voor met AI

Vervang het vrije kennismakingsgesprek door een gestructureerd interview: dezelfde kernvragen voor elke kandidaat, een scorecard per competentie. Dat is geen bureaucratie, het is gewoon beter. Uit de meest recente meta-analyse blijkt dat gestructureerde gesprekken werkprestaties ongeveer twee keer zo goed voorspellen als vrije gesprekken (0,42 tegen 0,19), en bovendien minder ruimte laten voor onbewuste voorkeur. AI helpt hier prima bij de voorbereiding: laat het op basis van de functie en het cv een set vragen en doorvraagpunten genereren. Het gesprek zelf, en het oordeel, blijven van jou.

6. Beslis als mens, en leg het vast

Op elk moment dat een kandidaat afvalt, kijkt een mens en legt die het besluit vast: wie ging niet door en waarom, in je eigen woorden. Geen automatische afwijzingsmail die een tool zelfstandig verstuurt. Dat dossier is geen administratieve last maar je bewijs: het College voor de Rechten van de Mens is helder dat een sollicitatieprocedure altijd inzichtelijk, controleerbaar en systematisch moet zijn, ook als een algoritme meebeslist. Een afgewezen kandidaat mag vragen of er software is gebruikt en hoe die werkt. "De tool deed het" is dan geen antwoord.

7. Kijk terug op je uitkomsten

Werving is een proces dat je bijstelt, geen knop die je indrukt. Kijk na een paar rondes terug: wie viel waar af, en zie je een patroon dat je niet kunt verklaren (bijvoorbeeld dat één groep stelselmatig in stap 4 sneuvelt)? Over kleine aantallen is bias statistisch onzichtbaar, dus leun op je dossier en je gezond verstand, niet op een dashboard. Behandel de AI-output net als elke andere: controleer hem voor je erop vertrouwt.

Valkuilen

Een paar fouten kom ik telkens tegen. Ze hebben gemeen dat de tool de schuld krijgt, terwijl het ontwerp het probleem was.

• De rangschik-knop als eindoordeel gebruiken. Een score naast een cv voelt objectief, maar het is een blackbox-uitkomst van een model dat zijn vooroordelen uit data leerde. Gebruik hem hooguit als één signaal, nooit als de selectie zelf.
• De vacaturetekst door AI laten "optimaliseren" zonder bias-check. Je krijgt vlotte taal terug die de gangbare clichés netjes reproduceert. Zonder controle versterk je precies de scheefheid die je wilde vermijden.
• Anonimiseren overslaan. Beoordeel je toch op naam, leeftijd of foto, dan haal je de bias die je er net uitwerkte gewoon weer binnen. Houd die gegevens uit de samenvatting tot de mens beslist.
• Geen dossier bijhouden. Zonder vastgelegde, navolgbare reden per afwijzing sta je met lege handen als een kandidaat of een toezichthouder vraagt hoe je tot je keuze kwam.
• Denken dat het uitstel van de hoog-risico-regels voor AI in werving tot eind 2027 je vrijwaart. Het uitstel gaat over de AI Act, niet over discriminatie. Dat venster is bedoeld om je AI-systemen te inventariseren en in een register vast te leggen, niet om achterover te leunen.
• Kandidaatdata in een willekeurige publieke tool plakken. Cv's bevatten persoonsgegevens. Spreek af welke tool mag, met welke instellingen, en zorg dat je team weet hoe het verantwoord met AI omgaat zodat er geen schaduwgebruik ontstaat.

Kant-en-klaar of maatwerk?

Hoe je dit technisch invult hangt af van je volume en hoeveel grip je wilt. Drie routes, eerlijk afgewogen:

Voor de meeste organisaties is de middenweg het verstandigst om mee te beginnen: losse AI voor het voorwerk, een mens voor het oordeel, en pas maatwerk als het volume of de eisen rond uitlegbaarheid dat rechtvaardigen. Wie die kant op gaat, merkt dat de winst niet in een slimmer model zit maar in data die op orde is en in beslispunten die je expliciet hebt vastgelegd. Het praktische werk daaromheen, zoals gesprekken automatisch laten inplannen via Calendly, is precies het soort taak dat AI en automatisering wél zonder bezwaar mogen dragen.

Tot slot

Wervings-AI is geen knop die je indrukt, maar een grens die je trekt. De bedrijven die hier goed uitkomen, zijn niet degene met de duurste tool, maar degene die helder hebben besloten welk werk de machine doet en welk oordeel een mens houdt. Die keuze maak je niet bij de aanschaf, maar in het ontwerp van je proces, en je bent er zelf verantwoordelijk voor. Doe het voorwerk met AI, houd het oordeel bij jezelf, en leg vast waarom je koos zoals je koos. Dan levert AI je precies op wat je zocht: een halve dag tijd terug, zonder dat je er een risico voor terugkrijgt dat je pas maanden later ziet.