Maandelijkse archieven: juli 2026

Van dialect naar ABN: waarom Nederland een gemeenschappelijke skillstaal nodig heeft

Geplaatst 10 juli 2026 door Redactie

Praat met tien organisaties over dezelfde vaardigheid en je krijgt tien verschillende woorden: klantgericht, servicegericht, ondersteunend. Klinkt hetzelfde, betekent voor een matchingsysteem iets anders. “Daardoor ontstaan er een soort van eilandjes, ieder zijn eigen taal,” zegt Kevin Sikma, accountmanager bij CompetentNL. Samen met data-analist Jeroen Bovenlander bespreekt hij in een webinar van HRMorgen en HRTechArena hoe de nationale standaard voor het beschrijven van vaardigheden en kennis die verwarring moet wegnemen. 

CompetentNL is ontwikkeld door UWV, SBB, TNO en CBS, in opdracht van de ministeries van Sociale Zaken en Werkgelegenheid en van Onderwijs, Cultuur en Wetenschap, met als doel onderwijs en arbeidsmarkt op basis van skills met elkaar te verbinden.

Eén taal in plaats van dialecten

Sikma vat het probleem samen met een taalmetafoor die hij vaker gebruikt: “Ik noem het weleens van dialect naar ABN.” Organisaties verstaan elkaar wel ongeveer, zoals een Limburger en een Groninger, maar gebruiken andere woorden voor hetzelfde begrip. Zodra je matcht, doorstroomt of vergelijkt tussen organisaties, wordt dat een probleem. CompetentNL biedt daarvoor de gemeenschappelijke basis: één dataset die skills, beroepen en opleidingen aan elkaar koppelt, en die ook gemapt is aan internationale standaarden als ESCO en O*NET.

Skills is een beetje de containerterm van alle vaardigheden, alle kennis en kunde.

Belangrijk is wat CompetentNL nadrukkelijk niet is. Het is geen software en geen matchingtool, benadrukt Sikma: wie zelf naar competentnl.nl gaat om daar skills-gap-analyses te draaien, zit fout. CompetentNL is de bron, beschikbaar als gratis API of SPARQL-endpoint, waarop andere partijen hun eigen tooling bouwen. Sikma gebruikt daarvoor graag de vergelijking met een auto: “Competent als, als smeerolie” onder de motorkap, de daadwerkelijke toepassing gebeurt erboven, bij de HR-systemen en loopbaanplatformen die de markt bouwt.

Wat een cv niet vertelt

Waarom is dat nodig naast een gewoon cv? Bovenlander en Sikma leggen uit dat de traditionele blik op werk vooral kijkt naar wat iemand heeft gedaan en welke functietitel daarbij hoort. Dat is volgens Sikma een logisch, maar onvolledig vertrekpunt: het cv “vertelt niet altijd het hele verhaal” over wat iemand daadwerkelijk kan en hoe dat sectoroverstijgend overdraagbaar is. De skills-benadering kijkt in plaats daarvan naar kennis, vaardigheden en het ontwikkelprofiel van iemand over de jaren heen.

Dat onderscheid is niet alleen theoretisch. Bijna 95 procent van alle Nederlandse beroepen is in CompetentNL gekoppeld aan skills, taken en werkomstandigheden: is het werk fysiek belastend, veel zittend of staand werk. Voor de opleidingskant loopt de dekking door tot en met mbo-niveau, met uitbreiding naar hoger en non-formeel onderwijs in de maak. 

Een technisch voorbeeld dat Bovenlander laat zien: als je drie specifieke skills als uitgangspunt neemt (wegvervoer, voorraadbeheer en douaneprocessen), levert de dataset direct het beroep op waar die combinatie het best bij past, en welke aanpalende beroepen al twee van de drie in huis hebben. Precies dat maakt gerichte omscholing mogelijk: welke opleiding heb je nodig om van het ene beroep naar het andere over te stappen.

Het argument tegen opleiden weerlegd

Een weerbarstig obstakel voor skillsbased werken is de angst dat opleiden weglekt: waarom zou een werkgever investeren in iemands ontwikkeling als die persoon daarna vertrekt? Sikma erkent dat het “een slecht stemmetje” is, maar wel een valide punt om hardop te stellen. Zijn weerwoord: functiebehoud is minstens zo belangrijk als nieuwe mensen werven, zeker met de vergrijzing in het vooruitzicht. Wie kansen biedt aan het eigen personeel, bouwt daarmee net zo goed aan binding als aan instroom van buitenaf.

Een unieke, mensgecontroleerde dataset

Internationaal doet Nederland het volgens Sikma opvallend goed: qua ontwikkeling van een nationale skills-standaard staat het land in de mondiale top vier of vijf, na koplopers als Singapore en België. CompetentNL bouwt zelfs voort op het Belgische systeem Competent. Toch relativeert Sikma de ranglijst meteen met een kanttekening over kwaliteit boven snelheid: “In Europa is er geen vergelijkbare dataset beschikbaar die zo rijk en compleet is.”

Wat die dataset onderscheidt van een AI-gegenereerde skills-lijst, is dat elke koppeling tussen een skill en een beroep uiteindelijk door een mens is gecontroleerd. Een aanbevelingssysteem met AI signaleert bijvoorbeeld nieuwe skills die vaker in vacatureteksten opduiken, maar een persoon beoordeelt of die suggestie klopt voordat hij in de live dataset terechtkomt. Dat maakt de dataset volgens Sikma niet in een “dicht AI-systeem” gecreëerd, maar aantoonbaar gevalideerd.

Aan de slag: van viewer tot SPARQL

Voor wie wil beginnen, onderscheidt Bovenlander drie toegangswegen met oplopende technische diepgang. De viewer op competentnl.nl is bedoeld voor niet-technische gebruikers en laat toe vrij te klikken door beroepen, skills en opleidingen. 

Voor softwarebouwers is er een RESTful API met vooraf gedefinieerde vragen, en voor wie de dataset volledig vrij wil bevragen is er een SPARQL-endpoint, waarmee bijvoorbeeld combinaties van skills direct aan passende beroepen te koppelen zijn. Toegang tot beide technische opties vraagt een gratis API-key; het gebruik van CompetentNL kost, in welke vorm dan ook, niets.

CompetentNL is nadrukkelijk geen eindproduct. Op 15 juli verschijnt een nieuwe versie met verbeteringen in de skills-taxonomie, en organisaties die zelf willen instappen, kunnen zich aanmelden voor de nieuwsbrief of de community op competentnl.nl, waar ook fysieke bijeenkomsten en een digitaal vragenuur worden georganiseerd. 

Voor wie zich afvraagt wat het concreet oplevert, noemt Sikma drie richtingen die in de praktijk al vorm krijgen: preciezere matching tussen vacatures en kandidaten, gerichter opleiden binnen het eigen leven lang ontwikkelen, en een beter onderbouwde inschatting van de geschiktheid van zij-instromers.

Bekijk het webinar over CompetentNL op het YouTube-kanaal van HRMorgen:

Geplaatst in Innovatie, Markt | Tags , , | Reacties uitgeschakeld voor Van dialect naar ABN: waarom Nederland een gemeenschappelijke skillstaal nodig heeft

Wet loontransparantie: dit moet HR nu al regelen

Geplaatst 9 juli 2026 door Eveline Meijer

Hoeveel verdient mijn collega? Welk salaris hoort bij een openstaande vacature? En krijgen mannen meer betaald dan vrouwen binnen een bepaalde functie? Werkgevers moeten binnenkort meer transparantie bieden over dit soort vragen. Naar verwachting gaat de Wet loontransparantie vanaf 1 januari 2027 namelijk in. HR-afdelingen moeten zich daar nu al op voorbereiden. 

De nieuwe wetgeving volgt uit een Europese richtlijn loontransparantie uit 2023, die Nederland nu in eigen wetgeving omzet. De wet gaat naar verwachting op 1 januari 2027 in, al moeten de Eerste en Tweede Kamer het wetsvoorstel nog aannemen.

Volgens het wetsvoorstel mogen werkgevers tijdens de werving niet meer naar het vorige salaris van een sollicitant vragen, en moeten ze voor het eerste sollicitatiegesprek transparant zijn over de salarisschaal die bij de functie hoort. 

Werknemers krijgen bovendien het recht om informatie op te vragen over hun eigen loon en het gemiddelde loon van collega’s die gelijkwaardig werk doen, uitgesplitst naar geslacht. Werkgevers met meer dan honderd werknemers moeten daarnaast periodiek rapporteren over de gemiddelde lonen.

Transparant bij werving

Jeffrey Glauber, Product Marketing Manager bij SAP

Ook voor HR-afdelingen zit hier flink wat werk in. Beginnend met het informeren van de mensen die zich bezighouden met de werving van nieuw personeel, vertelt Jeffrey Glauber, Product Marketing Manager bij SAP. “Je moet managers en recruiters vertellen dat ze niet langer naar het vorige salaris mogen vragen. Als HR-afdeling moet je dus zorgen dat zij op de hoogte zijn van deze nieuwe regels.”

Daarnaast moet HR bepalen wanneer en waar ze informatie over de salarisschaal delen in het wervingsproces. “Die informatie moet je voor het eerste sollicitatiegesprek delen. Veel bedrijven zetten de informatie in de vacature zelf. Maar hoe dan ook is dat wel iets waar je over na moet denken.”

Gelijkwaardig werk bepalen

Nieke Dorland, productmanager bij AFAS

Een complexer vraagstuk is hoe je omgaat met de transparantie naar eigen werknemers toe. Zij mogen straks immers informatie opvragen over de gemiddelde salarissen van collega’s die gelijkwaardig werk doen, uitgesplitst naar geslacht. Maar die informatie moet dan wel beschikbaar zijn.

Om dat eenvoudiger te maken, is met het ministerie van Sociale Zaken en Werkgelegenheid afgesproken dat de gebruikte begrippen hiervoor aansluiten op de begrippen uit de loonaangifte, vertelt Nieke Dorland, productmanager bij AFAS. “Als je loonaangifte doet, heb je dus al veel voor elkaar.”

Als je loonaangifte doet, heb je al veel voor elkaar.

Maar organisaties moeten nog wel vastleggen wat dan gelijkwaardig werk is. Binnen een bedrijf kunnen tal van functies en functieniveaus zijn, die vergelijkbaar of juist heel verschillend werk omvatten. “Als werkgever moet je dus zorgen dat je je functies in categorieën gaat indelen, waarvan jij zegt dat het werk gelijk of gelijkwaardig is”, verklaart Dorland. Juist over dat soort vraagstukken moet HR zich gaan buigen. 

Grote cao-partijen, bijvoorbeeld in het onderwijs of de zorg, hebben daar volgens Dorland vaak al informatie over: in cao’s zit vaak al een functiehuis dat als leidraad kan dienen. Maar ook dan moet je kunnen uitleggen waarom bepaalde functies in een categorie vallen.

Om hierbij te ondersteunen heeft de Rijksoverheid een handreiking gemaakt voor het maken van de categorieën, met een checklist van alle stappen die je moet zetten.

Hoe deel je informatie over het salaris?

Een volgende vraag is hoe je die informatie vervolgens beschikbaar stelt aan je werknemers. Glauber: “Wil je dat dit een selfservice-ervaring is of vereist dit handmatig werk vanuit het HR-team? Wil je bijvoorbeeld dat werknemers je een e-mail sturen, waarna het HR-team handmatig een rapport opstelt? Of wil je dat werknemers automatisch een rapport kunnen laten genereren via de software die je gebruikt?”

SAP en AFAS – beide leveranciers van HRtech – hebben daar zelf al wel een aanpak voor bedacht. AFAS gaat een plek inrichten waar het systeem de informatie standaard toont. “Wat is nu het verschil tussen het moeten opvragen en het gewoon opleveren? Dan kun je het maar beter in één keer voor iedereen beschikbaar maken, dan kunnen werknemers de informatie ook gewoon zien”, stelt Dorland.

Ook SAP zet in principe in op een selfservice-optie. “Werknemers kunnen via hun profiel een verzoek aanmaken om een rapport te genereren. Dat rapport verzamelt de informatie en toont jou je salaris en het gemiddelde salaris van collega’s die gelijkwaardig werk doen. En het toont alle criteria die het gebruikt heeft om tot die gemiddelden te komen. Dat geeft een minimale last voor HR-teams”, vertelt Glauber. 

Rapportageplicht over lonen werknemers

Bedrijven met meer dan honderd werknemers moeten straks ook verplicht gaan rapporteren over de gemiddelde salarissen per categorie, uitgesplitst naar mannen en vrouwen. Ook daarvoor kun je in principe dezelfde begrippen gebruiken als uit de loonaangifte, zegt Dorland. 

“Maar het is niet gewoon een aftreksel van de loonaangifte. Het bevat wel dezelfde gronddata, maar die aggregeer je anders, omdat je de categorieën moet hanteren en andere berekeningen moet doen met de bedragen. In de loonaangifte splitst je bijvoorbeeld niets uit naar mannen en vrouwen. Dan lever je de dienstverbanden en inkomstenverhoudingen aan.”

Hoe zit het met uitzendkrachten?

Bedrijven die met uitzendkrachten werken, krijgen met nog een extra uitdaging te maken: wie is verantwoordelijk voor het verschaffen van informatie aan hen? Volgens Dorland is dat waarschijnlijk de inlener, oftewel het bedrijf dat de uitzendkracht inhuurt. “Als jij een werkgever bent met uitzendkrachten, dan moet je dus ook over de mensen die je inhuurt gaan rapporteren. Dan bestaat je rapportage dus uit twee delen: één over je eigen medewerkers en één over de ter beschikking gestelde uitzendkrachten.” 

Maar uitzendkrachten krijgen, net als werknemers, ook recht op inzage in de gemiddelde salarissen voor gelijkwaardig werk. Die informatie kunnen zij straks bij het uitzendbureau opvragen, weet Dorland. Daar ligt dus een taak voor de uitzendbureaus. 

Neem processen onder de loep

Bij alle nieuwe regelgeving ligt de verleiding op de loer om alleen aan de regels te voldoen, en het daarbij te laten. Maar Glauber spoort HR-afdelingen aan om verder te gaan. “Dit is echt een kans om alle processen eens onder de loep te nemen, te zien waar potentiële hiaten zitten en waar je kunt optimaliseren.” 

Dit is een kans om alle processen eens onder de loep te nemen.

Als voorbeeld noemt hij de vacatures, waarin HR vaak de salarisschaal meeneemt. “Kun je dat niet automatiseren? In veel HR-systemen kun je de salarisschaal van een functie automatisch laten doorvoeren in een vacaturetekst. Dan zorg je er altijd voor dat je daar transparant over bent. Deze wet vormt zo echt een kans om voorop te lopen als het gaat om transparantie en gelijkwaardige salarissen.”

Hoe zit het met de AVG?

In Europa geldt ook de privacywetgeving AVG, met daarin strenge regels over de verwerking en verstrekking van persoonsgegevens. Botst de richtlijn loontransparantie daar niet mee? 

In principe niet. De richtlijn loontransparantie vereist dat bedrijven gemiddelde salarissen van gelijkwaardig werk melden, niet de individuele salarissen van iedere werknemer. Maar bij kleine bedrijven, waar bijvoorbeeld twee of drie mensen bepaald werk uitvoeren, geeft zo’n gemiddelde natuurlijk al vrij veel bloot. In theorie kun je terugrekenen wat het salaris van de andere werknemers dan is. En als slechts één iemand binnen een categorie valt, dan vermeldt het bedrijf dus alleen zijn of haar salaris. 

“In dat geval gaat het recht op transparantie boven de AVG”, zegt Dorland. “Het is niet de bedoeling dat je op individueel niveau gaat rapporteren wat een salaris is. Maar als blijkt dat het daar wel op neerkomt, dan moet je het alsnog wel rapporteren.” 

 

Geplaatst in Gebruiken, Implementeren | Tags , , , , , | Reacties uitgeschakeld voor Wet loontransparantie: dit moet HR nu al regelen

AI verhoogt productiviteit op de werkvloer, maar macro-economische doorbraak laat nog op zich wachten

Geplaatst 7 juli 2026 door Redactie

Bedrijven zien in experimenten indrukwekkende productiviteitswinsten door generatieve AI, maar diezelfde winst is nauwelijks terug te vinden in bedrijfsenquêtes en nationale statistieken. Dat concludeert econoom Robert Inklaar (Rijksuniversiteit Groningen) in een artikel in economenblad ESB. Dat ligt volgens Inklaar niet aan de technologie zelf, maar aan bij de snelheid waarmee organisaties hun werkprocessen aanpassen.

Zijn kernboodschap: effectieve toepassing van AI vergt complementaire investeringen in vaardigheden, managementpraktijken en organisatorische vernieuwing.

Een bekende paradox, veertig jaar later

Econoom Robert Solow merkte in 1987 op dat je het computertijdperk overal zag, behalve in de productiviteitscijfers. Bijna veertig jaar later, schrijft Inklaar, herhaalt exact hetzelfde patroon – de Solow-paradox – zich bij AI.

Uit een grote bedrijfsenquête onder ongeveer 6.000 leidinggevenden in de VS, het VK, Duitsland en Australië blijkt dat bijna zeventig procent van de bedrijven inmiddels AI gebruikt. Toch ziet meer dan tachtig procent daarvan geen meetbaar effect op productiviteit of werkgelegenheid over de afgelopen drie jaar. Diezelfde bedrijven verwachten wél een productiviteitswinst van 1,4 procent in de komende drie jaar: de verwachtingen blijven hooggespannen, ondanks de voorlopige cijfers.

Wat werkt, wat niet: relevant voor iedere HR-afdeling

Onderzoeken die Inklaar aanhaalt, laten zien dat generatieve AI de tijd voor professionele schrijftaken flink kan verkorten en tegelijk de kwaliteit kan verhogen. Ook in callcenters en bij softwareontwikkeling zijn substantiële productiviteitswinsten gemeten, en in e-commerce verhoogden AI-chatbots de verkoop merkbaar. Een terugkerend patroon: minder ervaren werknemers profiteren doorgaans het meest van AI-ondersteuning, waardoor AI de productiviteitsverschillen tussen medewerkers kan verkleinen, relevant voor opleidings- en inwerkbeleid.

Maar er is ook een keerzijde, die volgens Inklaar minstens zo belangrijk is voor de praktijk. Een experiment onder ervaren opensource-ontwikkelaars liet zien dat AI-gebruik hen juist negentien procent trager maakte bij het werken in bestaande codebases, terwijl zij zelf dachten sneller te werken. Ander onderzoek toont dat professionals slechter presteerden wanneer ze AI inzetten voor taken die de technologie op dat moment nog niet zelfstandig aankon. De les voor HR: AI-adoptie is geen garantie voor productiviteitswinst, het hangt sterk af van de taak en de context.

Daarnaast signaleert Inklaar een mismatch tussen wie AI zou moeten gebruiken en wie dat daadwerkelijk doet: AI-gebruik blijkt geconcentreerd bij werknemers met midden- tot hogere lonen, terwijl juist lager opgeleide werknemers in experimenten het meest profiteren.

Waarom microwinst niet vanzelf macrowinst wordt

Het interessantste deel van de analyse gaat over de vraag waarom deze veelbelovende resultaten op de werkvloer niet doorwerken in de nationale economie. Op basis van een economisch model komt econoom Daron Acemoglu uit op minder dan 0,07 procentpunt extra jaarlijkse productiviteitsgroei door AI over de komende tien jaar, een bescheiden effect. Optimistischere ramingen komen hoger uit, tot ongeveer 1,8 procentpunt in het meest gunstige scenario.

De belangrijkste verklaring is structureel. Zelfs als AI bepaalde taken sterk versnelt, blijft de totale output begrensd door taken die nog altijd door mensen worden uitgevoerd. Onderzoekers noemen dit het probleem van de “zwakke schakels”: zolang taken elkaar aanvullen in plaats van vervangen, remt het menselijke deel van het werk de totale productiviteitswinst af.

Wat betekent dit voor Nederlandse organisaties?

Het verschil tussen landen en bedrijven ontstaat niet door wie de technologie produceert, maar door de snelheid waarmee bedrijven die technologie integreren in hun werkprocessen, zo legt Inklaar uit. Nederland doet het relatief goed: ongeveer 23 procent van de Nederlandse bedrijven gebruikt inmiddels minstens één AI-toepassing, tegenover een Europees gemiddelde van 20 procent.

Een veldexperiment onder ruim 500 snelgroeiende start-ups, aangehaald in het artikel, laat zien waar voor HR en organisaties concreet winst te behalen valt. Bedrijven die simpelweg informatie kregen over hoe vergelijkbare organisaties AI in hun productieproces hadden georganiseerd, ontdekten 44 procent meer bruikbare AI-toepassingen en realiseerden bijna twee keer zoveel omzetgroei. De frictie zit niet in de toegang tot AI-tools, maar in het ontdekken waar AI binnen de eigen organisatie daadwerkelijk waarde toevoegt.

Bron: Robert Inklaar, “Productiviteitswinst door AI op microniveau levert nog geen macrowonder op”, ESB, 2 juli 2026.

Geplaatst in Gebruiken, Implementeren | Tags , , | Reacties uitgeschakeld voor AI verhoogt productiviteit op de werkvloer, maar macro-economische doorbraak laat nog op zich wachten

Twee derde van HR haalt nog lang niet het maximale uit AI

Geplaatst 3 juli 2026 door Redactie

Artificial intelligence vindt z’n weg naar de HR-afdeling, maar twee derde van de organisaties (66%) benut de mogelijkheden nog lang niet volledig. Dat blijkt uit de HR Benchmark van Youforce, uitgevoerd onder 300 HR-managers, bestuurders en leidinggevenden in Nederland. AI wordt al wel breed ingezet. Zo zet 74 procent de technologie in voor operationele processen, maar van strategische regie vanuit HR is zelden sprake.

AI in de praktijk

Administratieve taken en werving & selectie zijn de gebieden waar AI het meest wordt ingezet (beide 31%). Een kwart past AI toe voor voorspellende analyses, zoals het tijdig signaleren van verzuim of uitstroom. De inzet beweegt daarmee langzaam van puur operationeel naar datagedreven besluitvorming.

Kleine organisaties lopen voor, HR laat regie liggen

De meeste organisaties beschouwen zichzelf als beperkt (30%) of gemiddeld (37%) AI-ready. Bovendien maakt 26 procent nog helemaal geen gebruik van AI binnen HR. Opvallend hierin is dat kleine organisaties vooroplopen. Van de organisaties met maximaal honderd medewerkers gebruikt slechts drie procent nog geen AI, terwijl dit bij middelgrote en grote organisaties oploopt tot zo’n dertig procent.

HR heeft daarin zelden de regie. In veel gevallen volgt de afdeling AI-initiatieven in plaats van ze te trekken. Bij twaalf procent speelt HR zelfs helemaal geen rol in AI-adoptie.

Vertrouwen in AI

Van de eindverantwoordelijken voor HR heeft meer dan de helft (52%) (zeer) veel vertrouwen in AI-ondersteunde besluitvorming. Dit is vooral terug te zien bij data-intensieve vraagstukken. Zo vertrouwen HR-professionals eerder op AI dan het eigen oordeel bij screening en selectie van kandidaten (35%) en strategische personeelsplanning (34%). Toch geeft tien procent van de eindverantwoordelijken aan dat zij meer op hun eigen oordeel vertrouwen dan op AI.

Nog veel AI-winst te behalen

De eerste opbrengsten zijn zichtbaar. Organisaties noemen minder administratieve fouten (35%) en lagere HR-kosten (32%) als concrete resultaten. Betere, datagedreven inzichten (31%), meer voorspelbaarheid van HR-uitkomsten (30%) en snellere doorlooptijden (29%) volgen.

Toch ervaart bijna de helft (47%) AI soms als extra werk in plaats van verlichting. Een dominante drempel is er niet: privacy- en datarisico’s (15%), angst voor verlies van menselijkheid (15%), gebrek aan kennis (14%) en onvoldoende budget (14%) komen allemaal even vaak voor. De uitdaging zit daarmee niet zozeer in weerstand, maar in de randvoorwaarden: goede data, voldoende kennis en een zorgvuldige inrichting.

Stefan Op de Woerd, Managing Director bij Youforce: “Twee derde van de HR-professionals erkent dat hun organisatie nog veel AI-winst kan behalen. Dat is een opvallend eerlijk signaal. Het probleem is zelden onwil. Wat ontbreekt, is regie: HR is te vaak volger in plaats van trekker. Terwijl de technologie nu al veel verder gaat dan het automatiseren van losse taken. AI is geen doel op zich, maar een middel om sneller te bereiken waar je als organisatie naartoe wilt. Organisaties die dat nu serieus oppakken, lopen straks voor.”

Geplaatst in Gebruiken, Implementeren | Tags , , | Reacties uitgeschakeld voor Twee derde van HR haalt nog lang niet het maximale uit AI

Waarom AI HR dwingt om strategischer naar mensen te kijken

Geplaatst 2 juli 2026 door Roeland van Laer

De HRMorgen webinarweek van vorige week liet voor mij één duidelijke rode draad zien. AI verandert HR niet alleen omdat er nieuwe technologie beschikbaar komt, maar vooral omdat organisaties opnieuw moeten nadenken over mensen, werk, skills en verantwoordelijkheden.

Mijn belangrijkste observatie na deze webinarweek is dan ook dat AI HR niet alleen technologisch uitdaagt, maar vooral strategisch en menselijk. Technologie kan veel versnellen, maar de echte opgave ligt in de manier waarop organisaties richting geven aan werk, talent en besluitvorming.

Veel organisaties behandelen AI nog als een technologisch vraagstuk. Ze richten zich op tools, data, processen en leveranciers. Dat zijn belangrijke onderwerpen, maar ze raken niet de kern. De kern is wat AI betekent voor mensen: voor hun werk, ontwikkeling, zekerheid, vakmanschap en rol in de organisatie.

AI begint bij mensen

Daar begint de strategische opdracht voor HR. AI-adoptie is geen gewone implementatie. Het raakt aan vertrouwen, gedrag, vaardigheden, cultuur en leiderschap. Het vraagt van medewerkers dat zij durven experimenteren, van leidinggevenden dat zij anders leren sturen en van HR dat het niet alleen ondersteunt, maar richting geeft.

Die richting begint met helderheid. Niet door te beloven dat alles hetzelfde blijft, maar door eerlijk te laten zien welke veranderingen eraan komen en hoe medewerkers zich daarin kunnen ontwikkelen. AI is daarom geen project van IT alleen. IT is nodig voor techniek, veiligheid, data en architectuur. Maar HR moet de menselijke kant organiseren: rollen, skills, onzekerheid en ontwikkeling van medewerkers.

SPP wordt urgenter dan ooit

Juist door AI wordt strategische personeelsplanning belangrijker. Organisaties kunnen zich niet langer beperken tot de vraag hoeveel mensen ze volgend jaar nodig hebben. De echte opgave is om te bepalen welk werk straks gedaan moet worden, welke rollen daarbij horen, welke skills nodig zijn en hoe technologie dat werk ondersteunt.

Arbeidsmarktkrapte, digitalisering, AI en nieuwe organisatiemodellen maken vooruitkijken noodzakelijk. Niet als jaarlijkse spreadsheet, maar als continu gesprek over strategie, HRM, leiderschap en medewerkers. SPP helpt om scherper te kijken naar de toekomst van werk. Sommige functies veranderen ingrijpend. Taken worden geautomatiseerd, nieuwe rollen ontstaan en medewerkers moeten zich ontwikkelen naar werk dat morgen nodig is.

Digitalisering kan SPP krachtiger maken. Inzicht krijgen maakt risico’s zichtbaar. Scenario’s maken keuzes concreter. Dashboards geven inzicht in formatie, bezetting, uitstroom, ontwikkeling, potentieel en skills gaps. Maar de waarde zit niet in het dashboard zelf. De waarde ontstaat wanneer HR en leiders samen betekenis geven aan die inzichten.

Van minder administratie naar meer impact

Een belangrijke belofte van AI en digitalisering is dat HR minder tijd kwijt is aan routinematig werk. Standaardvragen, mutaties, signaleringen, rapportages, workflows en controles kunnen slimmer en sneller worden uitgevoerd.

Dat klinkt operationeel, maar de strategische betekenis is groot. Minder administratieve druk betekent meer ruimte voor strategische personeelsplanning, leiderschapsontwikkeling, cultuur, interne mobiliteit, leren en ontwikkelen en betere gesprekken over talent en toekomst.

AI maakt HR dus niet minder belangrijk. Integendeel. AI maakt HR belangrijker, mits HR de vrijgekomen ruimte gebruikt om strategischer te worden.

Skills worden de nieuwe taal van werk

Wie serieus werk maakt van AI en SPP, komt vanzelf uit bij skills. Functies zijn vaak te grof om de toekomst van werk goed te begrijpen. Taken veranderen sneller dan functietitels. Medewerkers kunnen vaak meer dan ze in hun huidige functie laten zien. En kandidaten passen soms beter dan hun cv doet vermoeden.

Een skillsgerichte benadering maakt het mogelijk om anders naar talent te kijken. Niet alleen naar diploma’s, functienamen of werkervaring, maar naar wat mensen daadwerkelijk kunnen en willen leren. Dat is belangrijk voor recruitment, maar zeker ook voor interne mobiliteit. In een krappe arbeidsmarkt moeten organisaties beter gaan onderzoeken welk talent zij al in huis hebben.

AI kan helpen door skills inzichtelijk te maken, matches te verbeteren en ontwikkelbehoeften sneller te signaleren. Maar technologie moet ondersteunen, niet overnemen. De menselijke interpretatie blijft nodig. Niet alles wat meetbaar is, is betekenisvol. En niet alles wat waardevol is, laat zich makkelijk meten.

Het algoritme mag niet het laatste woord krijgen

Dat geldt ook voor recruitment en talentbeslissingen. Algoritmes kunnen helpen bij sourcing, matching, screening en communicatie. Maar als organisaties niet opletten, automatiseren ze niet alleen efficiëntie. Ze automatiseren ook bestaande aannames, vooroordelen en inefficiënte processen.

Een algoritme is nooit neutraler dan de data, keuzes en criteria waarop het is gebouwd. Als de vacature-intake onvoldoende scherp is, wordt de matching dat ook. Als selectiecriteria te smal zijn, sluit technologie mensen sneller uit. Als verantwoordelijkheden onduidelijk zijn, ontstaat schijnzekerheid.

Daarom verandert de rol van recruiters, HR-professionals en managers. Hun waarde zit minder in het uitvoeren van processtappen en meer in het stellen van betere vragen. Zijn de criteria eerlijk en relevant? Welke kandidaten blijven buiten beeld? Hoe kunnen we beslissingen uitleggen? En waar is menselijke controle geborgd?

Met strengere AI-regelgeving worden deze vragen urgenter. Organisaties moeten kunnen uitleggen hoe beslissingen tot stand komen, welke rol technologie speelt en waar menselijke verantwoordelijkheid ligt. De discussie verschuift van wat AI kan naar hoe organisaties verantwoordelijkheid organiseren.

De nieuwe opdracht voor HR

Daar ligt de nieuwe opdracht voor HR. AI maakt HR niet technologischer, maar strategischer. Tenminste, als HR de handschoen oppakt.

De komende jaren hebben organisaties HR-professionals nodig die verder kijken dan processen en systemen. Professionals die begrijpen hoe werk verandert, data vertaalt naar keuzes, SPP zien als richtinggevend gesprek en medewerkers helpen leren, experimenteren en bewegen. Samen met IT moeten zij zorgen voor verantwoorde adoptie, met één belangrijk uitgangspunt: technologie mag adviseren, maar mensen blijven verantwoordelijk.

AI kan administratieve druk verlagen. AI kan patronen zichtbaar maken. AI kan helpen bij matching, planning en ontwikkeling. Maar AI kan geen vertrouwen organiseren, geen cultuur bouwen en niet bepalen welke organisatie je wilt zijn. Dat moeten mensen doen.

Dat is voor mij de belangrijkste les van de webinarweek van vorige week. AI in HR gaat niet over sneller doen wat we al deden. Het gaat over beter nadenken over werk, talent, leiderschap en toekomstbestendigheid. Daarom begint strategische HR niet bij de tool, maar bij de keuze welke organisatie je morgen wilt zijn en welke mensen je vandaag nodig hebt om daar te komen.

Geplaatst in Gebruiken, Implementeren | Tags , , | Reacties uitgeschakeld voor Waarom AI HR dwingt om strategischer naar mensen te kijken