Driekwart van de Nederlandse organisaties gebruikt inmiddels AI in HR — maar minder dan de helft heeft een beleid voor verantwoord gebruik. People analytics belooft betere beslissingen over werving, verzuim en talentontwikkeling. Toch botst de praktijk steeds vaker op AVG-grenzen, een naderende EU AI Act en de eerlijke vraag: levert het eigenlijk wat op?
Van buikgevoel naar datafundament: de opmars van people analytics
Nederlandse HR-afdelingen investeren in rap tempo in datagedreven personeelsbeleid. Volgens de HR Benchmark 2026 van Youforce investeert inmiddels 50% van de Nederlandse HR-professionals in AI ter ondersteuning van de werkplek, tegen 40% een jaar eerder. Tegelijk rapporteert het CBS dat 33% van de bedrijven met tien of meer medewerkers in 2025 minimaal één AI-technologie gebruikte — een verdubbeling ten opzichte van 2023, toen dat nog 14% was. People analytics — het systematisch analyseren van personeelsdata om beslissingen te onderbouwen — is daarbinnen een van de snelst groeiende toepassingen. Toch loopt de adoptie niet gelijk op met de ambities. Bijna een derde van de werkgevers geeft aan onvoldoende interne kennis te hebben, en 30% noemt het ontbreken van een heldere AI-strategie als voornaamste rem op resultaten.
Wat mogen werkgevers eigenlijk analyseren? De AVG als onzichtbare grens
Hier wringt de schoen voor veel HR-professionals: de wil om te meten is groot, maar de juridische speelruimte is smaller dan velen denken. De Autoriteit Persoonsgegevens hanteert als basisprincipe dat persoonsgegevens alleen voor een doel mogen worden gebruikt dat verenigbaar is met het oorspronkelijke verzameldoel. Salarisdata analyseren om historische loontrends inzichtelijk te maken? Mag. Diezelfde data combineren met verzuimpatronen om te voorspellen wie de organisatie gaat verlaten? Juridisch gevoeliger, en afhankelijk van hoe het model is ingericht.
Bijzondere categorieën: de harde grenzen
Een aantal gegevenscategorieën is in principe verboden voor people analytics, tenzij aan strikte voorwaarden is voldaan. Gezondheidsgegevens, vakbondslidmaatschap, politieke overtuigingen en biometrische data vallen buiten het bereik van standaard HR-analyse — ook als de intentie goed is. In de praktijk ziet de AP dat werkgevers hier regelmatig de mist in gaan, bijvoorbeeld door verzuimdata te koppelen aan diagnoses of door LinkedIn-profielen structureel in te laden als bron voor talentanalyse. Nog een punt dat vaak over het hoofd wordt gezien: voor het verwerken van personeelsgegevens voor analytische doeleinden hebben werkgevers in de meeste gevallen de instemming nodig van de ondernemingsraad. Dat geldt ook voor de invoering van een nieuw HR-analyticssysteem. Organisaties die dit overslaan riskeren niet alleen een boete van de AP — tot 20 miljoen euro of 4% van de wereldwijde jaaromzet — maar ook arbeidsrechtelijke conflicten.
EU AI Act: HR-software wordt hoog-risico per december 2027
Naast de AVG krijgen Nederlandse werkgevers te maken met een tweede juridisch kader dat de inzet van people analytics fundamenteel verandert: de EU AI Act. Bijlage III van deze verordening classificeert AI-systemen op het gebied van werving, selectie, prestatiebeoordeling en taakverdeling expliciet als hoog-risico. Dat klinkt abstract, maar het raakt heel concreet aan wat er bij veel organisaties al draait: een ATS dat cv's rangschikt op basis van een algoritme, een verzuimpredictor of een systeem dat doorgroeikansen koppelt aan competentiescores.
De vraag 'valt mijn HR-software altijd onder high-risk AI?' is niet met een simpel ja of nee te beantwoorden. Niet elk systeem dat data over medewerkers verwerkt, kwalificeert automatisch als hoog-risico. Doorslaggevend is of het systeem geautomatiseerde beslissingen neemt of significant beïnvloedt die de rechtspositie van werknemers raken — denk aan doorstroom, ontslag of loonbepaling. De Europese Commissie heeft aanvullende richtsnoeren gepubliceerd die werkgevers helpen bij de classificatie, maar de praktijk blijft complex. De compliance-deadline voor hoog-risico AI-systemen onder Bijlage III is vastgesteld op 2 december 2027. Dat lijkt ver weg, maar de vereisten zijn omvangrijk: een risicomanagementsysteem, data governance, technische documentatie, logging, menselijk toezicht, conformiteitsbeoordeling en registratie in de EU-database. Werkgevers die nu al HR-AI inzetten, kunnen beter beginnen met een inventarisatie in 2026 dan op het laatste moment moeten bijsturen.
| HR-toepassing | EU AI Act classificatie | Vereisten | Deadline |
|---|---|---|---|
| CV-screening algoritme (ATS) | Hoog-risico (Bijlage III) | Risicobeheersysteem, logging, menselijk toezicht, conformiteitsbeoordeling | 2 dec. 2027 |
| Verzuimpredictor met AI | Hoog-risico indien besluitvormend | Data governance, transparantiedocumentatie, OR-instemming | 2 dec. 2027 |
| Salarisanalyse dashboard | Beperkt risico (geen geautomatiseerde beslissing) | Transparantieverplichting, AVG-compliance | Van toepassing |
| Medewerkerstevredenheidsonderzoek met NLP | Beperkt risico | AVG-compliance, doel-compatibiliteit | Van toepassing |
| AI-gestuurde doorstroomadvies | Hoog-risico indien bindend advies | Volledige Bijlage III-compliance | 2 dec. 2027 |
Belangrijk onderscheid voor de praktijk: een HR-dashboard dat managers inzicht geeft in verzuimtrends, is iets anders dan een systeem dat automatisch aanbevelingen doet over contractverlenging. De eerste categorie valt buiten de hoog-risico classificatie; de tweede waarschijnlijk niet. HR-professionals doen er goed aan om samen met hun juridische afdeling — en leveranciers — te inventariseren welke kant van die grens hun huidige tools zitten. Ook bij AI bij werving en selectie speelt dit onderscheid een steeds grotere rol.
Hoe ABN AMRO people analytics wél laat renderen
Weinig Nederlandse organisaties zijn zo ver gevorderd met people analytics als ABN AMRO. Patrick Coolen, Global Head of People Analytics bij de bank, bouwde het team in acht jaar op van twee naar twaalf specialisten. De aanpak: begin niet met het perfectioneren van data, maar met het beantwoorden van zakelijk relevante vragen. Drie concrete resultaten illustreren die aanpak. Ten eerste liet ABN AMRO zien dat winkelteams die intensiever gebruikmaakten van skill coaches significant meer hypotheken verkochten — een directe koppeling tussen een HR-interventie en commerciële output. Ten tweede ontdekte het analytics-team welke specifieke trainingsmodules inefficiënt waren, waardoor gericht kon worden bijgestuurd zonder het gehele leertraject te herzien. Ten derde groeide de nauwkeurigheid van hun medewerkersonderzoek — dat maandelijks wordt gehouden over 120 onderwerpen — van 84% naar meer dan 90% in topicdetectie. Dat is veelbelovend, maar ook kwetsbaar want: ABN AMRO heeft een volwassen data-infrastructuur, een dedicated analytics-team en jarenlange ervaring met OR-overleg. Voor een middelgrote zorginstelling of een gemeente met beperkte capaciteit zijn dezelfde resultaten niet zomaar te repliceren. De ROI van people analytics is sterk afhankelijk van de volwassenheid van de organisatie.
Eerlijk over ROI: wat werkt en wat niet in de Nederlandse context
De belofte van people analytics — betere beslissingen, lager verzuim, minder verloop — wordt in commerciële presentaties zelden genuanceerd. Maar de Nederlandse praktijk laat een gemengd beeld zien dat het waard is eerlijk te benoemen.
- Werkt goed: verzuimanalyse op geaggregeerd niveau, waarbij trends per afdeling worden gevolgd zonder naar individuen te kijken. Dit is AVG-proof, inzichtelijk voor leidinggevenden en leidt aantoonbaar tot gerichte interventies.
- Werkt goed: workforce planning op basis van historische in- en uitstroomdata, gecombineerd met pensioneringsprojecties. Geen bijzondere persoonsgegevens, heldere business case.
- Risicovol: individuele vluchtrisico-scores. Populair in internationale literatuur, maar in Nederland juridisch gevoelig door de combinatie van gegevens en de impact op arbeidsrelaties.
- Werkt niet vanzelf: dashboards zonder beslissingsbevoegdheid. Veel organisaties bouwen mooie visualisaties die managers vervolgens negeren omdat er geen cultuur van datagedreven HR is.
- Wordt onderschat: de OR. Werkgevers die de ondernemingsraad niet vroegtijdig betrekken, vertragen implementaties met maanden of jaren. FNV en CNV wijzen er al jaren op dat medewerkers recht hebben op transparantie over welke data over hen worden verzameld en hoe die worden gebruikt.
Dat 44% van de Nederlandse werkgevers aangeeft dat AI al leidt tot minder vraag naar bepaalde functies of taken, maakt de ethische dimensie extra urgent. People analytics mag niet verworden tot een instrument om bezuinigingen achteraf te rechtvaardigen met data. De combinatie van algoritmische bias in HR en onvoldoende menselijk toezicht is precies het scenario dat de EU AI Act probeert te voorkomen.
Datagedreven HR buiten het bedrijfsleven: de publieke sector loopt achter
In de Nederlandse financiële dienstverlening en zakelijke dienstverlening liggen de adoptiecijfers voor AI aanzienlijk hoger dan gemiddeld — respectievelijk 37,4% en 39,8% in 2025 (CBS). De publieke sector en de zorg lopen opvallend achter. Dat is niet alleen een kwestie van budgetten. Overheidsinstellingen en zorginstellingen werken met gevoeliger persoonsgegevens, hebben complexere OR-structuren en opereren in een politiek gevoeliger omgeving. Juist in de zorg, waar personeelstekorten het scherpst voelbaar zijn, zou slimme workforce planning een groot verschil kunnen maken. Maar de drempel is hoog: gezondheidsdata raakt al snel aan bijzondere categorieën, de CAO legt beperkingen op, en het vertrouwen van medewerkers in datagebruik door de werkgever is lager dan in de private sector. Voor wie dit thema wil verdiepen: de uitdagingen rond AI in de gezondheidszorg zijn ook in HR-context sterk vergelijkbaar. Een ander onderschat aspect is de technische infrastructuur. People analytics vereist betrouwbare data-pipelines, integratie tussen HR-systemen en dashboardtools, en een IT-afdeling die datastromen beheert. Zonder die fundament — een thema dat sterk overlapt met DevOps in Nederlandse bedrijven — blijven analytics-initiatieven hangen in spreadsheets en ad-hoc rapportages.
Waar te beginnen: een pragmatische route voor Nederlandse werkgevers
People analytics hoeft niet te starten met een duur platform of een volledig ingericht data warehouse. Organisaties die het meeste resultaat boeken, beginnen klein en scherp: één concrete HR-vraag, één betrouwbare databron, één verantwoordelijke die de OR vroegtijdig betrekt. De volgorde die werkt: eerst de juridische basis op orde (welke data mogen we voor welk doel gebruiken?), dan de OR informeren en betrekken, dan een pilotproject op geaggregeerd niveau, en pas daarna nadenken over schaalvergroting. Wie nu al wil anticiperen op de EU AI Act, doet er goed aan een register bij te houden van alle AI-systemen die HR-beslissingen beïnvloeden — inclusief de tools die leveranciers als standaardmodule meeleveren in HR-software. Want ook ingekochte software valt onder de verantwoordelijkheid van de werkgever als 'deployer' in de zin van de AI Act.