Wat moet een moderne ATS kunnen in 2026?

Deze criteria zijn samengesteld uit publieke buyer-guides en analyses van juli 2026. Het is geen vendor-ranking en geen “beste ATS”-lijst. Gebruik het als eisenkader voor je eigen selectie.

Bijna elke werkgever van enige omvang draait op een Applicant Tracking System. 99% van de Fortune 500 gebruikt er een. Dat betekent niet dat die systemen allemaal goed zijn, of dat ze allemaal kunnen wat een recruitmentteam in 2026 nodig heeft. Veel ATS’en die vandaag in productie draaien, zijn ontworpen in een tijd waarin “automatisering” betekende dat een vacature op vijf jobboards tegelijk werd geplaatst. Sindsdien is het werk veranderd, de wet is veranderd, en de verwachtingen van kandidaten zijn veranderd.

Dit artikel is voor wie een ATS aan het uitkiezen is, of twijfelt of het huidige systeem nog past. Geen merkennamen, geen rangorde. Wel een helder onderscheid tussen wat een ATS minimaal moet kunnen, wat hem in 2026 modern maakt, wat de wet eist, en hoe hij samenwerkt met de rest van je recruitmentstack. We bouwen de gids op rond vier groepen eisen, sluiten af met de fouten die we het vaakst zien, en een evaluatieraamwerk dat je van longlist naar go-live brengt.

Waarom ATS-keuzes zo vaak mislopen

Eerst het ongemakkelijke cijfer. Van de organisaties die binnen twee jaar hun ATS vervangen, noemt 42% “slechte workflow-fit” als reden. Niet de prijs, niet een ontbrekende feature. De manier waarop het systeem hun proces afdwong, paste niet bij hoe ze werkelijk werkten.

Dat is bijna altijd een fout in de selectiefase, niet in het product. Teams gaan de demo in met een vaag idee (“we willen iets moderns met AI”) en laten zich meeslepen door de gelikte features die de vendor het liefst laat zien. De vragen die er echt toe doen, of het systeem buigt naar jouw pipeline of jou dwingt in de zijne, komen pas boven water als het contract getekend is en de eerste recruiter vastloopt.

De remedie is saai maar werkt. Definieer vóór de eerste demo wat je must-haves, should-haves en could-haves zijn. Een must-have is een eis waarop je een vendor afwijst, hoe goed de rest ook is. Een should-have weegt mee maar is geen breekpunt. Een could-have is een leuke bonus. Als je die drie lijsten niet op papier hebt voordat een vendor begint te presenteren, laat je de vendor jouw eisen bepalen. En dan koop je wat goed demonstreert, niet wat goed werkt.

De rest van dit artikel geeft je het materiaal voor die lijsten. Vier groepen, elk met een tabel. Niet elke eis is voor elk bureau een must-have, dat hangt af van je type, je volume en je compliance-context. Maar je wilt van elke eis bewust beslissen in welke categorie hij valt.

Groep 1: de basislaag

Dit is wat een ATS simpelweg moet kunnen om de naam te verdienen. Ontbreekt hier iets, dan koop je geen modern systeem maar een gat in je proces dat je elders moet dichten. Niets in deze groep is bijzonder; het is de ondergrens.

Eis	Wat je concreet test
Vacature- en requisitiebeheer	Kun je een vacature aanmaken, goedkeuren via een approval-flow, en koppelen aan een hiring manager?
Kandidatendatabase	Centrale opslag, doorzoekbaar op velden, dedupe bij dubbele sollicitaties van dezelfde persoon
Pipeline / kanban	Visuele fasen, kandidaten verslepen tussen stappen, status in één oogopslag
CV-parsing naar velden	Upload een echt cv en kijk wat er landt: werkervaring en opleiding als gestructureerde records, of één tekstblok dat iemand alsnog moet lezen
Kandidaatcommunicatie + templates	Mailen vanuit het systeem, herbruikbare templates, communicatiehistorie per kandidaat vastgelegd
Interviewplanning met agendasync	Koppeling met Google/Outlook-agenda’s die niet alleen uitnodigingen wegschrijft maar ook bezette tijd terugleest, dus geen dubbele boekingen
Collaboratieve scorecards	Meerdere interviewers scoren gestructureerd op dezelfde criteria, niet los in hun mailbox
Eén tijdlijn per kandidaat	Notities, mail, gesprekken en documenten op het dossier zelf, zodat een overdracht tussen recruiters geen telefoontje kost
Basisanalytics	Time-to-fill, bronherkomst, funnel-conversie. Minimaal deze drie
Overdracht naar HRIS/CRM	Een aangenomen kandidaat moet zonder overtypen door naar je personeels- of CRM-systeem

Twee eisen staan er bewust niet in, en dat verdient uitleg. Multiposting naar jobboards en een branded mobiele carrièresite zijn keiharde must-haves zodra je vacatures onder je eigen naam adverteert op volume: een corporate recruitmentteam, of een bureau dat eigen campagnes draait. Hoor je daarbij, filter er dan net zo streng op als op alles hierboven, mobiel voorop, want meer dan 70% van de werkzoekenden zoekt op de telefoon. Maar er zijn evenveel bureaus die distributie los inkopen, of vrijwel alleen op klantvacatures werken die elders gepubliceerd staan. Voor die bureaus wordt een shortlist die op advertentiebereik scoort, gerangschikt op de verkeerde as. Zet deze twee dus bewust in must-have of could-have, in plaats van ze over te nemen uit andermans checklist.

De scorecards lijken een detail, maar ze zijn het verschil tussen een gestructureerde, verdedigbare selectie en een verzameling onderbuikgevoelens die je later niet kunt reconstrueren, wat juridisch (zie Groep 3) een probleem wordt.

Groep 2: wat een ATS modern maakt in 2026

Hier scheiden de wegen. Een legacy-ATS dekt Groep 1 prima af en stopt daar. Een modern systeem doet meer, en dat verschil is in 2026 meetbaar geworden. Teams met een AI-versterkte ATS rapporteren 55% snellere time-to-hire, 53% betere kandidaatkwaliteit en 49% hogere productiviteit. Dat zijn vendorcijfers, dus neem ze met een korrel zout, maar de richting klopt: 80% van de organisaties heeft inmiddels minstens één stap in het hiring-proces geautomatiseerd.

Moderne eis	Modern (2026)	Legacy
Matching	Semantisch: begrijpt dat “React-developer” en “front-end engineer met JS” verwant zijn	Keyword/Boolean: mist de kandidaat die net andere woorden gebruikt
AI-scoring	Uitlegbaar en auditeerbaar: je ziet waarom een kandidaat een score kreeg	Black box, of helemaal geen scoring
Workflow-automatisering	Regels en triggers die je zelf instelt zonder developer	Vaste flows, elke wijziging is een ticket
Talentpool-herontdekking	Vindt actief geschikte kandidaten terug uit eerdere sollicitaties	Oude kandidaten verdwijnen in het archief
Datastructuur	Getypte velden die je zelf toevoegt, en dat nieuwe veld duikt op in parsing, zoeken, filters en de API zonder op een release te wachten	Alles vrij tekstveld, en een nieuw veld is een ticket bij de leverancier
Waar de AI draait	De leverancier noemt de modelaanbieders, de regio’s waarin inferentie draait, en of je je eigen sleutel mag koppelen	“AI-powered”, en op geen van beide vragen een antwoord
Voorspellende analytics	Signaleert knelpunten in de funnel vóór ze escaleren	Alleen terugkijkende rapportage
DEI / bias-monitoring	Meet en signaleert scheve doorstroom per groep	Geen zicht, dus geen bijsturing
Schaalbaarheid onder belasting	Blijft snel bij een piek van honderden sollicitaties per dag	Wordt traag of valt om bij volume

Het belangrijkste onderscheid in deze groep is de uitlegbaarheid van AI-scoring. Niet omdat het een leuke feature is, maar omdat het in 2026 een wettelijke eis is geworden (Groep 3 legt uit waarom). Een ATS die kandidaten scoort maar niet kan vertellen waaróm, geeft je een getal dat je niet mag gebruiken voor beslissingen die kandidaten raken. Vraag bij elke vendor om een scoring uit te splitsen tot op het bronveld. Kan dat niet, dan is de AI-laag eerder een aansprakelijkheid dan een voordeel.

Semantische matching is het tweede punt waar veel oudere systemen op vastlopen. Boolean-zoeken op trefwoorden mist structureel de kandidaat die hetzelfde kan maar het anders opschrijft. Voor een krappe arbeidsmarkt is dat duur, want het zijn vaak juist de minder voor de hand liggende profielen die je nodig hebt.

De regel over waar de AI draait is nieuw in dit soort lijstjes, en het is de eis die kopers het vaakst overslaan. Stel hem als twee losse vragen en accepteer twee losse antwoorden: waar staan het platform en de kandidaatdata, en waar gaan de modelaanroepen heen. Een leverancier die beide afdekt met één zin over Europa heeft twee feiten samengeperst, en bij zo’n samenpersing verdwijnt altijd het tweede. Je DPIA heeft allebei de antwoorden op papier nodig, dus haal ze op vóór het contract in plaats van erna.

Groep 3: compliance is geen optie meer

Dit is de groep die het snelst verandert en het zwaarst weegt. Twee regimes lopen naast elkaar, en je ATS moet aan beide voldoen. Vergis je hier niet in: vanaf 2026 is dit geen extra-wens, het is de ondergrens.

AVG / GDPR. De basis die al jaren geldt, maar waar veel oudere ATS’en alsnog op tekortschieten:

Compliance-eis	Wat het concreet betekent
Toestemming bij sollicitatie	Expliciete opt-in, geen vooraf aangevinkt vakje. Dat laatste is onder de AVG ongeldig
Geautomatiseerde bewaartermijnen	Data wordt automatisch verwijderd na 6, 12 of 24 maanden, naar jouw beleid, zonder handmatig opschonen
DSAR-workflow	Een inzage- of verwijderverzoek van een kandidaat is met een paar klikken af te handelen
Rolgebaseerde toegang + audit log	Wie zag wat, wanneer, en wie wijzigde welke data, allemaal traceerbaar
ISO 27001 als basis	De vendor heeft een erkende security-baseline, geen losse beloftes
Subverwerkers benoemd, modelaanbieders incluis	Een actuele lijst van wie namens de leverancier wat verwerkt, mét de AI-aanbieders erop. Kost dat een mailtje, dan kost het elk jaar weer een mailtje

EU AI Act. Dit is waar het in 2026 scherp wordt. Recruitment-AI is hoog-risico onder de Act, expliciet benoemd in Annex III punt 4. Dat betekent dat een ATS die kandidaten screent, scoort of rankt, gebonden is aan een reeks eisen. En let op: die verplichtingen gelden voor jou als deployer, ongeacht wie het systeem heeft gebouwd. Je kunt de verantwoordelijkheid niet volledig naar de vendor schuiven.

EU AI Act-eis	Wat je ATS moet leveren
Menselijk toezicht (Art. 14)	Geen volledig geautomatiseerde aanname- of afwijzingsbeslissingen. Een mens beoordeelt aantoonbaar
Transparantie naar kandidaat (Art. 26(7) + 86)	De kandidaat weet dat en waarvoor AI wordt ingezet
Technische docs + bias-audit (Art. 10-12)	De vendor kan documentatie en een bias-evaluatie overleggen
Bewaartermijn AI-logs	Minimaal 6 maanden activiteitenlog van de AI-beslissingen bewaard

Over de timing moet je precies zijn, want hier circuleert verwarring. De oorspronkelijke planningsdeadline voor de volledige hoog-risico-verplichtingen was 2 augustus 2026. Sinds het politieke akkoord van 7 mei 2026 is de Digital AI Omnibus definitief aangenomen — het Europees Parlement stemde in op 16 juni 2026, de Raad gaf finale goedkeuring op 29 juni 2026. De nieuwe deadline voor hoog-risico-AI onder Annex III (waar recruitment-AI expliciet onder valt) is nu 2 december 2027. Dat geeft meer ademruimte, maar betekent niet dat je kunt wachten: de verplichtingen zelf zijn niet versoepeld, alleen de handhavingsdatum is verschoven. Wie nu start, heeft anderhalf jaar om systemen, documentatie en processen op orde te krijgen. Wie wacht tot 2027 en dan haast moet maken, draagt zelf de aansprakelijkheid.

Voor de volledige uitwerking van wat de EU AI Act precies eist, met alle artikelnummers en een vendor-checklist van 8 punten, zie de EU AI Act-gids voor recruitment. En voor de AVG-kant rond AI-tools specifiek: GDPR en de AI Act voor recruitmenttools.

Groep 4: integraties en de AI-copiloot

Geen ATS staat op zichzelf. Meer dan 60% van de recruitmentteams draait drie of meer tools naast het ATS. Dat maakt de integratiekwaliteit van je ATS net zo belangrijk als zijn eigen features, want een systeem dat slecht koppelt, verandert je stack in een verzameling eilanden waar data driemaal wordt overgetypt.

Integratie-eis	Wat je concreet test
Open API + webhooks	Kun je zelf data uit en in het systeem halen, en triggert het events naar buiten?
Een koppelingenlijst die je kunt natellen	Vraag om de volledige lijst onderhouden koppelingen in plaats van de logowand, en check daarna of jouw twee meestgebruikte tools er echt op staan
Unified-API-ondersteuning	Werkt de vendor met providers als Merge, Kombo, Finch of Knit? Dat verkort de integratietijd aanzienlijk
Eén bronsysteem, of twee	Stelt een leverancier voor je huidige systeem naast het zijne in de lucht te houden met een koppeling ertussen, vraag dan wie een conflict rechttrekt, hoe vaak, en wiens werk dat is
Interview-intelligence / AI-copiloot	Landen opnames, transcripten en samenvattingen op het kandidaatdossier zelf, of in een tweede tool met een eigen login?
Validatielaag bij data-entry	Wordt automatisch ingevulde kandidaatdata ter controle aangeboden vóór die landt, of stilletjes weggeschreven?
Runtime-configureerbare velden/fasen	Kun je zelf velden en pipelinestappen aanpassen zonder developer?
Toegang vanuit de tools die je mensen al gebruiken	Een publieke API met eigen sleutels, ondertekende webhooks, een MCP-server. Kan een technische collega het systeem bevragen vanuit de client waar hij toch al in werkt?
Export en exit	Vraag vóór ondertekening om een voorbeeldexport: welke objecten, welk formaat, hoe lang het duurt, en wat er niet fijnmazig uit komt

De omvang van het integratie-ecosysteem verschilt sterk per leverancier. Sommige grote spelers melden honderden integratiepartners, Greenhouse 250+, Bullhorn 300+, iCIMS rond de 800. Een groot getal is geen garantie, want het gaat erom of jouw specifieke tools erin zitten en hoe diep de koppeling gaat. Maar een vendor met een handvol integraties en geen open API geeft je een toekomstig probleem.

En hier brak de aanname onder de vorige generatie buyer-guides stilletjes. Jarenlang was het verstandige advies: hou je ATS, zet de intelligentie ernaast. Dat werkte zolang die intelligentie ondiep was, hier een notetaker, daar een opmaaktool. Het houdt op te werken zodra de intelligentie het hele dossier nodig heeft, want dan hebben twee systemen allebei kandidaatdata, denken ze allebei dat zij de actuele versie hebben, en wordt het rechttrekken ervan iemands vaste vrijdagmiddag.

Simply is andersom gebouwd: het ís het ATS, en de intelligentie zit in dezelfde dossiers in plaats van eraan vast. Gesprekken worden over kanalen heen vastgelegd en worden AI-samenvattingen bij de kandidaat. Een cv wordt uitgelezen tot gestructureerde records tegen een datamodel dat je zelf inricht in plaats van een vast sjabloon, dus een veld dat je vanochtend aanmaakt zit vanmiddag in de parser en in de API. Alles wat de AI naar een kandidaat wil schrijven, komt binnen als een voorstel dat jij goedkeurt, met die goedkeuring en de naam erachter in een auditlog waar niets uit verdwijnt. Dashboards geven aantallen, percentages en trends over je eigen objecten, en laten bewust niemand vanuit een grafiek doorklikken naar de records achter het getal. Er zijn zes koppelingen, Gmail, Outlook, Google Calendar, Zoom, Slack en HubSpot, en geen synchronisatie terug naar een ander ATS, om precies de reden hierboven. Kom je van een ander systeem, dan is dat een eenmalige migratie van ongeveer vier weken, en die is eenrichting. Het platform en de kandidaatdata staan in Nederland op infrastructuur die Simply zelf beheert, met ISO 27001 eronder; en ook de AI-verwerking blijft binnen de EU, of loopt op je eigen sleutel bij je eigen provider. De modellen zelf worden ingekocht, en dat is een andere vraag dan waar ze draaien.

Het punt is niet welke van die twee vormen je koopt. Allebei zijn ze verdedigbaar, en voor een team dat alleen gesprekken wil vastleggen is de losse tool echt goedkoper. Het punt is dat je die keuze in de selectiefase maakt, in plaats van in maand acht te ontdekken dat je twee bronsystemen bezit. Stel elke leverancier dezelfde nuchtere vraag: waar woont een kandidaat straks? Komen daar twee antwoorden op, vraag dan wie ze op elkaar afstemt, en hoe vaak.

De fouten die we het vaakst zien

De featurelijst afvinken en de workflow vergeten. Een ATS kan elke feature op je lijst hebben en alsnog niet bij je proces passen. Dat is precies waarom 42% binnen twee jaar weer migreert. Test op jouw werkelijke flow, niet op een demo-scenario dat de vendor heeft voorgekookt.

De totale kosten onderschatten. De licentieprijs is niet de echte prijs. Reken op implementatie, integratiewerk, training en migratie. In de praktijk ligt de total cost of ownership 30 tot 50% boven de basisabonnementsprijs. Een vendor die daar vaag over doet, verrast je later.

Compliance pas na de aanschaf regelen. Ook met de uitgestelde deadline naar december 2027 is de tijd voorbij dat je een systeem kocht en de juridische kant later regelde. Vraag de documentatie, de audit-logs en de kandidaat-rechtenflow vóór je tekent. Een vendor die op die datum niet klaar is, geeft jou de aansprakelijkheid.

Geen exitstrategie. Vraag bij de aanschaf al wat er met je kandidaat- en historische data gebeurt als je opzegt. In welk formaat krijg je die terug, en hoe lang duurt dat? Een vendor die hier vaag op antwoordt, bouwt een lock-in waar je later moeilijk uitkomt.

Te veel willen automatiseren, te vroeg. Vooral rond afwijzingen. Een ATS die op grote schaal automatisch afwijst zonder aantoonbare menselijke beoordeling, botst frontaal met de eis van menselijk toezicht. Schaalbaar is niet hetzelfde als volledig geautomatiseerd.

Evaluatieraamwerk: van longlist naar go-live

Een werkbare volgorde, voor wie nu een traject start. De kern: definieer je eisen vóór je naar de markt kijkt, niet andersom.

Stap 1, eisen vastleggen (week 1). Loop de vier groepen hierboven door en plaats elke eis in must-have, should-have of could-have. Doe dit met je recruiters erbij, niet alleen vanuit inkoop. De mensen die er dagelijks in werken, zien workflow-knelpunten die op een featurelijst onzichtbaar zijn.

Stap 2, longlist (week 1-2). Stel een longlist samen van systemen die je must-haves dekken. Filter hard. Een systeem dat één must-have mist, valt af, hoe aantrekkelijk de rest ook is.

Stap 3, shortlist en gerichte demo’s (week 2-4). Breng terug naar drie tot vijf. Stuur je eisen, en zeker je compliance-vragen, vooraf per mail. Laat de vendor in de demo jouw must-haves tonen, niet zijn favoriete features. Een vendor die er een week over doet om je compliance-vragen te beantwoorden, doet er straks ook een week over tijdens implementatie.

Stap 4, compliance-check (parallel aan stap 3). Toets elke shortlist-vendor tegen de AVG- en EU AI Act-eisen uit Groep 3. Vraag om een echte audit-log, een bias-evaluatie en de transparantie-flow naar de kandidaat. En stel de hostingvraag en de inferentievraag apart, op schrift: waar staan het platform en de kandidaatdata, en waar gaan de modelaanroepen heen. Je DPIA heeft allebei nodig, en een leverancier die ze met één zin afdekt, heeft geen van beide beantwoord.

Stap 5, pilot (week 4-8). Geen jaarcontract zonder pilot. Draai drie tot zes weken op één team, met vooraf afgesproken meetpunten. Niet “voelt het goed”, maar “scheelt het meetbaar tijd op time-to-fill en data-entry, gemeten voor en na”.

Stap 6, migratie en go-live. Plan de datamigratie en de exitvoorwaarden van je oude systeem vóór de overstap, niet eronder. Train je team op de nieuwe flow voordat je live gaat. Een ATS die technisch perfect is maar door niemand goed gebruikt wordt, levert evenmin op als een slechte.

Conclusie

Een moderne ATS in 2026 is niet de ATS met de langste featurelijst. Het is het systeem dat je basislaag dekt, semantische en uitlegbare AI biedt, voldoet aan AVG en de EU AI Act, en zo open is dat je er de rest van je stack op kunt aansluiten. En de stille verschuiving sinds de vorige generatie buyer-guides is deze: intelligentie is geen laag meer die je er achteraf bij zet. Een systeem waarin matching, parsing, gespreksvastlegging en rapportage op dezelfde dossiers draaien, is een ander product dan een systeem waarin elk van die vier een koppeling naar elders is. Dat verschil zie je niet in een demo. Dat verschil zie je achttien maanden later, in het rechttrekwerk.

Plot je eisen op de vier groepen, beslis bewust wat een must-have is, en toets vóór de demo. Wil je zien hoe het eruitziet als die intelligentie ín het bronsysteem zit in plaats van ernaast, dan is Simply dat argument in productvorm, inclusief de dingen die het met opzet weigert te doen. Voor specifieke bureautypes is de invulling anders: uitzendbureaus hechten zwaarder aan volume en bewaartermijnen, werving- en selectiebureaus aan uitlegbaarheid per kandidaat. En als de keuze tussen tools nog open ligt, helpt recruitment-AI kiezen per type bureau je verder.