Interviewvragen maken met AI: zo voorkom je bias en generieke vragen

Kan AI goede interviewvragen maken? Voor het grootste deel wel: geef AI het functieprofiel en de kerncompetenties, en je krijgt in een paar minuten een set gedragsgerichte interviewvragen die per competentie om een bewijsbare situatie vraagt. Structured interviews met zo'n vaste, gedragsgerichte opzet voorspellen functioneren aanzienlijk beter dan een los gesprek, blijkt uit de meest recente grote meta-analyse op dit gebied: een validiteit van 0,42 tegenover 0,19 voor een ongestructureerd gesprek (Sackett et al., 2022, via Test Partnership). Het risico zit in wat er ongevraagd meekomt: een vraag die netjes aan een functie-eis klinkt, maar eigenlijk naar iemands privésituatie peilt. Hieronder de prompt, een geconstrueerde vacature waarbij dat misgaat, en de beslisregel om het er zelf uit te halen.

Interviewvragen maken met AI: wat werkt wel, wat werkt niet

AI is hier goed in precies één ding: van een functieprofiel en een lijst competenties een eerste set vragen maken, sneller dan jij zelf achter een leeg scherm. Dat werkt omdat het model een patroon herkent (welke vraag toetst welke competentie) en dat patroon op jouw rol toepast. Het werkt niet vanzelf: zonder sturing valt een taalmodel terug op de meest voorkomende interviewvragen uit zijn trainingsdata, en dat zijn precies de vragen die niets onderscheiden: "Wat is je grootste kracht?", "Waar zie je jezelf over vijf jaar?".

Gedragsgerichte vragen: de STAR-vraag die AI moet stellen

Het verschil tussen een goede en een matige interviewvraag is het verschil tussen hypothetisch en gedragsgericht. "Wat zou je doen als een collega een deadline mist?" is hypothetisch: de kandidaat verzint een sociaal wenselijk antwoord zonder dat je het kunt controleren. "Vertel over een moment waarop een collega een deadline miste. Wat deed je, en wat was het resultaat?" is gedragsgericht: het dwingt tot een echte situatie. McDaniel et al. (1994) vonden dat dit soort situationele en gedragsgerichte vragen hoger scoorden dan algemene, psychologisch georiënteerde vragen, en Schmidt en Hunter's veelgeciteerde meta-analyse uit 1998 zette gestructureerde interviews op een validiteit van 0,51 tegenover 0,38 voor een ongestructureerd gesprek (Test Partnership). Vraag AI dus nooit "wat zou je doen", maar "vertel over een moment waarop", met de STAR-opbouw (Situatie, Taak, Actie, Resultaat) als vast sjabloon. Laat je deze omzetting weg, dan daalt de voorspellende waarde van dat ene gesprek merkbaar: het verschil tussen 0,51 en 0,38 is in de praktijk het verschil tussen een advies waar je op kunt bouwen en een advies dat net zo goed een gok is. Bij een eenmalig, informeel gesprek voor een kleine, tijdelijke klus mag je dit verschil laten lopen; bij elke vacature die langer dan een paar maanden loopt, verdien je de paar extra minuten omzetten ruimschoots terug in een beter onderbouwde aanname.

Interviewvragen opstellen: welke aanpak past bij jouw vacature?

Het lichtste gereedschap dat de klus betrouwbaar klaart. De drempels volgen uit wat een foute of inconsistente vraag kost: bij één gesprek een ongemakkelijk moment, bij een doorlopende werving een juridisch risico omdat kandidaten niet meer vergelijkbaar zijn beoordeeld.

Een vacature, de prompt en de interviewvragen die AI teruggeeft

Een geconstrueerd, herkenbaar voorbeeld bij een logistiek bedrijf: Operationeel Teamleider, 18 man team in drie ploegendiensten. Het bedrijf en de exacte vacaturetekst zijn verzonnen; het patroon waarop het voorbeeld rust (een functie-eis die ongevraagd een privévraag oproept) niet, zoals je hieronder ziet. Kerncompetenties uit de vacaturetekst: Leiderschap onder druk, Besluitvaardigheid, Omgaan met weerstand.

De prompt

Eerst de rol van de interviewer en wat de vragen moeten onderscheiden, dan pas de opdracht.

#CONTEXT: Je bent een ervaren interviewer die weet dat "Wat is je grootste
zwakte?" niemand iets vertelt. Deze rol (Operationeel Teamleider, 18
man, drie ploegendiensten) vraagt iemand die onder tijdsdruk zelf een
besluit durft te nemen, niet iemand die daar alleen overtuigend over
praat.

#DOEL: Per competentie één gedragsgerichte hoofdvraag plus één doorvraag,
die een kandidaat dwingt een echte, controleerbare situatie te geven.

#WERKWIJZE:
1. Vraag me eerst om de functienaam en de kerncompetenties als die
   ontbreken. Vraag niets méér.
2. Maak per competentie één vraag volgens de STAR-opbouw: vraag naar een
   situatie, nooit naar een hypothese ("wat zou je doen als").
3. Voeg per hoofdvraag één doorvraag toe die vraagt naar het concrete
   resultaat.
4. Controleer elke vraag met de zelfcheck in de regels hieronder voor je
   hem opschrijft.

#OUTPUT: Eén hoofdvraag plus één doorvraag per competentie, maximaal
drie competenties, in gewone spreektaal.

#BELANGRIJKE REGELS:
- Geen vraag over privéleven, gezinssituatie, leeftijd, gezondheid of
  geloof, ook niet verpakt als functie-eis.
- Geen hypothetische vragen ("wat zou je doen als").
- Controleer voor je antwoordt of je deze vraag ook zonder aarzelen aan
  elke andere kandidaat voor deze rol zou stellen, ongeacht leeftijd,
  achtergrond of gezinssituatie.

#BEPERKINGEN: Stel alleen vragen op. Beoordeel geen kandidaten en geef
geen oordeel over wie geschikt is.

Wat AI teruggeeft

Een realistisch fragment, met de fouten die bij dit soort prompt zonder extra correctie terugkomen.

Leiderschap onder druk:
- Vertel over een moment waarop je onder tijdsdruk een beslissing moest
  nemen zonder ruggespraak. Wat deed je, en wat was het resultaat?

Besluitvaardigheid:
- Wat is voor jou de grootste uitdaging in een leidinggevende functie?

Omgaan met weerstand:
- Deze functie vraagt veel flexibiliteit in diensten, ook in het
  weekend. Hoe combineer je dat met je thuissituatie?

Twee van de drie vragen kunnen zo het gesprek niet in.

1. De tweede vraag is generiek, geen gedragsvraag. "Wat is voor jou de grootste uitdaging" vraagt een mening, geen bewijs. De zelfcheck uit de prompt ging hier niet op, omdat de vraag geen privézaken raakt; hij raakt simpelweg de STAR-regel niet.
2. De derde vraag is de vraag uit de inleiding. Hij klinkt als een functie-eis (flexibiliteit in diensten), maar vraagt via de band naar de thuissituatie van de kandidaat. Dat is precies het type vraag dat volgens Randstad niet toegestaan is: alleen vragen die direct relevant zijn voor de functie mogen gesteld worden, en "hoe combineer je dit met je privéleven" is dat niet, ook al gaat de aanleiding (weekenddiensten) wel over de functie (Randstad). Juridisch heet dit indirect onderscheid: de Algemene wet gelijke behandeling omschrijft het als een "ogenschijnlijk neutrale" vraag of maatstaf die bepaalde groepen (hier: ouders en verzorgers, disproportioneel vaker vrouwen) bijzonder treft, ook zonder dat de interviewer dat zo bedoelt (artikel 1, AWGB).

Wat je herschrijft voor het gesprek

Leiderschap onder druk:
- Vertel over een moment waarop je onder tijdsdruk een beslissing moest
  nemen zonder ruggespraak. Wat deed je, en wat was het resultaat?

Besluitvaardigheid:
- Vertel over een moment waarop je een besluit nam terwijl niet alle
  informatie binnen was. Waarom koos je dat moment om te besluiten, en
  hoe pakte het uit?

Omgaan met weerstand:
- Deze functie heeft diensten in het weekend, volgens een vast
  rooster dat een kwartaal vooruit bekend is. Kun je op die momenten
  werken?

Twee ingrepen. De generieke vraag werd een STAR-vraag met een echt besluitmoment. En de privévraag werd een feitelijke beschikbaarheidsvraag: geen vraag naar de thuissituatie, maar naar de harde eis zelf (kun je op dat rooster werken), precies het onderscheid dat Randstad maakt tussen een objectieve functie-eis en een vraag over privézaken.

Beslisregel: welke interviewvragen vraag je wel, en welke nooit

Waar interviewvragen met AI misgaat: de vraag die toevallig discrimineert

Het mechanisme is niet dat AI expres discrimineert. Een taalmodel voorspelt het meest waarschijnlijke vervolg op een patroon, en "flexibiliteit in diensten" wordt in heel veel trainingsteksten gevolgd door een vraag over de privésituatie, omdat menselijke interviewers die vraag al jarenlang zo stellen. Het model herhaalt een patroon dat het overnam, niet een bedoeling. Anthropic's eigen onderzoek naar discriminatie in modelbeslissingen bevestigt dat dit patroon zonder ingreep kan optreden: de onderzoekers vonden "patterns of both positive and negative discrimination" in Claude 2.0 bij scenario's zonder interventie, en zagen dat gerichte promptinstructies dit significant terugbrachten (Anthropic, 7 december 2023). Dat is precies waarom de zelfcheck in de prompt hierboven een vaste regel is, en geen suggestie: zonder die regel komt de privévraag gewoon terug, zoals je zag in het voorbeeld.

Uit onze trainingen: zonder de zelfcheck in de prompt bevat ongeveer één op de vijf AI-gegenereerde interviewvragen bij functies met diensten, reizen of veel overwerk een verwijzing naar de privésituatie van de kandidaat. Met de zelfcheck erin zakt dat sterk, maar wordt geen nul: controleer dus altijd zelf, ook met de regel in de prompt.

Wat goede interviewvragen opleveren, en hoe je dat meet

Wat je er meteen aan hebt: in vijf tot tien minuten een eerste set, tegenover, uit onze trainingen, twintig tot dertig minuten zelf verzinnen zonder vast format, vooral omdat je zelf naar een goede doorvraag moet zoeken. Van elke acht AI-vragen zijn er, uit onze trainingen, vier tot zes direct bruikbaar; de rest pas je aan zoals in het voorbeeld hierboven. Wat na een paar weken beter wordt: je prompt vangt steeds meer van je eigen terugkerende correcties op, en je herkent een verkapte privévraag steeds sneller zelf. Wat niet beter wordt: het beoordelen van de antwoorden zelf. Daar helpt een betere vraag niet vanzelf bij, dat is een apart vak.

Meet drie dingen, zeven dagen op een rij, zonder tooling:

• Hoeveel van je kernvragen waren bij elke kandidaat voor deze vacature identiek? Dit hoort naar de honderd procent toe te groeien. Een lager getal betekent dat je de vaste set niet consequent gebruikt, en dan ben je de vergelijkbaarheid alweer kwijt.
• Hoeveel AI-vragen moest je herschrijven omdat ze generiek of privé waren? Noteer het aantal per sessie. Blijft dat gelijk na een week, dan ontbreekt de zelfcheck nog in je prompt of neem je hem niet serieus genoeg.
• Hoeveel antwoorden kreeg je terug in STAR-vorm (een echte situatie, actie en resultaat)? Een stijgende lijn laat zien dat je vragen daadwerkelijk om bewijs vragen in plaats van om een mening.

Privacy: wat je wel en niet in een AI-tool plakt

Het goede nieuws eerst: voor het opstellen van interviewvragen heb je geen enkel persoonsgegeven van een kandidaat nodig. Je plakt een functieprofiel en een competentielijst, geen cv, geen motivatiebrief en geen naam. Zodra je AI vraagt om vragen te personaliseren op basis van een specifiek cv, verwerk je wel persoonsgegevens, en soms bijzondere persoonsgegevens: een cv kan een zorgverlof, een opleiding bij een religieuze instelling of een gat door ziekte laten zien. Doe dat alleen met een zakelijk account met verwerkersovereenkomst en modeltraining uitgeschakeld, en nooit in een gratis, persoonlijke chatsessie.

Verwar dit niet met AI die kandidaten zelf beoordeelt of rangschikt op basis van hun cv of antwoorden. Dat is een aparte, zwaardere categorie onder de EU AI Act: Randstad wijst erop dat werving en selectie met AI onder een transparantieplicht valt sinds 2 augustus 2026 (artikel 50 van de AI-verordening: een kandidaat moet weten dat hij met AI te maken heeft als een systeem rechtstreeks met hem communiceert), en dat er vanaf 2 december 2027 naar de huidige planning strengere eisen gelden voor AI-systemen die als hoog risico gelden bij werving en selectie (Randstad). Vragen opstellen met AI valt daar vandaag niet onder; AI die zelf beslist wie wordt uitgenodigd of afgewezen wel. De NVP Sollicitatiecode, de gangbare Nederlandse gedragsnorm voor werving en selectie (er bestaat geen specifieke wet voor het hele proces), kreeg in september 2025 een update met daarin voor het eerst aangescherpte richtlijnen voor AI in werving en selectie, precies het signaal dat dit onderwerp inmiddels standaardpraktijk is geworden en geen uitzondering meer. Meer over de bredere HR-risicoclassificatie staat in onze gids over AI voor HR.

Wat AI hier niet goed kan

AI kan niet aanvoelen of een antwoord eigenlijk een ontwijking is. Een kandidaat die op "vertel over een moment waarop" een algemeen, niet-specifiek verhaal vertelt, geeft een signaal dat alleen een mens tijdens het gesprek oppikt: dan vraag je door, iets wat een vooraf geschreven vraag niet kan. En AI checkt niet of het antwoord waar is. De vraag is goed gesteld zodra ze om een concrete situatie vraagt; of die situatie klopt, blijft iets wat jij in het gesprek zelf moet toetsen.

Een praktische vuistregel die dit meetbaar maakt: vraag bij elk hoofdantwoord door naar minstens één concreet detail dat niet in het eerste antwoord zat, een getal, een projectnaam of een tijdlijn. Komt dat detail er binnen een paar seconden, dan is de situatie vermoedelijk echt gebeurd. Blijft het antwoord bij algemeenheden of begint de kandidaat details te verzinnen die niet aansluiten op wat hij net zei, dan weegt dat antwoord minder zwaar, ook als de eerste indruk goed was. AI kan die doorvraag wel voorbereiden (hij staat al in de prompt hierboven), maar niet namens jou live stellen en beoordelen.

Doe dit deze week

1. Draai de prompt op je eigen openstaande vacature

   Neem de functienaam en de drie belangrijkste competenties uit je eigen vacaturetekst. Draai de prompt uit dit artikel en bekijk wat je terugkrijgt.

2. Streep elke vraag aan die naar privésituatie vraagt in plaats van naar een functie-eis

   Gebruik de beslisregel hierboven. Herschrijf elke aangestreepte vraag naar het feitelijke, functierelevante punt erachter, zoals in het voorbeeld.

3. Leg de kernvragen per rol vast, ook als je alleen voor jezelf interviewt

   Eén vast setje per functie, zodat elke kandidaat voor diezelfde rol dezelfde kernvragen krijgt. Dat is je nulmeting voor de meetsectie hierboven.

Het recept dat vandaag werkt: plak je functieprofiel in de prompt hierboven, laat AI drie competenties met elk een hoofd- en een doorvraag opstellen, en loop ze één keer langs de beslisregel voor je het gesprek in gaat. De kant-en-klare versie van deze prompt, met extra context voor doorvragen, staat in de promptbibliotheek; voor meerdere interviewers op dezelfde rol is de bijpassende scorekaart de volgende stap.

Wil je dit met je hele HR-team werkend hebben, inclusief jullie eigen vacatures en competentieprofielen? In de AI-training voor HR-teams oefen je dit hands-on. Wil je eerst breder in kaart brengen waar AI in je wervingsproces het meeste oplevert? Een AI-werksessie brengt dat in kaart.

Bronnen

• Test Partnership, Structured vs unstructured interviews. Zelf geopend. Bron voor de validiteitscijfers van Sackett et al. (2022, 0,42 tegenover 0,19) en Schmidt en Hunter (1998, 0,51 tegenover 0,38), en voor de bevinding van McDaniel et al. (1994) dat gedragsgerichte en situationele vragen hoger scoren dan algemene vragen.
• Randstad, Discriminatie bij sollicitatie. Zelf geopend. Bron voor de AWGB-gronden, de vragen die niet gesteld mogen worden (zoals kinderwens, zwangerschap en ziekteverzuim bij een vorige werkgever) en het onderscheid tussen objectieve functie-eisen en privézaken.
• Randstad, Werving en selectie: discriminatie en gelijke behandeling. Zelf geopend. Bron voor de transparantieplicht van artikel 50 AI-verordening sinds 2 augustus 2026, de geplande hoogrisico-eisen vanaf 2 december 2027, en de AVG-regels rond screening.
• Anthropic, Evaluating and Mitigating Discrimination in Language Model Decisions. Zelf geopend. Bron voor de bevinding dat Claude 2.0 zonder interventie patronen van discriminatie liet zien in scenario's met een beslissing, en dat gerichte promptinstructies dit significant terugbrachten.
• Rijksoverheid, Algemene wet gelijke behandeling, artikel 1. Zelf geopend. Bron voor de wettelijke definitie van indirect onderscheid: een ogenschijnlijk neutrale bepaling, maatstaf of handelwijze die bepaalde groepen bijzonder treft.
• NVP, Sollicitatiecode. Zelf geopend. Bron voor de update van september 2025, waarin de NVP voor het eerst aangescherpte richtlijnen voor AI in werving en selectie opnam.

Veelgestelde vragen

• Kan AI goede interviewvragen maken voor een sollicitatiegesprek?

  Ja, als je AI het functieprofiel en de kerncompetenties geeft in plaats van een losse opdracht. Zonder dat valt het model terug op generieke vragen zoals "wat is je grootste zwakte". Met een functieprofiel en een regel tegen privévragen krijg je gedragsgerichte vragen die echt onderscheiden, maar reken op vier tot zes direct bruikbare vragen op elke acht.

• Hoe gaat interviewvragen opstellen met AI zonder bias?

  Geef AI een vaste zelfcheck mee: zou je deze vraag ook aan elke andere kandidaat stellen, ongeacht leeftijd, achtergrond of gezinssituatie? Een vraag die een functie-eis lijkt maar naar privésituatie vraagt, zoals "hoe combineer je dit met je thuissituatie", herschrijf je naar de feitelijke eis zelf, zoals het rooster waarop iemand moet kunnen werken.

• Wat zijn gedragsgerichte vragen en waarom werken ze beter?

  Gedragsgerichte vragen vragen naar een echte, al gebeurde situatie ("vertel over een moment waarop") in plaats van naar een hypothese ("wat zou je doen als"). Ze voorspellen functioneren beter omdat een kandidaat op een hypothetische vraag een sociaal wenselijk antwoord kan verzinnen, terwijl een echte situatie controleerbaar is.

• Welke vragen mag je niet stellen in een sollicitatiegesprek?

  Vragen over kinderwens, zwangerschap, ziekteverzuim bij een vorige werkgever, geloof of andere privézaken die niets met de functie te maken hebben, mag een werkgever niet stellen. Alleen vragen die rechtstreeks relevant zijn voor de functie zijn toegestaan.

• Is AI betrouwbaar bij het beoordelen van sollicitanten?

  Voor het opstellen van interviewvragen is AI een goed hulpmiddel, voor het beoordelen of rangschikken van kandidaten niet zonder meer. Onderzoek van Anthropic laat zien dat taalmodellen zonder gerichte instructies patronen van discriminatie kunnen vertonen in beslissingsscenario's. Laat AI daarom vragen opstellen, maar laat een mens de antwoorden beoordelen.