AI in je ATS: 6 features die elke vendor belooft, en hoe je ontdekt welke écht werken

Eerst: de harde juridische werkelijkheid

Voordat we de features induiken, een punt dat geen enkele vendor je uit zichzelf zal vertellen. AI in werving en selectie valt onder de high-risk classificatie van de EU AI Act; die verplichtingen gelden vanaf 2 december 2027 (door de Digital Omnibus verschoven van augustus 2026). In de praktijk betekent dat:

• ☐ Bias-audits zijn verplicht en moeten gedocumenteerd worden
• ☐ Een Data Protection Impact Assessment (DPIA) is geen optie meer maar wettelijk vereist
• ☐ Kandidaten hebben recht op uitleg over hoe het AI-systeem hun aanvraag heeft beoordeeld
• ☐ Menselijke review op significante beslissingen is verplicht

Let op: dit is geen probleem van de leverancier. Dit is jouw probleem als verwerkingsverantwoordelijke. Wie in 2026 een ATS aanschaft waarvan de AI niet aan deze eisen voldoet, staat zelf voor de toezichthouder, niet de vendor uit Stockholm, Berlijn of de US.

Dat maakt de zes testvragen hieronder geen vrijblijvende exercitie. Het is due diligence.

1. CV-parsing

Wat de demo laat zien: een nette PDF van een fictieve kandidaat wordt binnen drie seconden omgezet naar een gestructureerd profiel. Naam, opleiding, werkervaring, vaardigheden, alles netjes in de juiste velden.

Wat je niet ziet: dit was een nette PDF. CV-parsing breekt op handgeschreven scans, op documenten met tabellen, op tweetalige CV's, op iemand die zijn werkervaring in omgekeerde chronologie heeft staan.

Testvraag: "Mag ik vijf willekeurige CV's uit onze laatste vacature uploaden tijdens deze demo?"

Een vendor met betrouwbare parsing zegt ja en deelt direct het foutpercentage van het model. Een vendor die liever niets parseert wat zij niet vooraf hebben getest, vraagt of dit later kan. Dat is je antwoord.

2. Kandidaat-matching

Wat de demo laat zien: een match-score van 94%. Een groen vinkje. "Deze kandidaat past bij deze rol."

Wat je niet ziet: waar komt die 94% vandaan? Is het model getraind op jullie historische hires, of op een generiek datamodel dat niets weet van de Nederlandse arbeidsmarkt, CAO's of beroepskwalificaties?

Testvraag: "Op welke data is jullie matchingmodel getraind, en kan het hertraind worden op onze eigen historische data? En welk AI-model gebruiken jullie eigenlijk onder de motorkap?"

Generieke modellen produceren generieke matches. Een kandidaat die in de VS perfect zou passen bij een Sales Manager-rol, past niet automatisch bij de Nederlandse versie van diezelfde functie, waar BV-juridisch perspectief, CAO-kennis en specifieke certificeringen impliciet worden verwacht.

3. AI-screening en shortlisting

Dit is de meest overhypte feature in de markt. Niet toevallig is dit precies de feature waar de EU AI Act het hardst op landt.

Wat de demo laat zien: je voert 200 sollicitaties in, de AI levert een gerangschikte top-vijf. Tijd bespaard, ruis weggefilterd.

Wat je niet ziet: waarom kandidaten 6 tot 200 op die lijst staan. Of het algoritme bepaalde groepen systematisch lager scoort. Of er een bias-audit is uitgevoerd. Of een afgewezen kandidaat überhaupt kan opvragen waarom hij is afgewezen. Dat laatste is overigens geen optie meer, vanaf augustus 2026 ben je verplicht dat uit te kunnen leggen, hoe vervelend dat ook is.

Testvragen, in deze volgorde:

• ☐ Is er een externe bias-audit uitgevoerd op dit model? Mag ik het rapport zien?
• ☐ Hoe wordt de score per kandidaat berekend, en wat daarvan is reproduceerbaar?
• ☐ Wat gebeurt er als een kandidaat bezwaar maakt tegen de uitkomst?

Vendors die op vraag 2 vaag worden of doorverwijzen naar "onze data scientists in de US", verdienen geen tweede gesprek.

Casus uit de praktijk: een organisatie startte met de inzet van een AI-tool die hielp bij sollicitatiegesprekken. De data stond echter in de US opgeslagen, en niet, zoals verplicht voor deze organisatie, binnen de EU. Het probleem werd pas zichtbaar toen de eerste kandidaat zijn rechten onder de AVG inriep en uitleg vroeg over de verwerking. De tool werd binnen drie weken stilgelegd. De juridische nasleep duurde maanden.

4. AI-gegenereerde vacatureteksten

Wat de demo laat zien: een vlotte tekst voor een Sales Manager-rol, gegenereerd in tien seconden, met de juiste keywords en een aanlokkelijke openingszin.

Wat je niet ziet: Sales Manager is de makkelijkste vacature ter wereld. Elke generieke LLM levert daarvoor een werkbare tekst. De realiteit is dat je AI juist nodig hebt voor die ene zeldzame of moeilijke functie, niet voor de standaardvacatures die je sowieso al tien keer hebt geschreven.

Testvraag: "Schrijf een vacaturetekst voor een Veiligheidsdeskundige bij een gemeente, met BHV-coördinatie als nevenfunctie en kennis van de Arbowet als hard requirement."

Een goede AI-vacaturegenerator weet dat dit een andere doelgroep is, vermijdt wervingsjargon, signaleert onbewust discriminerende formuleringen ("dynamische jongeman", "digital native") en past zich aan de tone-of-voice van overheidscommunicatie aan. Een zwakke generator levert hetzelfde sjabloon als bij Sales Manager, alleen met andere kernwoorden.

5. AI-chatbot voor kandidaten

Wat de demo laat zien: een sollicitant stelt een vraag over de vacature en krijgt een vriendelijk, accuraat antwoord.

Wat je niet ziet: wat er gebeurt als de chatbot het antwoord niet weet.

Testvraag: "Wat zijn de exacte secundaire arbeidsvoorwaarden bij deze vacature?"

Als de chatbot deze informatie niet heeft, zijn er twee uitkomsten. De eerste: hij escaleert naar een mens of zegt eerlijk dat hij het niet weet. De tweede: hij hallucineert een antwoord, en dat komt vaker voor dan je denkt. Een verzonnen reiskostenvergoeding of vakantiedagenregeling in een chatbot is geen feature; het is dodelijk voor je betrouwbaarheid als werkgever.

Vraag naar de escalation rules. Vraag of er logging is van wat de bot heeft beloofd. Vraag wie eindverantwoordelijk is voor de inhoud van die conversaties.

6. AI-agents

De nieuwste categorie, en de minst geteste in de praktijk. Een AI-agent benadert kandidaten autonoom, plant gesprekken in, beantwoordt follow-up vragen, en in sommige gevallen voert hij zelfstandig een eerste screening-interview uit.

Wat de demo laat zien: een agent die binnen 24 uur 50 kandidaten heeft benaderd, 12 gesprekken heeft ingepland en je inbox leeg houdt.

Wat je niet ziet: wat de kandidaat ziet. Weet de kandidaat dat hij met een AI praat? Welke claims maakt de agent over de organisatie? Wie is aansprakelijk als de agent een toezegging doet die niet kan worden waargemaakt?

Testvragen:

• ☐ Wordt expliciet gecommuniceerd aan de kandidaat dat hij met een AI praat? (De EU AI Act vereist dit.)
• ☐ Wat zijn de conversiecijfers en drop-off percentages bij agent-gestuurde benadering? Of, niet ondenkbaar, vinden kandidaten dit juist prettiger dan gebeld worden door een recruiter?
• ☐ Wat is de fallback wanneer de agent een fout maakt of een gevoelig onderwerp niet aankan?
• ☐ Wie is juridisch aansprakelijk voor de uitspraken van de agent, de vendor of de werkgever?

Wat dit allemaal betekent

De vraag is niet of een ATS AI heeft. Elk modern systeem heeft AI. De vraag is of die AI getest, transparant, getraind op relevante data en juridisch houdbaar is.

Neem deze vragen mee naar je volgende demo, of stuur ze door naar je huidige leverancier:

1. Mogen we vijf willekeurige CV's uploaden tijdens de demo?
2. Op welke data is het matchingmodel getraind, en welk AI-model zit eronder?
3. Is er een externe bias-audit op het screeningmodel?
4. Schrijf een vacaturetekst voor een Veiligheidsdeskundige.
5. Wat doet de chatbot bij een onbekende vraag?
6. Wie is aansprakelijk voor wat de AI-agent zegt?

Een vendor die op vier of meer vragen een onderbouwd antwoord geeft, verdient een tweede gesprek. Een vendor die hapert, doet dat niet.

Veelgestelde vragen

Mogen we vijf willekeurige CV's uploaden tijdens de demo?

Een vendor met betrouwbare CV-parsing zegt direct ja en deelt het foutpercentage van het model. Wie liever alleen vooraf geteste documenten parseert, levert in de praktijk een minder stabiel systeem.

Op welke data is het matchingmodel getraind, en welk AI-model zit eronder?

Generieke modellen produceren generieke matches. Vraag of het model hertraind kan worden op je eigen historische hires en welke onderliggende LLM of classifier wordt gebruikt.

Is er een externe bias-audit op het screeningmodel?

Vanaf 2 december 2027 verplicht de EU AI Act gedocumenteerde bias-audits voor AI in werving en selectie. Vraag het auditrapport op, niet de samenvatting, het rapport zelf.

Schrijf een vacaturetekst voor een Veiligheidsdeskundige.

Een goede AI-generator past tone-of-voice aan, signaleert discriminerende formuleringen en kent de context van zeldzame functies. Een zwakke generator levert hetzelfde sjabloon als bij Sales Manager.

Wat doet de chatbot bij een onbekende vraag?

Twee uitkomsten: hij escaleert naar een mens of hij hallucineert. Vraag naar escalation rules, logging van toezeggingen en wie eindverantwoordelijk is voor de inhoud.

Wie is aansprakelijk voor wat de AI-agent zegt?

Onder de EU AI Act is de werkgever als verwerkingsverantwoordelijke aansprakelijk, niet de vendor. Daarom moeten conversaties gelogd, transparant en controleerbaar zijn.