Juridisch

AI bij uitzend- en detacheringsbureaus: waar het helpt, waar de wet meekijkt

Wat mag met AI bij uitzend- en detacheringsbureaus: nuttig bij vacatures en planning, riskant bij selectie van kandidaten en wat je opdrachtgevers uitlegt.

AI WorkTalent Redactie · 29 juli 2026 · 11 min leestijd

Een uitzend- of detacheringsbureau matcht op grote schaal tekst en data — precies waar AI goed in is: vacatures schrijven, cv's uniformeren, planningen rondkrijgen, urenbriefjes verwerken. Maar bemiddeling is ook het gebied waar de wetgever het scherpst meekijkt, want wie wordt voorgesteld en wie niet, raakt direct aan arbeidsmarktdiscriminatie en aan een hoog-risicotoepassing van de AI Act. Dit artikel gaat over die rol als bemiddelaar. Werk je als werkgever aan je eigen werving? Lees dan ons artikel over AI in werving en selectie.

Waarom AI zo goed past bij uitzend- en detacheringsbureaus

Een uitzend- of detacheringsbureau werkt op een schaal die een individuele werkgever niet heeft. Het bestand telt honderden tot duizenden kandidaten, er zijn tientallen opdrachtgevers met wisselende vraag, en er is een voortdurende stroom van intakegesprekken, planningen en urenbriefjes. Op die schaal levert AI meteen tijd op, zonder dat het in de buurt komt van de gevoelige kern van het vak.

• Vacatureteksten en plaatsingsvoorstellen. Een conceptvacature of een voorstel om een kandidaat bij een opdrachtgever te introduceren, staat er in minuten in plaats van in een uur. De intercedent redigeert, vult de opdrachtgever-specifieke details aan en verstuurt.
• Cv's uniform maken. Kandidaten leveren cv's aan in alle denkbare opmaakvormen. AI kan die omzetten naar een vast, herkenbaar sjabloon met dezelfde indeling en kopjes, zodat een opdrachtgever in één oogopslag vergelijkbare profielen ziet in plaats van tien verschillende lay-outs.
• Kandidaten actueel houden in het bestand. Een bureau met een groot kandidatenbestand loopt het risico dat gegevens verouderen: beschikbaarheid, certificaten, contactgegevens. AI kan signaleren welke profielen aandacht nodig hebben en dubbele of verouderde registraties opsporen, zodat intercedenten met een schoner bestand werken.
• Planning en beschikbaarheid. Roosters rondkrijgen voor uitzendkrachten die bij meerdere opdrachtgevers inzetbaar zijn, is puzzelwerk. AI kan beschikbaarheid, reisafstand en gevraagde competenties tegen elkaar afzetten en een conceptrooster voorstellen dat de planner nog controleert.
• Urenbriefjes en facturatie. Uren inlezen, koppelen aan de juiste opdrachtgever en tarief, en een factuur klaarzetten, is repetitief en foutgevoelig als het handmatig gebeurt. AI kan het grootste deel automatiseren, met een steekproef of uitzonderingsafhandeling door een mens voor afwijkende gevallen.
• Intakegesprekken samenvatten. Een intake met een kandidaat levert veel informatie op die anders alleen in het hoofd van de intercedent blijft zitten. Een samenvatting van wensen, beschikbaarheid en aandachtspunten helpt collega's die dezelfde kandidaat later spreken, mits de kandidaat weet dat je het gesprek daarvoor vastlegt.

Wat deze zes toepassingen gemeen hebben: AI bereidt voor en versnelt, maar niemand valt af of wordt aangenomen op basis van een van deze stappen. Zodra dat wel gebeurt, verandert de zaak fundamenteel.

Waar het gevaarlijk wordt: automatisch rangschikken of afwijzen

De verleiding is groot om een volgende stap te zetten. Laat AI niet alleen cv's opschonen, maar ook rangschikken op geschiktheid. Kandidaten die onder een bepaalde score vallen, vallen dan automatisch af, zonder dat een intercedent ze ooit heeft gezien. Voor een bureau met een hoog volume klinkt dat aanlokkelijk, en het is precies hier waar het risico zit.

Een AI-systeem dat rangschikt of filtert, leert van historische data: wie eerder is aangenomen, wie eerder succesvol is geplaatst, welke kenmerken samengingen met een goede beoordeling. Zat er in die geschiedenis een scheve verdeling — bijvoorbeeld doordat opdrachtgevers in het verleden bepaalde voorkeuren hadden voor leeftijd, geslacht of achtergrond? Dan neemt het model die scheve verdeling over, en versterkt het die. Dat gebeurt zonder dat iemand het opmerkt, want de uitkomst oogt als een objectief getal. Voor een bemiddelaar is dit risico groter dan voor een individuele werkgever. Een bureau matcht namelijk dezelfde kandidatenpoule tegen tientallen opdrachtgevers, dus een systematische vertekening werkt door in elke plaatsing die het bureau doet.

Er komt bij een bureau nog een laag bij die een gewone werkgever niet kent. De opdrachtgever kan namelijk zelf om een bepaald profiel vragen, en die vraag kan discriminerend geformuleerd zijn — direct of verholen ("iemand die goed past bij ons jonge team"). Een mystery calling-onderzoek van de Inspectie SZW liet in 2019 zien hoe reëel dat risico is. Van 467 uitzendbureaus die niet bij ABU of NBBU waren aangesloten, ging 40 procent mee in een discriminerend verzoek op grond van afkomst. Bij een eerder onderzoek van ABU onder haar eigen leden lag dat percentage op 13 procent, en bij een vergelijkbaar onderzoek van NBBU onder haar leden op 26 procent. Een AI-systeem kan zulke verzoeken automatisch vertalen naar selectiecriteria, zonder dat een mens toetst of dat verzoek door de beugel kan. Zo'n systeem maakt het bureau tot uitvoerder van de discriminatie van de opdrachtgever, in plaats van tot een partij die daar juist tussen zou moeten staan.

Ook technisch is voorzichtigheid geboden. De AI Act verbiedt sinds 2 februari 2025 al het gebruik van emotieherkenning op de werkvloer en tijdens sollicitatiegesprekken, ongeacht de latere hoog-risicodeadline. Een systeem dat via camera of microfoon de stress, vriendelijkheid of overtuigingskracht van een kandidaat probeert te scoren — tijdens een intake of een gesprek met een opdrachtgever — valt daaronder. Zo'n systeem is dus nu al niet toegestaan, behalve voor medische of veiligheidsdoeleinden.

De AI Act: bemiddeling als hoog-risicoactiviteit

De AI Act (Verordening (EU) 2024/1689) merkt AI-systemen voor werving en selectie uitdrukkelijk aan als hoog-risico (bijlage III). Dat geldt onder meer voor het plaatsen van gerichte vacatures, het filteren van sollicitaties en het beoordelen van kandidaten. Voor een bureau is dat niet een bijzaak van het bedrijf, maar de kern van het verdienmodel: matchen is precies wat bijlage III beschrijft.

Dat brengt een onderscheid met zich mee dat voor een bureau meer gewicht heeft dan voor een individuele werkgever: de rol van aanbieder tegenover die van gebruiksverantwoordelijke. Zet je een kant-en-klaar matchingsysteem van een softwareleverancier in, dan ben je in de regel gebruiksverantwoordelijke (deployer), met verplichtingen rond menselijk toezicht en zorgvuldig gebruik. Bouw je zelf een matchingtool — al dan niet met een freelancer of bureau — en stel je die onder eigen naam in gebruik? Dan merkt de wet je op grond van artikel 3 lid 3 in samenhang met lid 11 AI Act al aan als aanbieder van een hoog-risico AI-systeem, met een zwaarder pakket aan verplichtingen: een risicomanagementsysteem, technische documentatie en een conformiteitsbeoordeling. Dat geldt ook als je de tool uitsluitend intern gebruikt: een uitzondering voor puur intern gebruik bestaat niet. Weet dus voor elk AI-onderdeel in je matchingproces welke rol je hebt, want dat bepaalt welke verplichtingen op je rusten.

Wat het tijdspad betreft: onder de oorspronkelijke AI Act zouden deze hoog-risicoverplichtingen op 2 augustus 2026 ingaan. Via het Digital Omnibus-pakket is dat verschoven. Het Europees Parlement stemde op 16 juni 2026, de Raad van de EU gaf op 29 juni 2026 het definitieve akkoord, en het pakket is op 8 juli 2026 ondertekend. De wijziging is op 24 juli 2026 gepubliceerd als Verordening (EU) 2026/1744 in het Publicatieblad van de EU en sinds 27 juli 2026 in werking. Daarmee staat vast dat de hoog-risicoverplichtingen voor bijlage III per 2 december 2027 ingaan, en voor bijlage I (AI ingebouwd in gereguleerde producten) per 2 augustus 2028.

Wat niet meeschuift: de verboden praktijken van artikel 5, waaronder emotieherkenning op de werkvloer, gelden al sinds 2 februari 2025, net als de datum van de AI-geletterdheidsplicht van artikel 4. Die verplichting is door Verordening (EU) 2026/1744 wel inhoudelijk verzacht: waar artikel 4 eerst vereiste dat je "zorgt voor" een toereikend niveau van AI-geletterdheid, vereist het nu dat je de ontwikkeling daarvan "ondersteunt" — een inspanningsverplichting in plaats van een resultaatsverplichting. En artikel 22 AVG, hieronder besproken, is geen AI Act-bepaling en staat volledig los van deze verschuiving.

De AVG: het recht op menselijke tussenkomst

Onafhankelijk van de AI Act geldt de AVG nu al, en artikel 22 raakt precies de kern van bemiddeling. Dat artikel geeft een kandidaat het recht om niet te worden onderworpen aan een uitsluitend geautomatiseerd besluit met rechtsgevolg of vergelijkbaar aanzienlijk effect. Een afwijzing voor een plaatsing valt daaronder, net als het geval waarin een bureau een kandidaat nooit aan een opdrachtgever voorstelt omdat de score te laag uitviel.

Het Hof van Justitie van de EU oordeelde in het Schufa-arrest (7 december 2023, C-634/21) dat er geen sprake is van betekenisvolle menselijke tussenkomst als de uitkomst van een algoritme vrijwel altijd wordt overgenomen. Dat geldt ook als formeel een mens op akkoord klikt. Voor een bureau betekent dit dat een intercedent die dagelijks tientallen ranglijsten afvinkt zonder de onderliggende cv's te lezen, niet aan artikel 22 voldoet, hoe goed het systeem ook oogt. De intercedent moet de bevoegdheid en de gelegenheid hebben om af te wijken, de selectiecriteria kennen, en zelf beoordelen wie wordt voorgesteld.

Er komt voor een bureau met een groot kandidatenbestand nog een verplichting bij die los staat van artikel 22: de gegevensbeschermingseffectbeoordeling (DPIA) van artikel 35 AVG. Zet je een AI-systeem in dat het hele bestand systematisch en op grote schaal profileert — bijvoorbeeld door voor iedere kandidaat automatisch een matchscore te berekenen — dan valt dat doorgaans onder de gevallen waarin artikel 35 AVG een DPIA verplicht stelt, omdat het gaat om een systematische beoordeling van persoonlijke aspecten met mogelijke rechtsgevolgen. Anders dan de AI Act-datum geldt deze verplichting nu al: de DPIA moet er liggen voordat je zo'n systeem op het bestand loslaat, niet erna.

Dit is precies waarom AI bij bemiddeling een hulpmiddel moet blijven en geen beslisser mag worden: niet omdat de technologie het niet aankan, maar omdat de wet een mens vereist die de beslissing daadwerkelijk neemt.

Nederlandse regels tegen arbeidsmarktdiscriminatie

Naast de AI Act en de AVG gelden voor bemiddeling specifiek Nederlandse regels tegen arbeidsmarktdiscriminatie, en die zijn voor een bureau minstens zo belangrijk als de Europese kaders.

De Algemene wet gelijke behandeling (AWGB) geldt nu al onverkort. Ze verbiedt onderscheid bij werving en selectie op onder meer geslacht, afkomst en geloof — ook wanneer die selectie via een bemiddelaar loopt. Onderscheid op leeftijd is apart geregeld, in de Wet gelijke behandeling op grond van leeftijd bij de arbeid (WGBL), en onderscheid tussen kandidaten met een verschillende arbeidsduur valt onder artikel 7:648 van het Burgerlijk Wetboek. Voelt een kandidaat zich gediscrimineerd, dan kan die daarover een oordeel vragen bij het College voor de Rechten van de Mens, dat op al deze wetten toezicht houdt. Voor een bureau is dit geen toekomstige verplichting, maar een regel die vandaag al geldt. Dat geldt ook als de discriminatie via een AI-systeem binnensluipt, in plaats van via een bewuste keuze van een intercedent.

Daarnaast ligt er een wetsvoorstel dat zich specifiek op intermediairs richt: de Wet toezicht gelijke kansen bij werving en selectie. Die zou werkgevers én intermediairs, dus uitdrukkelijk ook uitzend- en detacheringsbureaus, verplichten tot een vastgelegde, discriminatievrije werkwijze bij werving en selectie, met een rol voor de Arbeidsinspectie als toezichthouder. De Eerste Kamer verwierp een eerdere versie van dit wetsvoorstel op 26 maart 2024, met 38 stemmen tegen en 37 voor. Een van de redenen was twijfel over de uitvoerbaarheid voor kleinere partijen. De toenmalige minister bood tijdens het debat nog aan om de handhaving uit te stellen tot 1 juli 2027 en die aanvankelijk te beperken tot werkgevers met 50 of meer werknemers, maar dat was voor een meerderheid van de senaat niet voldoende.

Er ligt inmiddels een vernieuwd initiatiefwetsvoorstel van de Kamerleden Ergin en Van Baarle. Daarover bracht de Raad van State begin mei 2026 advies uit, en dat advies is kritisch: de Afdeling advisering adviseert het voorstel niet in behandeling te nemen, onder meer omdat toezicht en handhaving door de Arbeidsinspectie zich niet goed verhouden tot het bestaande stelsel van gelijkebehandelingswetgeving. Op het moment van schrijven is dit nog geen wet, en de verdere behandeling in de Tweede en Eerste Kamer moet nog volgen. Behandel de status van dit wetsvoorstel dus met een flinke slag om de arm: het laat wel zien welke kant de wetgever op wil, specifiek voor bemiddelaars, maar het advies van de Raad van State maakt aanname in de huidige vorm onwaarschijnlijk.

Een voorbeeld uit de praktijk

Ter illustratie: een regionaal uitzendbureau voor logistiek en productiepersoneel krijgt wekelijks honderden reacties binnen op een handvol vacatures. Het bureau zet AI in om cv's te uniformeren. Op basis van functie-eisen zoals rijbewijs, beschikbaarheid en ervaring stelt AI ook een voorselectie van kandidaten samen, die een intercedent als eerste bekijkt. Tot zover blijft het bureau binnen de veilige zone. De intercedent bekijkt iedere kandidaat op de voorselectie zelf. Kandidaten die niet op de lijst staan, blijven gewoon in het bestand staan voor toekomstige vacatures — het bureau wijst ze niet definitief af.

Het bureau bouwt daarnaast een vaste werkwijze in:

• Bij elke plaatsing legt de intercedent kort vast waarom een kandidaat wel of niet is voorgesteld.
• Eén keer per kwartaal controleert het bureau of de voorselecties gemiddeld genomen scheef uitpakken — bijvoorbeeld tussen kandidaten met en zonder migratieachtergrond, of tussen mannen en vrouwen voor dezelfde functies.

Valt daar een verschil op, dan stelt het bureau de weging van het systeem bij voordat het weer wordt gebruikt. Dat kost het bureau een paar uur werk per kwartaal, tegenover een AI-toepassing die dagelijks tijd bespaart op cv-verwerking en voorselectie. Het is precies het soort vastlegging waarmee het bureau, zowel richting kandidaten als richting opdrachtgevers, kan aantonen dat het zorgvuldig handelt.

Wat het fout doen kost

De AI Act koppelt aan overtredingen bij hoog-risicosystemen boetes tot 15 miljoen euro of 3 procent van de wereldwijde jaaromzet, bijvoorbeeld bij ontbrekende documentatie of een systeem zonder menselijk toezicht — artikel 99 bepaalt dat het hoogste van beide bedragen geldt. Voor verboden praktijken zoals emotieherkenning tijdens een sollicitatiegesprek loopt dat op tot 35 miljoen euro of 7 procent van de omzet. Voor mkb-bureaus en start-ups keert artikel 99 lid 6 dat om: dan geldt juist het laagste van beide bedragen, wat de boete in de praktijk vaak fors lager maakt dan het miljoenenbedrag doet vermoeden. Daarnaast kan een kandidaat die zich gediscrimineerd voelt nu al een oordeel vragen bij het College voor de Rechten van de Mens. Wordt de Wet toezicht gelijke kansen bij werving en selectie alsnog wet, dan krijgt de Arbeidsinspectie daarbovenop een eigen handhavingsrol met boetebevoegdheid.

Veel bureaus werken al met een ATS (applicant tracking system) dat kandidaten rangschikt of onder een bepaalde score automatisch afwijst, zonder dat iemand dat expliciet zo heeft ingesteld. Vraag daarom concreet aan je leverancier: rangschikt of filtert het systeem kandidaten op basis van een score, en gebeurt dat automatisch buiten een intercedent om? Staat er een automatische afwijsdrempel aan? En beoordeelt een intercedent daadwerkelijk elke kandidaat, of vinkt die alleen de uitkomst van het systeem af? Het antwoord bepaalt of je bureau nu al binnen de grenzen van artikel 22 AVG werkt.

De praktische vertaling

Drie regels die de hierboven besproken wetgeving in de praktijk van een bureau vertalen:

• Houd een mens in de beslissing. AI mag voorsorteren, samenvatten en rangschikken. Een intercedent beoordeelt de kandidaat zelf voordat het bureau die kandidaat aan een opdrachtgever voorstelt of afwijst, en heeft de ruimte om van het AI-advies af te wijken.
• Leg vast waarom iemand is afgevallen. Niet alleen een score, maar de onderliggende reden: welke eis miste de kandidaat, of welke afweging heeft de intercedent gemaakt. Dat is nodig om aan een kandidaat, een toezichthouder of een opdrachtgever te kunnen uitleggen hoe een beslissing tot stand kwam.
• Test op ongelijke uitkomsten tussen groepen. Vergelijk periodiek of het systeem kandidaten met vergelijkbare kwalificaties maar verschillende achtergrond, geslacht of leeftijd systematisch anders behandelt. Stel de werkwijze bij zodra dat zo blijkt.

Wie dit soort werkwijzen wil vastleggen en systemen wil laten bouwen die dit ondersteunen, hoeft dat niet alleen uit te zoeken. Zie hoe je een AI-consultant in Nederland inhuurt voor een aanpak die verder gaat dan losse hulpmiddelen.

Wat je aan opdrachtgevers moet kunnen uitleggen

Opdrachtgevers vragen steeds vaker expliciet of een bureau AI gebruikt in het bemiddelingsproces — deels uit nieuwsgierigheid, maar vooral uit eigen bescherming. Een opdrachtgever die via jouw bureau een kandidaat laat afwijzen op een discriminerende grond, kan daar namelijk zelf ook op worden aangesproken. Zorg dat je op ten minste vier vragen een concreet antwoord hebt:

• Waarvoor gebruiken jullie AI, en waarvoor niet? Onderscheid duidelijk tussen ondersteunende taken (teksten, samenvattingen, planning) en de uiteindelijke selectiebeslissing.
• Wie neemt de uiteindelijke beslissing? Laat zien dat een intercedent de kandidaat beoordeelt en kan afwijken van een AI-advies, niet alleen een score overneemt.
• Hoe controleren jullie op ongelijke uitkomsten? Leg uit hoe en hoe vaak je toetst of het systeem groepen verschillend behandelt, en wat er gebeurt als dat zo is.
• Hoe beschermen jullie kandidaatgegevens? Regel dit via een verwerkersovereenkomst met elke AI-leverancier die persoonsgegevens verwerkt; zie wat de AVG in de praktijk van je vraagt.

Een bureau dat deze vragen op papier heeft staan, wint aanbestedingen en langlopende opdrachtgeversrelaties eerder dan een bureau dat het antwoord schuldig moet blijven. Voor het opzetten van de onderliggende werkprocessen — zoals koppelingen tussen intakegesprek, planning en facturatie — is automatisering met n8n voor veel bureaus een praktische route. Reken vooraf door wat het oplevert; zie hoe je de ROI van een AI-investering berekent.

Taak per taak: mag het, en onder welke voorwaarde

Voor een uitzend- of detacheringsbureau is AI een voor de hand liggende versneller op teksten, planning en facturatie, en een gevoelig terrein zodra het bij selectie en afwijzing komt. Houd op dat laatste altijd een mens beslissend, leg vast waarom iemand afvalt, en test structureel op ongelijke uitkomsten. Wil je dit goed laten inrichten, dan vind je op AI WorkTalent specialisten die zowel de matchingtechniek als de spelregels kennen.