Een paar maanden geleden woonde ik een nabespreking van een wervingsproces bij, waarbij een AI-screeningsscore de doorslag had gegeven voor een aanbod. De kandidaat scoorde ruim boven de grens, het team had er een goed gevoel over en de vacature werd twee dagen sneller gesloten dan gemiddeld.
Zes weken later was die aangenomen persoon alweer vertrokken.
Niemand in de ruimte kon me vertellen of de score ooit was getoetst aan een echte uitkomst — positief of negatief. De score was simpelweg vertrouwd, zoals je een thermometer vertrouwt zonder ooit te vragen wie hem heeft gekalibreerd.
Dat is de reden waarom Screenz bestaat, en ook de reden waarom dit artikel bestaat.
Als je AI-screeningstools evalueert, heb je de nauwkeurigheidscijfers gezien waarmee leveranciers voorop lopen — 89% dit, 94% dat, “presteert beter dan handmatige beoordeling”. Die cijfers zijn meestal waar. Ze beantwoorden alleen meestal een andere vraag dan de vraag die je daadwerkelijk stelt.
Wat “nauwkeurigheid” meestal betekent (en wat Screenz in plaats daarvan meet)
De meeste nauwkeurigheidsclaims van AI-screeningleveranciers beschrijven hoe goed de tool een cv of profiel aan een functieomschrijving koppelt — door vaardigheden, functietitels en jaren ervaring eruit te halen en kandidaten vervolgens te rangschikken op basis van de genoemde criteria. Dat is echt, meetbaar en oprecht nuttig. Het is alleen niet hetzelfde als voorspellen hoe iemand daadwerkelijk zal presteren zodra die persoon is aangenomen.
Dat zijn twee verschillende vragen:
- Nauwkeurigheid van de match: Lijkt het profiel van deze kandidaat op wat we zeiden te willen?
- Voorspellende validiteit: Houdt een hoge score daadwerkelijk verband met sterke prestaties of een langer dienstverband zodra iemand de functie bekleedt?

Een tool kan uitstekend zijn in het eerste en voor het tweede volledig onbewezen. De marketing van de meeste leveranciers maakt geen onderscheid tussen beide, en de meeste kopers weten niet dat ze ernaar moeten vragen — precies zo eindigt een goed vermarkte score als een onaantastbare waarheid in een nabespreking van een wervingsproces.
Bij Screenz behandelen we dit als twee afzonderlijke cijfers, niet als één gecombineerde score — omdat het samenvoegen ervan precies de manier is waarop een matchingtool als voorspellende tool wordt vermarkt.
De vraag die we met Screenz wilden beantwoorden
In onderzoek bestaat hier een naam voor: voorspellende validiteit — de correlatie tussen een beoordelingsscore en een latere, onafhankelijke prestatiemaatstaf, zoals beoordelingen door een manager, resultaten of retentie na 12 maanden. De score loopt van 0 (geen verband) tot 1 (perfecte voorspelling), en in de echte wereld komt niets dat met werving te maken heeft in de buurt van 1.

Ter context: meta-analytisch onderzoek naar gestructureerde interviews — de best onderzochte verwante methode van de huidige AI-interviewagenten — plaatst validiteitscoëfficiënten doorgaans ergens in de bandbreedte van .28–.30, afhankelijk van de gemeten prestatiedimensie. Die cijfers weerspiegelen tientallen jaren verfijning en worden beschouwd als een sterk resultaat bij personeelsselectie. Het komt lang niet in de buurt van wat een kop als “94% nauwkeurig” suggereert aan een koper die niet vertrouwd is met het verschil — en het is een aanzienlijk hogere lat dan waartegen de meeste AI-screeningleveranciers bereid zijn zich te laten meten.
Dit is precies de vraag die we met de Intelligentielaag van Screenz voortdurend willen beantwoorden. Elke sollicitant krijgt hetzelfde gestructureerde, functiegerichte interview. Kandidaten worden vervolgens gerangschikt op basis van die criteria, met het transcript en de onderbouwing erbij, zodat een beoordelaar het werk van het model kan controleren in plaats van de score op goed vertrouwen aan te nemen. Zodra iemand is aangenomen, volgen we incheck- en retentiesignalen aan de hand van wat het interview over die persoon aangaf — en gebruiken we dat patroon opnieuw bij de manier waarop de volgende shortlist wordt gerangschikt. Dat is het hele doel van die feedbacklus: validiteit is geen claim die we bij de lancering één keer doen, maar iets wat het systeem voortdurend opnieuw toetst aan binnenkomende uitkomsten.

Dus wanneer een leverancier zegt dat zijn tool prestaties voorspelt, is er één vraag die meteen tot de kern komt:
“Aan welke uitkomst getoetst, hoe gemeten en over welke periode?”
Als het eerlijke antwoord luidt: “dat hebben we nog niet gemeten”, is dat niet automatisch een reden om de tool af te wijzen — het betekent alleen dat je een matchingtool koopt, geen voorspellende tool, en dat je afhankelijkheid van de score bij moeilijke beslissingen daarop moet worden afgestemd.
Drie vragen die je moet stellen voordat je een score vertrouwt (inclusief Screenz)
- Aan welke uitkomst getoetst — en hoe lang na indiensttreding?
“Voorspelt succes” kan een prestatie-indicator voor 30 dagen betekenen, een retentiepercentage voor 12 maanden of een intuïtieve beoordeling van een manager. Vraag welke van de drie wordt bedoeld en vraag ook hoe “succes” was gedefinieerd voordat het onderzoek werd uitgevoerd — niet achteraf, wanneer het eenvoudig is om de maatstaf te kiezen die het resultaat er het beste laat uitzien.
- Gevalideerd met gegevens zoals die van jou, of ergens anders vandaan gehaald?
Een validiteitsonderzoek dat is uitgevoerd binnen het bredere klantenbestand van een leverancier, is niet automatisch van toepassing op jouw functies, sector of arbeidsmarkt. Vraag of het bewijsmateriaal iets bevat dat op jouw context lijkt — en of de leverancier een manier biedt om de tool doorlopend te valideren aan de hand van jouw eigen resultaatgegevens, en niet alleen tijdens het verkoopproces.

- Wat is de ratio van nadelige impact en wie heeft die gecontroleerd?
Volgens de veelgebruikte vier-vijfde-regel is een selectiegraad voor een groep die lager ligt dan 80% van de selectiegraad voor de groep met de hoogste score, nader onderzoek waard. Een tool kan een behoorlijke voorspellende validiteit hebben en toch een verschillend effect hebben — dat zijn afzonderlijke vragen, en een leverancier die maar één ervan kan beantwoorden, heeft eigenlijk geen van beide beantwoord.
Voor ons zijn dit geen hypothetische vragen. Het zijn de drie vragen die de Intelligence Layer voortdurend moet helpen beantwoorden — niet slechts één keer bij de lancering, maar doorlopend wanneer er nieuwe resultaatgegevens binnenkomen.
Dit gaat er niet om dat we AI als categorie wantrouwen. Het gaat om het verschil tussen een leverancier die je vertelt dat hun score werkt en een leverancier die je het bewijs laat zien dat de score werkt — voor resultaten die voor jouw bedrijf van belang zijn, en niet alleen voor de resultaten die gemakkelijk te promoten zijn.
Waarom we Screenz rond deze vraag hebben gebouwd
Laat ik er eerlijk over zijn: dit is geen neutrale lijst. We hebben Screenz gebouwd rond een AI-agent die gestructureerde interviews afneemt — niet rond een agent die alleen een cv analyseert — wat betekent dat de vraag naar voorspellende validiteit voor ons niet abstract is. Het is het hele product. Efficiëntie is eenvoudig te bewijzen en gemakkelijk te vermarkten: snellere kandidatenlijsten, lagere kosten per aanwerving. De validiteit van resultaten is moeilijker op te bouwen en kost meer tijd om te bewijzen, wat waarschijnlijk de reden is dat minder leveranciers hiermee vooroplopen.
Wij worden liever beoordeeld op de moeilijkere vraag. Als je ons vraagt “gevalideerd aan de hand waarvan?”, willen we dat dit het eenvoudigste deel van het gesprek is — niet het deel dat wordt omgeleid naar een demonstratie van functies.
Neem dit mee naar je volgende gesprek met een leverancier, inclusief Screenz
Je hebt geen achtergrond in statistiek nodig om dit gesprek te voeren. Je hebt drie vragen nodig en de bereidheid om genoegen te nemen met een eerlijk “dat weten we nog niet”, als dat het antwoord is dat je krijgt. Stel de drie bovenstaande vragen aan je huidige leverancier, of aan de volgende leverancier die je een score probeert te verkopen, en let erop of het antwoord een specifiek getal en een specifieke methodologie bevat — of slechts een zelfverzekerde herhaling is van de nauwkeurigheidsclaim die je al had gehoord.
Het verschil tussen die twee antwoorden is precies waar het om draait.
Benieuwd hoe screening die is gevalideerd op resultaten er in de praktijk werkelijk uitziet? Bekijk hoe Screenz dit aanpakt.

