Hoe gebruik je AI voor recruitment (als je geen expert bent)

Je hoeft geen techneut te zijn om AI te gebruiken

AI in recruitment klinkt ingewikkeld. Het roept beelden op van datascientists, machine learning pipelines en maandenlange implementatietrajecten. Maar de werkelijkheid in 2026 is heel anders.

De meeste AI in recruitment vraagt nul technische kennis van degene die ermee werkt. Als je een telefoon kunt oppakken en met een ATS kunt werken, kun je met AI werken. Het gaat niet om de technologie. Het gaat om weten waar je het voor inzet en waar niet.

Wat wél veranderd is, is de vorm van de keuze. Een paar jaar geleden ging de vraag over welke AI-tool je bovenop je bestaande systeem legde, en draaide het gesprek volledig om de diepte van de koppeling. Die vraag is slecht verouderd. De admin die je echt tijd kost, gebeurt binnen het systeem waar je dossiers staan: de notities, de velden, het cv, de shortlist. AI die daarbuiten woont, is het grootste deel van de tijd bezig weer naar binnen te komen — en dat leidingwerk betaal je eeuwig. De bruikbare vraag in 2026 is dus simpeler en groter: zit de intelligentie in het systeem waar het werk al gebeurt, of ernaast?

Dit artikel is je praktische gids, welke kant je ook op gaat. Geen hype, geen jargon. Gewoon concrete stappen die je morgen kunt zetten.

Stap 1: Begrijp wat AI wel en niet kan

Voordat je begint, moet je weten wat je kunt verwachten. Want de teleurstelling bij veel recruiters komt niet doordat AI slecht is, maar doordat de verwachtingen verkeerd waren.

AI is goed in:

• Gesprekken opnemen, transcriberen en samenvatten. Sneller en gedetailleerder dan je het zelf kunt. En consistent, ook na je twaalfde gesprek van de dag.
• Een gesprek of document lezen en er gestructureerde waarden van maken op een dossier. Geen losse tekst: de juiste dropdown, het juiste datumveld, het juiste getal.
• Cv’s lezen, structureren en omzetten naar een ander format. Inclusief taalcorrectie en huisstijl.
• Een kandidaat scoren tegen een vacature, en erbij zeggen welke eisen wel en welke niet gehaald worden.
• Patronen herkennen over grote hoeveelheden data. Trends die je zelf mist, simpelweg omdat je niet duizend gesprekken tegelijk kunt analyseren.

AI is niet goed in:

• Chemie beoordelen tussen kandidaat en team. Het voelen van een klik is mensenwerk.
• Cultuurfit inschatten op basis van een gesprek. AI leest geen lichaamstaal of subtiele sociale signalen.
• Beslissen of iemand de juiste kandidaat is. Dat blijft jouw expertise en verantwoordelijkheid.
• Nuances opvangen die buiten het gesproken woord vallen. De twijfel in iemands ogen, de aarzeling voor een antwoord.

Die grens is belangrijk. AI is geen bedreiging voor recruiters. Het is een assistent die het saaie werk overneemt zodat jij je kunt richten op het werk dat er echt toe doet.

Stap 2: Begin met het grootste pijnpunt

De fout die veel teams maken: ze proberen alles tegelijk. Opnemen, data-invoer, cv-parsing, matching, rapportage. Dat is overweldigend en leidt tot halfslachtige adoptie. Drie weken later gebruikt niemand nog iets.

Begin bij het ene ding dat je het meeste tijd kost. Voor de meeste recruiters is dat een van deze twee:

Optie A: Gespreksverwerking

Als je dagelijks meerdere gesprekken voert en na elk gesprek 15-20 minuten aan een samenvatting besteedt, begin hier. AI-samenvattingen geven je binnen enkele minuten na het gesprek een complete samenvatting. Aangepast aan het gesprekstype. Een intake levert een kandidaatprofiel op, een opdrachtgeversgesprek een vacaturebriefing.

De resultaten zijn direct merkbaar. Op dag één bespaar je al tijd. Er is geen leercurve. Je voert je gesprek zoals je altijd doet, en de samenvatting is er. Je hoeft er niet eens over na te denken.

Optie B: De data op het dossier krijgen

Zit je grootste frustratie in het vullen van velden na gesprekken, begin daar. Automatische data-extractie haalt de relevante datapunten uit het gesprek en biedt ze aan voor de velden waar ze horen. Salariswens in het salarisveld. Beschikbaarheidsdatum in het datumveld. Niet als losse tekst, maar in het juiste format.

Het klinkt simpel. Maar waarom AI pas werkt als het data automatisch invult is een verhaal apart. Veel tools geven je een samenvatting en laten het daarbij. Dat lost het probleem maar half op. Je houdt een samenvatting over die je moet lezen en overtypen naar velden.

Met welke van de twee je ook begint: ze eindigen allebei op dezelfde plek, namelijk in een dossier. Dat is precies de reden dat ze vroeger als twee losse producten met een koppeling ertussen werden verkocht — en de reden dat dat niet meer nodig is.

Stap 3: Kies de juiste tool

Er zijn tientallen AI-producten voor recruitment. Het oude advies was: kijk eerst naar de integratielijst. Dat advies hoorde bij een markt waarin de AI en het bronsysteem altijd twee verschillende bedrijven waren. Nu dat vaak één partij is, scheiden deze vijf dingen de opties die over een jaar nog werken van de rest:

1. Het datamodel: past jouw desk erin?

Elk recruitmentbedrijf heeft dingen die in het standaardsjabloon niet bestonden. Een marge per plaatsing. Een certificaat met een vervaldatum. Een contactpersoon die óók kandidaat is. Kan het systeem dat niet als echte velden vasthouden, dan belandt het in een notitieveld waar je niet op kunt filteren, en dat repareert geen enkele AI. Vraag of je zelf een object, een veld en een relatie kunt toevoegen, en of dat een instelling is of een release. In Simply is het datamodel metadata in plaats van code, dus een nieuw veld bestaat overal waar het object gebruikt wordt op het moment dat je het aanmaakt.

2. Matching die je kunt narekenen

Elk product kan een getal naast een kandidaat zetten. De vraag is of het je de som laat zien. Onder de EU AI Act valt recruitment-AI die rangschikt of beslissingen ondersteunt in het hoog-risicodomein, en “dat zei het model” is geen antwoord dat je aan een kandidaat of een toezichthouder geeft. Match Intelligence publiceert de rekensom: het gewicht van de eisen waaraan een kandidaat voldoet, gedeeld door het gewicht van alles wat de vacature vroeg, met ontbrekende must-haves apart benoemd in plaats van weggemiddeld. Wat je niet met de hand kunt narekenen, behandel je als een blackbox.

3. Opname via elk kanaal

Je belt niet alleen via Teams of Meet. Je belt ook vanuit de auto, en je ontmoet mensen in een kamer. Ondersteunt het product alleen videogesprekken, dan mis je de helft van je gesprekken. Misschien wel de belangrijkste helft. Omnichannel opnemen is geen luxe maar een vereiste — en vraag specifiek of er een bot als gast moet aanschuiven, want dan gaat je gesprek met de kandidaat even over een robot in plaats van over de baan.

4. Rechten, transparantie en beveiliging

Je verwerkt gevoelige kandidaatgegevens. Alles wat iemand in een sollicitatiegesprek vertelt, van salariswensen tot persoonlijke omstandigheden. Vraag wie wat mag zien, en of dat per verzoek wordt bepaald of vastgezet is in een opgeslagen rapport. Vraag of de AI-antwoorden dezelfde regels volgen als de schermen. Vraag of elke AI-zin terug te herleiden is naar het moment in het gesprek waar hij vandaan komt — transparantie is niet optioneel, want wat je niet kunt verifiëren, stuur je niet naar een klant. En stel de beveiligingsvragen gewoon hardop: ISO 27001? AVG? Waar staat het platform, en apart daarvan: waar draait de inferentie? Enterprise security is niet onderhandelbaar.

5. De migratieroute, beide kanten op

De vraag die iedereen te laat stelt. Hoe komt je data erin, hoelang duurt dat, en wat gebeurt ermee als je weggaat. Vraag om de vorm van de verhuizing en niet om een geruststelling: wat komt er uit je huidige export mee, wat niet, en wie kijkt de mapping na. Bij Simply is dat een migratie van vier weken, en die is eenrichtingsverkeer — er loopt daarna geen synchronisatie terug naar je oude systeem, met opzet, want twee systemen die naar elkaar schrijven leveren je twee bronsystemen op en geen waarheid.

Overweeg je in plaats daarvan zelf te bouwen? Lees eerst waarom custom AI bijna altijd een dure fout is. De complexiteit wordt structureel onderschat, de kosten lopen op tot miljoenen en de doorlooptijd is 18 maanden en meer.

Stap 4: Implementeer in fases

Oké, je hebt gekozen. Nu de invoering. Doe dit niet in een big bang. Dat leidt tot weerstand, verwarring en halfslachtige adoptie. Doe het in drie fases. Stap je over van een ander systeem, dan liggen die fases bovenop de migratie en niet in plaats daarvan — de dataverhuizing is een eigen traject met zijn eigen vier weken.

Fase 1: Pilot met 2-3 recruiters (week 1-2)

Selecteer 2-3 recruiters die openstaan voor verandering. Liefst mensen die al klaagden over de admin-last. Laat hen er twee weken echt in werken. Alleen het basisscenario: hun dossiers, opnemen en samenvatten. Verzamel feedback. Wat werkt? Wat niet? Welke samenvattingsformats passen bij jullie werkwijze? Wat mist er?

Die feedback is goud waard. Ze vertelt je hoe je de velden en de sjablonen moet inrichten voordat het hele team binnenkomt. En het geeft je ambassadeurs: collega’s die uit ervaring kunnen vertellen dat het werkt.

Fase 2: De velden aanzetten (week 3-4)

Als de basis goed werkt, zet je extractie aan naar de velden die je echt gebruikt. Begin met 5-8 velden. Niet alle 30 tegelijk. De meest voorkomende: beschikbaarheid, salariswens, reisbereidheid, aantal uur, ervaringsniveau. Breid uit als het stabiel draait en het team vertrouwen heeft opgebouwd.

Lees de eerste dagen de voorstellen goed door. Elke AI-wijziging komt binnen als voorstel dat het veld, de waarde en de bron benoemt, en een voorstel afwijzen kost één klik. Dát bouwt vertrouwen op — geen belofte dat het klopt, maar zien dat het klopt in de wetenschap dat jij degene was die op opslaan drukte.

Fase 3: Uitrollen naar het hele team (week 5-8)

Als de pilotgroep succesvol is en de velden betrouwbaar gevuld worden, rol je uit naar het hele team. Gebruik de pilotgebruikers als interne ambassadeurs. Zij overtuigen collega’s beter dan elke presentatie of managementmail.

Voeg nu ook cv-parsing en cv-opmaak toe, zet matching aan, en bouw je eerste dashboards. Wees daarbij duidelijk naar je team over wat die rapportage wel en niet is: ze geeft aantallen, percentages en trends over je eigen objecten, en je kunt niet op een staafje klikken om de lijst met mensen erachter te krijgen. Het is een blik op de pipeline, geen kijkgaatje naar individuele collega’s.

Stap 5: Meet de resultaten

Na 4-6 weken kun je meten. En meten is belangrijk, want het rechtvaardigt de investering en laat zien waar er nog ruimte is voor verbetering. Het overtuigt ook de sceptici in je team.

Wat je kunt meten:

• Tijdwinst per gesprek. Vergelijk de tijd die recruiters aan admin besteedden voor en na. Vraag het ze, of meet het. Teams rapporteren doorgaans 15-25 minuten per gesprek, maar meet je eigen cijfer — een getal uit andermans werkproces is geen getal uit het jouwe.
• Datakwaliteit. Worden er meer velden gevuld? Zijn ze accurater? Minder halflege profielen? Tel het aantal gevulde velden voor en na; dit is degene die zich opstapelt, want elke latere functie leest diezelfde velden.
• Time-to-submit. Hoe snel stuur je een kandidaat naar een klant na het eerste gesprek? Dit is een directe indicator van je concurrentiepositie.
• Recruiter-tevredenheid. Simpelweg vragen: vind je je werk leuker nu de admin minder is? Helpt het, of zeurt het?

De eerste drie zijn dashboardvragen, en precies de vorm waar rapportage goed in is: een aggregatie over tijd, uitgesplitst naar een dimensie waar je iets aan hebt. De vierde krijg je door het te vragen.

Veelgemaakte fouten bij AI-adoptie

Na honderden implementaties weten we waar teams struikelen. Vermijd deze fouten:

• Alles tegelijk willen. Begin met één use case, niet vijf. Bewijs de waarde, breid dan uit.
• Kopen op de lengte van de integratielijst. Een lange koppelingengalerij meet vooral hoeveel partnerschappen een leverancier heeft aangekondigd, niet hoeveel minder je recruiters gaan kopiëren en plakken. Vraag liever waar het dossier staat als het werk klaar is.
• Geen feedback verzamelen. Zonder feedback van de pilotgroep weet je niet wat je moet aanpassen. Vraag actief.
• Het management overslaan. Als het management het niet steunt, is adoptie een uphill battle. Zorg voor buy-in met concrete cijfers.
• Beveiliging negeren. Kies nooit een product dat je data gebruikt voor training of dat niet AVG-proof is. Eén datalek en het vertrouwen is weg.
• Verwachten dat AI foutloos is. AI maakt fouten, net als mensen. Het verschil dat telt, is of een wankel antwoord stilletjes wordt weggeschreven of eerst aan een mens wordt voorgelegd.

Hoe Simply dit makkelijk maakt

Simply is een AI-native ATS: de dossiers, het opnemen, de extractie, de matching en de rapportage zijn één systeem in plaats van een systeem plus een laag. Daarom zijn de stappen hierboven korter dan ze vroeger waren — er is geen koppeling in te richten tussen de AI en de plek waar het werk landt.

Concreet:

• Opnemen werkt over de kanalen die recruitment echt gebruikt. Online gesprekken worden native vastgelegd via Google en Microsoft, zonder bot die als gast aanschuift; telefoongesprekken lopen via de desktop-app en fysieke gesprekken via de mobiele app. Alles landt bij de kandidaat.
• Samenvattingsformats staan voor-ingericht voor de meest voorkomende gesprekstypen in recruitment. Intake, opdrachtgever, salesgesprek. Aanpassen kan altijd, per klant en per team.
• Extractie schrijft naar de velden die jij hebt bedacht, want het datamodel is van jou. Geen mappingproject tussen andermans veldnamen en die van jou.
• Elke AI-wijziging is een voorstel met de bron erbij, dus er verandert niets aan een dossier zonder dat een mens op opslaan drukt.
• Zes koppelingen — Gmail, Outlook, Google Calendar, Zoom, Slack en HubSpot — en we noemen ze alle zes in plaats van een logowand te laten zien. Simply synchroniseert niet met een ander ATS; van zo’n systeem komen is een migratie in één richting, vier weken, met een mapping waar jij naar kijkt.
• ISO 27001-gecertificeerd, AVG-proof, met het platform en je kandidaatdata gehost in Nederland. Ook de AI-verwerking blijft binnen de EU, of loopt op je eigen sleutel bij je eigen provider en regio.
• Core kost EUR 79 en Professional EUR 99 per gebruiker per maand bij jaarlijkse facturatie. Geen credits, en geen opslag op je AI-verbruik — je koppelt je eigen sleutel en je provider factureert je rechtstreeks. Veertien dagen het volledige product proberen, zonder creditcard.

Wil je weten wat dit betekent voor het ATS dat je vandaag draait? Lees hoe je AI integreert in je bestaande ATS — inclusief het eerlijke antwoord op wanneer er iets bovenop leggen nog steeds de juiste keuze is.