Waarom traditionele werving te traag is voor MKB
De gemiddelde time-to-hire in Nederland ligt op 36 dagen. Voor een MKB-bedrijf zonder dedicated HR-team loopt dit makkelijk op naar 6-8 weken. Ondertussen loopt talent weg naar concurrenten die sneller schakelen. AI verandert dit spel fundamenteel — niet door mensen te vervangen, maar door de traagste stappen te versnellen.
De bottleneck zit bij cv-screening. Een vacature voor een marketingmanager levert gemiddeld 80-120 sollicitaties op. Elk cv manueel doorlezen kost 3-5 minuten — dat is al snel 6-10 uur werk voor één vacature. AI kan dit terugbrengen naar een fractie van die tijd.
Wat AI goed doet: objectief vergelijken op harde criteria (opleiding, ervaring, vaardigheden), snel filteren op must-haves, en consistente feedback geven. Wat AI niet goed doet: cultuurfit inschatten, motivatie beoordelen, en de 'iets anders maar juist goed' kandidaat herkennen. De mens blijft essentieel in de eindbeslissing.
CV-screening automatiseren: tools die werken voor MKB
Er zijn drie tools die het meest worden gebruikt door Nederlandse MKB'ers voor geautomatiseerde cv-screening. Elk heeft zijn eigen sterktes afhankelijk van je bedrijfsomvang en budget.
Teamtailor AI (vanaf 149 euro per maand): volledig ATS met ingebouwde AI-screening. Werkt goed voor bedrijven die al een ATS willen. De AI koppelt harde criteria aan de vacature-eisen en geeft elke kandidaat een fit-score. Sterkste punt: de candidate experience is uitstekend.
Homerun (vanaf 99 euro per maand): populaire keuze in Nederland, speciaal gebouwd voor scale-ups en MKB. Screening is minder geavanceerd dan Teamtailor, maar de interface is intuïtief en de onboarding snel. Goede keuze als je nu begint met gestructureerd werven.
Lever (vanaf 3.500 euro per jaar): enterprise-tool maar beschikbaar voor MKB via partners. Sterkste AI-functionaliteit, maar complexere implementatie. Alleen interessant als je 10+ vacatures per jaar hebt.
Claude gebruiken voor objectieve cv-beoordeling
Heb je geen budget voor een ATS? Gebruik Claude direct. Upload het cv (of plak de tekst) en gebruik deze prompt als uitgangspunt:
Prompt-voorbeeld voor Claude: Beoordeel dit cv voor de functie [functietitel]. Vacature-eisen: [lijst met must-haves en nice-to-haves]. Geef een objectieve analyse op: 1) Match met must-have criteria (score 0-10), 2) Relevante ervaring (jaren en context), 3) Opleiding en certificeringen, 4) Drie sterkste punten voor deze rol, 5) Twee twijfelpunten of ontbrekende informatie. Sluit af met een aanbeveling: uitnodigen / twijfel / afwijzen.
Belangrijk: gebruik Claude als tweede paar ogen, niet als gatekeeper. Laat altijd een mens de uiteindelijke beslissing nemen, zeker voor twijfelgevallen.
Praktijktip: maak een Google Form met twee velden — cv tekst en motivatiebrief. Koppel dit via Make.com of n8n aan Claude. Elke ingestuurde sollicitatie krijgt automatisch een beoordeling in je inbox.
Vacatureteksten schrijven met AI
Een goede vacaturetekst trekt de juiste kandidaten aan en schrikt de verkeerde af. AI kan hier enorm bij helpen — maar pas op voor generieke output. Het geheim zit in je input.
Geef Claude: je bedrijfscultuur (in eigen woorden), de 3 dingen die je toekomstige collega echt goed moet kunnen, de 2 dingen waarop je nog niet wil selecteren, en wat jouw team bijzonder maakt. Dan pas vraag je om de vacaturetekst.
Laat Claude ook een inclusieve versie schrijven. AI-tools als Textio of Gender Decoder scannen je vacaturetekst op taalpatronen die bepaalde groepen afschrikken. Claude kan dit zelf ook — vraag expliciet om een bias check na de eerste versie.
Bias voorkomen: do's en don'ts
DO: gebruik gestructureerde scorecards — dezelfde criteria voor elke kandidaat. DO: train je team op wat objectieve criteria zijn versus indrukken. DO: gebruik meerdere beoordelaars voor twijfelgevallen. DO: evalueer je wervingsresultaten periodiek op diversiteit.
DON'T: laat AI selecteren op cultuurfit — dit is een proxy voor bias. DON'T: train AI op historische wervingsdata zonder bias-audit. DON'T: verberg voor kandidaten dat AI wordt gebruikt in het selectieproces. Transparantie is niet alleen ethisch, het is ook beter voor je employer brand.
AVG en sollicitantendata: wat mag je wel en niet opslaan?
Sollicitantendata valt onder de AVG. Je mag gegevens bewaren zolang de sollicitatieprocedure loopt, plus maximaal 4 weken na afronding — tenzij de kandidaat toestemming geeft voor langer (bijv. voor toekomstige vacatures).
Wat je niet mag: cv's uploaden naar AI-diensten zonder te controleren of die dienst AVG-compliant is. ChatGPT (gratis) verwerkt data voor model-training — gebruik het Enterprise plan of Claude API, die explicieter zijn over datagebruik.
Gebruik voor cv-analyse bij voorkeur lokale tools, een AVG-compliant API (Claude API met verwerkersovereenkomst), of anonimiseer de data voordat je deze naar een AI-model stuurt.
Aanbeveling per bedrijfsomvang
1-10 medewerkers: Begin met Claude via de API (of gewoon via claude.ai) en een eenvoudig Google Form voor sollicitaties. Kosten: 20-30 euro per maand. Tijdwinst: 70 procent minder screening-tijd.
10-50 medewerkers: Homerun ATS plus Claude API voor aanvullende analyse. Structureer je proces met scorecards. Kosten: 100-200 euro per maand. Tijdwinst: 80 procent minder screening-tijd plus betere kandidaatervaring.
50-250 medewerkers: Teamtailor of Lever plus Claude API voor diepere analyse plus automatische rapportage via n8n. Kosten: 200-400 euro per maand. Tijdwinst: 85 procent minder handmatig werk, data-gedreven hiring.
Ongeacht je bedrijfsgrootte: start klein. Automatiseer één stap, evalueer na een maand, en bouw dan verder. Volledig automatiseren in één keer gaat ten koste van kwaliteit en vertrouwen bij kandidaten.