Hoe wij AI bouwen bij Tellent: vier uitgangspunten en waarom de markt het verkeerde probleem oplost

AI in HR is momenteel een van de meest besproken onderwerpen in het bedrijfsleven. Toch klopt veel van wat erover wordt gezegd volgens ons niet. Dit is waar wij wél in geloven en waarom dat ertoe doet.

Ik houd me al jaren bezig met dit onderwerp, ruim vóór de huidige AI-hype. Terwijl een groot deel van de sector nog een keuze zag tussen AI óf menselijk oordeel, schreef ik al over hoe beide elkaar juist kunnen versterken in recruitment. Wij gebruiken AI al jaren om vooroordelen terug te dringen, talent sneller te herkennen en HR-teams beter onderbouwde beslissingen te laten nemen. Maar de discussie heeft inmiddels een richting gekregen die ik eerlijk gezegd zorgwekkend vind.

Een groot deel van de HR-techsector lijkt te denken dat het probleem zit in de mens die de beslissing neemt. De oplossing die daarvoor wordt aangedragen: AI die kandidaten screent, rangschikt en op grote schaal keuzes maakt. Sneller, goedkoper en beter te verantwoorden. Dat is niet de aanpak die wij kiezen. Volgens mij wordt daarmee het verkeerde probleem aangepakt. Deze vier uitgangspunten vormen de basis van hoe wij AI bouwen bij Tellent.

Uitgangspunt 1: Het probleem is niet dat mensen beslissingen nemen. Het probleem is dat ze daarvoor vaak niet over de juiste informatie beschikken.

Het probleem is meestal niet dat beslissingen te veel tijd kosten. Het echte probleem is dat ze vaak worden genomen op basis van versnipperde informatie. Informatie zit verspreid over verschillende systemen, eerdere ervaringen worden nauwelijks meegenomen en er is zelden inzicht in wat vergelijkbare keuzes in het verleden hebben opgeleverd. Dan krijg je promoties die niemand zag aankomen en die achteraf moeilijk zijn te onderbouwen. Teams worden verrast door het vertrek van medewerkers terwijl de signalen er al die tijd waren. En nieuwe collega's blijken soms binnen een maand toch niet de juiste keuze te zijn geweest.

Dat los je niet op met meer automatisering. Het echte probleem is dat relevante informatie vaak niet terechtkomt bij de mensen die er op dat moment iets mee moeten doen.

Dat is geen snelheidsprobleem. Het is een informatieprobleem. Een proces dat niet goed werkt, wordt niet beter door het te automatiseren. Je vergroot alleen de schaal waarop dezelfde fouten worden gemaakt.

Bij de beste beslissingen die ik over mensen heb gemaakt, draaide het niet om snelheid. Die beslissingen werden genomen met meer context, meer inzicht en meer overtuiging.

Uitgangspunt 2: AI moet menselijk oordeel versterken, niet vervangen

AI kan patronen herkennen in honderden miljoenen datapunten die voor mensen simpelweg onzichtbaar blijven. Het kan signaleren welke medewerkers een verhoogd risico lopen om te vertrekken, lang voordat er sprake is van een opzegging. Het kan laten zien welke wervingskeuzes op de lange termijn succesvol blijken en welke niet. En het kan complexe vraagstukken inzichtelijk maken op een schaal die een paar jaar geleden nog ondenkbaar was.

Maar één ding kan AI niet: verantwoordelijkheid nemen.

We zouden al die data kunnen gebruiken om een systeem te bouwen dat beslissingen voor je neemt. Een black box die aanbevelingen uitspuugt, compleet met een betrouwbaarheidsscore. Dat doen we bewust niet.

Iemand aannemen. Iemand afwijzen. Iemand laten gaan. Dat zijn beslissingen die een grote impact hebben op het leven van mensen. Zulke keuzes vragen om context, om verantwoordelijkheid en om de bereidheid om achter de uitkomst te staan. Dat kun je niet uitbesteden aan een algoritme.

Dat is voor mij niet alleen een zakelijke afweging. Het is ook persoonlijk. Ik heb twee kinderen die straks een arbeidsmarkt betreden die sneller verandert dan wie dan ook had verwacht. Het is goed mogelijk dat beslissingen over hun loopbaan ooit mede worden beïnvloed door AI-systemen. Het idee dat zulke keuzes worden gemaakt door een systeem dat niemand volledig kan uitleggen, voelt voor mij niet als een theoretisch vraagstuk. Het raakt direct aan de vraag hoe wij technologie willen inzetten.

AI kan complexe informatie inzichtelijk maken. Maar verantwoordelijkheid nemen blijft mensenwerk.

Uitgangspunt 3: De meeste organisaties investeren te weinig in de kwaliteit van hun personeelsbeslissingen 

Veel organisaties kijken naar HR-software als een kostenpost. Iets waarover onderhandeld moet worden, dat kritisch tegen het licht wordt gehouden en dat bij iedere contractverlenging opnieuw ter discussie staat.

Vorig jaar nam ik op bestuursniveau de beslissing om een kwart miljoen euro te investeren in AI-tools. Cloudlicenties voor alle medewerkers in de organisatie. Daar was nauwelijks discussie over, omdat iedereen de investering zag voor wat die was: een strategische keuze met een duidelijk verwacht rendement.

Tegelijkertijd zie ik organisaties maandenlang onderhandelen over een HR-softwarebudget van een paar duizend euro. Dezelfde bedrijven die zonder aarzeling investeren in AI-infrastructuur, discussiëren eindeloos over de tools die recruiters, managers en HR-teams gebruiken om belangrijke beslissingen over mensen te nemen.

Dat zegt veel over hoe organisaties naar die beslissingen kijken. Niet als een investering, maar als een kostenpost.

Terwijl juist daar enorme waarde ontstaat. De juiste medewerker betaalt zich vanaf dag één terug. Diegene blijft langer, presteert beter en heeft invloed op de mensen om zich heen. Zo'n keuze versterkt zichzelf in de loop van de tijd.

Een verkeerde hire kost vaak veel meer dan organisaties denken. AI zou personeelsbeslissingen niet goedkoper moeten maken. Het zou ze beter moeten maken. Uiteindelijk investeer je niet in software, maar in de kwaliteit van de beslissingen die je neemt. En zoals bij elke goede investering betaalt dat zich keer op keer terug.

Uitgangspunt 4: Governance is geen extra functionaliteit. Het moet in de basis van je product zitten.

AI ontwikkelen die mensen ondersteunt bij het nemen van beslissingen is niet alleen een bewuste keuze. In 2026 is het ook de enige aanpak die past binnen de geldende wet- en regelgeving. De Europese AI Act is inmiddels van kracht. De Europese Richtlijn Loontransparantie moet uiterlijk in juni 2026 zijn omgezet in nationale wetgeving en stelt nieuwe eisen aan hoe organisaties salarisbeslissingen vastleggen, onderbouwen en rapporteren. Tegelijkertijd zijn de eisen rond het gebruik van persoonsgegevens onder de AVG nog nooit zo streng geweest. Het zijn verschillende regelgevingen, maar ze stellen uiteindelijk dezelfde vraag: kun je uitleggen hoe een beslissing tot stand is gekomen?

Vandaag gebruikt ruim 80% van HR-professionals AI dagelijks. Toch heeft slechts 31% van de organisaties AI formeel ingebed in processen, beleid en governance. Juist in de kloof tussen persoonlijk gebruik en organisatiebreed beleid ontstaan de grootste risico's.

Organisaties die AI inzetten binnen HR zonder inzicht in hoe aanbevelingen tot stand komen, duidelijke verantwoordelijkheden en goed toezicht lopen niet alleen achter op regelgeving. Ze vergroten ook hun juridische en compliance-risico's.

In een wereld waarin AI steeds belangrijker wordt, is vertrouwen uiteindelijk waardevoller dan welke functionaliteit dan ook. Persoonsgegevens behoren tot de meest gevoelige informatie die een organisatie bezit. De partij die het vertrouwen krijgt om die gegevens te beheren en organisaties te ondersteunen bij beslissingen die daarop zijn gebaseerd, wordt daarmee een onmisbare partner. Dat is niet alleen een compliance-vraagstuk. Het is een strategische keuze.

Bij Tellent is governance vanaf het begin een uitgangspunt geweest. Onze AI is ontwikkeld met privacy, veiligheid en regelgeving als fundament, volledig in lijn met de AVG en de Europese AI Act. Elke aanbeveling moet uitlegbaar zijn. En de uiteindelijke beslissing blijft altijd in handen van de persoon die daarvoor verantwoordelijk is.

Wat dit in de praktijk betekent

Deze uitgangspunten bepalen hoe AI binnen Tellent werkt. Of je nu leiding geeft aan een HR-team, een organisatie runt of degene bent die uiteindelijk de knoop moet doorhakken. Geen losse tool die je eerst moet leren gebruiken. Geen rapport waar je dagen op moet wachten. De juiste inzichten zijn beschikbaar op het moment dat je ze nodig hebt, binnen de processen waarin je al werkt. Niet reactief, maar proactief. Niet generiek, maar relevant voor de context. Altijd met hetzelfde doel: mensen helpen beter geïnformeerde beslissingen te nemen.

De administratieve last verdwijnt. HR niet. Handmatige processen, versnipperde data en eindeloos zoeken naar informatie zijn precies de problemen die AI kan oplossen. Wat overblijft, en juist belangrijker wordt, is de kwaliteit van de beslissingen die over mensen worden genomen. Een risico op verloop dat zichtbaar wordt voordat iemand vertrekt. Een wervingsbeslissing die wordt ondersteund door alles wat de organisatie al weet. Een HR-directeur, oprichter of CFO die een vraag kan stellen over talentdata en snel relevante inzichten krijgt om op te handelen.

En wanneer er uiteindelijk een beslissing moet worden genomen, blijft die beslissing menselijk. Met alle relevante informatie. Met volledige verantwoordelijkheid. En met het vertrouwen om achter die keuze te staan.

De volgende stap 

Later deze maand laten we zien hoe deze uitgangspunten tot leven komen in onze producten.

Tellent ontwikkelt zich van een platform dat processen ondersteunt naar een platform dat organisaties helpt betere beslissingen te nemen. AI die actief signaleert waar aandacht nodig is, adviseert zonder de beslissing over te nemen en relevante inzichten beschikbaar maakt op het moment dat iemand moet handelen.

Altijd met governance als uitgangspunt.

De organisaties die de komende tien jaar het verschil maken, zijn niet de organisaties die menselijke afwegingen uit het proces halen. Het zijn de organisaties die investeren in betere besluitvorming, ondersteund door technologie die mensen helpt betere keuzes te maken.

Dat is waar wij aan bouwen. En binnenkort laten we je graag zien hoe dat eruitziet.