By Daniel Whitmore, MSc in Industrial and Organizational Psychology
In het kort
Een AI-interview is een gestructureerd gesprek dat een AI namens de werkgever voert: het stelt rolrelevante vragen, past het doorvragen aan om de antwoorden van de kandidaat te toetsen en legt de uitwisseling vast als transcript. In een verdedigbare opzet is dat transcript de uitkomst — bewijs dat een met naam genoemde beoordelaar tegen een rubric scoort — en niet een "fit"-getal uit een zwarte doos. AI-interviews voegen de meeste waarde toe bij gestructureerd verbaal redeneren, communicatie en situationeel oordeelsvermogen; ze vervangen geen praktische werkproef, en ze horen nooit persoonlijkheid of emotie af te leiden uit het gezicht of de stemklank van een kandidaat.
Wat een AI-interview werkelijk is (en wat niet)
Haal de marketing eraf en een AI-interview is een gesprek met structuur. Een AI-systeem stelt een kandidaat een reeks rolrelevante vragen, luistert naar of leest de antwoorden en vraagt door om dieper te komen — zoals een goede interviewer zou doen als een antwoord mager is of als een bewering een concreet voorbeeld nodig heeft. De kandidaat kan met de stem of schriftelijk antwoorden. Wat er aan de andere kant uit komt, is een vastlegging van wat er werkelijk is gezegd: een transcript, gekoppeld aan de vragen die het opriepen.
Om die vastlegging is het te doen. In een goed gebouwd AI-interview is het transcript het product — bewijs dat een mens leest en tegen een rubric scoort. De AI voerde het gesprek zodat een mens niet elk eerste kennismakingsgesprek hoefde in te plannen en uit te zitten; beslist heeft de AI niets.
Zet dat af tegen de versie die AI-interviews hun slechte naam bezorgde: systemen die gezichtsuitdrukkingen, microgebaren of stemklank analyseren en daaruit persoonlijkheidstrekken of een "culture fit"-score afleiden. Die aanpak heeft zwakke wetenschappelijke onderbouwing en een groot eerlijkheidsprobleem — hij kan een accent afstraffen, een vlakke expressie, een slechte webcam of een beperking die niets met het werk te maken heeft. Het nuttige soort AI-interview levert bewijs op dat een mens kan controleren. Het schadelijke soort levert een getal op dat niemand kan verdedigen. Alles hieronder gaat uit van het eerste soort.
| AI-interview dat bewijs verzamelt | AI-"analyse" uit een zwarte doos |
|---|---|
| Stelt gestructureerde, functierelevante vragen | Scoort gezicht, toon of woordkeuze |
| De uitkomst is een transcript dat een mens leest | De uitkomst is een ondoorzichtige trek- of fitscore |
| Een met naam genoemde beoordelaar scoort tegen een rubric | De tool rangschikt of selecteert automatisch |
| Controleerbaar: u kunt zien wat er is gezegd en waarom het zo scoorde | Oncontroleerbaar: de redenering blijft verborgen |
Hoe het gesprek werkt: eerst structuur, doorvragen binnen grenzen
De grootste factor voor de vraag of een interview werkprestaties voorspelt, is structuur — dezelfde kernvragen, gekoppeld aan de competenties die de rol vraagt, voor iedereen op dezelfde manier gescoord. Decennia aan selectieonderzoek wijzen dezelfde kant op: gestructureerde interviews presteren aanzienlijk beter dan ongestructureerde, en het is de structuur die het werk doet. Het echte voordeel van een AI-interviewer is dat hij die structuur consistent toepast. Hij wordt niet moe bij de tiende kandidaat, dwaalt niet af naar praatjes om een klik te maken en stelt de kandidaat met het sterke cv geen makkelijkere vragen.
Maar structuur alleen kan aanvoelen als een formulier. De reden om AI te gebruiken in plaats van een statische vragenlijst is het adaptieve doorvragen: als een kandidaat een vaag antwoord geeft op een situationele vraag, vraagt de AI naar de concrete actie die hij ondernam; als hij een beslissing noemt, vraagt de AI wat hij daarin heeft afgewogen. Goed uitgevoerd toetst dit dezelfde competenties diepgaander, zonder dat het voor elke persoon een ander interview wordt.
Het ontwerprisico is doorvragen dat afdwaalt — weg van de rol, het persoonlijke in, of een zijspoor in dat degene bevoordeelt die het spraakzaamst is. Daarom moet het doorvragen begrensd zijn: bij SkillCort blijft het doorvragen van een AI-interview binnen de competentiekaart van de rol. Het systeem graaft dieper op wat de rol werkelijk nodig heeft en improviseert zich geen weg naar vragen die u een mens nooit zou laten stellen. Gestructureerde ruggengraat, adaptieve diepte, vaste grenzen.
Hoe AI-interviews worden gescoord — en hoe dat hoort
Hier wordt het meeste vertrouwen gewonnen of verloren. In een verdedigbaar AI-interview gebeurt de scoring op basis van het transcript tegen een rubric die een mens heeft geschreven: elke competentie heeft omschrijvingen, en elk antwoord wordt daaraan getoetst. De AI kan helpen — een lang transcript samenvatten, wijzen naar de passage waarin een kandidaat de klant erkende of een afweging maakte, en zelfs per competentie een in de rubric verankerde score opstellen. Wat de AI niet kan doen, is beslissen. Elke criteriumscore blijft in afwachting staan totdat een met naam genoemde beoordelaar haar bevestigt of overrulet, en overrulen is net zo makkelijk als bevestigen.
Dit weegt bij interviews zwaarder dan bij vrijwel wat dan ook, omdat een gesprek precies het soort rijke, meerduidige bewijs is waarbij een model vakkundig meeleest maar niet volledig. Het kan missen dat het "ongepolijste" antwoord van een kandidaat precies het juiste oordeel beschreef, of dat een vloeiend antwoord niets zei. De mens die het transcript leest, ziet dat wel — en draagt de beslissing.
Het antipatroon is de verborgen "interviewscore": één getal dat de tool toekent en verderop in het proces doorgeeft, terwijl het transcript begraven of weggegooid is. Als u het interview van een kandidaat niet kunt openen, niet kunt lezen wat hij zei en niet kunt zien welke passage welke criteriumscore opleverde, hebt u geen assessment — u hebt een oordeel zonder bewijs erachter. En geen enkele kandidaat hoort een AI-interviewscore mee te dragen van de ene werkgever naar de andere; elke wervingsbeslissing staat op zichzelf en wordt beoordeeld op haar eigen bewijs.
Wat een AI-interview wel en niet kan meten
AI-interviews zijn sterk waar het bewijs verbaal en gestructureerd is. Ze passen goed bij situationeel oordeelsvermogen ("een klant zegt X — wat doet u en waarom?"), communicatiekwaliteit, redeneren dat u een kandidaat hoort uitwerken, en rolkennis waarop wordt doorgevraagd. Bij selectie met grote aantallen in een vroege fase — klantenservice, contactcenter, inside sales — kan een gestructureerd AI-interview veel meer vergelijkbaar bewijs verzamelen dan een gehaast telefonisch screeningsgesprek door een mens, zonder het knelpunt van de agenda.
Elders zijn ze zwak, of gewoon het verkeerde gereedschap. Een interview vraagt een kandidaat om werk te beschrijven of erover te redeneren; het vraagt hem niet om het te doen. Voor alles wat praktisch is — het echte antwoord aan de boze klant schrijven, het ticket afhandelen, het ding bouwen — wint een werkproef het van elk interview, omdat zij de echte uitvoer meet in plaats van het verhaal van de kandidaat daarover. En geen enkel AI-interview hoort persoonlijkheid, emotie of "fit" te willen aflezen uit een gezicht of een stem; dat is de in diskrediet geraakte aanpak uit de eerste paragraaf, geen extraatje.
Het praktische antwoord is zelden "interview of werkproef". Het is allebei, na elkaar: een gestructureerd AI-interview om efficiënt breed, vergelijkbaar bewijs te verzamelen, en daarna een werkproef voor de finalisten om hen het werk te zien doen. Het interview vertelt u hoe iemand denkt en communiceert; de werkproef vertelt u wat hij daadwerkelijk kan produceren.
Eerlijkheid, bias en de wet
AI haalt de bias niet uit het interviewen; het verandert waar bias binnen kan komen en hoe zichtbaar die is. De echte risico's in een AI-interview dat bewijs verzamelt, zijn concreet: spraakherkenning die sommige accenten minder nauwkeurig transcribeert dan andere, vragen die niet werkelijk functierelevant zijn, en — het ergste van alles — geautomatiseerde scoring die mensen uitselecteert zonder dat een mens het bewijs heeft gelezen. Elk daarvan heeft een tegenmaatregel: functierelevante gestructureerde vragen, transcripten die een mens beoordeelt, en een controlepunt om te bevestigen of te overrulen bij elke score, zodat niemand door een machine wordt afgewezen.
De regelgeving beweegt precies naar deze discipline toe. De Local Law 144 van New York City vereist een onafhankelijke bias-audit van geautomatiseerde tools voor arbeidsbeslissingen en een kennisgeving aan kandidaten vóór gebruik. De Artificial Intelligence Video Interview Act van Illinois vereist dat kandidaten worden geïnformeerd, dat wordt uitgelegd hoe de AI werkt, dat toestemming wordt verkregen en dat opnamen op verzoek worden verwijderd. De EU AI Act classificeert AI die bij werving wordt gebruikt als hoog risico, met verplichtingen rond menselijk toezicht, transparantie en vastlegging. De details verschillen per jurisdictie en veranderen in de loop van de tijd — beschouw dit als oriëntatie, niet als juridisch advies, en ga na welke regels voor u gelden — maar de richting is onmiskenbaar: kennisgeving, menselijk toezicht, controleerbaarheid.
Het geruststellende is dat het rechtmatige ontwerp en het effectieve ontwerp hetzelfde ontwerp zijn. Functierelevante gestructureerde vragen, een transcript dat u kunt tonen, scoring in handen van mensen en een audittrail zijn wat een AI-interview zowel eerlijk en verdedigbaar maakt als goed in het voorspellen van prestaties. Een tool wiens verkooppraatje luidt "onze AI rangschikt en selecteert kandidaten voor u", verkoopt u de architectuur waar de wet zich tegen keert — en de architectuur die het minst waarschijnlijk overeind blijft bij de vraag "waarom" van een kandidaat of een toezichthouder.
Een checklist voor een verdedigbaar AI-interview
Als u AI-interviews invoert, of er een doorlicht die u al afneemt, zijn dit de vragen die een bewijsverzamelend interview onderscheiden van een zwarte doos. Kunt u ze allemaal met ja beantwoorden, dan hebt u een proces waar u achter kunt staan.
- Gestructureerde ruggengraat: krijgt elke kandidaat dezelfde functierelevante kernvragen, gescoord tegen dezelfde rubric?
- Begrensd doorvragen: blijven de adaptieve vervolgvragen binnen de competenties van de rol in plaats van af te dwalen?
- Transcript als bewijs: kunt u elk interview openen en precies lezen wat er is gezegd?
- Scoring in handen van mensen: bevestigt of overrulet een met naam genoemde beoordelaar elke criteriumscore, waarbij overrulen net zo makkelijk is als accepteren?
- Geen afleidingen uit gezicht of stem: scoort het systeem antwoorden, en nooit gezichtsuitdrukking, emotie of "fit"?
- Transparantie naar kandidaten: wordt kandidaten verteld dat een AI hen interviewt, hoe die werkt en hoe met hun gegevens wordt omgegaan?
- Gecombineerd met een werkproef: doen finalisten ook het echte werk in plaats van het alleen te beschrijven?
- Getoetst op impact: controleert u de uitkomsten op ongelijke impact tussen groepen, en past u vragen aan die niet standhouden?
Kort samengevat
- Een AI-interview hoort bewijs te verzamelen — gestructureerde vragen, adaptief doorvragen, een transcript dat een mens scoort — en niet het gezicht of de stem van een kandidaat te analyseren voor een verborgen "fit"-score.
- Structuur is wat een interview voorspellend maakt; de echte waarde van een AI-interviewer is dat hij die structuur consistent toepast, met vervolgvragen die binnen de rol blijven.
- De scoring moet gebeuren op basis van het transcript tegen een door mensen geschreven rubric, waarbij een met naam genoemde beoordelaar elke criteriumscore bevestigt of overrulet.
- AI-interviews meten verbaal redeneren en communicatie goed, maar kunnen een praktische werkproef niet vervangen — gebruik ze allebei, na elkaar.
- Eerlijk-by-design en rechtmatig-by-design zijn hetzelfde ontwerp: functierelevante vragen, een leesbaar transcript, beslissingen in handen van mensen en een audittrail (NYC LL144, Illinois AIVIA, EU AI Act).
Bronnen en verder lezen
- Levashina, Hartwell, Morgeson & Campion (2014), "The Structured Employment Interview: Narrative and Quantitative Review of the Research Literature," Personnel Psychology
- McDaniel, Whetzel, Schmidt & Maurer (1994), "The Validity of Employment Interviews: A Comprehensive Review and Meta-Analysis," Journal of Applied Psychology
- Regulation (EU) 2024/1689 (EU AI Act) — Official Journal of the European Union
- NYC Local Law 144 — Automated Employment Decision Tools (NYC DCWP)