Wat doen Nederlandse koplopers met AI in recruitment?

Nederlandse bedrijven boeken meetbare resultaten met AI in recruitment. Van zorg tot retail, van finance tot logistiek: deze vijf cases laten zien wat mogelijk is en welke aanpak werkt.

De cases in vogelvlucht

Wat deze organisaties gemeen hebben: ze begonnen niet met de vraag “welke AI-tool moeten we kopen?” maar met “welk probleem willen we oplossen?” Dat onderscheid blijkt bepalend voor succes.

Zorg en retail: HappyNurse en Decathlon

HappyNurse: van 6% naar 41% plaatsingsratio

HappyNurse is een uitzendbureau in de zorg dat worstelde met een bekend probleem: het werven van zorgpersoneel is administratief intensief. VOG-verklaringen, diploma’s, beschikbaarheid afstemmen, documentatie checken. Recruiters besteedden meer tijd aan papierwerk dan aan het daadwerkelijke contact met kandidaten.

De oplossing

Het bureau bouwde een eigen AI-recruiter genaamd Aisha. Dit is geen standaard chatbot die alleen maar FAQ’s beantwoordt, maar een systeem dat 80% van het proces afhandelt. Aisha voert 24/7 gesprekken met kandidaten via WhatsApp, regelt de harde checks rond documenten en beschikbaarheid, en draagt alleen gekwalificeerde kandidaten over aan menselijke recruiters.

Het resultaat

De plaatsingsratio steeg van 6% naar 41%. Lees dat nog eens: van 6 naar 41 procent. Recruiters hoeven niet meer achter ontbrekende documenten aan te bellen en focussen nu volledig op het menselijke contact en de uiteindelijke match.

Waarom dit werkt

HappyNurse automatiseerde niet losse taken maar een compleet proces. Ze kozen voor volledige automatisering van de administratieve kant, zodat mensen zich konden richten op wat ze goed doen: menselijk contact en matchmaking. Geen halfslachtige oplossing, geen “AI helpt een beetje”, maar een duidelijke verdeling: AI doet dit, mensen doen dat.

Decathlon: dubbel zoveel hires met hetzelfde budget

Decathlon Nederland won de Recruitment Tech Award 2025 voor Best Case met een aanpak die een veelvoorkomend probleem oplost: meer vacatures, maar geen extra budget om ze te vullen.

De oplossing

In plaats van meer recruiters aan te nemen of meer geld aan jobboards uit te geven, implementeerde het team een AI-gestuurde programmatic advertising strategie. De AI verdeelt het mediabudget automatisch en in real-time over vacatures op basis van waar de behoefte het grootst is.

Traditioneel beheer je elk kanaal handmatig: hoeveel budget naar LinkedIn? Hoeveel naar Indeed? Welke vacature krijgt prioriteit? Met AI gebeurt dit automatisch, continu, op basis van performance.

Het resultaat

Binnen drie maanden steeg het aantal sollicitanten met 108% en het aantal daadwerkelijke hires met 58%, zonder verhoging van het mediabudget.

Waarom dit werkt

AI neemt duizenden kleine beslissingen per dag, sneller en consistenter dan een mens kan. Het verschuift budget van ondermaats presterende kanalen naar kanalen die wél leveren. Real-time, zonder emotie, puur data-gedreven. Een mens zou dit kunnen doen, maar niet op deze schaal en niet op deze snelheid.

Financieel en logistiek: DNB en PostNL

De Nederlandsche Bank: 25% meer diversiteit

De Nederlandsche Bank kampte met onbewuste bias bij cv-selectie voor hun traineeship-programma. Ondanks goede intenties bleken cv’s van kandidaten met Nederlandse namen systematisch vaker geselecteerd te worden dan vergelijkbare cv’s met niet-Nederlandse namen.

De oplossing

DNB implementeerde skills-based selectie via ObjectivEye, een TNO spin-off. Kandidaten solliciteren anoniem en worden beoordeeld op competentievragen, niet op hun cv-presentatie. Geen foto, geen naam, geen leeftijd. Alleen: kan deze persoon het werk?

Het resultaat

25% meer doorstroom van ondervertegenwoordigde groepen. Niet omdat de lat lager ging, maar omdat de lat nu voor iedereen gelijk is.

Waarom dit werkt

Door de focus te verleggen van papier naar prestatie, haalt DNB bias uit het proces. AI beoordeelt antwoorden op competentievragen zonder te weten wie het schrijft. Het enige wat telt: de kwaliteit van het antwoord. Dit is geen “diversiteit voor de diversiteit”, maar gewoon betere selectie.

PostNL: 50% minder no-shows

PostNL kampte met ghosting en trage opvolging bij high-volume recruitment. In logistiek solliciteren veel mensen, maar het conversiepercentage is notorisch laag. Kandidaten haken af omdat ze te lang moeten wachten op reactie, of ze verschijnen simpelweg niet op de afspraak.

De oplossing

PostNL implementeerde AI-recruiter Charlie, die sollicitaties direct afhandelt, ook ‘s avonds en in het weekend. Kandidaat solliciteert om 21:00? Om 21:02 heeft Charlie al contact gelegd, beschikbaarheid gecheckt en een afspraak ingepland.

Het resultaat

50% minder no-shows en 75% kostenbesparing in het recruitment proces.

Waarom dit werkt

In volume-recruitment is snelheid alles. De beste kandidaten zijn weg als je een week wacht met reageren. Charlie reageert in minuten, niet in dagen. Kandidaten weten waar ze aan toe zijn, voelen zich serieus genomen en haken minder af.

Internationaal: Oranjegroep

Oranjegroep: 3 recruiters voor heel Europa

De Oranjegroep, actief in bouw en techniek, werft arbeidsmigranten in 10 landen met 10 verschillende talen. Voorheen was dit een gigantische operatie: voor elk land een recruiter of bureau, vertalingen, misverstanden, hoge kosten.

De oplossing

Conversational AI die vacatures automatisch vertaalt en kandidaten in hun eigen taal pre-screent. Een Poolse lasser solliciteert in het Pools, een Roemeense timmerman in het Roemeens. AI voert de intake, checkt ervaring en beschikbaarheid, en draagt gekwalificeerde kandidaten over aan Nederlandse recruiters.

Het resultaat

3 recruiters beheren nu heel Europa. 500 uur besparing per maand. Kosten drastisch omlaag, kwaliteit omhoog.

Waarom dit werkt

Schaalvoordeel. In plaats van one-to-one contact in 10 talen, automatiseert de Oranjegroep de eerste fase volledig. AI heeft geen last van taalbarrières. Het schaalt moeiteloos van 10 naar 100 naar 1000 gesprekken per dag, in elke taal die nodig is.

Wat deze bedrijven gemeen hebben

Als je deze vijf cases analyseert, zie je vier gemeenschappelijke kenmerken:

1. Ze begonnen met een probleem, niet met een tool

Geen enkele organisatie kocht “een AI-tool voor recruitment”. Ze identificeerden eerst een concreet probleem (administratieve last, ghosting, bias, schaal, budget) en zochten daarna een oplossing. Die oplossing bleek AI te zijn, maar het had ook iets anders kunnen zijn.

2. Ze automatiseren processen, niet losse taken

HappyNurse automatiseerde niet “een mailtje sturen”. Ze automatiseerden het hele administratieve proces van intake tot documentencheck. Decathlon automatiseerde niet “een vacature plaatsen”, maar het hele mediabudget-management. Complete processen, niet losse taken.

3. Ze meten resultaten

Elke case heeft harde cijfers. Niet “het voelt sneller”, maar “+108% sollicitanten”. Niet “kandidaten zijn positiever”, maar “50% minder no-shows”. Ze weten wat het oplevert omdat ze het meten.

4. De mens blijft in de beslissende rol

AI doet het voorwerk, de mens neemt de finale beslissing. Bij HappyNurse draagt Aisha gekwalificeerde kandidaten over, maar de recruiter beslist wie er daadwerkelijk wordt geplaatst. Bij DNB scoort AI de competenties, maar mensen voeren het gesprek en nemen de hiring beslissing.

Wat kun je hiervan leren?

Deze cases laten zien dat AI in recruitment geen science fiction is maar bewezen praktijk. Nederlandse organisaties boeken meetbare resultaten. Niet door te experimenteren met ChatGPT voor vacatureteksten, maar door processen fundamenteel anders in te richten.

De vraag is niet of jouw team dit ook kan, maar wanneer je ermee begint.

Wil je de volledige whitepaper met meer cases, metrics en implementatie-advies?

Bronnen:

• Recruitment Tech Award 2025, categorie Best Case (Decathlon)
• HappyNurse case study, HR Praktijk 2025
• DNB Diversiteitsrapportage 2024-2025