Kort antwoord: AI-matching van kandidaten is software die vergelijkt wat een kandidaat meebrengt met wat een functie vraagt, en de uitkomst aan een recruiter laat zien. Tools matchen op trefwoorden, op vergelijkbare betekenis of eis voor eis. Vertrouw bij functies op de werkvloer op de variant die het bewijs achter elke eis toont en elke beslissing bij een mens laat.
Belangrijkste punten
- De meeste matchingtools vergelijken tekst: trefwoorden, of de betekenis van een cv met die van een functieomschrijving. Vergelijkbare tekst is zwakker bewijs dan een eis waaraan is voldaan.
- Bij functies op de werkvloer draait het om feiten die je kunt controleren, zoals diensten, certificaten, de startdatum en of iemand in Nederland mag werken. Een cv laat die vaak weg.
- Eén matchpercentage verbergt aan welke eis is voldaan, en hoe. Vraag om het bewijs per eis te zien.
- In de EU staat AI die kandidaten filtert of beoordeelt in de Europese AI-verordening (AI Act) op de lijst van systemen met een hoog risico, en die regels gelden vanaf 2 december 2027. De AVG en de gelijkebehandelingswetgeving gelden nu al.
Op deze pagina: Wat is AI-matching van kandidaten? · Hoe werkt AI-matching van kandidaten? · Waarom gaat AI-matching van kandidaten mis bij functies op de werkvloer? · Wat verbergt een matchpercentage? · Wat zegt het Europese recht over AI-matching van kandidaten? · Wat vraag je voordat je een matchingtool vertrouwt? · Hoe zet je als uitzendbureau of werkgever AI-matching dagelijks in? · Wat kan AI-matching van kandidaten je niet vertellen? · Conclusie · Hoe Radius helpt · Veelgestelde vragen
Wat is AI-matching van kandidaten?
AI-matching vergelijkt kandidaten met de eisen van een functie en geeft aan hoe goed ze passen. Aan de ene kant staat de functie: een functieomschrijving, een lijst harde eisen en soms een reeks screeningsvragen. Aan de andere kant staat de kandidaat: een cv, antwoorden uit de sollicitatie, antwoorden uit het gesprek en soms documenten zoals een certificaat. De software legt die twee naast elkaar.
De uitkomst kan een percentage zijn, een lijst op volgorde, of per eis een antwoord op de vraag of de kandidaat eraan voldoet en op basis waarvan. Die vorm bepaalt waar de recruiter naar kijkt.
Hoe werkt AI-matching van kandidaten?
De meeste tools gebruiken een van drie methoden, of een combinatie daarvan.
Matching op trefwoorden zoekt naar dezelfde woorden in het cv en in de functieomschrijving. Als de functie om “reachtruck” vraagt en er op het cv “reachtruck” staat, krijgt de kandidaat punten. Dat is eenvoudig en makkelijk uit te leggen, maar zo zie je iedereen over het hoofd die dezelfde ervaring in andere woorden beschrijft, en beloon je kandidaten die de vacaturetekst overnemen.
Semantische matching vergelijkt betekenis in plaats van exacte woorden. Een taalmodel zet elk cv en elke functieomschrijving om in een lange reeks getallen, vaak een embedding genoemd, zodat teksten over vergelijkbare onderwerpen dicht bij elkaar terechtkomen. De tool zet kandidaten daarna op volgorde van hoe dicht hun tekst bij de tekst van de functie ligt. Dat vangt synoniemen en wisselende formuleringen op. De methode neemt ook patronen over uit de tekst waarop het model is getraind, en een vergelijkbare betekenis is geen bewijs dat iemand het werk kan.
Matching per eis deelt de functie op in losse eisen en toetst elke eis aan bewijs. “Geldig reachtruckcertificaat”, “beschikbaar voor nachtdiensten” en “kan binnen twee weken beginnen” worden aparte regels, en bij elke regel staat een document, een antwoord uit het gesprek of helemaal niets. Sommige tools koppelen vaardigheden eerst aan een gedeelde woordenlijst, zoals de ESCO-classificatie van de Europese Commissie. Die beschrijft 3.039 beroepen en 13.939 vaardigheden in 28 talen, en volgens de Commissie kunnen onlineplatforms ESCO gebruiken om werkzoekenden op basis van hun vaardigheden aan banen te koppelen (Europese Commissie, ESCO, gecontroleerd op 22 oktober 2026).
| Methode | Wat het vergelijkt | Goed in | Waar het misgaat bij werving voor de werkvloer | Wat je kunt controleren |
|---|---|---|---|---|
| Trefwoorden | Woorden in het cv tegenover woorden in de vacaturetekst | Duidelijke, exacte termen | Mist mensen die het anders opschrijven of geen cv hebben | Welke woorden meetellen, en of er synoniemen zijn vastgelegd |
| Semantisch | De algemene betekenis van een cv tegenover de functieomschrijving | Wisselende formuleringen en verwante ervaring | Ziet vergelijkbare tekst aan voor geschiktheid; aangeleerde bias gaat mee | Welke tekst erin gaat, en of je kunt zien waarom de tool twee teksten dicht bij elkaar vond liggen |
| Per eis | Elke eis tegenover een stuk bewijs | Harde eisen zoals certificaten, diensten en de startdatum | Alleen zo goed als de eisen die je opstelt en het bewijs dat je verzamelt | Welk bewijs bij elke regel hoort, en wat nog openstaat |
Veel producten combineren de drie: eerst een semantische zoekopdracht om mensen te vinden, daarna een controle per eis op de kortere lijst. Vraag welke stap wat doet.
Bekijk het op een echte lijst met eisen: hoe Match het bewijs achter elke eis laat zien.
Waarom gaat AI-matching van kandidaten mis bij functies op de werkvloer?
Het gaat mis waar het cv weinig zegt en het werk om feiten draait. Een orderpicker, een reachtruckchauffeur, een schoonmaker of een beveiliger neem je aan op basis van een korte lijst concrete eisen. Kan iemand de dienst draaien? Heeft iemand het certificaat dat de locatie nodig heeft? Mag iemand in Nederland werken? Kan iemand maandag beginnen? Kandidaten voor de werkvloer solliciteren vaak via hun telefoon, met een kort cv of helemaal zonder. Een tekstmatch op het cv vergelijkt dan twee documenten die het werk nauwelijks beschrijven.
Daaruit volgen drie fouten.
Vergelijkbaar wordt verward met geschikt. Een cv dat zes jaar “in een magazijn” noemt, ligt qua betekenis dicht bij een functieomschrijving voor magazijnwerk. Het zegt niet of het reachtruckcertificaat nog geldig is, en ook niet of iemand nachtdiensten kan draaien.
Niet genoemd wordt verward met ontbrekend. Een kandidaat die een VCA-diploma heeft maar dat nergens vermeldt, lijkt minder goed te passen dan iemand die het wel vermeldt. Een tekstmatch ziet geen verschil tussen “heeft het niet” en “heeft het niet genoemd”.
Oude patronen worden herhaald. Modellen leren van tekst die mensen hebben geschreven. In een studie van de University of Washington uit 2024 lieten onderzoekers drie taalmodellen meer dan drie miljoen keer een echt cv met een functieomschrijving vergelijken, waarbij ze de namen op de cv’s varieerden. De modellen gaven in 85% van de gevallen de voorkeur aan namen die met witte mensen worden geassocieerd, en in 11% van de gevallen aan namen die met vrouwen worden geassocieerd. Namen die met zwarte mannen worden geassocieerd, kregen nooit de voorkeur boven namen die met witte mannen worden geassocieerd (Amerikaanse namen en gegevens; University of Washington News, 31 oktober 2024; Wilson en Caliskan, AIES 2024). Een matchingtool die op zo’n model is gebouwd, kan die patronen herhalen zonder dat iemand daarvoor kiest.
Drie taalmodellen vergelijken echte cv's met vacatureteksten
Meer dan drie miljoen vergelijkingen, met wisselende namen op de cv's; Amerikaanse namen en gegevens
Onderzoek naar werkprestaties wijst dezelfde kant op. Een heranalyse uit 2022 van decennia onderzoek naar selectiemethoden liet zien dat gestructureerde interviews van alle vergeleken methoden gemiddeld de hoogste validiteit hadden: een geschatte correlatie van 0,42 met werkprestaties (een overzicht van gepubliceerde studies, niet specifiek voor Nederland; Sackett, Zhang, Berry en Lievens, Journal of Applied Psychology, 2022). Een gestructureerd interview stelt elke kandidaat dezelfde vragen over het werk en levert dus bewijs op dat je aan de eisen kunt toetsen. Een cv levert vooral tekst op, die je dan met nog meer tekst vergelijkt.
Voorbeeld ter illustratie. Een uitzendbureau vervult vacatures voor reachtruckchauffeurs in de nachtdienst bij een distributiecentrum. Er solliciteren twee mensen.
| Eis | Kandidaat A (uitgebreid cv) | Kandidaat B (geen cv, kort gestructureerd gesprek) |
|---|---|---|
| Geldig reachtruckcertificaat (harde eis) | Niet genoemd | Gezegd in het gesprek; certificaat geüpload |
| Beschikbaar voor nachtdiensten (harde eis) | Niet genoemd | Gezegd in het gesprek |
| Kan binnen twee weken beginnen (harde eis) | Niet genoemd | Gezegd in het gesprek |
| Twee jaar magazijnervaring (pluspunt) | Op het cv: zes jaar | Gezegd in het gesprek: één jaar |
| Tekstuele overeenkomst met de functieomschrijving | Hoog | Laag |
Een tekstmatch zet kandidaat A bovenaan. Een overzicht per eis laat zien dat A over geen enkele harde eis nog iets heeft gezegd, terwijl B op alle drie is ingegaan en er één met een document heeft onderbouwd. Geen van beide overzichten beslist wie er wordt aangenomen. Het tweede laat de recruiter zien welke vraag er nu gesteld moet worden, en aan wie.
Wat verbergt een matchpercentage?
Het verbergt aan welke eis is voldaan, en op basis van welk bewijs. Een match van 80% kan betekenen dat de kandidaat op één pluspunt na aan alles voldoet. Het kan ook betekenen dat de kandidaat alle pluspunten heeft en juist het ene certificaat mist waar de locatie niet zonder kan. Het getal is hetzelfde. De volgende stap niet.
Wat een match van 80% kan verbergen
De kandidaat voldoet aan alles, behalve aan één pré.
De kandidaat voldoet aan elke pré, maar mist het ene certificaat waar de locatie niet zonder kan.
Het getal is hetzelfde. De volgende stap niet.
Een percentage verbergt ook de keuzes erachter: welke eisen zwaarder wegen, hoe tekst in getallen is omgezet en waar de drempel ligt. Die keuzes heeft degene gemaakt die de tool heeft ingericht, en de recruiter die de uitkomst leest, krijgt ze zelden te zien.
Er is ook een menselijke kant. Een net getal nodigt uit om het te vertrouwen. Vanaf 2 december 2027 eist de Europese AI-verordening dat wervingstools met een hoog risico zo zijn gebouwd dat de mensen die er toezicht op houden, zich bewust blijven van de neiging om te veel op de output te vertrouwen, en de output kunnen negeren of door een andere beslissing kunnen vervangen (artikel 14; Verordening (EU) 2024/1689). Met één getal is dat lastig. Met een lijst eisen die een recruiter kan lezen en controleren, gaat het makkelijker. Over de bredere vraag of software kandidaten überhaupt moet rangschikken, lees je meer in ons artikel over bewijs tellen in plaats van kandidaten rangschikken.
Wat zegt het Europese recht over AI-matching van kandidaten?
Matching die kandidaten beoordeelt, geldt onder de AI-verordening als hoog risico. Bijlage III, punt 4, onder a, noemt AI-systemen die bedoeld zijn voor het werven of selecteren van personen, met name voor “het analyseren en filteren van sollicitaties, en het beoordelen van kandidaten” (AI Act Service Desk, bijlage III, gecontroleerd op 22 oktober 2026). Er is een beperkte uitzondering voor tools die wervingsbeslissingen niet wezenlijk beïnvloeden, maar die geldt nooit als het systeem kandidaten profileert (artikel 6, lid 3; AI Act Service Desk, artikel 6). De conceptrichtsnoeren van de Europese Commissie over de indeling als hoog risico, op 19 mei 2026 gepubliceerd voor consultatie, zijn niet definitief en niet bindend. Als voorbeeld van een systeem met een hoog risico dat geen beroep kan doen op die uitzondering, noemen ze software waarmee een uitzendbureau kandidaten voor vacatures rangschikt (Europese Commissie, conceptrichtsnoeren, 19 mei 2026).
De Digital Omnibus on AI (Verordening (EU) 2026/1744, op 24 juli 2026 gepubliceerd in het Publicatieblad) heeft de regels voor AI met een hoog risico op het gebied van werkgelegenheid verschoven van 2 augustus 2026 naar 2 december 2027 (Verordening (EU) 2026/1744; Europese Commissie, pagina over de AI-verordening, gecontroleerd op 22 oktober 2026).
Twee soorten regels gelden nu al.
- De AVG. Die verbiedt geautomatiseerde screening niet. De AVG geeft kandidaten wel het recht niet te worden onderworpen aan een besluit dat uitsluitend op geautomatiseerde verwerking is gebaseerd en dat hen in aanmerkelijke mate treft, zoals een automatische afwijzing, tenzij een uitzondering geldt (het besluit is noodzakelijk voor een overeenkomst, is bij wet toegestaan of is gebaseerd op uitdrukkelijke toestemming). Beroept een werkgever zich op de uitzondering voor een overeenkomst of voor toestemming, dan moeten kandidaten ten minste menselijke tussenkomst kunnen krijgen, hun standpunt kenbaar kunnen maken en het besluit kunnen aanvechten (artikel 22; Verordening (EU) 2016/679).
- Gelijkebehandelingswetgeving. Volgens het College voor de Rechten van de Mens is de werkgever verantwoordelijk als een algoritme bij werving discrimineert, en kan hij die verantwoordelijkheid niet afschuiven op het algoritme of de softwareleverancier (College voor de Rechten van de Mens, 8 december 2021). In zijn informatie voor werkgevers stelt het College voor om leveranciers te vragen hoe hun algoritmes werken en of de algoritmes groepen mensen uitsluiten of discrimineren (College voor de Rechten van de Mens, vraag en antwoord voor werkgevers).
Alle verplichtingen en datums vind je in onze gids over de AI Act bij werving en selectie.
Wat vraag je voordat je een matchingtool vertrouwt?
Stel vragen die je in een demo kunt controleren, niet in een brochure. Neem een echte vacature mee en vraag de leverancier om het antwoord op elke vraag op het scherm te laten zien.
| Vraag | Waarom dit belangrijk is | Een goed antwoord laat je zien |
|---|---|---|
| 1. Wat gaat erin: cv-tekst, antwoorden uit de sollicitatie, antwoorden uit het gesprek, documenten? | Een match is maar zo goed als wat erin gaat | Precies wat er voor deze functie wordt gebruikt |
| 2. Met welke methode wordt er gematcht: trefwoorden, betekenis, eisen of een mix? | Elke methode gaat op een andere manier mis | Welke stap welke methode gebruikt |
| 3. Zie ik per eis waaraan de kandidaat voldoet, en op basis van welk bewijs? | Een totaal verbergt de harde eis die ontbreekt | Eén regel per eis, met de bron |
| 4. Hoe onderscheidt de tool “heeft het niet” van “heeft het niet genoemd”? | Niet genoemd is niet hetzelfde als ontbrekend | Eisen zonder antwoord staan op “open”, niet op “niet gehaald” |
| 5. Wie stelt de eisen op, en kunnen we harde eisen scheiden van pluspunten? | De tool neemt je functiecriteria over | Eisen die je team per functie vastlegt en aanpast |
| 6. Wijst de tool ooit een kandidaat af, of verbergt hij die, voordat een mens ernaar heeft gekeken? | Uitsluitend geautomatiseerde afwijzingen roepen vragen op onder de AVG | Elke sollicitant blijft zichtbaar en een mens beslist |
| 7. Wat is er getest op oneerlijke uitkomsten, met welke gegevens en wanneer? | Je blijft zelf verantwoordelijk als de uitkomst discrimineert | Een test met datum en methode, geen slogan |
| 8. Gebruikt de tool namen, foto’s, leeftijd of andere persoonsgegevens die hij niet nodig heeft? | Zulke gegevens kunnen bias in de match brengen | Een lijst van de gegevens die buiten beschouwing blijven |
| 9. Horen kandidaten dat er AI wordt gebruikt, en wat wordt er vastgelegd? | Sinds 2 augustus 2026 eist de AI-verordening dat AI die met mensen praat zo is gebouwd dat die mensen dat te horen krijgen, tenzij dat duidelijk is | De precieze woorden die kandidaten zien of horen |
| 10. Is een beslissing achteraf uit te leggen aan de hand van wat er is vastgelegd? | Kandidaten, opdrachtgevers en auditors vragen erom | Het bewijs, met bron en datum, per kandidaat bewaard |
Hoe zet je als uitzendbureau of werkgever AI-matching dagelijks in?
Gebruik AI-matching om bewijs te ordenen en toets de uitkomst daarna aan je eigen functies. Vijf gewoonten helpen daarbij.
- Formuleer eisen als feiten die je kunt controleren. Op “geldig reachtruckcertificaat” kun je antwoorden. Op “goede werkmentaliteit” niet. Houd het aantal harde eisen klein en houd ze gescheiden van de pluspunten.
- Verzamel bewijs voordat je matcht. Een kort gestructureerd gesprek met dezelfde vragen voor elke sollicitant geeft de tool iets echts om mee te vergelijken. Het geeft sollicitanten zonder cv ook een eerlijke kans.
- Kijk naar wie bijna aan alle eisen voldoet. Een kandidaat die aan vier van de vijf eisen voldoet en bij de vijfde alleen nog geen antwoord heeft, is vaak één telefoontje verwijderd van een plaatsing. Loop die kandidaten bewust na.
- Test de tool op een functie die je kent. Laat de tool, voordat je erop vertrouwt, bij één openstaande vacature meedraaien naast je recruiters en kijk waar de tool en de recruiters verschillen. Bekijk een steekproef van de kandidaten die de tool het laagst beoordeelde en vraag je af of een recruiter hen zou hebben gebeld.
- Bewaar de reden bij de beslissing. Opdrachtgevers vragen uitzendbureaus waarom een kandidaat is voorgesteld. Als je vastlegt aan welke eis is voldaan, met welk bewijs en wanneer, kun je die vraag beantwoorden. Dat helpt ook als een kandidaat om een herbeoordeling vraagt.
Voor uitzendbureaus komt er nog één controle bij. Dezelfde functienaam kan bij twee opdrachtgevers andere eisen hebben, of bij twee locaties van één opdrachtgever. Een tool die geen aparte eisen per opdrachtgever, locatie en functie kan vastleggen, toetst mensen aan de verkeerde maatstaf.
Wat kan AI-matching van kandidaten je niet vertellen?
AI-matching kan je niet vertellen of iemand op de eerste dienst komt opdagen. Matching kan motivatie niet beoordelen en kan van een bewering geen feit maken. Zegt een kandidaat in het gesprek “ik heb mijn certificaat”, dan blijft dat een bewering tot iemand het certificaat heeft gezien. Een overzicht per eis laat alleen zien wat er is gevraagd en beantwoord, dus achter een open eis kan ook een vraag zitten die niemand heeft gesteld. Matching verkleint het gebied waarin een recruiter kijkt. Kijken moet de recruiter nog steeds zelf.
Conclusie
AI-matching van kandidaten is de moeite waard als die de volgende stap van een recruiter duidelijker maakt. Wat je ook kiest: vraag om het bewijs achter elke eis te zien, laat elke beslissing bij een mens en test de tool eerst op je eigen functies.
Hoe Radius helpt
Radius Hire is het AI-wervingsplatform voor functies op de werkvloer in Nederland. De AI Interviewer, Match en Radius Passport werken vanuit één kandidaatdossier. Radius is nieuw, dus in dit deel leggen we uit hoe het product werkt in plaats van resultaten te claimen.
- De AI Interviewer neemt een kort, gestructureerd spraakgesprek af dat kandidaten op hun telefoon kunnen voeren, wanneer het hun uitkomt, in de taal die voor de functie is ingesteld. Elke sollicitant beantwoordt dezelfde vragen voordat iemand ze vergelijkt.
- Match toetst elk gesprek aan de eisen van de functie. Per eis laat Radius zien of die is onderbouwd met een document of een controle, alleen rust op wat de kandidaat zei, of nog ontbreekt, met het moment in het gesprek waarop het antwoord te horen is.
- Gebruikt de werkgever Radius Passport, dan worden de identiteit van de kandidaat en het recht om in Nederland te werken gecontroleerd via een vertrouwde verificatiepartner en worden certificaten vastgelegd met hun vervaldatum, zodat een recruiter het bewijs vóór het aanbod kan bekijken. Passport vervangt de eigen identiteitscontrole van de werkgever niet.
- Radius wijst nooit zelfstandig een kandidaat af. Een recruiter bekijkt het bewijs, kan alles wat Radius laat zien terzijde leggen en neemt elke wervingsbeslissing. Kandidaatgegevens worden binnen de EU gehost.
- Uitzendbureaus die voor meerdere opdrachtgevers en locaties werven, zien hoe dit werkt op Radius voor uitzendbureaus.
Veelgestelde vragen
Betekent een hoger matchpercentage een betere kandidaat?
Niet per se. Een percentage telt eisen op met gewichten die iemand heeft gekozen, dus twee kandidaten met hetzelfde getal kunnen verschillen op de ene eis die telt. Kijk aan welke harde eisen is voldaan, en op basis van welk bewijs, voordat je totalen vergelijkt.
Werkt AI-matching van kandidaten ook zonder cv?
Ja, als de tool matcht op ander bewijs dan cv-tekst. Antwoorden uit een gestructureerd gesprek en documenten zoals certificaten kun je per eis matchen. Voor functies op de werkvloer, waar veel sollicitanten een kort cv of helemaal geen cv hebben, is dat vaak een betere basis.
Neemt AI-matching van kandidaten vooroordelen weg?
Nee. Wie iedereen aan dezelfde eisen toetst, beoordeelt consistenter, maar modellen kunnen bias meenemen uit de tekst waarvan ze hebben geleerd. Test de uitkomsten op je eigen functies, houd de eisen functierelevant en laat elke beslissing bij een mens. Ons artikel over AI-bias in werving gaat er dieper op in.
Wat is het verschil tussen AI-vacaturematching en AI-matching van kandidaten?
Ze kijken van twee kanten naar dezelfde match. AI-vacaturematching raadt een werkzoekende meestal vacatures aan. AI-matching van kandidaten laat een werkgever of uitzendbureau zien welke sollicitanten bij een functie passen. De methoden overlappen. De conceptrichtsnoeren van de Commissie (19 mei 2026, niet definitief en niet bindend) beschouwen software waarmee een uitzendbureau kandidaten voor vacatures rangschikt, of vacatures voorstelt aan werkzoekenden, als hoog risico.
Algemene informatie, geen juridisch advies. Stand van zaken op 22 oktober 2026.
Bronnen
- Europese Unie. Verordening (EU) 2024/1689 (AI-verordening), Publicatieblad L, 12 juli 2024; bijlage III, punt 4, artikelen 6, 14 en 50. Tekst in het Publicatieblad. Gecontroleerd op 22 oktober 2026.
- Europese Commissie, AI Act Service Desk. “Annex III” en “Article 6: Classification rules for high-risk AI systems” (geconsolideerde tekst per 27 juli 2026). Annex III; Article 6. Gecontroleerd op 22 oktober 2026.
- Europese Unie. Verordening (EU) 2026/1744 (Digitale omnibus inzake AI), Publicatieblad L, 24 juli 2026. Tekst in het Publicatieblad. Gecontroleerd op 22 oktober 2026.
- Europese Commissie. “AI Act” (beleidspagina over het regelgevingskader voor AI). Pagina van de Commissie. Gecontroleerd op 22 oktober 2026.
- Europese Commissie. “Draft Commission guidelines on the classification of high-risk AI systems”, gepubliceerd op 19 mei 2026, bijgewerkt op 23 juli 2026 (concept voor consultatie, niet bindend); document bij bijlage III, voorbeeld van een AI-systeem waarmee uitzendbureaus kandidaten aan vacatures toewijzen. Pagina van de Commissie; Document bij bijlage III. Pagina en document bij bijlage III opnieuw gecontroleerd op 23 oktober 2026: nog steeds een concept, geen definitieve versie gepubliceerd.
- Europese Unie. Verordening (EU) 2016/679 (Algemene verordening gegevensbescherming, AVG), artikel 22. Tekst in het Publicatieblad. Gecontroleerd op 22 oktober 2026.
- College voor de Rechten van de Mens. “Werkgever zelf verantwoordelijk als algoritmes bij sollicitaties discrimineren”, 8 december 2021. mensenrechten.nl. Gecontroleerd op 22 oktober 2026.
- College voor de Rechten van de Mens. “Vraag en antwoord over werving- en selectie-algoritmes voor werkgevers” (z.d.). mensenrechten.nl. Gecontroleerd op 22 oktober 2026.
- Wilson, K. en Caliskan, A. “Gender, Race, and Intersectional Bias in Resume Screening via Language Model Retrieval”, Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 2024. arxiv.org/abs/2407.20371. Samenvatting: University of Washington News, 31 oktober 2024, washington.edu. Gecontroleerd op 22 oktober 2026.
- Sackett, P. R., Zhang, C., Berry, C. M. en Lievens, F. “Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range”, Journal of Applied Psychology, 107(11), 2040 tot 2068, 2022. doi.org/10.1037/apl0000994. Gecontroleerd op 22 oktober 2026.
- Europese Commissie. “What is ESCO?” esco.ec.europa.eu. Gecontroleerd op 22 oktober 2026.