Hoe de sollicitatieprocedure verandert door AI: 'Voor de meeste banen is een motivatiebrief totaal niet relevant'
In dit artikel:
Kunstmatige intelligentie verandert sollicitaties van A tot Z: steeds vaker laten kandidaten ChatGPT, Claude of Gemini cv’s en motivatiebrieven opstellen, waarna andere algoritmes die documenten eerst screenen. Daardoor ontstaat een cyclus waarin AI-agenten elkaar beoordelen, en traditionele selectie-instrumenten — cv en motivatiebrief — aan voorspellende waarde inboeten.
Onderzoekers en recruitmentprofessionals in Nederland signaleren dat die ontwikkeling bestaande problemen in het sollicitatieproces vergroot. Janneke Oostrom (Tilburg University) wijst erop dat cv’s en brieven al lang weinig zeggen over toekomstige werkprestaties, maar dat werkgevers ze blijven gebruiken omdat er geen heldere alternatieven zijn. AI maakt brieven foutloos en generiek, waardoor eerder zichtbare signalen van motivatie of schrijftalent verdwijnen. Dat kan positief zijn voor bijvoorbeeld kandidaten die in een niet‑moedertaal solliciteren, maar het bemoeilijkt nu juist de vraag waar werkgevers op moeten selecteren.
Roland Grootenboer, met jaren ervaring bij onder meer Google en Blendle, ziet in de opkomst van AI vooral een kans om een verkeerde werkwijze bloot te leggen: veel selectiecriteria meten niet de vaardigheden die voor de baan relevant zijn. Zijn oplossing is praktisch en evidence‑gericht: laat kandidaten het werk doen waarvoor ze solliciteren — programmeerproeven voor programmeurs, schrijftaken voor schrijvers — omdat dergelijke werkproeven betere voorspellers van succes zijn dan achtergrondgegevens of een goed geformuleerde brief.
Bedrijven passen hun procedures al aan. Steeds vaker worden bij de eerste sollicitatieronde concrete opdrachten gevraagd of korte video’s ingepland, en organisaties zoals YoungCapital gebruiken automatische filters (inclusief sollicitaties via Instagram) om harde eisen — bijvoorbeeld het bezit van een rijbewijs — snel te controleren. Zulke knock‑outcriteria zijn geschikt voor automatisering, maar zodra beoordeling subjectiever wordt, nemen de risico’s toe.
Die risico’s zijn niet theoretisch: onderzoek in Amsterdam laat zien dat sollicitanten met een niet‑westerse migratieachtergrond nog steeds meer moeten solliciteren om een uitnodiging te krijgen. Automatische systemen kunnen ongelijkheid bestendigen of versterken als ze getraind zijn op historische data met bestaande vooroordelen. Zelfs ogenschijnlijk neutrale variabelen, zoals postcode, kunnen sociaaleconomische verschillen weerspiegelen en leiden tot discriminerende selectie wanneer ze ongefilterd worden ingezet.
Publieke en private actoren reageren verschillend: het UWV is terughoudend met het inzetten van AI vanwege privacy en verantwoordelijkheidsvragen en biedt kandidaten alleen voorlichting over verantwoord gebruik. Recruiters benadrukken tegelijk dat volledige vervanging van mensen onwaarschijnlijk is; menselijke beoordeling blijft cruciaal, zeker wanneer automatisering toeneemt.
Kortom: AI dwingt organisaties om explicieter te definiëren welke kwaliteiten écht relevant zijn en hoe die objectief te toetsen. De uitdaging is tweeledig: kiezen voor meer taakgerichte en gestructureerde selectiemethoden — zoals werkproeven, gestructureerde interviews en gevalideerde competentietests — en tegelijkertijd voorkomen dat geautomatiseerde voorselectie bestaande biases reproduceert. Als bedrijven die twee punten aanpakken, kan AI het sollicitatieproces verbeteren; anders vervangt het slechts menselijke willekeur door geautomatiseerde vooroordelen.