AI Integreren in Je ATS: Zo Doe Je Dat

Waarom je ATS niet genoeg is (en welke twee opties je hebt)

Je ATS is het kloppend hart van je recruitmentoperatie. Alle kandidaatdata, vacatures, pipelines en communicatiehistorie staat erin. Zonder dat systeem kun je niet werken.

Maar eerlijk: de meeste zijn niet slim. Ze slaan data op. Ze structureren workflows. Ze doen precies wat je ze vertelt. Niet meer. Ze schrijven geen samenvattingen. Ze vullen geen velden na een gesprek. Ze maken geen cv’s op. Ze vertellen je niet wie van je achthonderd kandidaten past bij de vacature die net binnenkwam, en waarom.

Daar komt AI in beeld, en daarvoor bestaan precies twee eerlijke routes.

Route één: een laag erbovenop. Je houdt je ATS en zet er een product naast dat gesprekken opneemt, samenvat en gestructureerde data door een koppeling duwt. Dat is de snellere en goedkopere zet, en voor veel teams de juiste — zeker als je ATS écht bij je bedrijf past en je alleen van de uitwerking na elk gesprek af wilt.

Route twee: een ATS waarin AI het fundament is. De dossiers, het opnemen, de extractie, de matching en de rapportage zijn één systeem. Er gaat niets door een koppeling, want er is geen gat om te overbruggen.

De reden om ze allebei te noemen: route één heeft doorlopende kosten die zelden in de pitch staan. Elk veld dat de AI wil vullen, moet gemapt worden naar een veld in een systeem dat hij niet bezit, in een format dat dat systeem verwacht, onder rechten die hij niet kan zien. Die mapping is eerst een project en daarna onderhoud, en hij breekt stilletjes zodra een van beide kanten verandert. De vraag is niet welke route in het algemeen beter is. De vraag is waar jouw wrijving zit.

De drie niveaus van AI-ATS integratie

Niveau 1: Data-export (minimaal)

De simpelste vorm: AI verwerkt een gesprek, genereert een samenvatting, en je exporteert die naar je ATS. Kopiëren, plakken, of een CSV-upload.

Beter dan niets. Maar het kernprobleem blijft. Je bespaart tijd op het schrijven van de samenvatting en verplaatst de data nog steeds met de hand. Je switcht nog steeds tussen tools. De admin is verschoven, niet verdwenen.

Niveau 2: Veld-naar-veld integratie

Hier praat de AI via een live verbinding met je ATS. De samenvatting landt als notitie bij de juiste kandidaat. Velden worden gevuld — beschikbaarheid in het beschikbaarheidsveld, salaris in het salarisveld, in het juiste format. Dropdowns worden geselecteerd. Het cv wordt opgemaakt en gekoppeld.

Dit is het niveau dat de meeste “AI voor je ATS”-producten verkopen, en als het werkt, werkt het goed. Wat het je kost is de mapping: iemand moet de AI leren dat Bullhorn het Current Title noemt, dat jouw datumvelden een bepaald format willen, dat die ene dropdown elf opties heeft waarvan er vier gebruikt worden. Die kennis leeft in een configuratiebestand tussen twee bedrijven in, en heeft een eigenaar nodig.

Niveau 3: Geen integratie, want er valt niets te integreren

Het derde niveau is geen diepere koppeling. Het is de afwezigheid ervan. Als de AI en het dossier in hetzelfde systeem zitten, gaat de geëxtraheerde waarde het veld in omdat dat veld daar gewoon staat. Geen mappinglaag, geen formatvertaling, geen synchronisatievertraging en geen wekelijks rechttrekken.

Dat is wat een AI-native ATS in de praktijk betekent, en het is de moeite waard om de ruil precies te benoemen. Je geeft op dat je je huidige ATS kunt houden. Daarvoor terug krijg je dat je niet eeuwig integratiebelasting betaalt op elk veld. Contextueel recruitment — het systeem dat wéét dat de persoon die je net sprak past bij die vacature die al drie weken openstaat — komt alleen op dit niveau echt van de grond, want daarvoor moeten het gesprek en de vacature op dezelfde plek staan.

Welke ATS-systemen werken met AI?

In 2026 claimen ze het bijna allemaal. Het bruikbare onderscheid is niet of een leverancier AI-functies heeft, maar of AI het fundament was of een toevoeging — want dat bepaalt hoe diep het kan reiken.

Gevestigde systemen met AI erbij

Bullhorn is de wereldwijde standaard in staffing: diep, zwaar configureerbaar, met een groot partnerecosysteem. Mysolution en Byner zijn allebei op Salesforce gebouwd en al lang gevestigd in de Nederlandse flexmarkt, met volwassen contracting en midoffice. Carerix is sterk in de Nederlandse staffingmarkt met een volwassen backoffice; de AI kwam daar als toevoeging en niet als fundament. OTYS bestaat al lang, met brede functionaliteit en een groot partnernetwerk. Recruitee is netjes ontworpen voor interne recruitmentteams en carrièresites.

Ze hebben inmiddels allemaal AI-functies — tagging, matchingsuggesties, betere parsing, concept-mails. Het patroon is steeds hetzelfde: AI als ondersteunende laag over een datamodel dat bedacht is voordat AI bestond. Voor een team dat al tevreden op zo’n systeem draait, kan dat genoeg zijn.

Salesforce als platform

Salesforce is geen ATS maar een platform, en het is precies zo goed als de recruitmentlaag die iemand erop bouwt. Dat is ook waarom meerdere Nederlandse ATS-leveranciers erop gebouwd zijn. De vraag voor een koper is meestal of hij die laag zelf wil bezitten, en wat ermee gebeurt als degene die hem bouwde vertrekt.

AI-native systemen

De nieuwere categorie, waarin het model, het dossier en de redenering samen zijn ontworpen. Simply zit daarin. Dat betekent iets specifieks en een tikje ongemakkelijks om op je eigen blog te zeggen: Simply koppelt niet met de systemen hierboven. Het is een alternatief ervoor. Zoek je een product om bovenop Bullhorn of Carerix te leggen, dan is dit het niet, en zijn de vergelijkingspagina’s het eerlijkere startpunt.

Het implementatieproces stap voor stap

Kies je route één, dan is de vorm: koppelen, velden mappen, testen op echte gesprekken, uitbreiden. Week twee en drie zijn de mapping, en daar landt het werk.

Kies je route twee, dan is de vorm een migratie. Zo ziet die er per week uit.

Week 1: Wat je hebt, en wat meekomt

• We tellen per object wat er werkelijk in je huidige systeem zit en zetten dat naast wat jij denkt te hebben. Dubbelingen en lege velden komen daar bovendrijven.
• Jij beslist wat er meeverhuist. Niet alles zou dat moeten.
• Het ongemakkelijke deel komt eerst: een migratie is zo goed als je export. Wat je huidige leverancier niet meegeeft, kan niemand inlezen.
• Wat we van jou nodig hebben: een dagdeel van iemand die je huidige inrichting écht kent.

Week 2: Je model, en de kanalen

• Je objecten, velden en relaties worden ingericht zoals je desk werkelijk werkt — inclusief de dingen die in het standaardsjabloon nooit bestonden.
• Mailboxen en agenda’s worden gekoppeld, zodat communicatie vanaf dat moment bij de kandidaat landt in plaats van in iemands inbox.
• Historische mail komt niet uit een ATS-export. Die staat bij je mailprovider, en de mailbox koppelen is wat dat vooruit oplost.

Week 3: Bewust dubbel draaien

• Een paar recruiters werken er een week echt in, naast je huidige systeem.
• Wat wringt passen we aan, terwijl aanpassen nog goedkoop is.
• Ja, dat is een week dubbel werk. Vervelend, en precies de reden dat week vier saai is.

Week 4: Laatste sync, oud systeem op read-only

• Een verse export wordt ingelezen zodat het delta van week drie meekomt.
• Je oude systeem gaat op read-only. Geen big-bang-weekend.
• Vanaf hier is het eenrichtingsverkeer: er loopt niets terug, en dat is de bedoeling.

Veelgemaakte fouten bij ATS-integratie

Fout 1: Kopen op de lengte van de integratielijst

Een koppelingengalerij met driehonderd logo’s meet vooral hoeveel partnerschappen er zijn aangekondigd. Een stuk of tien worden onderhouden, de rest is een formulier dat iemand een mailtje stuurt. Vraag welke koppelingen er vandaag bij een klant met naam in productie draaien, en vraag wat er gebeurt als een token om drie uur ’s nachts verloopt.

Fout 2: Veldmapping als installatie zien in plaats van als onderhoud

Mapping is geen eenmalige klus. Je ATS verandert, de AI-leverancier verandert, iemand voegt een dropdownoptie toe. Kies je route één, benoem dan vóór de handtekening wie eigenaar is van die mapping — anders ontdek je in maand vijf dat die persoon niet bestaat.

Fout 3: Een score accepteren die je niet kunt narekenen

Onder de EU AI Act valt recruitment-AI die rangschikt of beslissingen ondersteunt in het hoog-risicodomein. “Dat zei het model” is geen antwoord dat je aan een kandidaat geeft. Vraag elke leverancier de rekensom achter een match te laten zien, en beschouw het niet-kunnen als het antwoord.

Fout 4: Niet vragen waar elk stuk verwerking gebeurt

“Alles blijft binnen de EU” is één zin over twee verschillende feiten, en meestal zijn ze niet allebei waar. Vraag apart waar het platform en de kandidaatdata staan, en waar de inferentie draait. Vraag daarna om allebei op papier. Enterprise security is hier het minimum, en een recht antwoord over wat een leverancier juist niet gecertificeerd heeft ook.

De impact op je organisatie

Wat levert het op als je dit goed doet? Eerlijk gezegd, want een cijfer gemeten in andermans werkproces is geen cijfer uit het jouwe:

• Minder tijd aan admin per gesprek. Teams rapporteren doorgaans dat de uitwerking van zo’n twintig minuten naar een paar minuten gaat, en over een dag vol gesprekken is dat de grootste post.
• Betere datakwaliteit. Meer gevulde velden, in een consistent format, met minder van die halflege profielen die je zoekfunctie later waardeloos maken.
• Snellere time-to-submit. Kandidaten bereiken klanten eerder, en dat is een concurrentiepositie en niet slechts een efficiencycijfer.
• Hogere recruiter-tevredenheid. Minder admin, meer van het werk waarvoor mensen deze baan kozen.
• Schaalbaarheid. Je team laten groeien zonder in hetzelfde tempo admin-fte’s toe te voegen.

Reken het door op je eigen cijfers en niet op die van ons: uren admin per recruiter per week, maal het uurtarief, tegen de totale kosten van wat je zou draaien. Vergelijk je route één met route twee, tel dan het eigenaarschap van de koppeling mee aan de kant van route één. Dat is de regel die iedereen weglaat.

Hoe Simply omgaat met de systemen eromheen

Simply is het bronsysteem, dus het integratieverhaal is bewust kort en volledig.

• Zes koppelingen, en we noemen ze alle zes. Gmail, Outlook, Google Calendar, Zoom, Slack en HubSpot, één keer per workspace gekoppeld via OAuth, met tokens die buiten de applicatie bewaard en vernieuwd worden. Geen logowand met “en 300 andere” eronder.
• Geen synchronisatie met een ander ATS. Niet met Bullhorn, niet met Carerix, niet met iets anders in die categorie. Een keuze, geen gat.
• In plaats daarvan een migratie. Vier weken, eenrichtingsverkeer, tijdelijk geheel kosteloos begeleid door ons migratieteam, met een mapping waar jij naar kijkt.
• Een publieke API voor de rest. REST-endpoints, API-sleutels per workspace, webhooks met HMAC-handtekening en een MCP-server, zodat wat de zes koppelingen niet dekken iets is dat je bouwt in plaats van iets waar je op wacht.
• Omnichannel opnemen: online gesprekken native vastgelegd via Google en Microsoft, zonder bot die als gast aanschuift, telefoongesprekken via de desktop-app, fysieke gesprekken via de mobiele app. Alles landt bij de kandidaat.
• Samenvattingen naar gesprekstype, en transparantie zodat elke AI-zin aanklikbaar is naar het moment waar hij vandaan komt.
• Cv-parsing en opmaak in je eigen huisstijl, met betrouwbaarheid en herkomst per regel.
• Voorstellen in plaats van stille wijzigingen: elke AI-aanpassing benoemt het veld, de waarde en de bron, en wacht op een mens.

Wil je zien hoe je huidige inrichting er aan de andere kant uitziet? Neem je export mee naar het gesprek. Geen generiek verhaal, maar jouw objecten, jouw velden, en een recht antwoord over wat de overstap niet zou overleven.

Of lees eerst verder: hoe je start met AI in recruitment, of waarom AI je data automatisch moet invullen.

De eerste twee weken: wat je kunt verwachten

Na livegang merk je in de eerste week al verschil. Gesprekken worden samengevat, en de datapunten die je vroeger moest typen komen als voorstellen op het dossier binnen. De meeste teams hebben twee tot drie dagen nodig om te wennen aan lezen en goedkeuren in plaats van typen. Daarna wordt de tijdwinst duidelijk. Recruiters die voorheen twintig minuten per gesprek kwijt waren aan notities en invoer, besteden daar nu een fractie van aan het nakijken van wat is voorgesteld. In week twee vraagt meestal iemand om een veld dat nog niet bestaat — en ontdekt dan dat er aanmaken een instelling is en geen supportticket.