72% van de recruiters heeft al nep-sollicitaties ontvangen die door AI zijn gemaakt. Jij waarschijnlijk ook.

Uit een enquête onder 874 hr-professionals blijkt dat 72% van de recruiters al nep-sollicitaties heeft gezien die door AI zijn gemaakt in hun pipeline. Geen gepolijste sollicitaties. Geen geoptimaliseerde sollicitaties. Verzonnen sollicitaties. Bedachte werkervaring, fictieve referenties en door een machine geschreven cv's die zo precies op de vacaturetekst zijn afgestemd dat ze door elk ATS-filter komen zonder ook maar één rode vlag.

En het wordt snel erger. Het aantal sollicitaties per vacature is sinds 2022 verdubbeld. Recruiters besteden nu 23 uur aan het screenen van cv's voor één aanname. Het aantal binnenkomende sollicitaties stijgt, terwijl het aandeel echte, gekwalificeerde kandidaten daarbinnen daalt. Gartner verwacht dat in 2028 1 op de 4 kandidaatprofielen wereldwijd volledig nep is.

Voor recruitmentbureaus die voor meerdere klanten met hoge volumes werken, is dit geen toekomstig risico. Het is de dagelijkse realiteit. En de meeste bureaus hebben geen betrouwbare manier om echte kandidaten te onderscheiden van door AI gegenereerde kandidaten, voordat ze plaatsingsbeslissingen nemen waar hun reputatie van afhangt.

Hoe AI-gegenereerde sollicitaties er in 2026 echt uitzien

Bij een nep-cv denken de meeste mensen aan een slordig opgemaakt document vol duidelijke leugens. Zo zien AI-gegenereerde sollicitaties er allang niet meer uit. De tools die kandidaten in 2026 tot hun beschikking hebben, leveren output die niet te onderscheiden is van een echte sollicitatie in de screeningsfase.

Een kandidaat maakt in minder dan 60 seconden een complete loopbaangeschiedenis. De AI stemt elk bullet point af op de exacte zoekwoorden uit de vacaturetekst. Het verzint meetbare resultaten die specifiek genoeg klinken om geloofwaardig te zijn. “Klantverloop met 34% verlaagd.” “Plaatsingsomzet met 28% verhoogd bij drie klantaccounts.” “Leiding gegeven aan een team van twaalf verdeeld over twee regiokantoren.” Niets daarvan is te controleren zonder directe bevestiging van de werkgever. Alles perfect geoptimaliseerd om goed te scoren in een ATS.

Het probleem gaat verder dan wat aandikken. Er zijn inmiddels verschillende soorten AI-fraude die recruitmentpipelines raken.

  • AI-gegenereerde cv's. Complete cv's die AI vanaf nul schrijft, afgestemd op een specifieke vacaturetekst, met verzonnen cijfers en bedachte functieomschrijvingen die volkomen geloofwaardig klinken
  • Synthetische identiteiten. Echte arbeidsverledens die zijn samengevoegd met valse contactgegevens en verzonnen persoonlijke informatie. De werkervaring is van iemand. Alleen niet van degene die solliciteert
  • Verzonnen referenties. Door AI gegenereerde referenties die op papier overtuigend klinken, maar geen concrete details kunnen geven over het werk van de kandidaat als je contact opneemt
  • Interviews met hulp van AI. Kandidaten die met een AI-gegenereerd cv door de screening komen en daarna tijdens het live interview realtime AI-tools gebruiken om de illusie te wekken dat ze competenties hebben die ze nooit hadden

Het resultaat is een pipeline waarin de klassieke signalen waar recruiters op vertrouwen, een sterk cv, een gepolijst interview, een overtuigende referentie, allemaal kunnen worden nagemaakt. De hele presentatie van een kandidaat, van sollicitatie tot laatste ronde, kan door AI zijn gemaakt zonder dat iets ervan laat zien wie die persoon echt is of wat hij echt kan.

Waarom dit probleem groter is voor recruitmentbureaus

Corporate hr-teams hebben het al zwaar genoeg. Maar voor recruitmentbureaus is het probleem met AI-sollicitaties structureel groter, om drie redenen.

Volume, vermenigvuldigd over klanten. Een corporate recruiter heeft misschien 5 tot 10 openstaande vacatures. Een recruiter bij een bureau beheert er tientallen tegelijk, voor meerdere klanten. Elke vacature trekt honderden sollicitaties. Met een team van 15 recruiters verwerkt een bureau al snel duizenden sollicitaties per week. Alleen al door dat volume is het onmogelijk om elke kandidaat handmatig te controleren, en AI-gegenereerde sollicitaties zijn juist gemaakt om geautomatiseerde screening te overleven.

Bij elke plaatsing staat je reputatie op het spel. Als een corporate hr-team een verkeerde aanname doet, kost dat geld en tijd. Als een recruitmentbureau een verzonnen kandidaat bij een klant plaatst, kost dat de klantrelatie. Eén slechte plaatsing tast het vertrouwen aan. Twee beschadigen het account. Bij drie stapt de klant over naar een concurrent. De kosten van een verkeerde aanname liggen tussen $100.000 en $400.000, afhankelijk van de functie. Voor een bureau komt daar de lifetime value van de klantrelatie nog bovenop.

Tijdsdruk werkt kwaliteit tegen. Bureaus concurreren op hoe snel ze gekwalificeerde kandidaten kunnen voorstellen. Het bureau dat binnen 48 uur een sterke shortlist stuurt, wint de plaatsing van het bureau dat er een week over doet. Die tijdsdruk betekent minder tijd voor controle. En AI-gegenereerde sollicitaties zijn precies gemaakt om daarvan te profiteren. Op het eerste gezicht zien ze er perfect uit. De problemen komen pas later boven, na de plaatsing, als de kandidaat het werk niet kan.

Het Hiring Insights Report 2026 van GoodTime noemt nu frauduleuze of door AI geholpen kandidaten als grootste wervingsuitdaging van het jaar en passeert daarmee voor het eerst “gebrek aan gekwalificeerd talent”. De branche is verschoven van een tekort aan talent naar een vertrouwensprobleem. En bureaus staan daar middenin, omdat klanten erop rekenen dat zij het kwaliteitsfilter zijn.

Waarom ATS-screening dit niet kan oplossen

De ongemakkelijke waarheid is dat applicant tracking systems nooit zijn gebouwd om echtheid te controleren. Ze zijn gebouwd om te parsen en te rangschikken. Als AI een cv schrijft met precies de zoekwoorden uit een vacaturetekst, komt het niet alleen door het ATS. Het scoort ook nog goed. Juist waar het ATS op beloont, aansluiting op zoekwoorden en relevantie voor de functie, is precies waar AI in uitblinkt.

Slechts 19% van de hiring managers denkt dat hun huidige proces een frauduleuze kandidaat zou ontdekken voordat de aanname rond is. Dat betekent dat 81% van de hiring teams weet dat hun filters niet werken, maar geen alternatief heeft.

AI-detectietools voor geschreven tekst zijn juist bij cv's onbetrouwbaar. Onderzoek van de University of Maryland liet zien dat AI-tekstdetectors 20 tot 30% fout-positieven geven, vooral bij mensen die geen moedertaalspreker van het Engels zijn. Cv's zijn korte, formulematige documenten in gestandaardiseerde taal. Een goed geschreven cv van een mens ziet er precies zo uit als een cv van AI. En een licht aangepast AI-cv komt door elke detectietool die er vandaag is.

Dat betekent niet dat screening zinloos is. Het betekent dat screening alleen niet genoeg is. Het cv is geen betrouwbaar signaal meer voor de kwaliteit van een kandidaat. Het kan alleen worden getoetst aan wat er daarna gebeurt.

Het interview is nu de controlelaag. Maar alleen als je het goed gebruikt.

Als je het cv niet kunt vertrouwen en screeningstools echt en nep niet betrouwbaar uit elkaar kunnen houden, wordt het interview het allerbelangrijkste datapunt in het wervingsproces. Maar alleen als je de interviewdata goed gebruikt.

Zo gaat het vandaag bij de meeste bureaus. De recruiter interviewt de kandidaat. Hij vormt een indruk. Hij schrijft uit zijn geheugen een samenvatting. Hij stuurt die naar de klant. Het cv staat als apart document in het ATS. De interviewnotities staan in een ander veld. Niemand vergelijkt systematisch wat de kandidaat zei met wat er op zijn cv staat. De twee bronnen bestaan los van elkaar en de verschillen blijven onzichtbaar.

Precies daar maken AI-gegenereerde sollicitaties misbruik van. Het cv zegt het een. De kandidaat oefent antwoorden die daarbij passen. Niemand checkt of het gesprek de beweringen op papier echt bevestigt.

Als je het transcript van het interview combineert met het cv en de vacaturetekst, verandert het beeld volledig.

  • Volgens het cv heeft de kandidaat acht jaar enterprise accounts beheerd. In het gesprek blijkt dat hij geen enkele escalatie bij een klant kan beschrijven die hij zelf heeft afgehandeld. Het verschil tussen opgegeven en aangetoonde ervaring wordt automatisch gesignaleerd
  • Op het cv staat dat de kandidaat een specifieke methode beheerst. Hij gebruikt de juiste termen, maar kan bij een vervolgvraag niet uitleggen hoe hij die heeft toegepast. Dat gebrek aan diepgang wordt vastgelegd in het gestructureerde rapport
  • De vacature vraagt om iemand die stakeholderrelaties over afdelingen heen kan managen. De antwoorden van de kandidaat gaan alleen over individuele taken. Het verschil tussen wat de functie vraagt en wat de kandidaat biedt, is direct zichtbaar
  • Op het cv staat een salarisverwachting van 85.000 euro. Tijdens het gesprek noemt de kandidaat 70.000. De inconsistentie wordt vastgelegd en aan de recruiter getoond, zonder handmatige vergelijking

Zo wordt het interview geen gesprek op basis van meningen meer, maar een evaluatie op basis van bewijs. Het transcript alleen vertelt je wat er is gezegd. De contextlaag, het transcript gecombineerd met het cv en de vacaturetekst, vertelt je of wat er is gezegd geloofwaardig is.

Wat dit betekent voor hoe bureaus naar interviewdata moeten kijken

De bureaus die sterk uit de crisis rond AI-sollicitaties komen, zijn de bureaus die interviewdata gebruiken als controlemiddel en niet alleen als verslag van het gesprek.

Daar zijn drie dingen voor nodig.

Leg elk gesprek vast, niet alleen videogesprekken. AI-gegenereerde sollicitaties zijn een probleem in de screeningsfase. Maar de controle vindt plaats in elk contactmoment tussen recruiter en kandidaat. Het telefonische screeningsgesprek, de fysieke afspraak en het video-interview laten elk iets anders zien. Een bureau dat alleen data uit videogesprekken vastlegt, bekijkt kandidaten maar vanuit één invalshoek. Telefoongesprekken en fysieke afspraken leveren vaak de meest onthullende data op, omdat kandidaten daarop minder zijn voorbereid en tijdens die gesprekken minder snel AI-hulpmiddelen gebruiken.

Maak gestructureerde rapporten, geen samenvattingen. Een geschreven samenvatting geeft de indruk van de recruiter weer. Een gestructureerd kandidaatrapport dat het gesprek naast het cv en de vacaturetekst legt, geeft het bewijs weer. Krijgt je klant een gestructureerd rapport dat precies laat zien hoe de antwoorden van de kandidaat aansluiten op de functie-eisen en waar de gaten zitten, dan beslist die klant op basis van data. Krijgt de klant een mail van twee alinea's waarin de recruiter schrijft “deze kandidaat lijkt sterk”, dan beslist de klant op basis van de mening van iemand anders. In een markt waarin cv's verzonnen kunnen worden, zijn meningen niet genoeg.

Zorg dat de data automatisch in het ATS terechtkomt. Elke keer dat een recruiter interviewinzichten handmatig in het ATS moet zetten, gaan er details verloren. Salarisverwachtingen worden afgerond. Opzegtermijnen worden geschat. Motivaties worden samengevat in één regel. Automatische ATS-integratie zorgt ervoor dat alles wat in het gesprek is vastgelegd volledig in de juiste velden terechtkomt, zonder dat de recruiter er iets voor hoeft te doen. Die consistentie is belangrijk als het er juist om gaat verschillen te vinden tussen wat de kandidaat beweert en wat hij echt laat zien.

Het vertrouwensprobleem gaat niet weg. Je proces moet er rekening mee houden.

AI-gegenereerde cv's zijn geen tijdelijke trend. De tools zijn gratis, makkelijk te gebruiken en worden elke maand beter. De rekensom is simpel. Een kandidaat kan 50 op maat gemaakte sollicitaties maken in de tijd die het vroeger kostte om er één te schrijven. Het aantal AI-gegenereerde sollicitaties blijft stijgen. Ze worden steeds geraffineerder. En het gat tussen wat een cv belooft en wat een kandidaat echt kan, wordt steeds groter.

Bureaus die het cv gebruiken als belangrijkste bron van waarheid over een kandidaat, bouwen hun bedrijf op een fundament dat afbrokkelt. Het cv was vroeger een betrouwbaar document. Dat is het niet meer. Het interview was vroeger een subjectief gesprek. Dat hoeft het niet te zijn.

Als elk interview een gestructureerd, onderbouwd rapport oplevert dat wat de kandidaat zei naast wie hij zegt te zijn en wat de functie echt vraagt legt, dan is er een oplossing voor het vertrouwensprobleem. Geen perfecte. Wel een meetbare, consistente en schaalbare oplossing die werkt voor elke recruiter in je team en voor elk type gesprek dat ze voeren.

De bureaus die dit als eerste doorhebben, winnen plaatsingen dankzij de kwaliteit van hun kandidaatdata. Alle anderen concurreren alleen op snelheid en hopen dat de cv's in hun pipeline echt zijn.

Bekijk hoe een gecontroleerd kandidaatrapport eruitziet. Plan een gesprek en we laten je zien hoe de interviewdata in realtime wordt vergeleken met het cv en de vacaturetekst.