AI in HR

AI toepassen binnen HR 

Heb je het over modern HR, dan moet je ook iets zeggen over het gebruik van AI binnen HR. Niet dat ik een goeroe ben, maar ik ben wel sterk geïnteresseerd in systemen en techniek. Ook ik zet Artificial Intelligence regelmatig in: om betere ideeën te krijgen, andere invalshoeken te ontdekken en bij het ontwikkelen van nieuwe materialen. 

Ik denk actief na over hoe het werk binnen HR beter en makkelijker kan worden door inzet van de juiste tools. Gebleken is dat veel medewerkers nog onvoldoende weten hoe en waar ze AI kunnen inzetten in hun dagelijkse werk. In dit hoofdstuk geef ik daarom ideeën voor de inzet van AI binnen HR. 

Er is zo’n reclame op tv waarin een consultant voor een zaal management-hotemetoten staat te roepen: “AI, AI, AI”. Van welk bedrijf die reclame ook alweer is, weet ik inmiddels niet meer. Zo’n geweldige reclame was het dus blijkbaar niet, want hij blijft niet hangen. Laat staan dat je weet bij welk consultancybureau je moet zijn voor een zinnig advies over AI binnen je organisatie. 

Ook in HR-land vliegen de cursussen en opiniestukken je om de oren. Inmiddels zijn we dan ook een beetje AI-moe geworden. Ik lees zelfs dat de Gen Z-generatie er al klaar mee is. https://www.linkedin.com/posts/hugo-de-koning-3144aa7_Gen-Zis-klaar-met-AI-meuk. 

Dat komt onder andere door AI-gegenereerde nepberichten, algoritmes die je eenzijdig informeren en doordat veel organisaties achter AI aanrennen zonder goed na te denken over de toepassing. Er is vaak geen duidelijk plan of strategie. Dat is op zich logisch, want we staan nog in de kinderschoenen. Niemand heeft het wiel volledig uitgevonden – we zijn nog volop aan het leren. 

Maar die trial-and-error-aanpak maakt ons ook moe, zeker als resultaten tegenvallen. Wat voor de één een succes is, kan voor een ander een teleurstelling zijn. Het opzetten en trainen van een AI-agent kost in eerste instantie veel tijd en moeite. Antwoorden moeten kritisch worden beoordeeld en de AI moet continu feedback krijgen om beter te worden. 

Juist in HR speelt bovendien het menselijke aspect een belangrijke rol. Wat voor de één werkt, is zeer persoonlijk en niet altijd te vangen in een standaardantwoord. Het schrikbeeld is ook waar.  Je komt bijvoorbeeld in een loop terecht waar je niet meer uitkomt, omdat de assistent je geen toegang meer geeft tot een mens. De HR afdeling is plotseling niet meer bereikbaar of beschikt zelf over onvoldoende kennis om je het juiste antwoord te geven. 

Een reëel risico is dat organisaties te veel vertrouwen op AI. Bijvoorbeeld wanneer men denkt dat AI een specialist volledig kan vervangen. Maar een senior medewerker is niet in één dag senior geworden. Daar gaan jaren van ervaring, ontwikkeling en kennisopbouw aan vooraf. 

Het gevaar is dat junior medewerkers door AI minder zelf leren, minder eigen denkvermogen ontwikkelen en daardoor sneller fouten maken. 

Is AI-productiviteit schijn? 

Het productiviteitsargument voor AI op het werk lijkt op het eerste gezicht sterk. Werknemers die AI-tools gebruiken, rapporteren gemiddeld 2,3 uur per dag te besparen, volgens nieuw onderzoek van het Cloud communicatie- en IT-platform GoTo en Workplace Intelligence. Meer dan 9 op de 10 medewerkers en IT-leiders zeggen dat hun bedrijf AI-uitgaven moet behouden of verhogen. Maar als je beter kijkt, wordt het beeld ingewikkelder. 

Diezelfde medewerkers schatten in dat ze nog steeds dagelijks zo’n 2,6 uur besteden aan taken die AI zou kunnen doen. Dit getal is onveranderd ten opzichte van het voorgaande jaar. Die kloof suggereert dat werknemers ofwel niet weten hoe ze AI-tools op hun specifieke functies moeten toepassen, of dat ze niet de juiste aanwijzingen krijgen. Het rapport stelt dat 69% van de medewerkers zegt niet bekend te zijn met de praktische toepassingen van AI voor hun werk, terwijl slechts 29% van de IT-leiders gelooft dat dat waar is. 

Er is een tweede belemmering voor de productiviteit die HR-leiders misschien niet hadden voorzien. Naarmate AI-gegenereerd werk door organisaties circuleert, moet iemand het controleren. Meer dan de helft van de medewerkers zegt nu verantwoordelijk te zijn voor het beoordelen van AI-output die door collega's zijn gemaakt, waarbij 50% deze functie elke week uitvoert. Van die beoordelaars zegt 79% dat ze regelmatig werk ontvangen dat van lage kwaliteit is of fouten bevat, en 77% zegt dat het beoordelen ervan langer duurt dan het beoordelen van werk dat door iemand is geproduceerd. Verder op in dit hoofdstuk kom ik daar ook steeds op terug. Ook in andere artikelen bijvoorbeeld van het World Economic Forum blijkt dat beoordelen van de output een steeds belangrijker functie gaat innemen. https://www.weforum.org/stories/2026/05/rise-of-judgement-work-in-age-of-ai-jobs-skills-this-month/  

Het resultaat is dat de tijd die door één medewerker wordt bespaard, door een ander wordt besteed aan het controleren en corrigeren van AI-output.  

Visie op AI in je organisatie 

Wat willen we met AI en waar gebruiken we AI? Gaat het om productiviteit en efficiëntie? Waar kunnen we saaie repetitieve taken weghalen, vergemakkelijken. Hoe geven we medewerkers meer eigenaarschap. Waar kunnen we workflows verbeteren. Waar kunnen we stappen uit het proces weghalen om te versnellen.  

Wat is de toegevoegde waarde? Wie moeten er mee werken en wat is hun ervaring?  

Hoe zorgen we dat we de menselijke maat behouden, het klantcontact verbeteren of verpersoonlijken.  

Hoe zorgen we dat we wendbaar blijven en hoe behandelen we de data en informatie die wordt verkregen. Hebben we nieuwe competenties nodig, moeten we extra mensen inzetten of kunnen we medewerkers ondersteunen bij het leren van nieuwe vaardigheden. Hoe wordt het werk hier leuker en beter van. Hoe helpt de inzet van AI bij innovatie? 

Start klein, Begin bij laagdrempelig experimenten en pilots binnen specifieke afdelingen. Maar bedenk dan dus wel wat het doel is. Wat is de gewenste uitkomst en hoe gaan we dat bereiken. 

Kijk bij de inzet van een AI assistent in je organisatie waar je kan samenwerken met andere afdelingen, zodat niet iedere afdeling een ander tool gebruikt. Zorg dat je medewerkers 1 place to go to hebben. Wat kunnen de medewerkers van de verschillende afdelingen van elkaar leren. Wat zijn de best practices? Zo kan je samenwerking binnen je organisatie ook stimuleren en kan dit het ontwikkelproces versnellen, werken teams elkaar niet tegen of vallen er geen mensen uit de boot.    

Waar wordt AI binnen HR nu al ingezet of kan je gaan inzetten? 

Ervan uit gaande dat binnen de moderne organisatie een HR- systeem wordt gebruikt en een ATS wordt AI al op de volgende manieren ingezet:  

Werving & Selectie 

De meest bekende en in het oog springende toepassing is wel binnen werving en selectie. 

In recruitment bij het schrijven van een pakkende vacature tekst, het opdoen van ideeën voor die vacature tekst, het benchmarken van vacatures.  

Bij het screenen van CV’s door skills en competenties voor selectie aan te geven, zodat er automatisch gefilterd wordt. Het gevaar is dan wel, dat als je die filters te stringent toepast, dat je hele goede kandidaten misloopt omdat de skills misschien niet meteen uit het cv zijn af te leiden. Iemand uit Limburg misschien wel wil verhuizen naar de Randstad, maar dat die prompt wordt afgewezen vanwege te ver weg. Het doen van de verkeerde aannames kan dus discriminerend werken.  

AI inzet bij de communicatie met de kandidaat, uitnodigingen voor telefonische interviews, eerste en tweede gesprekken of afwijzingen, het tijdelijk in portefeuille houden en dergelijke. De kandidaat die zelf de afspraken kan inboeken in de agenda’s van de recruiter en de hiring manager.  Het scheelt enorm veel werk, maar je mist vaak het persoonlijke aspect. Wanneer als je als kandidaat een random standaard afwijzing krijgt, ben je daar teleurgesteld over. De meeste kandidaten steken veel energie in de sollicitatie en zijn ervan overtuigd dat zij een match zijn voor de functie of hebben juist een sterke motivatie om juist op die functie te reageren waar ze nog veel kunnen leren. Als je dan een standaard reactie krijgt of erger nog, helemaal geen reactie. Dan laat je als organisatie of recruiter niet echt een goede indruk achter. Zonde! 

Inzet in je Arbeidsvoorwaardenbeleid 

AI kan ook worden ingezet bij de salarisadministratie en bij het toekennen of gebruik van benefits. Met employee self service kan in sommige systemen en organisaties de medewerker zelf zijn persoonlijk budget inzetten voor bepaalde doeleinden, bijvoorbeeld het inleggen voor meer pensioen, het uitbetalen van een extra reiskostenvergoeding vanwege de hoge benzineprijzen, het kopen van een fiets, een fitness abonnement, het aankopen van extra verlof, het verkopen van bovenwettelijke verlofdagen. Er is geen apart mailtje meer nodig aan de HR-administratie, er is geen invoer van de HR assistent/ officer nodig? Geen extra controle heen en weer naar de manager, want die heeft dit al goedgekeurd of afgekeurd. Er worden dus minder fouten gemaakt bij het overnemen van de data, want de medewerker is zelf verantwoordelijk en waar het systeem goede grenzen heeft ingeregeld, komen er vanzelf pop-ups als iets niet kan of anders moet. De berekening en de consequentie wordt aan de medewerker uitgelegd. 

Hetzelfde geldt voor het inschalen en berekenen van een salaris voor een nieuwe medewerker of bij het verwerken van het jaarlijks beloningsbeleid, budgettering en allocatie van het budget voor de medewerkers op basis van de beoordelingen, beschikbare budget en relatieve salarispositie. Dit dient dan wel goed worden ingegeven in het systeem. Maar dit is wederom zo’n enorm voordeel ten opzichte van die ellenlange Excel sheets met rekenmodules, die gecontroleerd, gecheckt, ge-dubbel checkt. Overgenomen en ingevoerd moeten worden in het systeem, in de payroll, nog eens door Finance moet worden gecontroleerd etc etc. Er worden geen medewerkers vergeten of overgeslagen. De antwoorden zijn duidelijk en de resultaten helder. Iedereen weet waar die aan toe is.  

Heerlijk! Het bestaat, echt waar.  

Alleen de meeste organisaties gebruiken het niet. Een compensation & benefits module extra aankopen wordt vaak als duur gezien. Maar als je naar al die voordelen kijkt en de efficiëntie die je ermee kan bereiken, dan is de keuze wat mij betreft een no brainer.  

En in mijn visie is de inzet van AI onontbeerlijk bij functiewaardering en benchmarking. Het kan het super vervelende proces van het updaten van functiebeschrijvingen, het berekenen van het aantal punten van welk functiewaarderingsysteem dan ook en de benchmarking transparanter en kwalitatief sterk verbeteren. In mijn carrière als directeur HR, Manager Arbeidsvoorwaarden en medewerker relaties, Manager Compensation & Benefits, HR Business partner en zelfs als projectmanager in alle CAO’s en beloningsbeleid, komt steeds die vervelende functiewaardering weer naar voren. Er wordt van managers verwacht dat zij goede functiebeschrijvingen maken. Er wordt door de leidinggevenden verwacht dat HR dat wel even doet. Dan moet er een waarderingssysteem aan gehangen worden. De beschrijving is vaak te vaag om een goede vergelijking te doen. Een beschrijving wordt aangepast om de functie iets hoger in te kunnen schalen want het resultaat is een beetje onbevredigend. De medewerker kan onvoldoende in salaris doorgroeien, zit al aan het einde van de schaal. Wat als de medewerker weg gaat enz, enz. herkenbaar? Automatiseer dit proces met AI en je hebt mijns inziens veel minder discussie. Je hoeft geen dure bureaus meet in te zetten, die je een kunstje verkopen voor veel geld, wat je dan vervolgens zelf nog moet uitvoeren. Dus als er ergens winst te behalen valt is het hier.  

Je hebt daarmee dan ook meteen voldaan aan de wettelijk transparantie op het beloningsbeleid in voorbereiding op de Wet Loontransparantie per 1 januari 2027. 

Data analyses

De meeste HR- systemen hebben de mogelijkheid tot het maken van rapporten, vaak worden er standaard rapporten aangeboden, omdat de data die men normaliter in organisaties wil hebben niet veel van elkaar verschilt. We denken vaak dat we bijzonder zijn en dat het bij ons anders werkt, maar dat is dus niet zo. Zaak is natuurlijk wel dat de data in het HR-systeem schoon en accuraat is. Want we weten allemaal: "shit in, is shit out!" 

Het pro-actief inzetten van voorspellende inzichten, bijvoorbeeld voor medewerker retentie of verzuim, personeelsplanning of bij salarisrondes en budgettering 

Meten van resultaten, bijvoorbeeld doorlooptijden bij werving & selectie en succes scores van wervingen. Welke kanalen zijn het meest succesvol, welke medewerkers blijven. Resultaten op de inzet van leermethoden, etc. 

HR en management hebben de mogelijkheid tot real-time inzichten. Met de juiste gealloceerde rechten, hebben afdelingshoofden meteen de beschikking over hun sturings informatie en hoeft HR die lijstjes niet voor hen op te stellen. Een Excel is vaak al verouderd op het moment van verzenden.

Inzet bij leren en ontwikkeling 

Minder bekend is hoe AI kan worden ingezet voor goede pre- en onboarding. Sommige systemen maken het wel mogelijk om leerprogramma’s te ontwikkelen. De aangenomen nieuwe medewerker al informatie te sturen die hij/zij kan doornemen. Maar AI kan zorgen voor een tailor made programma die aansluit bij de behoefte van de kandidaat. Door de preferente leermethode te ontdekken van de new hire, door assessments af te nemen en door feedback te ontvangen over het per- boarding of onboarding programma. Door deze waardevolle feedback van de new hires, kan het programma eenvoudig worden aangepast. Er kunnen naar de algemene informatie en het onderschrijven van de gedragscode, het privacy en security beleid en de waarden van de organisatie, ook meer specialistische leerprogramma’s worden ontwikkeld die aansluiten bij de specialisatie van de medewerker of voor de afdeling waar de medewerker in terecht komt. Bijvoorbeeld op Finance, Marketing of Sales of in R&D. Hierdoor neemt de werknemers ervaring toe en zal deze zich sneller kunnen ontwikkelen.  

In Learning & Development kan je AI gebruiken om leerpaden creëren, scenario’s ontwikkelen, een skill gap-analysis maken en voortgang bijhouden. 

Het begint natuurlijk bij het leren kennen van de basisprincipes van AI. In het leer en ontwikkel curriculum van iedere organisatie dient derhalve tenminste een basistraining AI te worden aangeboden die verplicht is voor iedere medewerker voor de organisatie.   

Je hebt dus bepaalde (nieuwe) competenties nodig bij je medewerkers voor het inzetten van AI. Zoals creatieve en communicatieve vaardigheden, kritisch denken en analytische kennis en ethiek voor het juist interpreteren van data of het schrijven van de juiste prompts. Het controleren en beoordelen op juistheid en integriteit van de gegeven informatie.  

Bij het creëren van leerpaden met behulp van AI is het belangrijk om de leerdoestelling juist te formuleren en de context aan te geven. Een senior engineer heeft een ander leerpad dan een schoolverlater. Een leidinggevende heeft een ander leerpad dan een specialist in zijn of haar team. Immers de specialist zal liever de diepte ingaan op een bepaald onderwerp, terwijl de manager slechts op hoog over niveau kennis moet hebben van de materie, maar deze veel meer heeft aan advies over hoe de skills van de medewerker het beste zijn in de zetten en waar hij/zij hen het beste kan motiveren, enthousiasmeren en kan ondersteunen bij het bereiken van hun doelen.    

Bij het creëren van leerpaden kan je eenvoudig een taalmodel als Chat GPT, Claude of Gemini gebruiken, maar veel LMS (Learning Management Systemen) geven al de mogelijkheid om leerpaden te creëren, zoals Skillstown, Goodhabitz. Ook de learning module van Hibob kan met integratie van Linkedin Learning of Udemy al vele suggesties doen voor leerpaden op bepaalde vakgebieden. Linkedin learning doet met AI precies hetzelfde. Op basis van jouw werkervaring en aangegeven skills komt Linkedin learning met interessant leer aanbod voor je. En ook Youtube ontwikkelt het aanbod  op basis van jouw interesses. Het algoritme werkt hetzelfde als bij social media. Het is daarbij dus noodzakelijk om je hiervan bewust te zijn.    

AI kan  je zelfs helpen bij Management en het formuleren van doestellingen .  

Het geeft je ideeën over hoe je strategische organisatie doelen kan vertalen naar concrete afdelingsdoelstellingen of persoonlijke doelstellingen. Zaak is dan wel de juiste prompts te geven en de door het gebruikte taalmodel gegeven antwoorden goed te evalueren. Tevens is het belangrijk om je ervan te vergewissen dat je als je de strategische plannen van je organisatie voedt aan het taalmodel dat het een voor het bedrijf specifiek afgeschermde account betreft en niet een open versie van Chat GPT bijvoorbeeld. Binnen de kortste keren liggen al je bedrijfsgeheimen op straat. Niet zo handig.  

Off boarden 

Zelf bij het off boarden kan AI je helpen met het stellen van de juiste vragen. Een medewerker gaat vaak niet weg omdat hij een betere baan heeft gevonden. Al vertelt hij je dit wel, maar gaat weg omdat hij onvoldoende voldoening of uitdaging heeft in het huidige. De cultuur is verziekt, er wordt niet naar hem geluisterd, hij is teleurgesteld omdat een ander de promotie heeft gekregen of dat leuke project. Hij voelt zich niet gewaardeerd. Zoals we weten gaat een medewerker vaak weg vanwege de manager, maar het kan ook aan de werk privé balans liggen of andere beweegreden. AI kan met de juiste prompts de goede vragen stellen en de feedback op een goede manier verwerken. Adviezen geven aan juist die manager. Die kan die adviezen naast zich neerleggen of er iets mee doen. Maar dan is het tenminste niet "die bitch van HR" die zegt: “I told you so!!”   

AI gedragscode 

De meeste bedrijven hebben inmiddels wel een gedragscode. Echter deze is vaak nog niet aangepast aan het gebruik en de inzet van AI. Mijn advies derhalve: pas je gedragscode zo snel mogelijk aan met daarin een apart hoofdstuk over de inzet van AI. Zelfs als je zelf geen systemen ontwikkelt, maar wel gebruikt (en dat doen we inmiddels allemaal). Zelfs als je alleen Microsoft 365 gebruikt met Co-pilot, of de Google suite met AI.  

Je moet omschrijven hoe je AI inzet, hoe je dit gebruikt bijvoorbeeld om data-analyses te maken. Of in je screening. Hoe je bedrijfsinformatie geheim houdt en hoe je omgaat met privacy-gevoelige gegevens. Persoonlijke gegevens moeten helemaal niet worden gebruikt bij het schrijven van prompts of het stellen van vragen aan je taalmodel. Bedrijven dienen bij de inzet van AI zich te houden aan de AI-verordening. https://www.digitaleoverheid.nl/overzicht-van-alle-onderwerpen/artificiele-intelligentie-ai/ai-verordening/ , Op deze pagina leer je over welke risico’s je moet inschatten. Waar je AI wel en niet voor mag gebruiken.  

Waar en hoe te beginnen? Wat zet je erin?

NL Digitaal geeft een ethische code die je bijvoorbeeld als basis kan gebruiken voor het formuleren van regels binnen je organisatie op het gebruik van AI in je gedragscode. https://www.nldigital.nl/kennis-producten/ethische-code-artificial-intelligence/  

• Eerlijk en inclusief
  AI moet iedereen gelijk behandelen en discriminatie voorkomen. Daar voeg ik aan toe: Wees je bewust van bias https://www.nemokennislink.nl/publicaties/vooroordelen-van-ai-veroorzaken-we-zelf/ 

• Betrouwbaar en veilig
  Waarborgen van de veiligheid, het vertrouwen en de effectiviteit van AI-toepassingen. 

• Transparant en uitlegbaar
  Inzicht in hoe AI-systemen werken en hoe die systemen tot beslissingen komen. 

• Privacy & security
  Respect voor persoonsgegevens en bescherming tegen schadelijke toepassing. 

• Aanspreekbaar en controleerbaar
  Vastleggen van verantwoordelijkheid en verantwoordingsplicht voor AI-systemen en de resultaten ervan waarborgen. 

De code is tevens van de site te downloaden, nu nog even aanpassen aan de specifieke situatie van jouw organisatie.