Kort antwoord: Meestal niet. De meeste applicant tracking systems, waaronder Canvider, detecteren geen door AI gegenereerde cv’s. Ze screenen op fit. Er bestaan aparte AI-detectietools, maar die markeren ook menselijk geschreven tekst, en een cv dat met AI is opgepoetst, is niet hetzelfde als een oneerlijk cv. Vaardigheden in het sollicitatiegesprek controleren werkt beter dan gokken wie de tekst heeft geschreven.
Je hebt net je ATS-dashboard geopend en de helft van de cv’s leest alsof dezelfde redacteur ze heeft opgepoetst. Dezelfde structuur. Dezelfde zelfverzekerde toon. Dezelfde verdacht nette opmaak. Daarom vragen zoveel mensen of een ATS kan zien welke cv’s door AI zijn geschreven, en waarom het antwoord belangrijker is dan je denkt.
De vraag die iedereen stelt
Uit een enquête van KraftCV in 2026 blijkt dat 70 % van de werkzoekenden nu AI-tools gebruikt om hun cv te schrijven of op te poetsen. Aan werkgeverskant toont een rapport van Forbes met gegevens van Robert Half dat 84 % van de HR-leiders zegt dat door AI gegenereerde sollicitaties hun wervingswerk hebben vergroot.
De zorg is reëel. Maar de voorgestelde oplossing — AI-auteurschap detecteren — is waar het misgaat.
Waarom ATS-tools geen AI-auteurschap detecteren
Een ATS verwerkt, slaat op en scoort cv’s aan de hand van een vacaturetekst. Het kijkt naar vaardigheden, ervaring, kwalificaties en trefwoorden. Niets daarvan vertelt je of een mens of een taalmodel de zinnen heeft getypt.
Sommige bedrijven proberen AI-detectie-API’s aan hun ATS vast te haken. Deze tools analyseren schrijfpatronen, perplexity en burstiness om te raden of tekst door een machine is gegenereerd. Het probleem is dat ze zijn ontworpen voor academisch plagiaat, niet voor werving. Ze hebben foutpositieven die echte kandidaten kunnen uitsluiten (zie ook onze blik op verantwoorde AI in werving).
En zelfs als een detector perfect werkte, wat zou je dan met het resultaat doen? Een kandidaat die ChatGPT heeft gebruikt om zijn cv op te schonen, is niet hetzelfde als een kandidaat die ervaring heeft verzonnen. Detectie vertelt je niet welke is welke.
Het echte probleem is niet AI-auteurschap
Het eigenlijke risico is niet dat een cv te gepolijst klinkt. Het is dat een cv kwalificaties claimt die de kandidaat niet heeft.
Een KraftCV-enquête vond dat 86 % van de leidinggevenden zegt dat AI het te makkelijk maakt om vaardigheden op cv’s te overdrijven. Dat is het probleem dat het waard is om op te lossen. En het is een probleem dat al bestond vóór AI — kandidaten hebben altijd de waarheid gerekt. AI maakt het alleen sneller.
Detectie richt zich op de verkeerde variabele. Het vraagt “wie heeft dit geschreven?” terwijl je moet vragen “is deze persoon echt gekwalificeerd?”
Wat beter werkt dan detectie
Drie dingen verminderen daadwerkelijk het risico dat een opgepoetst maar hol cv je pipeline passeert:
-
Criteriumgerichte screening: Definieer je harde vereisten — werkvergunning, certificaten, taalvaardigheid, jaren ervaring — en controleer ze vóór al het andere. Met CriteriaMatch stel je deze criteria één keer in en controleert AI elk cv er in enkele seconden tegen. Geen gissen, geen tussen de regels lezen.
-
Fitgebaseerde scoring: In plaats van te vragen of AI het cv heeft geschreven, vraag je of de kandidaat bij de functie past. AI Score beoordeelt cv’s aan de hand van je echte vacaturetekst en geeft een matchrangschikking met specifieke sterke en zwakke punten. Een goed geschreven cv dat niet bij de functie past, scoort nog steeds laag.
-
Diepgangstests in gesprekken: Het beste filter voor overdreven claims is een gericht gesprek. InterviewGen analyseert het cv van elke kandidaat aan de hand van de vacaturetekst, identificeert lacunes en genereert vragen die precies peilen waar het cv vaag is. Als iemand vijf jaar Kubernetes-ervaring claimt, moet het gesprek dat testen — niet of hij Grammarly heeft gebruikt.
De 82 %-paradox
Dit is de ongemakkelijke waarheid: 82 % van de bedrijven gebruikt al AI om cv’s te beoordelen, volgens dezelfde KraftCV-gegevens. Werkgevers gebruiken AI om dezelfde cv’s te screenen die kandidaten met AI hebben geschreven.
Een kandidaat afwijzen omdat hij AI heeft gebruikt, terwijl je eigen pipeline op AI draait, is een moeilijke positie om te verdedigen. De betere aanpak is je screening te baseren op verifieerbare fit in plaats van op stilistisch gissen.
Wanneer detectie zinvol kan zijn
Er is één smal geval waarin AI-detectie waarde toevoegt: functies met veel sollicitanten waarbij een schrijfvoorbeeld deel uitmaakt van de sollicitatie. Als je specifiek een motivatiebrief vraagt om communicatievaardigheden te beoordelen, en de kandidaat dient AI-gegenereerde tekst in, zegt dat iets over hoe hij de opdracht heeft aangepakt.
Maar zelfs dan is het signaal zwak. Een kandidaat die AI heeft gebruikt om een concept te maken en het daarna zorgvuldig heeft bewerkt, is anders dan iemand die de promptuitvoer heeft geplakt zonder hem te lezen. Je hebt nog steeds een vervolgstap nodig om die gevallen te scheiden.
Voor de meeste wervingsprocessen is detectie een afleiding van het werk dat daadwerkelijk het succes in de functie voorspelt.
Focus op wat je kan verifiëren
De opkomst van door AI geschreven cv’s is geen crisis. Het is een verschuiving die teams beloont met gestructureerde, criteriagerichte screening boven teams die afgaan op gevoelsreacties op de stijl van een cv.
Screen op fit. Controleer kwalificaties. Test de diepgang in het gesprek. Dat is de workflow die standhoudt, ongeacht wie — of wat — het cv heeft geschreven.