Het artikel gaat hieronder verder.
Een tijdje geleden legde ik recruiters op LinkedIn een keuze voor. Twee recruiters, Mieke en Mike, kregen na hun laatste vacature dezelfde berg sollicitaties op hun bord. ‘Hier, gebruik maar A.I. voor de eerste selectie,’ zei hun manager. ‘Zo besparen we tijd.’ Hoe precies? Dat mochten ze zelf uitzoeken. Mike deed wat vandaag de meeste organisaties doen. Hij liet A.I. de cv’s lezen, samenvatten en rangschikken. Mooie opleidingen, bekende werkgevers en relevante ervaring kregen voorrang. De kandidaten met de beste cv’s nodigde hij vervolgens uit.
Wie van de twee nodigt volgens jou het hoogste percentage geschikte kandidaten uit?
Mieke draaide de volgorde om en vertrok vanuit de job zelf. Eerst bepaalde ze welke criteria écht telden. Daarna ontwierp ze samen met A.I. 3 gerichte interviewvragen om die criteria te testen bij álle kandidaten. Iedere sollicitant kreeg daarop dezelfde vragen. A.I. beoordeelde vervolgens de antwoorden met een vooraf vastgelegde scorekaart en maakte een objectief rapport. Pas daarna koos Mieke wie ze uitnodigde voor een nader kennismakingsgesprek. Mijn vraag aan de lezers: wie van de twee nodigt volgens jou het hoogste percentage geschikte kandidaten uit?
Een groep speelt op veilig
De uitslag was interessant. Bijna 6 op de 10 koos voor Mieke. Amper 4% koos voor Mike. Zoveel vertrouwen in cv-screening is er dus niet meer, en dat is op zich al veelzeggend. Maar er was ook nog een derde groep. Ruim een derde – samen 37% – koos geen van beide recruiters en week uit naar een variant van ‘veel verschil zal het niet maken’ of ‘dat hangt af van de job’. Laten we hen ‘de onbeslisten’ noemen. Ze kiezen niet, en dekken zich in met een redenering die altijd waar lijkt: het hangt af van de context, van de functie, van de sector.
Maar ‘Het hangt af van de job’ is geen analyse. Het is een uitweg. Ik snap die reflex wel. Ze klinkt genuanceerd en professioneel. Wie zegt dat het van de job afhangt, kan nooit ongelijk krijgen. Maar in de praktijk is het vaak precies de zin waarmee we een keuze uitstellen die we eigenlijk allang kunnen maken. Want de vraag was niet of A.I. álles oplost. Ze was scherper: waar zet je A.I. het best in – op het cv, of op het antwoord van de kandidaat?
Het onderzoek geeft daar een duidelijk antwoord op
Mieke en Mike zijn geen denkoefening. Ze zijn de vertaling van een echt experiment van Stanford University bij ruim 37.000 sollicitanten voor een vacature als junior developer – een onderzoek dat we hier eerder al bespraken. De ene groep werd klassiek via cv-screening geselecteerd, de andere kreeg eerst een gestructureerd interview waarin A.I. iedere kandidaat dezelfde vragen stelde. Pas daarná volgde bij beide groepen dezelfde menselijke selectie, met interviewers die niet wisten welke route een kandidaat had gevolgd.
Mieke en Mike zijn geen denkoefening. Ze zijn de vertaling van een echt experiment.
Van de kandidaten uit de tweede groep haalde 54% de eindstreep, tegenover 34% bij de klassieke cv-screening. Ruwweg de helft meer geschikte kandidaten uit exact dezelfde stapel – en dus veel minder tijd verloren aan mensen die uiteindelijk toch afvallen. Wat me daarbij opvalt, is hoe makkelijk je die uitkomst verkeerd leest. De populaire samenvatting werd al snel ‘A.I. screent beter dan de mens’. Maar dat is niet wat er getest is. In beide routes besliste uiteindelijk een mens. De aanwezigheid van A.I. was niet doorslaggevend. Wat telde, was de plek wáár die A.I. stond: bij Mike las de AI het cv, bij Mieke woog ze het antwoord op een vraag.
Waar je deze zomer over moet nadenken
Dezelfde technologie, twee totaal verschillende plekken – en alleen de tweede plek levert iets op. Een cv beschrijft het verleden. Selectie gaat over toekomstig gedrag. De echte zorg voor recruiters is deze zomer dan ook niet de stapel sollicitaties. Het is de ongemakkelijke wetenschap dat het cv én de motivatiebrief nauwelijks voorspellen wie succesvol wordt – en dat we dat eigenlijk allemaal al weten.
Een cv beschrijft het verleden. Selectie gaat over toekomstig gedrag.
Motivatiebrieven worden vandaag door kandidaten met A.I. geschreven en door recruiters met A.I. samengevat. Twee taalmodellen die met elkaar praten over een vacature. Het cv is een gestileerd verleden, geen voorspelling van toekomstig gedrag. En toch bouwen we onze eerste selectie nog altijd op die twee instrumenten. We hebben er nu alleen een snellere motor op gezet. Maar A.I. maakt een zwakke eerste selectie niet plots sterk. Ruis blijft ruis, nu enkel goedkoper. Ze geeft ons wél de kans om eindelijk beter te beginnen. Richt je haar op de antwoorden op vragen die vooraf aan de job zijn opgehangen, wordt ze plots waardevol.
Voorbereiding wint
Dan scoort ze namelijk consistent wat het werk écht voorspelt. Dezelfde technologie, en het enige verschil is wat je erin stopt. Dát is het denkwerk dat deze rustigere maanden waard is. De vraag verschuift: van hoe je een cv sneller laat lezen naar waar A.I. wél iets toevoegt, en wat daarvóór op orde moet zijn. Het antwoord is minder spannend dan een nieuwe tool, en veel krachtiger. Mieke won door haar voorbereiding. Ze had eerst de job veel beter geanalyseerd, en pas daardoor wist ze welke antwoorden ze moest uitlokken en kon AI iets zinvols scoren.
Start bij de Taken – nog vóór je aan interviewvragen of A.I. denkt.
Precies daarvoor is het CACTUS Canvas in mijn nieuwe boek Reinventing Interviews bedoeld. Je start bij de Taken – nog vóór je aan interviewvragen of A.I. denkt. Welke 3 taken beslaan samen 80% van de job? Daaruit leid je af welke competenties en attitudes echt tellen, welke ervaring relevant is en wat je nog moet uitzoeken. Het canvas werkt als een filter: het haalt uit een vacaturetekst precies datgene wat straks in je vragen en je scorekaart moet terugkomen. En omdat je vooraf afspreekt wat zwaar weegt, verzandt het gesprek niet in indrukken of in de luidste stem aan tafel – je kunt kandidaten eerlijk en consistent vergelijken.
Wat A.I. wél kan
Zet je die volgorde neer, dan krijgt A.I. eindelijk een taak waar ze wél in uitblinkt: de antwoorden consistent en objectief scoren. De machine wordt pas slim als het denkwerk ervóór gebeurd is. De kwaliteit van een selectie zit niet in je eerste vraag. Ze zit in het denkwerk dat eraan voorafgaat. En dat denkwerk hoeft je zomer niet te verstoren – de rust van deze maanden is er zelfs precies geschikt voor. Twee luie namiddagen aan het water volstaan om in september met een uitgewerkt canvas terug te komen in plaats van met dezelfde oude cv-stapel.
‘A.I. geeft ons eindelijk de kans om selectie te doen zoals onderzoek dat al meer dan een eeuw aanbeveelt.’
Want A.I. vervangt de recruiter niet. Ze geeft ons eindelijk de kans om selectie te doen zoals onderzoek dat al meer dan een eeuw aanbeveelt. De onbeslisten mogen deze zomer nog even op veilig spelen. Maar in september is ‘het hangt af van de job’ geen antwoord meer. Het is uitstel. Ik deed mijn uiterste best om Reinventing Interviews nog nét vóór de zomer klaar te hebben, zodat je het in je koffer bij de zomerlectuur kon steken – of binnen een paar tikken op je e-reader kon zetten. Lees je het op vakantie? Stuur mij dan een foto waar jij je vakkennis verdiept! Ik kreeg er al meerdere, zoals je in dit artikel kunt zien!
Het CACTUS Canvas
Wim Thielemans, de auteur van dit artikel, schreef recent het boek Reinventing Interviews, waarin hij toont hoe je met het CACTUS-model gestructureerde selectie-interviews ontwerpt die twee keer beter dan klassieke selectiegesprekken voorspellen wie succesvol zal zijn in een job. De officiële boekvoorstelling in Nederland vindt plaats op 26 oktober 2026 in Utrecht, de Belgische editie op 15 september 2026 in Leuven – beide gratis toegankelijk via Dynamo.
