Organisaties investeren miljoenen in AI- én recruitmenttechnologie, maar meten vervolgens zelden of hun wervingsbeslissingen goed waren. Dr. Djurre Holtrop (Tilburg University) ziet een fundamenteel probleem in de sector. “Heel veel organisaties koppelen hun prestatiebeoordeling en verloop niet aan de gegevens die ze hebben uit het werving- en selectieverhaal. Dan weet je nooit of je het goed doet en kun je nooit verbeteren.”
Hoe eerlijk is AI eigenlijk in recruitment?
Het Recruitment Tech Event 2025 was de laatste editie van hét evenement geïnteresseerden én leveranciers van recruitmenttechnologie samenbracht. Een passend moment dus om stil te staan bij een vraag die de sector al enige tijd bezighoudt: hoe eerlijk is AI eigenlijk in recruitment? Voor een antwoord gingen we in gesprek met Dr. Djurre Holtrop van Tilburg University, die uitgebreid onderzoek deed naar het gebruik van AI door sollicitanten.
Het effect is groter dan je denkt
Het onderzoek van Holtrop toont aan dat sollicitanten die een motivatiebrief schrijven met een taalmodel gemiddeld veel beter beoordeeld worden dan mensen die zelf een brief schrijven. “Ik betwijfel of iedereen het weet, maar sollicitanten gebruiken taalmodellen zoals ChatGPT en dat heeft een enorm effect op hoe zij beoordeeld worden. Dat klinkt heel simpel, maar laat me het even verder uitwerken.”
“Taligheid of taalvaardigheid wordt opeens minder belangrijk.”
“Iemand die een beetje zijn best doet, een taalmodel opent en een beetje mee gaat werken, kan dat. En die mensen worden enorm veel beter beoordeeld. Maar het wordt pas echt interessant als je kijkt naar de secundaire effecten. De verschillen tussen mensen die goed zijn in het Nederlands en slecht zijn in het Nederlands – of in dit geval het onderzoek was in het Engels – die verschillen nemen af. Taligheid of taalvaardigheid wordt opeens minder belangrijk.”
Of trekt AI het speelveld júist gelijk?
Maar hoe zit het met functies waar taalvaardigheid minder relevant is? “Als we nou iemand voor beveiliging aannemen, of een postbezorger, of een treinconducteur – in hoeverre maakt dan geschreven taalvaardigheid uit hoe goed deze mensen zijn in hun baan? Niet dus. Dan kun je weer zeggen: misschien helpt een taalmodel deze sollicitanten wel juist met het goed verwoorden van hun vaardigheden.”
Het voorbeeld van de postbezorger maakt het concreet: als er twee CV’s en twee motivatiebrieven op tafel komen en één is vol spellingsfouten, terwijl de andere oké is, dan wordt die eerste al snel genegeerd. “Die kan niet eens een motivatiebrief schrijven, kan niet eens zijn eigen opleiding fatsoenlijk formuleren is dan de gedachte. Dus dan heb je het over een speelveld dat gelijk wordt getrokken.”
‘Transparantie werkt aan twee kanten’
De oplossing? Transparantie van twee kanten. “Als AI-vaardigheid belangrijk is voor het werk, meet dat dan ook los. Maar probeer vooral wat je van sollicitanten vraagt zoveel mogelijk los te koppelen van AI. Maak duidelijk wat AI voor rol mag spelen in het sollicitatieproces, zodat het voor alle sollicitanten hetzelfde is. En moedig dan wellicht het gebruik van AI aan als dat relevant is voor de baan.”
Holtrop stelt dat organisaties niet moeten doen alsof AI aan kandidaatkant niet bestaat. “Heel veel organisaties denken nog: ‘hij heeft zijn hele brief met ChatGPT in elkaar geflikkerd’, en vinden daar vervolgens iets van. Maar je gebruikt zelf ook screeningstools Transparantie werkt twee kanten op.”
De dystopie van AI die AI beoordeelt
Wanneer host Jasper Spanjaart aan Holtrop vraagt om een dystopischer beeld te schetsen, lukt dat dan ook vrij gemakkelijk. “We moeten oppassen dat het niet zo wordt dat een sollicitant zijn AI-agent gebruikt om te solliciteren op een baan en aan de organisatiekant een AI de output van een andere AI beoordeelt.”
“We moeten oppassen dat het niet zo wordt dat een sollicitant zijn AI-agent gebruikt om te solliciteren op een baan en aan de organisatiekant een AI de output van een andere AI beoordeelt.”
“En dan hebben twee AI’tjes met elkaar besloten of iemand een baan krijgt of een sollicitatiegesprek. Daar moeten we echt goed over nadenken. Is dat een toekomst die we willen? En hoe zouden we die moeten inrichten? Wat is de rol van de mens in deze toekomst?”
Quality of hire: het grote gemis
En in die AI-discussie gaat het vaak nog maar om één element: snelheid: een snellere match tussen kandidaat en organisatie. But what about the quality? “Wetenschappelijk onderzoek gaat er eigenlijk vanuit dat het allemaal gaat om de quality of hire”, ziet Holtrop. “Wetenschappers doen er enorm veel moeite voor om prestatiebeoordelingen te verzamelen nadat iemand de sollicitatieprocedure is doorlopen, om te kijken of wat we in de sollicitatieprocedure hebben gedaan voorspellend is voor werkprestatie later. Maar in heel veel organisaties krijgen recruiters niet eens echt feedback over wat de kwaliteit van hun beslissingen was.”
“Was de hiring manager tevreden met de kandidaat die je hebt aangedragen? Landde diegene goed in het team? Paste dat goed, werkte het? Dat zijn dingen waar heel veel recruiters niet per se wat over horen, want dan gaat het over naar HR.”
Het zijn volgens Holtrop de allerduurste beslissingen die je als bedrijf kunt nemen. “Als je de verkeerde persoon aanneemt, wil dat zeggen dat je collega’s en werknemers tijd hebben besteed aan iemand inwerken. Vervolgens gaat er iemand weg, dat is ook een klap voor het team. En dan moet je weer opnieuw gaan werven en selecteren.”
Bewijs leveren moet ‘marktconform’ worden
Terwijl een hoop organisaties grijpen naar tools, heeft Holtrop soms moeite met de mate van transparantie die softwareleveranciers willen leveren. “Een tijd geleden vroeg een organisatie bij een aanbesteding: kunnen wij bewijs zien dat de tools die nu worden aangeboden voorspellend zijn voor werkprestatie? Een deel van de reacties van organisaties die zich wilden inschrijven was: dat is niet marktconform om daarnaar te vragen.”
“Eigenlijk zeggen ze: we willen bewijs dat wat we kopen werkt. Net alsof je medicijn neemt – kun je laten zien dat er een proef is dat ik er beter van word? Nee, dat kunnen we niet doen. Dat is niet conform de markt. Dat is niet hoe we normaal dingen verkopen.”
Maar het ligt niet alleen bij de leveranciers, stelt Holtrop. “Organisaties moeten daar ook zelf kritisch naar gaan kijken: wil je iets hebben waarvan je weet dat het werkt? Of wil je je maar gewoon overlaten aan een goed gevoel en kijken of het dan lukt? Heel veel grote organisaties koppelen ook niet hun prestatiebeoordeling en verloop aan de gegevens die ze hebben uit het werving- en selectieverhaal. Dan weet je nooit of je het goed doet en kun je nooit verbeteren.”
Koppeling tussen recruitment én HR-data: ‘Gooi eens wat in Excel’
Het goede nieuws? Het hoeft niet eens zo moeilijk te zijn, aldus Holtrop. “Als je iemand hebt die die dingen eventjes uit je database trekt en aan elkaar koppelt op werknemersnummer, dan kun je al hele simpele statistiekjes draaien die iemand op je HR-afdeling moet kunnen draaien.”
Een voorbeeld? “Een correlatie. Gewoon: is het één verbonden aan het ander? Krijgen de mensen die later goed presteren ook hogere beoordelingen in interviews? Als je die twee stukjes – één uit je ATS trekt, wat waren de beoordelingen van mijn sollicitanten, en je trekt uit een ander HR-systeem de prestatiebeoordeling van de mensen die je hebt aangenomen en je zet die naast elkaar en dan druk je op correlatie. Dat kan je al in Excel.”
“Je zit in een dienende rol.”
“We hebben het al heel snel over een tool en wat die allemaal doet voor efficiëntie, die time-to-hire, prettige kandidaatervaring. Maar daar houdt het niet op. Werving en selectie is verbonden aan de hele organisatie daarna. En daarvoor doe je het eigenlijk. Je zit in een dienende rol.”
