Blog/AI In HR

Shortlist van kandidaten: maak van 244 cv's een lijst die je kunt verdedigen

Flowmingo Editorial TeamFlowmingo Editorial Team15 min lezen
Candidate shortlisting: turn 244 CVs into a list you can defend: 244 CVs in arrival order beside a list scored the same way and ranked

Het is dinsdag, 244 sollicitaties voor 1 vacature staan in je wachtrij en de hiring manager wil donderdag namen. Je shortlist van kandidaten moet een verdedigbare groep mensen opleveren die je binnen je interviewcapaciteit kunt beoordelen, te beginnen met cv-screening.

Het aantal sollicitaties per vacature steeg van 116 in 2022 naar 244 in 2025, terwijl recruitmentteams 56% krompen in Greenhouse's wereldwijde benchmarks.

In een Gartner-onderzoek onder 3.290 kandidaten gebruikte 39% AI bij het solliciteren. Daarom lijken zoveel cv's op elkaar, en heeft onderbuikgevoel minder houvast.

Bij een aangenomen 2 minuten per cv is dat 8 uur lezen voordat je een notitie schrijft. En het lezen wordt ongelijkmatig: uit interviewonderzoek blijkt dat mensen een kandidaat lager beoordelen na een reeks sterke kandidaten. Dat is geen achteloosheid: beoordelaars doseren in stilte hun ja's binnen één sessie.

Zo stel je in 3 stappen een shortlist van kandidaten samen die je kunt verdedigen. Leg eerst de gewogen criteria vast met de hiring manager, scoor elk cv op dezelfde manier in willekeurige volgorde en bepaal de grootte van de lijst op basis van je interviewuren.

Belangrijkste punten

  • Hoeveel kandidaten moet ik op de shortlist zetten? Reken terug vanuit je interviewcapaciteit en de functie-eisen. Het voorbeeld met 19 personen hieronder is rekenwerk op geaggregeerde cijfers, geen streefgetal voor elke vacature.
  • Waarom de criteria opschrijven vóór het eerste cv? Beoordelaars buigen criteria toe naar een cv dat ze graag mogen. Ze eerst opschrijven elimineerde gendervooroordeel in onderzoeken van Yale.
  • Moet ik alleen cv's shortlisten met een 8 op de 10? Nee. In de helft (51,8%) van 1.024 Flowmingo-projecten met 20+ AI-gescoorde cv's haalde geen enkele een 8.
  • Verandert de volgorde van cv's wie op de lijst komt? Ja. 22 AI-modellen kozen in 63,5% van de gevallen het eerste van 2 gelijkwaardig gekwalificeerde cv's.
  • Kan ik ChatGPT 200 cv's laten rangschikken? Alleen als eerste sortering die een mens controleert. Verborgen tekst in cv's misleidde AI-screeners in sommige tests meer dan 80% van de tijd.

1. Hoe werkt het shortlisten van kandidaten met 244 sollicitanten en 2 dagen zonder elk cv te lezen?

Lees geen 244 cv's in volgorde van binnenkomst. Doorloop het shortlisten van kandidaten in 3 rondes: harde feiten, dan gewogen scores, dan een handmatige lezing van het bovenste segment en de band eronder.

De volgorde van binnenkomst voelt neutraal, maar heeft niets met de functie te maken. De eerste sollicitant krijgt je volle, frisse aandacht en de sollicitant van dag 4 krijgt wat er nog over is. Passes lossen dat op, omdat elke pass dezelfde vraag stelt aan elk cv.

De afbeelding hieronder toont de 3 passes. Pass 1 controleert 2 of 3 harde feiten, zoals kernuren, die je in de sollicitatie vraagt. Omdat ze slagen of zakken, vullen kandidaten ze in en besteed je er geen leestijd aan.

Pass 2 scoort iedereen die overblijft op 4 tot 6 criteria, elk van 0 tot 10, met dezelfde formule voor iedereen. Pass 3 brengt jouw oordeel terug: je leest met de hand de top van de ranglijst en de paar cv's net onder je afkapgrens.

Die laatste menselijke lezing is belangrijk, omdat een scoringsformule een ongebruikelijk cv kan missen. Zo kan iemand die van loopbaan wisselt, verlengingen hebben afgehandeld onder een verkooptitel die jouw criteria nooit noemen.

Kandidaten shortlisten in 3 passes: harde feiten, gewogen scores en dan een handmatige lezing van de bovenste laag

Shortlist in 3 passes: harde feiten, gewogen scores en dan een handmatige lezing van de bovenste laag, qua omvang afgestemd op je interviewuren.

Flowmingo-data · 237.650 sollicitanten · 10.074 wervingsprojecten · 4.857 bedrijven · projecten aangemaakt van 1 jul 2025 tot 24 aug 2026

  • 50% van alle sollicitanten zat in een wervingsproject met 174 of meer sollicitanten.

Telt iedereen in een project (geüpload, uitgenodigd of via een vacature), elke opeenvolgende sollicitant één keer. Veel projecten zijn proefprojecten.

2. Welke criteria voor het shortlisten van kandidaten moet ik opschrijven vóór het eerste cv, zodat elke selectie standhoudt?

Schrijf 4 tot 6 criteria op basis van wat de functie moet opleveren, en stem ze af met de hiring manager voordat iemand een cv opent. Maak 2 of 3 harde feiten slagen of zakken, en weeg de rest.

Ze eerst opschrijven is belangrijk, omdat het lezen van cv's je oordeel vertekent. In fundamentele Yale-studies beoordeelden mensen sollicitanten voor een verzonnen functie van politiechef.

Toen de mannelijke sollicitant meer straatervaring had, zeiden mensen dat straatervaring zwaarder woog. Toen hij meer opleiding had, zeiden ze dat opleiding zwaarder woog.

Door de criteria vooraf vast te leggen, verdween die gendervooringenomenheid in de 3e studie, en de mensen die zich het meest objectief voelden, waren het meest bevooroordeeld. De aanwervingen waren hypothetisch, maar de waarschuwing is duidelijk: criteria die je na het lezen opschrijft, beschrijven het cv dat je toch al leuk vindt.

Stel dat je een Customer Success Manager aanneemt (illustratief, geen klantgegevens). Stel de harde feiten als vragen voor een pre-screeninggesprek, en schrijf vervolgens op welk bewijs elke score oplevert:

Criterium Weging Bewijs voor 8 tot 10 Voor 3 tot 5
Kernuren; recht om te werken, waar dat wettelijk gevraagd mag worden Pass/fail, gevraagd Antwoordt ja
Renewals op een B2B-portefeuille Must Have, 4 Omvang van de portefeuille en een renewalresultaat Geen scope of resultaat
Onboarding van klanten Very Important, 3 Een plan dat ze hebben uitgevoerd en wat er veranderde Nam deel
Dagelijks CRM-gebruik Important, 2 Het CRM en wat ze bijhielden CRM onder vaardigheden
SaaS-ervaring Good to Have, 1 Gewerkt aan een SaaS-product Aangrenzende software
Geen bewijs Regel Score 3, noteer "niet getoond": niet nul en niet overgeslagen

Renewals wegen het zwaarst, omdat een Customer Success Manager erop slaagt of faalt. Een CV dat zwijgt over een criterium scoort 3, want een nul zou iemand straffen die het heeft weggelaten. De regel overslaan zou erger zijn: een CV dat minder zegt, zou dan alleen op zijn sterke punten scoren.

3. Mijn hiring manager blijft mijn shortlist afwijzen. Hoe worden we het eens over de selectie vóór de screening?

Spreek de criteria en wegingen af, en scoor daarna samen met de hiring manager elk dezelfde 5 CV's apart en vergelijk. Waar jullie scores uiteenlopen, pas je het criterium aan, niet de persoon.

Een shortlist kan mislukken omdat jij en de hiring manager een ander beeld hebben van de functie-eisen.

Volgens Noise, een fundamenteel boek over beoordeling, zijn 2 interviewers in hetzelfde panel het ongeveer 1 op de 4 keer oneens over welke kandidaat beter was.

Wanneer mensen kandidaten apart zien, zoals jij en je hiring manager meestal doen, loopt dat op tot ongeveer 1 op de 3. Dat is onze berekening op basis van Huffcutt's interviewonderzoek, geen CV-onderzoek. Toch betekent het dat een afgewezen shortlist meestal ruis is, geen bewijs dat een van jullie het mis heeft.

Stel dat je een CV een 8 geeft op renewals en je hiring manager geeft het een 4. Als je erover doorpraat, ontdek je dat zij enterprise-renewals willen en het CV kleine accounts laat zien. Pas dat criterium één keer aan, voordat het shortlisten van kandidaten begint, en het is aangepast voor alle 244 CV's.

De oplossing uit het boek, uit de praktijk en niet uit een onderzoek, is om elk onderdeel te beoordelen vóór enig eindoordeel:

  1. Kies de 5 CV's verspreid over de stapel. Waar jullie scores 3+ punten uiteenlopen, schrijf je een hoog en een laag voorbeeld op.
  2. De hiring manager keurt de criteria goed, en elke latere override krijgt een schriftelijke reden.
  3. Spreek elke algemene afkapregel, zoals "geen diploma, geen gesprek", samen schriftelijk af, want zo'n regel haalt mensen snel weg.

4. Heeft het shortlisten van kandidaten uit 200 CV's een scorematrix nodig, of volstaat een stapel ja/misschien/nee?

Gebruik een gescoorde matrix, want een stapel "misschien" verbergt waarom iemand erin zit. Scoor 4 tot 6 gewogen criteria van 0 tot 10 en tel ze voor iedereen op dezelfde manier op.

Stel dat er 60 cv's in misschien liggen: op dag 2 weet niemand meer waarom.

Een fundamentele review uit 2013 door Kuncel en collega's vergeleek experts die een totaalbeeld vormden met een vaste formule die afzonderlijke scores optelt. De formule voorspelde de werkprestatie meer dan 50% beter, ook al kenden de experts de functie.

Stop in de praktijk je oordeel in de score per criterium en laat de totaalscore vervolgens rangschikken.

Hier is dat op het voorbeeld uit sectie 2 (illustratief, geen klantgegevens):

Criterium (gewicht) A B C
Verlengingen (4) 8 4 9
Onboarding (3) 7 8 6
CRM (2) 6 9 4
SaaS (1) 5 10 2
Gewogen score /10 7.0 6.8 6.4
Gewoon gemiddelde /10 6.5 7.75 5.25

Gewogen score = (4 x verlengingen + 3 x onboarding + 2 x CRM + 1 x SaaS) / 10.

B heeft het beste gewone gemiddelde, 7.75, dankzij toplenzen op CRM en SaaS, maar slechts 4 op verlengingen, het onmisbare criterium. Gewogen leidt A met 7.0, omdat A sterk is waar de functie het moeilijkst is.

C heeft de sterkste verlengingen, 9, maar dunne CRM- en SaaS-details trekken C naar 6.4, een cv voor je derde leesronde. Kijk voordat je een slaaggrens vaststelt hoe echte cv's scoren.

Flowmingo-data · 105.648 cv's · 50.546 kandidaten · 3.815 wervingsprojecten · 1.761 bedrijven · 10 jul tot 24 sep 2026

  • 5,4 op 10 was de mediane cv-score tegen de eigen gewogen criteria van elke functie.
  • 19,0% van de cv's scoorde 7 of meer op 10 tegen de criteria van hun functie.
  • 4,0% van de cv's scoorde 8 of meer op 10 tegen de criteria van hun functie.

AI-cv-scores, niet kandidaatkwaliteit of wervingsuitkomsten; niet vergelijkbaar tussen functies. Strikte criteria of bulk-uploads drukken de scores; onscoreerbare cv's en scores van vóór 10 jul zijn uitgesloten.

De grafiek hieronder laat zien hoe snel de scores uitdunnen. Net iets meer dan de helft van de cv's (56,4%) haalde 5, en ongeveer 1 op de 5 (19,0%) haalde 7. Slechts 4,0% haalde 8, en 0,1% haalde 9.

Cv-screening scores: 56,4% van de cv's scoorde 5 of meer, 19,0% scoorde 7 of meer en 4,0% scoorde 8 of meer op 10

Spreiding van CV-scores, Flowmingo-gegevens: slechts 4,0% van 105.648 CV's scoorde 8 of hoger op 10 tegen de eigen criteria van hun vacature.

Een 8 vereist duidelijk bewijs op bijna elk criterium, en weinig CV's benoemen dat expliciet. Een regel als "alleen de 8'en uitnodigen" laat dus veel vacatures achter met een heel kort lijstje, of helemaal geen.

Hoe Flowmingo helpt

CV-evaluatie zet een vacaturetekst om in criteria die je zelf aanpast en waardeert van Must Have (4) tot Good to Have (1). Het beoordeelt elk CV van 0 tot 10 per criterium met schriftelijk bewijs, waarbij geen bewijs als 3 telt. Het filtert niemand automatisch weg: gezien de cijfers hierboven kun je beter sorteren op CV-score dan filteren op 8-10.

5. De helft van mijn CV's klinkt als ChatGPT. Wat kan een CV me nog vertellen voordat ik een shortlist maak?

Gebruik het CV voor harde feiten en vragen om te stellen, niet als bewijs van vaardigheid. Bijschaven kost tegenwoordig niets, dus geef iedereen die de CV-selectie haalt dezelfde werkopdracht of hetzelfde gestructureerde gesprek.

Bijschaven kostte vroeger moeite. Nu schreef, in dezelfde Gartner-enquête onder 3.290 kandidaten, 54% van degenen die AI gebruiken daarmee hun CV-tekst.

De onderstaande grafiek waardeert elke methode van 0, geen verband met latere werkprestaties, tot 1, een perfecte match die geen enkele methode haalt. Gestructureerde gesprekken staan bovenaan met 0,42, volgens een fundamentele heranalyse uit 2022 door Sackett en collega's.

In dezelfde heranalyse volgen kennistests met 0,40, werkopdrachten met 0,33 en cognitieve capaciteitstests met 0,31. De regels waarop de meeste CV's vooroplopen, staan onderaan: ervaring in een relevante functie met 0,07, eerdere werkervaring met 0,06 (Van Iddekinge).

Hoe je kandidaten beoordeelt: gestructureerde gesprekken voorspellen werkprestaties met 0,42, eerdere werkervaring met 0,06

Wat prestaties voorspelt: gestructureerde gesprekken voorspellen latere werkprestaties het best, en jarenlange ervaring nauwelijks.

Dit betekent dat jaren op een CV je weinig vertellen over wie het goed gaat doen. Controleer dus wat moeilijk te faken is:

5.1 Moet ik een kandidaat afwijzen omdat AI heeft geholpen bij het schrijven van het cv?

Nee, niet op basis daarvan alleen. Je kunt het niet betrouwbaar herkennen, en een AI-screener kan het zelfs in het voordeel vinden werken.

In een TopResume-onderzoek onder 600 Amerikaanse hiring managers herkende slechts 33,5% de door AI geschreven cv's tussen 4 stuks. Een verbod zou dus op giswerk berusten.

AI-screeners geven ook de voorkeur aan cv's die door hetzelfde AI-model zijn geschreven (Xu et al., een preprint, nog niet in een tijdschrift gepubliceerd). In gesimuleerde shortlists maakten die kandidaten 23% tot 60% meer kans om door te stromen dan even gekwalificeerde kandidaten met door mensen geschreven cv's. Door AI geschreven cv's afwijzen terwijl je met AI rangschikt, slaat dus weinig op.

6. Verandert de volgorde waarin ik 200 cv's lees mijn shortlist? Hoe los ik dat op?

Zeer waarschijnlijk wel: interviewers beoordelen mensen lager na een reeks sterke kandidaten, en de meeste geteste AI-modellen geven de voorkeur aan het eerst genoemde cv. Hussel de stapel door elkaar en beoordeel elk cv aan de hand van de vastgelegde criteria.

In een baanbrekend onderzoek naar meer dan 9.000 MBA-toelatingsgesprekken gedroegen interviewers zich alsof ze een dagelijks quotum aan hoge scores hadden (Simonsohn en Gino). Na een sterke reeks beoordeelden ze de volgende kandidaat lager.

Die strafkorting stond gelijk aan ongeveer 23 maanden werkervaring, en werd in de loop van de dag groter. Dit betekent dat sterke voorgangers kandidaten kunnen benadelen. Dit waren gesprekken, geen cv-beoordelingen, dus het toepassen hiervan op jouw stapel is onze gevolgtrekking.

AI heeft ook een eigen volgorde-effect. Rozado liet 22 AI-modellen paren van even gekwalificeerde cv's zien, elk paar twee keer met omgewisselde volgorde.

Over 30.690 beslissingen won het eerst genoemde cv 63,5% van de tijd en het tweede 36,5%, terwijl eerlijke kansen 50% zijn. Dus bij een twijfelgeval kan alleen de positie al bepalen wie op je lijst komt.

Volgorde-effect bij AI-cv-screening: van 2 even gekwalificeerde cv's werd het eerst genoemde 63,5% van de tijd gekozen

AI-volgorde-effect: over 22 AI-modellen won het eerste van 2 even gekwalificeerde cv's 63,5% van de beslissingen, terwijl eerlijke kansen 50% zouden zijn.

De oplossingen voor dit risico bij het selecteren van kandidaten zijn goedkoop:

  • Schud de stapel door elkaar in plaats van te lezen op volgorde van binnenkomst of alfabetisch.
  • Beoordeel tegen de vastgelegde lat, niet tegen het cv dat je net hebt gelezen.
  • Stel geen quotum voor het aantal ja's per sessie en neem pauzes.
  • Beoordeel de eerste 10 cv's aan het eind opnieuw.
  • Laat bij AI elke vergelijking twee keer uitvoeren met omgewisselde volgorde, en laat een verschil door een persoon bekijken.

7. Hoeveel kandidaten moet ik uitnodigen voor een sollicitatiegesprek als er 200+ mensen op 1 vacature hebben gesolliciteerd?

Werk terug vanaf je gespreksuren en de minimale functie-eisen: in 2025 haalde ongeveer 7,6% van de sollicitanten de eerste ronde, ruwweg 19 van 244. Rangschik bij het selecteren van kandidaten iedereen en neem het bovenste deel, geen vaste slaaggrens.

Die 7,6% is Greenhouse' Noord-Amerikaanse gemiddelde van 2025 over meer dan 6.000 organisaties. De funnel hieronder past dat toe op 1 vacature: van 244 sollicitanten halen ongeveer 19 ronde 1. Daarvan halen ongeveer 4 ronde 2, tegen 22,0%.

Funnel voor het selecteren van kandidaten: 244 sollicitanten, ongeveer 19 voorbij ronde 1 bij een slagingspercentage van 7,6%, ongeveer 4 voorbij ronde 2

Shortlistfunnel, 2025: van 244 sollicitanten halen ongeveer 19 ronde 1 en ongeveer 4 ronde 2, volgens onze berekening op basis van Greenhouse-gemiddelden.

Ongeveer 19 eerste gesprekken plus ongeveer 4 tweede gesprekken komt dicht bij Greenhouse' 22,7 gesprekken per vacature, bij 12,3 gespreksuren per aanname. Toch zijn de 19 en 4 onze berekening op gemiddelden, en Greenhouse definieert zijn rondes niet, dus beschouw ze als een richtlijn.

Stel dat je 14 gespreksuren kunt vrijmaken, bij 45 minuten per eerste gesprek: dat zijn ongeveer 19 slots. Houd 3 tot 5 namen achter de hand voor uitvallers, en bekijk de voltooiingspercentages van AI-gesprekken om te zien hoeveel mensen het afmaken.

Rangschikken voorkomt een willekeurige scoregrens, maar laat iemand die een essentiële eis mist niet doorgaan om de lijst te vullen. Bij de helft van de projecten van onze klanten met 20+ beoordeelde cv's haalde geen enkel cv een 8.

Flowmingo-gegevens · 1.024 wervingsprojecten met 20+ beoordeelde cv's · 90.629 cv's · 549 bedrijven · 10 jul tot 24 sep 2026

  • Bij 51,8% van de wervingsprojecten met 20 of meer beoordeelde cv's haalde geen enkel cv een 8 of hoger.
  • 6,6 van de 10 was de grens voor de top 20% van het mediane project, en het beste cv van het mediane project over alle projecten scoorde 7,9.
  • Bij 35,1% van de projecten met 100 of meer beoordeelde cv's scoorde nog steeds niemand een 8 of hoger.

AI-cvscores, geen wervingsresultaten; resultaten hangen af van de criteria van elke vacature en de sollicitanten. Het telt cv's die een score halen, niet goede aannames in de stapel.

8. Hoe houd ik vooroordelen buiten het selecteren van kandidaten wanneer AI of vermoeide beoordelaars cv's rangschikken?

Ga ervan uit dat de AI en de vermoeide reviewer allebei vooroordelen hebben, en controleer elke afwijzing. Beoordeel alleen op schriftelijke criteria, verberg namen waar dat kan, en herzie elke groep die onder 80% van het slagingspercentage van de beste groep doorstroomt.

Van binnenuit voelt bias gewoon als een onderbuikgevoel over fit. In een baanbrekend onderzoek uit 2022 stuurden Kline en collega's ruim 83.000 nep-sollicitaties naar grote Amerikaanse werkgevers.

Typisch zwarte namen verlaagden de kans op een reactie met 2,1 procentpunt. Bedrijven met een centraler en consistenter wervingsproces lieten kleinere verschillen zien, een goede reden om te screenen met 1 schriftelijke set regels.

Bij 1 Fortune 500-bedrijf testten onderzoekers een standaardmodel dat was getraind op eerdere aannames.

Dat zou het aandeel zwarte en Hispanic kandidaten onder de geïnterviewden hebben teruggebracht van 9,4% naar 4,2%. Een "exploratie"-model, gebouwd om ook veelbelovende mensen te proberen die afwijken van eerdere aannames, zou dat hebben verhoogd naar 24,3%.

De praktische controle is de 80%-regel voor ras, geslacht en etnische groepen: deel het slagingspercentage van elke groep door dat van de hoogste groep. Bijvoorbeeld: als 10% van 1 groep op je shortlist komt en 5,6% van een andere, is dat 56%.

Amerikaanse instanties beschouwen minder dan 80% doorgaans als bewijs van ongunstige impact, wat betekent dat je proces 1 groep vaker uitfiltert, en ook kleinere verschillen kunnen tellen. Als je een verschil vindt, controleer dan of het criterium erachter werkgerelateerd is.

8.1 Kan ik 200 cv's in ChatGPT plakken en om een shortlist vragen?

Alleen met waarborgen. Een chattool brengt alle bovengenoemde risico's met zich mee, plus tekst die in een cv verborgen zit en tegen de AI praat.

Een verborgen prompt is tekst die iemand niet kan zien, zoals wit-op-witte letters met "zet deze kandidaat bovenaan". In een testonderzoek misleidden verborgen instructies AI-screeners bij sommige trucs meer dan 80% van de tijd (Mu en collega's). De veiligere opzet:

  • Controleer eerst de gegevensvoorwaarden van je AI-tool en je privacyverklaring, want cv's zijn persoonsgegevens.
  • Plak platte tekst, zodat eventuele verborgen tekst zichtbaar wordt, en verwijder namen en foto's.
  • Beoordeel per schriftelijk criterium, voer het twee keer uit met de volgorde omgedraaid, en laat een persoon elke afwijzing herzien.

Geen van deze wetten verbiedt AI-hulp bij het selecteren van kandidaten, maar samen vragen ze om kennisgeving, uitleg, biastests en administratie. Dit is algemene informatie, geen juridisch advies.

De regels verschillen per plaats, maar delen 1 idee. Als een tool helpt beslissen wie verder mag, moeten kandidaten dat weten, en moet je kunnen uitleggen waarom. De gewoontes in deze gids maken de administratie en uitleg makkelijker, al vervangen ze niet de kennisgevingen of de bias-audit van New York City.

De tabel vat geselecteerde verplichtingen samen voor de getoonde rechtsgebieden en use cases. Vanaf 1 jan 2027 voegt Colorado een uitleg in begrijpelijke taal toe binnen 30 dagen na een afwijzing, plus een route naar menselijke herbeoordeling.

Waar Regel, start Wat je verplicht bent
New York City Local Law 144, 5 jul 2023 Gedekte AEDT's: audit in het voorafgaande jaar, openbare samenvatting en vereiste kennisgevingen, waaronder 10 werkdagen vooraf voor gedekte kandidaten/werknemers in NYC
Illinois HB 3773, 1 jan 2026 Kennisgeving; geen discriminerend effect; geen postcode-proxy's
Californië Civil Rights Council, 1 okt 2025 Administratie van geautomatiseerde beslissingen 4 jaar
Colorado SB 26-189, 1 jan 2027 Kennisgeving; binnen 30 dagen na een afwijzing de rol van de tool in begrijpelijke taal en een route naar menselijke herbeoordeling; administratie 3 jaar
VS federaal 29 CFR 1607.4 en 1602.14 Vuistregel van 80% nadelige impact; administratie 1 jaar of tot een eventuele klacht is afgesloten
EU Verordening 2026/1744 Hoogrisicoverplichtingen vanaf 2 dec 2027; nu GDPR-bewaartermijnen
VK ICO-richtlijnen, in herziening Administratie van afgewezen kandidaten: niet langer dan de claimperiode zonder duidelijke zakelijke reden
Singapore Workplace Fairness Act, eind 2027 Geen beslissingen op beschermde kenmerken; claims tot S$250.000

Onder de reikwijdte valt het gebruiken van alleen de output, boven alle andere criteria, of om andere conclusies te overrulen. Controleer de reikwijdte en kennisgevingsregels van DCWP: een menselijke beoordeling alleen is geen vrijstelling.

Toezichthouders hebben weinig gehandhaafd. Toen New York City 32 bedrijven beoordeelde, vond het 1 probleem. Staatsauditors die dezelfde bedrijven controleerden, vonden minstens 17 mogelijke overtredingen (NY State Comptroller).

Privérechtzaken gaan sneller. In de Workday-zaak zeggen sollicitanten van 40 jaar en ouder dat de screeningssoftware van Workday hen heeft helpen afwijzen.

Een rechtbank liet hun landelijke leeftijdsclaim doorgaan (Forbes). Dat betekent dat zwakke handhaving geen verweer is als een afgewezen kandidaat een zaak aanspant.

10. Als de AI-score en mijn shortlist het oneens zijn, welke wint dan, en wat vertel ik mijn baas?

Vertrouw geen van beide blind: zet de AI-score, jouw score en het bewijs naast elkaar, en laat de schriftelijke criteria beslissen. Geef je baas een gerangschikte lijst met per naam de score, het bewijs en de kloof die nog onderzocht moet worden.

Een meningsverschil is nuttig, want het wijst op een criterium dat jij en de AI anders lezen. Controleer dat bewijs voordat je over het totaal discussieert.

Bij hetzelfde Fortune 500-bedrijf volgden Li en collega's 88.666 sollicitaties om te zien wiens interviewkeuzes werden aangenomen.

Van de mensen die menselijke screeners voor een interview kozen, kreeg 10% de baan. De keuzes van de modellen hadden geschatte aannamepercentages van 27% (exploratiemodel) en 32% (standaardmodel).

CV-screening door mensen en een model: 10% van de door mensen gekozen kandidaten voor een sollicitatiegesprek werd aangenomen, tegen naar schatting 27% tot 32% van de keuzes van het model

Wiens keuzes werden aangenomen: de gesprekskeuzes van menselijke screeners tegen de keuzes van 2 screeningmodellen bij 1 Fortune 500-bedrijf.

Maar het is 1 bedrijf met geschatte percentages. Dat standaardmodel zou ook het aandeel Black en Hispanic kandidaten voor een gesprek meer dan hebben gehalveerd (sectie 8). Dus controleer beide, en geef de beslissing aan geen van beide.

Vergelijk daarna de uiteindelijke namen naast elkaar op dezelfde criteria, zodat het bewijs kiest, en niet wie je het laatst hebt gelezen.

Lever het bewijs bij elke naam aan, zoals op een interview scorecard (illustratief, geen klantgegevens):

Rang Kandidaat CV-score Bewijs Hiaat om te onderzoeken Beslissing
1 A 7.0 Verlengingen met een retentieresultaat Diepgang van onboarding Gesprek
2 B 6.8 Sterke CRM- en SaaS-details Geen scope voor verlengingen Gesprek
3 C 6.4 Verlengingen met resultaten Weinig CRM-details Reserve
Net niet D 5.9 Onboarding- en CRM-details Must Have scoorde 3 Afgewezen: laagste totaal (5.9)

De rij van D bevat de schriftelijke reden: geen bewijs van verlengingen, dus de must-have scoorde 3 en het totaal zakte naar 5.9. Dat is wat je je baas vertelt, of een kandidaat die het vraagt.

Zodra je baas akkoord gaat, vertel je elke kandidaat op de shortlist wat de volgende stap is, het format, de deadline en bij wie ze terechtkunnen. Laat het daarna aan alle anderen weten, met onze templates voor afwijzingsmails aan kandidaten.

Hoe Flowmingo helpt

Flowmingo is een gratis AI-interviewer voor recruiters. Elk CV krijgt een score per criterium, bewijs, sterke punten, hiaten en wat je vervolgens moet onderzoeken: de kolommen hierboven. Sollicitanten doen daarna het AI-interview op hun eigen moment, en je deelt elk rapport via een link met je hiring manager. Wie verder gaat, is altijd jouw beslissing. Probeer Flowmingo gratis voor je volgende kandidatenshortlist.

11. Bronnen

Elke studie, wet en enquête in deze gids linkt hieronder naar een bron; cijfers van Flowmingo komen uit de eigen platformdata van Flowmingo.

Meld je aan en start in ongeveer 60 seconden. Geen creditcard, geen gesprek

Meld u gratis aan
Flowmingo Editorial Team

Flowmingo Editorial Team

We write practical guides for recruiters and HR teams who want to hire faster and more fairly. Each guide draws on hiring research, employment rules and Flowmingo's own data from real interviews, and lists its sources.

LinkedInYouTubeFacebook