Werf& Weekly
De wekelijkse, AI-created samenvatting van het belangrijkste Werf& nieuws van de week. Voor recruiters, arbeidsmarktcommunicatiespecialisten en HR-professionals die liever 15 minuten luisteren dan lezen.
Nu afspelen
Over deze aflevering
Transcript
Welkom bij de Werf& Weekly van donderdag 29 oktober 2026. De podcast voor iedereen die liever luistert dan leest. In deze aflevering bespreken we een paar opvallende artikelen van deze week op werf-en.nl.
Ja, en we hebben een behoorlijk vol programma deze keer.
Onder andere over hoe organisaties arbeidsmarktdata inzetten, waarom recruiters misschien ook AI-agents moeten gaan aannemen en hoe Accenture bestaande talentpools benut. En natuurlijk bespreken we ook het woord en de campagne van de week.
Het belooft een interessante aflevering te worden.
Absoluut.
Laten we direct beginnen met een artikel van deze week over arbeidsmarktdata. We hebben het in recruitment vaak over AI alsof het een soort magie is die alles oplost.
Ja, alsof je op een knop drukt en de perfecte kandidaat rolt eruit.
Precies ja. Maar ik vond de vergelijking in het artikel zo mooi. Ze vergeleken het met koken. AI is hooguit het fornuis, maar de data over je arbeidsmarkt en je doelgroep, dat zijn je ingrediënten. Zonder goede ingrediënten krijg je simpelweg nooit een goede maaltijd. Hoe geavanceerd je fornuis ook is.
Nee, dat klopt helemaal. Dat zag je dus ook heel duidelijk terug in dat recente webinar van Gino Ammerlaan van de Intelligence Group. Dat werd in ditzelfde artikel besproken.
Wat was zijn belangrijkste punt daar?
Nou, hij legde echt de vinger op de zere plek. Hij zei van: we staren ons momenteel helemaal blind op de denkkracht van AI. Maar als jij die modellen voedt met slechte of ongevalideerde data, dan krijg je hooguit hele efficiënte onzin.
Ja, garbage in, garbage out.
Eigenlijk precies dat. Je moet als organisatie gewoon exact weten wie je doelgroep is en wat hen drijft, voordat je überhaupt technologie het werk laat doen.
Klinkt logisch, maar in dat artikel stonden een paar praktijkvoorbeelden die het echt tastbaar maakten. Bijvoorbeeld die case van Máxima MC.
Ja, vind ik een heel mooi voorbeeld. Kijk, veel zorginstellingen trappen in de valkuil door in vacatures vooral te zenden wat ze zelf belangrijk vinden. Termen als maatschappelijke impact of de inhoud van de zorg.
Terwijl de data iets anders laat zien.
Precies. Arbeidsmarktdata toont aan dat artsen en verpleegkundigen op dit moment vooral letten op salaris, werksfeer en heel belangrijk, de werkdruk.
Dus toen besloot Máxima MC de tekst daarop aan te passen.
Ja, maar niet zomaar door te zeggen: wij hebben een lage werkdruk. Want dat gelooft natuurlijk niemand zomaar. Ze lieten met harde bewijzen zien hoe ze dat doen.
Hoe maak je zoiets dan concreet in een vacaturetekst?
Door de dagelijkse praktijk te benoemen. Ze hebben daar bijvoorbeeld spraakgestuurde rapportages ingevoerd.
Oh, wacht eens, ze spreken hun verslagen gewoon in.
Exact. Dat betekent dus dat een verpleegkundige na een zware dienst niet nog eens een uur achter een scherm hoeft te typen. Het systeem verwerkt die spraak direct. En door dat specifieke, datagedreven voorbeeld in je vacature te zetten, wordt zoiets als beheersbare werkdruk ineens een heel concreet voordeel.
Dat is inderdaad een wezenlijk verschil. Je geeft de kandidaat gewoon bewijs. Een ander voorbeeld dat me opviel ging over de Veiligheidsregio Utrecht.
Ja, die hadden moeite met een schaarse rol.
Klopt. Ze hadden een dure LinkedIn-campagne gedraaid, maar dat werkte dus helemaal niet. En toen hebben ze via Giant AI gewoon wat geschoven met woorden in de tekst. En dat leverde ineens wel kandidaten op. Hoe kan zoiets simpels zo’n groot effect hebben?
Nou ja, omdat mensen vacatures eigenlijk helemaal niet lezen. Ze scannen ze. Giant AI analyseert die leespatronen en weegt dan de wervingsfactoren op basis van data.
Dus het systeem kijkt eigenlijk hoe een mens leest?
Ja. Stel dat uit jouw data blijkt dat flexibele werktijden de belangrijkste drijfveer is voor jouw doelgroep. Maar jij hebt het pas ergens in de vierde alinea weggestopt in een lijstje met kogelpunten. Dan ziet die kandidaat het simpelweg niet. Die is al weggeklikt.
Dus door die kernwoorden te verplaatsen naar de titel of de eerste zin.
Juist dan speel je in op hoe de lezer informatie verwerkt. De tekst sluit dan direct aan bij hun cognitieve verwachting.
Het is dus niet zomaar een beetje gokken wat goed klinkt. Het is eigenlijk gewoon wiskunde. Waar valt het oog op?
Ja, wiskunde en psychologie. En je kunt dat ook op organisatieniveau toepassen. Dat doet Rijkswaterstaat bijvoorbeeld met hun kwadrantmodel.
O ja, en dat las ik ook. Hoe werkt dat precies?
Zij kijken naar alle openstaande functies en die plotten ze op twee assen. Dus hoe schaars is dit profiel op de arbeidsmarkt? En hoe cruciaal is deze rol voor de prioriteiten van de organisatie?
En daar baseer je dan je recruitmentaanpak op.
Precies. Je creëert focus. Een functie die makkelijk te vervullen is en een lagere prioriteit heeft. Nou ja, die krijgt een basisaanpak. Misschien gewoon een standaardvacature online.
Maar als het echt schaars en belangrijk is.
Dan trek je alles uit de kast. Dan zet je pas dat grote budget in voor actieve sourcing of gerichte campagnes. Wat je hier als luisteraar echt uit mee moet nemen, is dat je dit soort keuzes niet meer baseert op een onderbuikgevoel. Of omdat we het altijd zo doen, maar op een stevig fundament van data.
En als we dat fundament van data op orde hebben, dan komen we eigenlijk weer terug bij ons fornuis. Of beter gezegd de nieuwe digitale souschef in de keuken. Mooie brug. Ja, ik las namelijk een artikel van deze week over de visie van HR-analist Josh Bersin. Hij sprak onlangs op het UNLEASH-evenement in Parijs, en hij stelt eigenlijk dat we weggaan van AI als gewoon een simpele tool en overgaan naar een netwerk van zogenoemde agents.
Hij zei letterlijk dat recruiters deze agents moeten gaan aannemen en inwerken.
Ja, en dat is echt een fundamentele verschuiving in ons vakgebied. We zijn nu allemaal best wel gewend aan generatieve AI. Je typt een vraag, je krijgt een antwoord en dan stopt het.
Het wacht gewoon op jou.
Exact. Maar een AI-agent doet veel meer. Dat is software die een doelstelling krijgt en dan zelf bedenkt welke stappen er nodig zijn. Hij raadpleegt systemen en voert autonoom acties uit.
Kan je eens een voorbeeld geven in de praktijk?
Denk aan een agent die zelfstandig een inbox beheert, cv’s leest, beoordeelt wie er door mag en dan op eigen houtje de agenda van de hiring manager opent om daar een afspraak in te schieten.
Kijk, dat klinkt efficiënt, maar ik heb daar wel meteen een kritische vraag over. Als zo’n AI-agent leert van de aannames die een bedrijf in het verleden heeft gedaan, loop je dan niet het substantiële risico dat je digitale collega eindeloos dezelfde soort mensen aanneemt en eigenlijk gewoon jouw blinde vlekken kopieert?
Ja, dat risico is 100% reëel. En dat is precies de reden waarom Bersin benadrukt dat je zo’n agent moet inwerken en begrenzen.
Dus de rol van de recruiter verandert echt helemaal.
Je moet je niet meer focussen op die losse procestapjes, zoals handmatig cv’s doorschuiven. Je moet de uitkomst gaan bewaken. Jij bepaalt als recruiter wat een goede prestatie is.
Dus als ik zie dat mijn agent alleen maar dertigers uit de Randstad voorstelt omdat dat in het verleden zo werkte, dan moet ik ingrijpen.
Juist dan pas jij de instructies aan en dwing je die agent om breder te kijken.
Dat betekent dan toch ook dat de gesprekken met de business, met de hiring managers heel anders gaan worden?
Ja, de traditionele vacature-intake wordt straks eigenlijk gewoon een technische instructie voor jouw agent. Je moet dan heel strak definiëren wat hij wel en niet mag.
Mag een agent bijvoorbeeld salarissen inzien?
Dat is een heel goed voorbeeld. Net als bij een menselijke collega geef je zo’n agent natuurlijk niet zomaar de sleutels van alle kasten. Je moet dat afbakenen.
En dit kost natuurlijk ook allemaal rekenkracht. Dat zal niet gratis zijn.
Nee, Bersin had het in Parijs over zogeheten tokens. Dat is zeg maar de munteenheid waarmee AI-modellen rekenen.
Elke stap kost een token.
Precies. Dus als je een agent een zoekopdracht geeft die veel te algemeen is, dan kan hij op de achtergrond zomaar duizenden euro’s aan rekenkracht verbruiken zonder dat je het doorhebt.
O, dat tikt wel aan, ja. Soms is zelf even zoeken dus goedkoper, maar dat brengt mij wel bij een ander opmerkelijk punt. Wat als die agent helemaal niet het open internet op hoeft, maar gewoon intern kan zoeken?
Ah, je doelt op Accenture?
Ja, er was afgelopen week nog een artikel over een presentatie op UNLEASH. Filip Gilbert van Accenture deelde daar dat maar liefst 70% van hun externe aannames uit hun eigen talentpool komt. Hoe is dat praktisch haalbaar? Want laten we eerlijk zijn, bij de meeste bedrijven is een talentpool gewoon een digitaal kerkhof waar cv’s liggen te verstoffen.
Dat is bij veel organisaties zeker zo, maar Accenture doet dit fundamenteel anders. Ze focussen heel sterk op de kandidaten die het hele selectieproces succesvol doorlopen, maar op het laatst afvallen omdat er maar één plek was.
De zilveren medaillewinnaars, zeg maar. Ja.
Die mensen vragen ze heel nadrukkelijk om in een actieve pool te blijven. En het systeem? Ze hebben systemen als Workday en HiredScore aan elkaar geknoopt. Dat matcht hen vervolgens volautomatisch bij nieuwe vacatures.
Het is eigenlijk bijna een soort statiegeldsysteem voor talent. Iemand is nu misschien even geen match, maar al die geïnvesteerde tijd van assessments en gesprekken, die waarde blijft gewoon in het systeem voor een later moment.
Dat is een hele treffende vergelijking. Ja, zodra er een nieuwe vacature opent, kijkt dat geautomatiseerde systeem eerst in die interne pool.
Maar hoe zit het dan met die vooroordelen waar we het net over hadden? Filteren ze dat?
Ja, en dat is cruciaal. Voordat een manager een profiel te zien krijgt, filtert de AI zaken als leeftijd, geslacht en namen eruit. Alles draait puur en alleen om objectieve skills.
Dat is wel heel strak geregeld dan. Wat levert ze dat onderaan de streep op?
Nou, Gilbert gaf aan dat dit ze maar liefst 80% aan bureaukosten scheelt. Plus de capaciteit van hun eigen recruiters is verdubbeld.
80%. Dat is een aanzienlijke besparing. Waarom is dit specifiek belangrijk voor onze luisteraars?
Omdat het aantoont dat je basis op orde moet zijn. Je kunt die agents pas dit soort werk laten doen als al je data correct in één systeem zit. Maar als het werkt, dan is de business case echt ongelooflijk overtuigend.
Nu gaan we naar het blokje snel nieuws. Ik begin met een artikel van deze week over een sessie bij de NS met Wim Thielemans. Het ging over gestructureerd interviewen.
Ja, een klassiek en belangrijk thema. We weten al heel lang uit de wetenschap, onder andere door onderzoekers als Sackett en Lievens, dat gestructureerd interviewen de allerbeste voorspeller is voor toekomstige werkprestaties.
Maar we doen het nog steeds weinig. Wat stelde Thielemans voor?
Hij pleit voor het CACTUS-model. Daarbij bepaal je heel strak de criteria vooraf. Je focust op wat je zoekt, niet op wie je toevallig voor je hebt zitten. En je stelt elke kandidaat dezelfde vragen.
En je moet tijdens het gesprek al scoren, toch? Exact.
Dat is de crux. Je moet direct tijdens het gesprek met een scorecard werken, bijvoorbeeld van 1 tot 5.
Waarom direct? Om niet beïnvloed te raken achteraf.
Ja, want als je wacht, neemt je gevoel het over. Thielemans zegt heel mooi: het maakt je niet rigide, het bevrijdt je juist van je onbewuste vooroordelen.
Helder. Dan ga ik soepel over naar een ander artikel van deze week, gebaseerd op cijfers van The Talentpool Community. Het gaat over de krappe arbeidsmarkt en hoe regionaal we eigenlijk werven.
Ja, de gemiddelde woon-werkafstand in Nederland is nog geen twintig kilometer. We blijven graag dicht bij huis.
Maar grote steden zuigen het talent weg.
Klopt. Steden als Amsterdam en Utrecht trekken veel mensen weg uit omliggende regio’s. De les hier voor recruiters is dan ook: stop met het beconcurreren van je buren in de eigen regio. Werkgevers zouden afgewezen kandidaten veel vaker proactief met elkaar moeten delen.
Samenwerken in plaats van concurreren dus. Dan noem ik nog kort en bondig een nieuwsartikel van deze week over een opvallende baanwisselaar. Oud-minister Karien van Gennip treedt op 1 december 2026 aan als CEO van Randstad Nederland. Ze volgt hiermee Jeroen Tiel op.
Een interessante stap van de politiek naar de praktijk van de arbeidsmarkt.
Zeker weten. En dan sluiten we het snelle nieuws af met het woord van de week.
Ik ben heel benieuwd welke we vandaag bespreken.
Nou, ik kwam in een recent artikel de term bandbreedtecontract tegen. Wat is dit precies?
Het bandbreedtecontract wordt eigenlijk vanaf 2028 de officiële opvolger van het nulurencontract en het min-maxcontract.
Er gaat dus wettelijk het een en ander veranderen.
Ja, werkgevers moeten straks een minimum- en een maximumaantal uren met elkaar afspreken. En de belangrijke regel daarbij is dat het maximum niet hoger mag zijn dan 130% van het minimum.
Oké, dus je mag iemand niet een contract voor 10 uur geven en vervolgens 40 uur inplannen.
Precies, dat mag straks niet meer.
Wat betekent dit concreet voor recruiters?
Vooral in sectoren zoals de zorg of de horeca gaat flexibiliteit er anders uitzien. Recruiters moeten nu al aan hun hiring managers gaan vragen: hoeveel uren hebben we echt structureel nodig? En ze kunnen die zekerheid natuurlijk ook als een mooi wapen gebruiken in hun vacaturetekst.
En dan is het tijd voor de campagne van de week.
Ja, we gaan kijken naar de wereld van de cijfers.
Inderdaad. Er was deze week een artikel over de nieuwe campagne van de NBA, samen met bureau Soapbox. De slogan is: Nederland rekent op jou. Word accountant. De sector kampt met een krimp in vacatures. En laten we eerlijk zijn, een vrij saai imago.
Ja, het bekende beeld van de grijze muis met de rekenmachine.
Om jongeren te bereiken zetten ze nu vol in op TikTok. Ze presenteren daar vijf zogeheten heldenrollen.
Zoals de Data Detective.
En de Risk Ranger. Er hoort ook een test bij. De boodschap is eigenlijk: accountants zijn ook gewoon mensen-mensen. Maar ik moet wel zeggen, als ik hier kort op mag reflecteren, het is een slimme zet om de verschillende facetten van het vak een gezicht te geven. Maar op kanalen als TikTok is authenticiteit cruciaal. Het mag voor jongeren absoluut geen cringe worden.
Daar sla je de spijker op de kop. Je moet echt oppassen dat het niet te geforceerd overkomt. Maar ik moet wel aanvullen. De combinatie met de fysieke praktijk is hier heel sterk.
Hoe bedoel je?
Nou, Tilburgse onderzoekers gaven onlangs al de tip dat fysieke in-house days ontzettend belangrijk zijn. Als je deze TikTok-insteek combineert met fysieke dagen waar jongeren echt sfeer kunnen proeven, dan heb je de beste kans van slagen om zo’n hardnekkig imago om te buigen.
Online aandacht trekken en offline de diepte in.
Dus ja, weet je, dat is eigenlijk wel een mooie brug naar een laatste overweging voor vandaag: als we straks allemaal samenwerken met AI-agents die autonoom selecteren en op basis van data uit onze eigen talentpools, precies de juiste kandidaat voordragen.
Dan zijn we eigenlijk helemaal geautomatiseerd.
Bijna wel. Maar uiteindelijk is het toch weer de mens die via een gestructureerd gesprek de definitieve knoop moet doorhakken. Technologie verandert alles, maar menselijk oordeelsvermogen, dat blijft de echte schaarste op de arbeidsmarkt.
Dit was weer de Werf& Weekly. Wil je alle achtergronden en cijfers uit deze aflevering rustig nalezen? Je vindt de artikelen direct op werf-en.nl. Bedankt voor het luisteren en graag tot de volgende keer.
Transcript is ingekort • 13 minuten leestijd
Andere afleveringen
Totaal 60 afleveringen
Waarom recruiters AI agents moeten aannemen — Werf& Weekly 2026 Week 44
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Speelt nu af
Het vaste contract garandeert geen loyaliteit — Werf& Weekly 2026 Week 47
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Aflevering afspelen
Van AI bij PostNL tot sollicitatiefraude — Werf& Weekly 2026 Week 46
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Aflevering afspelen
De valkuil van ‘een goed gevoel — Werf& Weekly 2026 Week 45
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Aflevering afspelen
LinkedIn verliest terrein aan Indeed — Werf& Weekly 2026 Week 43
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Aflevering afspelen
LinkedIn wordt zelf een wervingsbureau — Werf& Weekly 2026 Week 42
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Aflevering afspelen
Wat afgewezen toptalent echt kost — Werf& Weekly 2026 Week 41
In deze aflevering bespreken we de belangrijkste artikelen en ontwikkelingen van deze week op Werf-en.nl. In ongeveer een…
Aflevering afspelen