AI in CV-screening onder de EU AI Act: van parsing tot ranking, en waar de high-risk grens loopt

CV-screening is voor de meeste werkgevers de eerste plek waar AI raakt aan het sollicitatieproces. Wat ooit eenvoudige veldextractie was — naam, opleiding, ervaring — is in moderne ATSen en sourcing-tools uitgegroeid tot een laag van afgeleide skills, match-scores en pipeline-aanbevelingen. Voor de EU AI Act maakt dat het verschil tussen "we gebruiken een handige tool" en "we deployen een Bijlage III punt 4(a) high-risk systeem".

Deze post legt uit waar de classificatiegrens loopt, hoe je per CV-screening setup beoordeelt, en welke vragen je vóór elke vendor-keuze al moet beantwoorden.

Wat AI doet in CV-screening (in 2026)

Moderne CV-screening combineert vier lagen die vroeger gescheiden waren:

1. Document parsing — extractie van velden uit een CV (naam, werkervaring, opleiding, vaardigheden zoals letterlijk genoemd)
2. Skills inference — afleiden van vaardigheden, ervaring of seniority die niet expliciet op het CV staan, op basis van patronen in tekst en context
3. Matching tegen vacatures — score per kandidaat per requisition op basis van match tussen afgeleide profielen en vacature-vereisten
4. Pipeline-aanbevelingen — automatische voorstellen voor shortlisting, vervolgacties of communicatie

Onder de EU AI Act vallen deze vier lagen niet allemaal op dezelfde manier onder Bijlage III. Het begrip van waar de grens loopt is voor recruiters en HR-leiders cruciaal.

Waar loopt de classificatiegrens

De EU Commission heeft via guidelines en de AI Act zelf de scope van Bijlage III punt 4(a) verfijnd. De praktische lezing in 2026:

• Pure document parsing (alleen veldextractie zonder interpretatie) — over het algemeen buiten 4(a). Het is administratieve ondersteuning.
• Skills inference voor administratie — als de afgeleide skills alleen worden gebruikt om CV's te ordenen of zoekbaar te maken, blijft het meestal buiten 4(a).
• Skills inference voor matching of ranking — als de afgeleide vaardigheden vervolgens worden gebruikt om kandidaten te scoren tegen vacatures, kantelt het naar 4(a).
• Match-scores per kandidaat — per definitie ranking. Bijlage III punt 4(a) high-risk.
• Geautomatiseerde pipeline-acties op basis van AI-output — als AI bepaalt welke kandidaten doorgaan naar volgende fasen, ben je in 4(a) territorium.

Het is een gelaagde analyse en niet "alle CV-screening is high-risk". Veel werkgevers gebruiken alleen parsing en blijven daarmee buiten 4(a). Anderen gebruiken volledige AI-matching en zitten er stevig in.

De praktische verschillen tussen vendors

Verschillende HR-tools positioneren zich anders op deze ladder. Voor een gedetailleerde feature-by-feature analyse zie de afzonderlijke vendor-posts:

• Workday Recruiting (Match Insights, Skills Cloud) — full-stack matching, 4(a)
• SAP SuccessFactors (Joule, Talent Intelligence Hub) — full-stack, 4(a) + 4(b)
• Recruitee (Hire AI, Smart Capture) — schaalbaar configureerbaar
• Greenhouse (match scores in Structured Hiring framework) — afhankelijk van actieve features
• Personio (Recruiting AI) — MKB-context
• AFAS en Visma — overwegend buiten 4(a) in baseline
• LinkedIn Recruiter (Recommended Matches, Hiring Assistant) — universele blinde vlek
• HireVue — voorbij CV-screening, in assessment 4(a)
• Bullhorn — bureau-context met dual-deployer impact

Het verschil zit niet alleen in de vendor, maar ook in hoe jij de tool configureert.

Stappenplan: jouw CV-screening setup beoordelen

Wat je nu doet

CV-screening is een goed beginpunt voor je HR-AI Act traject. Het raakt vrijwel elke werkgever, de classificatie is per feature gelaagd, en je hebt direct iets bruikbaars voor je AI-register. Begin met de tool-inventarisatie deze week, gebruik de HR-AI hub voor de routekaart en het HR-AI Evidence Pack voor documentatie.