Werkgevers en sollicitanten in Nederland zien de motivatiebrief snel aan betekenis verliezen. Kandidaten laten ChatGPT, Gemini of Copilot hun tekst schrijven, terwijl selectie steeds vaker via algoritmen loopt in systemen van LinkedIn en Workday. Nederlandse aanbieders zoals Textkernel en Harver leveren parsing, matching en tests. Daardoor verschuift werving nu naar meetbare vaardigheden en data, met gevolgen voor de AVG en de Europese AI-verordening.
Sollicitatiebrief verliest zijn functie
De motivatiebrief lijkt steeds minder onderscheidend. Grote taalmodellen maken in seconden een nette, maar vaak generieke tekst. Recruiters herkennen herhaalpatronen en stoppen vaker met het lezen van lange brieven. Detectietools om AI-teksten te ontmaskeren werken wisselend en geven valse meldingen.
Bedrijven willen daarom concretere signalen van geschiktheid. Denk aan een korte motivatievraag, een portfolio-link of een praktische opdracht. Die vormen geven beter inzicht in vaardigheden dan een standaardbrief. De brief verschuift zo van hoofdrol naar bijzaak.
Ook tijdsdruk speelt mee. Wervingsafdelingen verwerken veel reacties en leunen op automatische filters in applicant tracking systemen (ATS). Een lange brief voegt dan weinig toe als de eerste selectie puur op criteria en trefwoorden gebeurt. Daardoor raakt de brief uit beeld nog voordat een recruiter hem ziet.
Kandidaten schrijven met ChatGPT
Sollicitanten gebruiken massaal generatieve tools. ChatGPT van OpenAI, Gemini van Google en Microsoft Copilot leveren snel toonvaste teksten. Dat helpt bij structuur en taal, zeker voor wie minder schrijftalent heeft. Maar het resultaat is vaak inwisselbaar en soms feitelijk onjuist.
Platforms bouwen schrijfhulp direct in de workflow. LinkedIn biedt tekstsuggesties voor profielen en berichten, en sommige jobboards genereren standaardantwoorden op motivatievragen. De verleiding is groot om te kopiëren en te plakken. Wie dat doet, klinkt al snel hetzelfde als de rest.
Authenticiteit vraagt om eigen voorbeelden en meetbare resultaten. Kandidaten die AI-output redigeren en aanvullen, vallen eerder op. Wie extra claims toevoegt, moet ze kunnen onderbouwen. Anders ontstaat snel wantrouwen in gesprekken of referentiechecks.
Bedrijven filteren met algoritmen
Werkgevers zetten systemen in die cv’s inlezen, classificeren en rangschikken. Textkernel uit Amsterdam levert parsing en semantische matching; Workday gebruikt een Skills Cloud om profielen te koppelen aan functies. SmartRecruiters en Lever bieden vergelijkbare functies. Harver en andere partijen leveren voorselectietests en assessments.
Zo’n geautomatiseerde voorselectie brengt risico’s mee. Vooroordelen in trainingsdata kunnen ongelijkheid versterken. De Autoriteit Persoonsgegevens benadrukt dat volledig geautomatiseerde beslissingen met grote gevolgen niet mogen zonder menselijke tussenkomst. Daarom hoort altijd een menselijke review in het proces te zitten.
De AVG stelt duidelijke eisen aan werving met data. Werkgevers moeten dataminimalisatie toepassen en doelen vooraf bepalen. Bewaartermijnen horen beperkt en transparant te zijn. Kandidaten hebben recht op inzage en uitleg over de gebruikte criteria.
Europese regels dwingen transparantie
De Europese AI-verordening (AI Act) beschouwt systemen voor werving en selectie als hoog risico. Leveranciers en gebruikers moeten straks risico’s beheersen, data beheren, logging bijhouden, en zorgen voor menselijke controle. Ook geldt informatieplicht richting kandidaten over het gebruik en de rol van AI. Deze verplichtingen gaan, op het moment van schrijven, gefaseerd gelden vanaf 2026.
AI-systemen voor arbeidstoegang, werving en selectie vallen onder de hoogrisicocategorie van de Europese AI-verordening.
De AVG blijft onverminderd van kracht. Kandidaten mogen bezwaar maken tegen uitsluitend geautomatiseerde besluiten met rechtsgevolgen en om menselijke beoordeling vragen. Werkgevers moeten “zinvolle informatie” geven over de logica van het systeem. Dit geldt ook voor publieke organisaties in Nederland.
Voor de overheid heeft dit directe impact. Gemeenten, uitvoeringsinstanties en onderwijsinstellingen moeten hun inkoop en gebruik van selectietools toetsen op de AI Act. De vraag “Europese AI-verordening gevolgen overheid” staat daardoor steeds vaker op de agenda. Interne audits en registers van algoritmen worden gangbaar.
Nieuwe selectie: tests en cases
Veel organisaties verschuiven naar vaardighedentests en werkproeven. Korte, gestandaardiseerde vragenlijsten vervangen lange brieven. Voor IT-functies zijn platforms als Codility en HackerRank ingeburgerd. In Nederland biedt Equalture gamified assessments die soft skills meten.
Ook videointerviews worden anders ingericht. Bedrijven kiezen vaker voor vaste, functiegebonden vragen en beoordelen antwoorden met duidelijke rubrics. Dat verkleint willekeur en maakt uitkomsten beter te vergelijken. Automatische emotie- of stemanalyse is gevoelig onder de AVG en wordt daarom steeds vaker vermeden.
Rechtvaardigheid vraagt om validatie en inclusie. Werkgevers testen of assessments echt voorspellen wat nodig is op de werkvloer. Kandidaten krijgen vooraf uitleg en oefenmateriaal. Zo blijft de drempel laag en de uitkomst controleerbaar.
Eerlijke selectie blijft lastig
De wapenwedloop tussen genereren en filteren gaat door. Er is geen betrouwbare manier om AI-teksten consistent te herkennen. Daarom werkt het beter om het format te veranderen dan om te speuren naar herkomst. Kort, taakgericht en meetbaar wint het van lange proza.
Praktische stappen helpen meteen. Vraag om drie concrete voorbeelden met resultaten in plaats van een open brief. Hanteer vaste criteria en beoordeel alleen relevante informatie. Laat een recruiter of hiring manager altijd de eindbeslissing nemen.
De motivatiebrief verdwijnt niet helemaal, maar krijgt een andere rol. Een paar zinnen met duidelijke motivatie kan context geven bij cv, case of portfolio. Wie inzet op transparantie en menselijke toets, voldoet eerder aan de wet én vindt beter passend talent. Dat is waar AI in werving uiteindelijk aan moet bijdragen.