Waarom goede AI-matching de arbeidsmarkt niet onmenselijker, maar juist menselijker kan maken.

Afgelopen zaterdag stond ik in NRC. Wouter van Noort sprak mij over AI-matching en de toekomst van solliciteren. Een mooie aanleiding om uitgebreider stil te staan bij een overtuiging die bij mij de afgelopen jaren alleen maar sterker is geworden: we zouden geen motivatiebrieven meer moeten willen.

Niet omdat motivatie onbelangrijk is. Integendeel. Maar omdat een motivatiebrief maar heel beperkt laat zien wie iemand is, wat iemand kan en onder welke omstandigheden iemand tot zijn recht komt. Sterker nog: met een motivatiebrief meten we vooral hoe goed iemand een motivatiebrief kan schrijven.

We bevoordelen mensen die taalvaardig zijn, de ongeschreven regels van solliciteren kennen, voldoende tijd hebben om zich voor te bereiden en goed kunnen inschatten wat een werkgever graag wil horen. Sinds de komst van generatieve AI is bovendien steeds minder duidelijk of een brief iets zegt over de kandidaat of vooral over de kwaliteit van de gebruikte prompt. Dat maakt de motivatiebrief tot een steeds vreemder selectie-instrument.

Een cv kijkt terug, terwijl werk vooruit verandert

Ook het cv kent grote beperkingen. Een cv vertelt vooral waar iemand heeft gewerkt, welke functietitels diegene heeft gehad en welke opleidingen zijn afgerond. Het is een samenvatting van het verleden. Maar werkgevers willen weten wat iemand morgen kan bijdragen.

En juist die vraag wordt belangrijker nu werk steeds sneller verandert. AI neemt niet in één keer volledige banen over, maar wel steeds meer afzonderlijke taken. Daardoor veranderen functies, verdwijnen onderdelen van werk en ontstaan nieuwe combinaties van menselijke en digitale vaardigheden. Een traditionele functietitel vertelt dan steeds minder.

Twee mensen met dezelfde functietitel kunnen in de praktijk heel ander werk hebben gedaan. Tegelijkertijd kunnen mensen uit compleet verschillende beroepen over verrassend vergelijkbare skills beschikken. Een logistiek planner kan bijvoorbeeld vaardigheden hebben die waardevol zijn in de zorg. Een recruiter kan goed passen bij klantadvies of projectcoördinatie. En iemand die jarenlang een huishouden, mantelzorg en vrijwilligerswerk heeft gecombineerd, kan kwaliteiten hebben ontwikkeld die op geen enkel cv volledig zichtbaar worden.

Als we alleen blijven kijken naar diploma’s, functietitels en jaren ervaring, missen we een groot deel van het beschikbare talent.

We moeten elkaar beter leren zien

De menselijke schaal van de arbeidsmarkt is verdwenen. Er zijn miljoenen mensen, vacatures, projecten, opleidingen en mogelijke loopbaanstappen. Geen kandidaat, recruiter, loopbaancoach of werkgever kan al die mogelijkheden overzien.

Daar komt bij dat wij mensen behoorlijk bevooroordeeld zijn. Vaak zonder dat we het zelf doorhebben. We herkennen vooral wat we al kennen. We kijken naar bekende opleidingen, werkgevers en loopbaanpaden. We zoeken iemand die lijkt op de persoon die het werk eerder succesvol deed. Een afwijkend cv voelt al snel als een risico.

Daarom is de oproep om elkaar gewoon beter te leren kennen sympathiek, maar onvoldoende. Daarvoor zijn de arbeidsmarkt en de hoeveelheid beschikbare informatie simpelweg te groot geworden. We hebben technologie nodig om de menselijke mogelijkheden weer zichtbaar te maken.

Dit is iets anders dan cv’s op trefwoorden vergelijken

AI-matching wordt nog vaak verward met het automatisch vergelijken van woorden uit een cv met woorden uit een vacaturetekst. Dat gebeurt al jaren. Het is schaalbaar, maar nauwelijks intelligent.

Goede AI-matching gaat veel verder. Het begint met een rijker beeld van mensen en werk. Welke skills heeft iemand aantoonbaar gebruikt? Welke aanvullende vaardigheden zijn waarschijnlijk ontwikkeld door eerdere ervaringen? Welke taken passen daarbij? Welke skills ontbreken nog? Wat kan iemand relatief gemakkelijk leren? En welke vervolgstappen worden daardoor bereikbaar?

Aan de andere kant moet ook werk veel nauwkeuriger worden beschreven. Niet alleen als één vaste functie, maar als een combinatie van taken, verantwoordelijkheden, context en benodigde skills. Pas dan ontstaat echte matching.

Bij 8vance werken we dagelijks aan dit vraagstuk. We gebruiken AI om verbanden te leggen tussen skills, ervaringen, vacatures, loopbaanstappen en ontwikkelmogelijkheden. Niet alleen om de meest voor de hand liggende kandidaat te vinden, maar juist ook om mogelijkheden te ontdekken die mensen en organisaties zelf nog niet zagen. Dat is voor mij de werkelijke kracht van AI-matching: niet sneller dezelfde selectie uitvoeren, maar fundamenteel meer mogelijkheden zichtbaar maken.

Motivatie is geen vaststaand gegeven

Er zit nog een ander probleem in de traditionele motivatiebrief. We behandelen motivatie alsof het een vaste eigenschap is die iemand vooraf moet kunnen bewijzen. Maar motivatie ontstaat vaak pas wanneer iemand een mogelijkheid werkelijk kan zien.

Iemand kan moeilijk enthousiast worden over een loopbaanstap waarvan diegene het bestaan niet kent. Of over een vacature die is geschreven in intern jargon en vooral bestaat uit een lange lijst eisen.

Goede matching draait daarom niet alleen om de vraag of iemand nu perfect past. Het gaat ook om vragen als: zou deze persoon dit werk kunnen doen? Welke bestaande skills zijn overdraagbaar? Wat zou iemand nog moeten leren? Welke ontwikkeling wordt hierdoor mogelijk? Sluit het werk aan bij wat iemand belangrijk vindt? Ontstaat er energie wanneer deze mogelijkheid zichtbaar wordt?

Motivatie hoeft dus niet altijd het startpunt van de match te zijn. Het kan ook het resultaat zijn van een onverwacht maar aantrekkelijk perspectief.

AI kan meer van iemand zien, maar nooit de hele mens

Hier is nuance belangrijk. AI kan grote hoeveelheden informatie verwerken, patronen herkennen en onverwachte verbindingen leggen. Maar een mens is altijd meer dan een dataprofiel. Niet alle relevante informatie is beschikbaar. Niet ieder talent laat zich eenvoudig meten. Persoonlijke omstandigheden, ambities, onzekerheden en verlangens passen niet volledig in een algoritme.

AI moet daarom niet zelfstandig bepalen waar iemand wel of niet thuishoort. Het moet mensen helpen om meer mogelijkheden te zien en betere gesprekken te voeren. Waar de data rijk en betrouwbaar genoeg is, kan technologie een groot deel van de eerste matching verzorgen. Waar context ontbreekt of onvoldoende vertrouwen ontstaat, blijft een menselijke arbeidsbemiddelaar, recruiter of loopbaancoach van grote waarde.

De toekomst is niet mens of technologie. De toekomst is technologie die op grote schaal mogelijkheden ontdekt, gecombineerd met mensen die luisteren, doorvragen, begeleiden en vertrouwen creëren.

Goede AI-matching vraagt om goede voorwaarden

AI-matching is geen magische oplossing. De kwaliteit staat of valt met de manier waarop we het ontwerpen en inzetten. Wat mij betreft zijn minstens vier voorwaarden essentieel.

Goede en actuele data. Wanneer profielen incompleet zijn en functies slecht beschreven worden, kan ook het beste algoritme geen betrouwbare match maken.

Uitlegbaarheid. Mensen moeten kunnen begrijpen waarom een bepaalde mogelijkheid wordt voorgesteld. Een matchscore zonder uitleg is onvoldoende.

Regie voor het individu. AI moet mogelijkheden aanbieden, geen loopbaan dicteren. Mensen moeten hun profiel kunnen aanvullen, voorkeuren kunnen aangeven en zelf keuzes blijven maken.

Bewuste controle op vooroordelen. Technologie kan menselijke vooroordelen helpen verminderen, maar kan ze ook reproduceren wanneer historische data kritiekloos wordt gebruikt. Dat vraagt om voortdurende toetsing, transparantie en verantwoordelijkheid.

Juist omdat matching directe gevolgen heeft voor mensen, mogen we hierin geen genoegen nemen met een black box.

Van solliciteren naar navigeren

Mijn ideaalbeeld is een arbeidsmarkt die meer lijkt op Google Maps. Je hoeft niet vooraf alle mogelijke bestemmingen te kennen. Je ziet waar je nu staat, welke routes beschikbaar zijn, welke tussenstappen mogelijk zijn en wat je onderweg nog moet ontwikkelen.

Misschien ligt de snelste route voor de hand. Misschien past een alternatieve route beter bij je leven. En soms ontdek je een bestemming waar je zelf nog nooit aan had gedacht.

Dat is de verschuiving die AI-matching mogelijk maakt. Van zoeken op functietitels naar navigeren op basis van skills. Van selecteren op het verleden naar kijken naar toekomstig potentieel. Van mensen afwijzen omdat ze niet volledig passen naar zichtbaar maken wat er nog nodig is. Van een arbeidsmarkt vol gesloten deuren naar een omgeving waarin veel meer routes zichtbaar worden.

De echte belofte is betere doorstroming

Als we dit goed organiseren, verbeteren we niet alleen het sollicitatieproces. Dan kunnen mensen gemakkelijker overstappen naar ander werk. Werkgevers ontdekken talent dat nu buiten beeld blijft. Medewerkers krijgen meer zicht op interne loopbaanmogelijkheden. Werkzoekenden worden minder afhankelijk van hun vermogen om zichzelf te verkopen. En de samenleving kan menselijk talent veel beter verbinden aan plekken waar het nodig is.

Dat vraagt meer dan een nieuw algoritme. Het vraagt goede data, betrouwbare technologie, andere HR-processen en de bereidheid om onze vertrouwde manier van selecteren ter discussie te stellen. Maar de potentie is enorm.

Bedankt voor het interview, Wouter. Er valt nog zoveel meer over te zeggen, maar je hebt de essentie mooi geraakt.

Laten we stoppen met mensen vooral te beoordelen op hoe goed ze zichzelf op papier kunnen verkopen. Laten we AI gebruiken om elkaar werkelijk beter te zien.