Foundub leest wat een vacature echt vraagt, zoekt semantisch in je eigen data en daarbuiten, en levert kandidaten met bewijs per criterium. Lees over de recruitment tool van Foundub die is ingezonden voor de Recruitment Tech Awards 2026.
Recruitment tooling van Foundub
Omschrijving van de tooling
Foundub is recruitmentsoftware waarin agents het zoek- en beoordeelwerk doen.
In de meeste systemen gaat het al mis voordat er gezocht wordt. Een vacaturetekst wordt teruggebracht tot een paar zoekwoorden, meestal de functietitel en wat vaardigheden. Daarmee vind je mensen met de juiste functietitel, en dat is een andere groep dan de mensen die het werk kunnen doen.
Foundub leest de vacature uit tot een ideaal kandidaatprofiel: harde eisen, wensen, niveau, de context van team en bedrijf, en per onderdeel een criterium. Dat profiel is zichtbaar en aanpasbaar.
Het zoeken is semantisch. Het systeem vergelijkt betekenis in plaats van woorden en leest ervaring in de context waarin die is opgedaan. Een Backend Engineer, een Java Developer en een Software Engineer kunnen voor dezelfde vacature relevant zijn. Iemand kan jarenlang met Kubernetes hebben gewerkt zonder dat het ooit als vaardigheid is vastgelegd. Die informatie zit in cv-teksten, notities en eerdere opdrachten, en weegt mee.
Gezocht wordt in de database van de klant, of rechtstreeks in hun ATS via een koppeling, en tegelijk in Lead Finder, onze eigen bron van Nederlandse profielen. Het bestand van de klant wordt vooraf opgeschoond: losse cv’s gestructureerd, dubbele profielen samengevoegd, ontbrekende ervaring aangevuld. Zonder die stap zoekt een systeem in data die een recruiter nog kan duiden, een machine niet.
Zoeken en beoordelen zijn bij ons gescheiden. Dat kost iets, want breder ophalen betekent meer kandidaten om te beoordelen. Het voorkomt dat iemand afvalt voordat er inhoudelijk naar hem is gekeken. Beoordelen gebeurt per criterium, met de bron erbij. Wat we niet weten heet onbekend en telt niet mee als half punt, zodat een recruiter het oordeel kan nakijken en tegenspreken.
Benadering en opvolging zitten in dezelfde omgeving. Wat de recruiter corrigeert of afwijst gaat terug het systeem in.
Wat we bewust niet hebben gebouwd is een knop die alles afhandelt. Het oordeel blijft bij de recruiter.
Welk probleem lost de tool op?
Een vacature bevat de hele zoekopdracht, maar wordt gebruikt als een paar zoekwoorden. Het niveau, de context van het team, wat echt moet en wat wenselijk is: dat wordt niet omgezet in criteria. Daardoor wordt er te smal gezocht en blijven passende mensen in de eigen database en in de Nederlandse markt buiten beeld. En wat er wel gevonden wordt komt zonder onderbouwing, dus een recruiter kan niet laten zien waarom iemand past: niet aan zijn hiring manager en niet aan zijn opdrachtgever.
Hoe werkt de tool?
De recruiter zet een vacature in Foundub, of laat hem automatisch binnenkomen vanaf de werkenbij-pagina of uit het eigen ATS. Foundub leest hem uit en legt een kandidaatprofiel voor met de criteria erbij: wat moet, wat is wenselijk, welk niveau, wat voor team. De recruiter leest dat door, haalt eruit wat niet klopt en vult aan wat in de intake is gezegd maar niet in de tekst staat.
Daarna draait de zoekopdracht, in de eigen database en in Lead Finder. Er komt een lijst terug waarin per kandidaat staat op welke criteria hij scoort, waar dat op gebaseerd is en wat onbekend is. De recruiter klikt door naar de onderliggende bron of gaat meteen verder naar de volgende.
Bij de kandidaten die hij wil spreken staat een bericht klaar met de context uit dat profiel. Hij past aan wat hij wil, keurt goed en verstuurt vanuit Foundub. De opvolging loopt door tot iemand reageert, en reacties komen in de pipeline terecht.
Wat hij corrigeert of afwijst weegt mee in de volgende zoekopdracht.
Wordt er AI gebruikt in de tool?
AI zit op vijf plekken: het uitlezen van de vacature tot criteria, het structureren en aanvullen van kandidaatdata uit cv’s en documenten, het semantisch zoeken waarbij betekenis wordt vergeleken in plaats van woorden, het beoordelen per criterium met bewijs en bron, en het opstellen van een persoonlijk bericht per kandidaat op basis van dat matchrapport. Correcties en afwijzingen van de recruiter wegen mee in volgende zoekopdrachten. AI beslist niet: er gaat niets uit zonder akkoord.
Wat levert gebruik van de tooling op?
Voor de klant zit de winst eerst in de eigen database. Kandidaten die er al jaren in staan komen weer boven, waardoor een vacature niet standaard begint met extern zoeken. Het zoek- en beoordeelwerk dat nu het grootste deel van de dag kost, ligt klaar voordat de recruiter begint. En omdat per kandidaat vaststaat waarop het oordeel rust, kan een selectie worden uitgelegd aan een hiring manager of opdrachtgever zonder dat iemand cv’s naast elkaar hoeft te leggen. De database wordt daarmee van archief iets waar je mee werkt.
Voor de kandidaat verandert er iets dat minder opvalt. Hij wordt beoordeeld op wat hij heeft gedaan en niet op hoe zijn functietitel luidt, dus hij komt in beeld voor rollen die anders langs hem heen waren gegaan. Wat over hem onbekend is telt als onbekend en niet als minpunt. En hij krijgt geen bulkbericht: elke benadering gaat over zijn eigen profiel en is door een recruiter nagekeken voordat die verstuurd wordt.
Wat maakt de tool innoverend/vernieuwend?
Wij lezen wat een vacature bedoelt, niet alleen wat er staat. Een tekst die om vijf jaar ervaring vraagt bedoelt zelden precies vijf jaar; wat echt nodig is blijkt uit de rol, het team en het bedrijf. Dat zetten we om in criteria, en pas daarna wordt er gezocht en beoordeeld.
Doordat zoeken en beoordelen gescheiden zijn, bepaalt de zoekopdracht niet wie er beoordeeld wordt. En het bericht aan de kandidaat komt uit het matchrapport, dus de benadering noemt waarom iemand past.
Wat is de visie op technologie in recruitment?
Wij zijn zelf recruiters. Foundub is ontstaan omdat we vastliepen op iets simpels: de kandidaat die we zochten zat vaak al in onze eigen database en we vonden hem niet terug.
Onze visie is dat technologie het voorbereidende werk hoort te doen en niet het oordeel. Uitlezen, zoeken, vergelijken, samenvatten en contact voorbereiden doet een systeem consistenter dan een mens. Beslissen wie je spreekt en waarom blijft mensenwerk.
Daar hoort een consequentie bij die weinig partijen trekken. Als je wilt dat een recruiter een systeem vertrouwt, moet hij het kunnen tegenspreken. Een score zonder onderbouwing is niet bruikbaar: je kunt er niet op doorvragen en je kunt hem niet uitleggen aan een hiring manager of aan een kandidaat. Datzelfde geldt voor wat een systeem niet weet. Veel modellen vullen ontbrekende informatie aan met aannames, omdat een compleet profiel er beter uitziet. Wij laten die gaten staan, want een recruiter die ziet wat er ontbreekt weet wat hij moet vragen.
Wat ons opvalt in de markt is dat er vooral tools bij komen. Meer sourcing, meer automatisering, meer kanalen. Maar de data waarop dat allemaal moet draaien wordt zelden aangepakt, terwijl een agent nooit beter is dan het bestand waarin hij zoekt.
En het gaat over kandidaten. Die verdienen een beoordeling op wat ze gedaan hebben in plaats van op trefwoorden, en een bericht dat over hen gaat. De tijd die automatisering oplevert is precies de tijd die je daaraan kunt besteden.
Waarom moet deze tooling een Recruitment Tech Award winnen?
In 2025 wonnen we hier de Demo_Day Startup Pitch, met een product dat net op de markt was. Daarna hebben we het niet uitgebreid maar opnieuw gebouwd.
We hebben de twee dingen aangepakt waar in recruitment meestal omheen wordt gewerkt: dat de zoekopdracht al bepaalt wie beoordeeld wordt, en dat niemand kan uitleggen waarom iemand bovenaan staat. Dat oogt minder spectaculair dan een knop die alles doet, maar het is de reden dat recruiters het blijven gebruiken.
