

door Maciej Budziewski
Bijgewerkt 01 sep 2026
13 min leestijd
AI in recruitment klinkt vaak groter en slimmer dan het in de praktijk is. Alsof recruiters met één druk op de knop de perfecte kandidaat vinden, interviewen en aannemen. Zo werkt het niet. Goede recruitmentteams gebruiken AI vooral voor werk dat veel tijd kost en weinig glans heeft: ruwe intake-notities opschonen, vacatureteksten aanscherpen, sourcinglijsten maken, outreach sneller schrijven, interviewnotities samenvatten en rapportages begrijpelijk maken.
De echte winst zit dus niet in “de machine kiest”, maar in tijd terugpakken zonder slordiger te worden. Een recruiter die 25 tot 40 vacatures per jaar draait, verliest anders elke week uren aan copy-pastewerk, statusupdates, handmatige samenvattingen en zoekwerk dat net niet goed genoeg is. AI kan daar veel van overnemen, zolang iemand met vakkennis aan het stuur blijft zitten.
Dat menselijke oordeel blijft het belangrijkst. De beste recruiters weten wanneer een hiring manager een onrealistisch profiel vraagt, voelen aan of een kandidaat oprecht geïnteresseerd is, herkennen twijfel achter keurige antwoorden en kunnen uitleggen waarom iemand wel of niet door moet. Dat laat je niet over aan een model dat vooral tekst voorspelt.
Onderzoek laat ook precies dat beeld zien. In LinkedIn’s Future of Recruiting-rapporten geven talent acquisition-leiders aan dat generatieve AI vooral wordt getest voor vacatureteksten, eerste outreach, adminwerk en samenvattingen, niet voor autonome selectie. SHRM trekt dezelfde conclusie: AI kan snelheid en consistentie verbeteren, maar de verantwoordelijkheid voor beslissingen blijft bij mensen. Zie bijvoorbeeld LinkedIn Talent Solutions en SHRM.
Dit artikel laat zien hoe recruiters AI daadwerkelijk gebruiken, stap voor stap, van intake tot aanbod. Inclusief concrete prompts, voorbeelden per fase, meetbare tijdswinst, valkuilen, privacy-aandachtspunten en een eerlijke mening over waar je AI juist níet voor moet inzetten.
In de praktijk vallen de meeste toepassingen in acht categorieën. Niet spectaculair, wel nuttig.
Wat slimme teams meestal niet doen, is AI zelfstandig kandidaten laten afwijzen, een vage “culture fit”-ranking laten maken of een shortlist laten bepalen zonder controleerbare onderbouwing. Zodra je niet meer kunt uitleggen waarom iemand is afgewezen of doorgelaten, creëer je risico. Juridisch, operationeel en reputatietechnisch.
Recruiters overschatten soms de magie en onderschatten het effect van kleine besparingen. Stel dat een recruiter 12 openstaande vacatures heeft en per vacature gemiddeld het volgende doet: intake samenvatten, vacature herschrijven, twee search strings opstellen, outreach drafts maken, een screen recap sturen en een hiring manager-update schrijven. Als AI per onderdeel 10 tot 20 minuten scheelt, loopt dat snel op.
Een nuchtere rekensom:
Bij 12 vacatures kan dat makkelijk 8 tot 15 uur per week schelen, afhankelijk van volume en discipline. Niet omdat AI recruitment overneemt, maar omdat recruiters minder tijd kwijt zijn aan repetitief taalwerk. Dat verschil merk je direct in snelheid naar kandidaten en in de kwaliteit van communicatie naar hiring managers.
Hier gaat het vaak al mis. Een manager vraagt om “minimaal acht jaar ervaring”, “iemand die meteen zelfstandig kan draaien”, “liefst uit exact dezelfde branche”, “hybride maar wel dichtbij kantoor” en “graag binnen vier weken gestart”. Dat is geen intake, dat is een verlanglijst. De recruiter moet daar een zoekbaar en verkoopbaar profiel van maken. AI helpt goed bij de eerste structurering.
Je kunt notities uit een intakegesprek, een oude vacature, teamdoelen, salarisschaal, standplaats en interviewstappen combineren en laten omzetten naar drie bruikbare documenten: een hiring brief, een lijst met must-haves en een lijst met flexibele criteria. Juist dat onderscheid voorkomt veel ruis later in het proces.
Je helpt me een recruitment-intake uit te werken. Gebruik de notities hieronder en maak: 1) een hiring brief van maximaal 150 woorden, 2) een lijst met harde eisen, 3) een lijst met trainbare of flexibele eisen, 4) 15 alternatieve functietitels voor sourcing, 5) 8 gerichte screenvragen, en 6) 5 punten die ik met de hiring manager moet verduidelijken. Schrijf praktisch, zonder vakjargon en zonder marketingtaal.
Een recruiter die dit goed inzet, wint meestal 20 tot 40 minuten per vacature. Belangrijker nog, de intake wordt consistenter. In drukke periodes slaan teams documentatie nog weleens over. Een snelle eerste versie verlaagt die drempel enorm.
Veel vacatureteksten zijn simpelweg slecht. Te lang, te intern, te wollig, te veel eisen, te weinig context. In Nederland zie je nog vaak teksten van 900 tot 1.300 woorden waarin pas halverwege duidelijk wordt wat de functie eigenlijk inhoudt. Dat kost sollicitaties. Zeker in krappe markten haken goede kandidaten snel af.
AI is sterk in herschrijven, inkorten en structureren. Niet door blind een vacature te laten genereren, maar door bestaande tekst te verbeteren met duidelijke instructies. Vraag om een scherpere opening, een onderscheid tussen vereisten en pré’s, minder containerbegrippen en concretere informatie over team, impact en werkweek.
Herschrijf deze vacaturetekst voor een senior data-analist in Nederland. Houd de tekst onder 700 woorden. Maak de eerste alinea concreet en aantrekkelijk, verwijder intern jargon, schrap dubbele eisen, splits harde eisen en pré’s, en wijs zinnen aan die onnodig afschrikken of vaag zijn. Gebruik duidelijke Nederlandse taal.
Mijn ervaring is simpel: een kortere, eerlijkere vacature levert vaak minder sollicitaties op, maar betere. En dat is bijna altijd winst.
Hier zie je vaak de hoogste directe ROI. Recruiters zoeken nog te vaak op de letterlijke functietitel uit de vacature. Dat is zonde. Goede kandidaten noemen zichzelf lang niet altijd hetzelfde. Een Customer Success Manager kan ook Client Partner, Account Manager SaaS, Customer Growth Specialist of Implementatieconsultant heten, afhankelijk van branche en organisatie.
AI helpt bij het bedenken van alternatieve titels, verwante achtergronden, skillcombinaties en Boolean searches. Dat is vooral handig bij schaarse profielen zoals software engineers, data specialisten, finance managers en niche salesrollen.
Neem een voorbeeld. Je zoekt een backend engineer met Go, AWS, Kafka en ervaring met distributed systems. Een te smalle search levert weinig op. AI kan je dan attenderen op titels als Platform Engineer, Distributed Systems Engineer, Software Engineer Infrastructure, SRE met development-achtergrond of Java engineer met Kafka en Kubernetes die goed kan omschakelen naar Go. Dat soort verbreding maakt sourcing ineens realistischer.
Maak een sourcingstrategie voor deze functie. Ik wil: 1) 20 alternatieve functietitels, 2) 3 Boolean searches voor LinkedIn Recruiter, 3) 15 targetbedrijven gegroepeerd op sector en grootte, 4) 5 aangrenzende achtergronden die relevant kunnen zijn, en 5) redenen waarom goede kandidaten deze exacte functietitel mogelijk niet in hun profiel hebben staan. Functie-informatie: [plak hiring brief].
Voor een operations manager in de Randstad kun je denken aan kandidaten uit retail, e-commerce, logistiek, hospitality en scale-ups. De titel verschilt enorm per omgeving. In een distributiecentrum heet iemand teamlead operations, bij een scale-up head of fulfilment, in retail area manager en bij een platformbedrijf workforce manager. Zoek je alleen op één titel, dan mis je soms 60 tot 80 procent van de relevante markt.
Veel bedrijven hebben honderden of duizenden oude sollicitaties in hun ATS staan waar niets meer mee gebeurt. Zonde, want daar zitten vaak prima kandidaten tussen die op het verkeerde moment solliciteerden, afhaakten op salaris, nét een andere ervaring hadden of destijds tweede keus waren. AI is handig om die database opnieuw bruikbaar te maken.
De nette manier is wel belangrijk. Exporteer alleen relevante velden, verwijder gevoelige persoonsgegevens waar mogelijk en laat AI profielen groeperen op vaardigheden, locatie, senioriteit, branche of vermoedelijke match met de nieuwe vacature. Gebruik dat vervolgens als shortlist voor menselijke review, niet als automatische herselectie.
Analyseer deze geanonimiseerde kandidaatprofielen en groepeer ze voor een nieuwe vacature. Maak categorieën op basis van vermoedelijke match, skill-overlap, locatie, salarisspanne en senioriteit. Geef per kandidaat een korte samenvatting met reden voor mogelijke herbenadering. Trek geen definitieve conclusie en markeer waar informatie ontbreekt.
Dit werkt opvallend goed bij functies met terugkerend volume, zoals accountmanagers, customer support, recruiters, projectcoördinatoren en software developers. Eén goede herontdekte kandidaat kan een sourcingweek schelen.
AI maakt slechte outreach sneller, en dat is geen vooruitgang. Kandidaten prikken moeiteloos door generieke berichten heen. “Ik kwam je indrukwekkende profiel tegen” is nog steeds waardeloos, of het nu door een recruiter of een model is geschreven.
Goede outreach is concreet. Waarom juist deze persoon? Waarom juist nu? Waarom is deze stap interessant? En waarom zou de kandidaat jou geloven? AI kan de eerste versie daarvan versnellen, zolang de input goed is en de recruiter de finale toon bepaalt.
Schrijf een eerste benaderingsmail voor een latent werkzoekende kandidaat. Toon is kort, geloofwaardig en professioneel. Gebruik deze input: huidige of recente rol, relevante ervaring, één specifieke reden waarom deze functie kan passen, en een laagdrempelige call-to-action. Houd de mail onder 120 woorden. Verzin geen details en overdrijf niet. Geef ook 3 onderwerpregels.
Schrijf een LinkedIn-bericht van maximaal 400 tekens. Noem één concreet aanknopingspunt uit het profiel van de kandidaat. Houd het direct en respectvol. Vermijd holle termen en laat het niet klinken als bulk-outreach.
Slecht:
Beste Sophie, ik kwam je indrukwekkende achtergrond tegen en dacht meteen dat je perfect zou passen bij een dynamische organisatie in groei.
Beter:
Hoi Sophie, ik zag dat je de afgelopen 3 jaar B2B-klanten hebt opgebouwd binnen HR-software, vooral in het mid-market segment. Ik werk aan een rol bij een SaaS-bedrijf dat nu van founder-led sales naar een gestructureerd team groeit. Jouw combinatie van new business en stakeholdermanagement viel op. Als je openstaat voor een korte kennismaking, stuur ik je graag eerst de context en salarisrange.
Dat tweede bericht wint niet altijd, maar het verdient tenminste een reactie.
AI kan in deze fase nuttig zijn voor voorbereiding, structuur en verslaglegging. Niet voor de beslissing zelf. Een model kan signalen ordenen, maar het voert het gesprek niet, voelt de aarzeling niet en merkt niet dat een kandidaat drie keer om hetzelfde heen praat. Dat is het werk van de recruiter.
Een praktisch proces ziet er zo uit: de recruiter combineert hiring brief en cv, vraagt om mogelijke aandachtspunten en vervolgvragen, voert een screen van 30 minuten, zet ruwe notities om naar een recap en redigeert die voordat de hiring manager hem leest. Dat voorkomt halfbakken samenvattingen en maakt overdrachten consistenter.
Vergelijk dit cv met deze hiring brief. Maak een leidraad voor een recruiter screen met: waarschijnlijke sterke punten, mogelijke hiaten, 8 vervolgvragen, punten rond salaris, opzegtermijn en locatie om te checken, en 3 onderdelen van het cv die onduidelijk of dubbel uitlegbaar zijn. Geef geen totaalscore.
Zet deze ruwe notities om naar een korte en feitelijke samenvatting met de kopjes: ervaringsmatch, inhoudelijke fit, motivatie, praktische randvoorwaarden, aandachtspunten en advies voor volgende stap. Gebruik alleen informatie uit de notities. Markeer wat feit is en wat interpretatie.
Een zwak interviewproces kost meer goede kandidaten dan slechte sourcing. Veel interviewers bereiden zich matig voor, stellen overlapvragen en vullen scorecards slordig in. Ook hier kan AI helpen, mits je het gebruikt voor structuur en niet als beoordelaar.
Een recruiter kan AI vragen om per interviewer een focusgebied op te stellen, interviewvragen te formuleren en een scorecard met bewijsvelden te maken. Dat voorkomt dat vijf mensen allemaal dezelfde algemene vragen stellen en niemand iets leert over de kerncompetenties van de rol.
Maak een interviewkit voor deze functie. Verdeel het interviewteam in 4 focusgebieden, bijvoorbeeld vakinhoud, stakeholdermanagement, probleemoplossing en leiderschap. Formuleer per focusgebied 5 gedragsgerichte vragen, 2 rode vlaggen, 2 positieve signalen en een scorecard waarbij bewijs verplicht is. Houd de vragen concreet en voorkom overlap tussen interviewers.
Na interviews begint vaak een rommelig stuk proces. Losse notities in mail, halve scorecards, meningen die als feiten worden gepresenteerd. AI kan helpen om debrief-input te structureren, verschillen tussen interviewers naast elkaar te zetten en een samenvatting te maken per kandidaat.
Daar zit meteen een waarschuwing bij. Als één interviewer zegt “ik voelde geen klik” en AI dat gladstrijkt tot “twijfels over culture fit”, dan ben je precies op de verkeerde weg. Debriefs moeten concreet blijven. Gedrag, voorbeelden, bewijs. Geen sociaal verpakte vaagheid.
Vat deze interviewfeedback samen per competentie. Geef aan waar interviewers hetzelfde zagen, waar meningen uiteenlopen en welke punten nog onbeantwoord zijn. Gebruik neutrale taal en zet meningen niet neer als feiten. Vermijd termen als culture fit, executive presence of polish als daar geen concreet gedrag bij staat.
Ook voor hiring managers is dit nuttig. In plaats van een ATS-export vol statussen kun je een leesbare update sturen: hoeveel kandidaten zijn benaderd, hoeveel reacties, welke profielen slaan aan, waar in de markt weerstand zit en welke criteria waarschijnlijk te streng zijn.
Recruitmentcoördinatie is onderschat werk. Zeker bij volume of bij agenda’s van meerdere interviewers gaat absurd veel tijd op aan afstemmen, herinneringen, routebeschrijvingen, praktische vragen en no-showpreventie. AI kan hier echt uren schelen.
Denk aan het opstellen van planningsmails, het samenvatten van beschikbaarheid, het formuleren van interviewinstructies of het schrijven van FAQ-antwoorden voor kandidaten. Zeker in processen met veel handoffs voorkomt dat slordigheden.
Schrijf een vriendelijke planningsmail op basis van deze beschikbaarheid en deze interviewstappen. Benoem datumopties overzichtelijk, vermeld duur, gesprekspartners, locatie of videolink, en voeg een korte voorbereiding toe. Schrijf helder Nederlands zonder te formeel te worden.
Maak een korte FAQ voor kandidaten over dit interviewproces. Beantwoord vragen over duur, gesprekspartners, hybride werken, reiskosten, bereikbaarheid, voorbereiding en terugkoppelingstermijn. Houd het vriendelijk en concreet.
Een kandidaat hoeft geen roman te krijgen. Wel duidelijkheid. Het verschil tussen “we komen erop terug” en “je hoort uiterlijk donderdag 17.00 uur van ons” is groter dan veel teams denken.
Veel ATS-rapportages zijn technisch correct en praktisch onbruikbaar. Hiring managers willen geen 14 kolommen met funneldata zien. Ze willen weten: hoe staat het ervoor, waar lopen we vast en wat verwacht je van mij? AI kan ruwe data vertalen naar een heldere samenvatting.
Zet deze pipeline-data om naar een wekelijkse update voor de hiring manager. Gebruik de kopjes: huidige stand, belangrijkste knelpunten, marktfeedback, voortgang sinds vorige week, risico’s en acties die van de manager nodig zijn. Schrijf kort, duidelijk en zonder ATS-jargon.
In plaats van: 42 sourced, 11 contacted, 4 screened, 1 onsite.
Liever: van 42 benaderde kandidaten reageerden er 11, vooral profielen uit Amsterdam en Utrecht. Kandidaten met exact 5+ jaar ervaring zitten gemiddeld 15 tot 20 procent boven het budget. Reacties zijn het sterkst op de combinatie van dataplatform en zichtbare businessimpact. Het strikte kantoorvereiste van 3 dagen per week haakt meerdere kandidaten af. Advies: salarisrange herijken of de locatie-eis versoepelen.
Daar kan een manager iets mee.
Er zijn duidelijke grenzen. Als recruiter of HR-leider moet je die ook hard trekken.
De grootste fout die ik teams zie maken, is deze: ze automatiseren rommel. Een vage intake, slechte vacature en slordige scorecard worden met AI alleen sneller vage intake, slechte vacature en slordige scorecard. Eerst het proces op orde, daarna pas versnellen.
Voor Nederlandse en Europese werkgevers is dit geen bijzaak. Kandidatengegevens vallen onder de AVG. Dat betekent dat je moet weten welke data je verwerkt, waarom, hoe lang je die bewaart en met welke leveranciers je die deelt. Als recruiters cv’s, notities of feedback in willekeurige AI-tools plakken, zit je al snel in grijs gebied of eroverheen.
Houd daarom een paar simpele regels aan:
De Autoriteit Persoonsgegevens publiceert richtlijnen over geautomatiseerde besluitvorming en privacy. Voor organisaties die serieus met AI in HR werken, is dat verplichte kost: Autoriteit Persoonsgegevens.
Je hoeft niet meteen een complete AI-strategie van 40 pagina’s te schrijven. Begin klein en meetbaar.
Denk aan vacatureteksten herschrijven, sourcing searches maken en screen-notities samenvatten. Laat ingewikkelde of gevoelige toepassingen eerst liggen.
Losse experimenten zijn prima, maar teams worden pas echt sneller als ze herbruikbare formats hebben. Sla prompts op per use case. Voeg voorbeeldinput en kwaliteitscriteria toe.
Wie controleert wat? Wat moet altijd handmatig worden nagelezen? Welke outputs mogen nooit ongewijzigd naar kandidaten of managers? Leg het vast.
Niet alleen vragen of mensen het “handig” vinden. Meet bijvoorbeeld: tijd per vacaturetekst, response rate op outreach, doorlooptijd van screens en tevredenheid van hiring managers. Als de kwaliteit daalt, heb je niets gewonnen.
De output is zo goed als de input. Recruiters die helder briefen, concrete context geven en kritisch redigeren halen veel meer waarde uit dezelfde tool dan collega’s die een losse opdracht intikken en hopen op magie.
Hieronder nog een compacte set prompts die in veel teams direct bruikbaar is.
Vat deze vacature en intake samen in 8 bullets die een hiring manager in 1 minuut kan lezen. Benoem doel van de rol, harde eisen, flexibele eisen, salaris, locatie, grootste risico’s en sourcingaanpak.
Schrijf een korte, respectvolle afwijsmail voor een kandidaat na een eerste gesprek. Houd het menselijk en duidelijk. Geef geen juridische of overdreven specifieke feedback, maar noem wel op hoofdlijnen waarom we niet doorgaan. Nodig uit om in contact te blijven als dat passend is.
Geef me 5 manieren om met een hiring manager te bespreken dat de huidige salarisrange te laag ligt voor de markt. Gebruik de data hieronder en formuleer argumenten in zakelijke taal.
Vergelijk deze 4 kandidaten op basis van de vooraf vastgestelde criteria. Maak een tabel met bewijs per criterium, open vragen en risico’s. Trek geen eindconclusie en voeg geen nieuw criterium toe.
Recruiters gebruiken AI vooral om sneller te schrijven, beter te zoeken, consistenter samen te vatten en minder tijd te verliezen aan herhaalwerk. Dat is de kern. Niet autonome selectie, niet magische matching, niet een robot die weet wie succesvol wordt.
Teams die AI verstandig inzetten, krijgen meestal drie voordelen tegelijk: kortere doorlooptijd, nettere communicatie en meer rust in het proces. Maar alleen als ze kritisch blijven. Een recruiter die vakinhoud, marktkennis en menselijk oordeel combineert met goede AI-ondersteuning wordt sterker. Een recruiter die alles blind laat genereren, wordt vooral sneller middelmatig.
Wil je hiermee starten, begin dan klein. Kies een paar veilige toepassingen, bouw vaste prompts, meet de opbrengst en houd mensen verantwoordelijk voor beslissingen. Zo hoort het ook.
Delen:
No comments yet. Be the first to share your thoughts!
17 min leestijd
19 min leestijd
21 min leestijd