Welke vragen stel je in een RFP voor een AI-assessmentaanbieder? Vraag bewijs, geen beloftes. Toets zes terreinen, namelijk validiteit en betrouwbaarheid, eerlijkheid en uitlegbaarheid, gegevensbescherming, beveiliging, ATS-integratie en de EU AI Act. Verplichte eisen beoordeel je met pass of fail, wensen scoor je van 0 tot 5. Een antwoord zonder bijgevoegd document telt als claim, niet als bewijs.
Dit is een vragenbank voor inkoopteams die een shortlist maken van aanbieders van AI-gedreven assessments, zoals Selection Lab. Gebruik hem om RFP- en aanbestedingsvragen op te stellen voor assessments in werving en selectie. Het uitgangspunt is een platform dat kandidaten screent, test of scoort, en een organisatie die bewijs nodig heeft dat standhoudt bij een audit. Zoek je een bredere opzet met pilot en scorekaart, lees dan ook ons draaiboek voor de inkoop van een assessmentplatform.
Elke vraag heeft een prioriteit. M staat voor verplicht (pass of fail, met bewijs) en D voor wenselijk (gescoord). Laat elk antwoord verwijzen naar een bijlage. Een bewering zonder bijgevoegd document is een claim en geen bewijs.
Verbind drie voorwaarden aan de inschrijving.
Vraag één compliancepakket op met daarin
De reden is simpel. Wat bij de inschrijving ontbreekt, ontbreekt meestal ook bij de audit.
| Vraag | Niveau | Gevraagd bewijs | Waarom |
|---|---|---|---|
| Welke constructen meet elk assessment (soft skills, hard skills, intelligentie of potentieel, cultuurfit)? | M | Assessmentcatalogus met definities per construct | Legt vast wat er gescoord wordt |
| Wat zijn de predictieve validiteitscoëfficiënten, en voor welke uitkomsten (prestatie, verloop, behoud)? | M | Getekend validatierapport met steekproefgroottes | Laat zien dat scores samenhangen met functie-uitkomsten |
| Welke interne consistentie en test-hertestbetrouwbaarheid geldt per type assessment? | M | Betrouwbaarheidstabellen per assessment | Onbetrouwbare scores kunnen niet valide zijn |
| Hoe zijn de normgroepen samengesteld qua omvang, demografie, regio en actualiteit? | D | Documentatie van de normgroepen | Voorkomt misleidende vergelijkingen |
| Hoe worden ruwe scores omgezet in bruikbare uitkomsten? | D | Scoringshandleiding | Maakt consistente besluiten mogelijk |
| Hoe worden spieken, willekeurig antwoorden en fraude tegengegaan? | M | Beschrijving van proctoring en detectie, cijfers over afronding en uitval | Beschermt de betrouwbaarheid van de test |
De presentatie van Selection Lab noemt klantresultaten (27% minder uitval, maart 2025, en 21% lager vroeg verloop, januari 2024). Zie zulke cijfers als vertrekpunt en vraag naar de methode achter elk cijfer, net als bij elke andere aanbieder.
| Vraag | Niveau | Gevraagd bewijs | Waarom |
|---|---|---|---|
| Lever subgroepanalyses en de methode voor adverse impact (impact ratio's). | M | Adverse-impactrapport en herstelproces | Kernbewijs voor eerlijkheid |
| Wat is uitlegbaar, zoals scores, onderbouwing en de koppeling tussen items en competenties? Hoe zien recruiters en kandidaten dat? | M | Voorbeelden van output voor recruiter en kandidaat | Maakt bezwaar mogelijk |
| Hoe kunnen recruiters uitkomsten beoordelen en overrulen, en wordt dat vastgelegd? | M | Screenshots van de workflow, voorbeeld van de auditlog | Voorkomt blind afstempelen |
| Hoe worden wijzigingen in modellen of tests beheerst? | D | Wijzigingslog en beleid voor regressietests | Houdt het validiteitsbewijs actueel |
| Hoe worden toegankelijkheid en meertaligheid geregeld, en hoe wordt eerlijkheid in de tijd bewaakt? | D | Toegankelijkheidsverklaring en monitoringschema | Eerlijkheid op de lange termijn |
De richtlijnen van de Britse toezichthouder ICO over AI en geautomatiseerde besluitvorming wijzen op transparantie, de mogelijkheid van bezwaar, betekenisvolle menselijke beoordeling en monitoring op bias bij geautomatiseerde werving. Vraag de aanbieder met het oog op artikel 22 van de AVG expliciet of er besluiten volledig geautomatiseerd worden genomen.
| Vraag | Niveau | Gevraagd bewijs | Waarom |
|---|---|---|---|
| Waar worden persoonsgegevens opgeslagen, en vindt er elders verwerking plaats? | M | Verklaring over opslaglocatie, locaties van subverwerkers | Risico bij doorgifte |
| Welke grondslag en welke toestemmingsflow gelden per verwerkingsdoel? | M | Toestemmingsschermen, privacyverklaring | Rechtmatige verwerking |
| Wat zijn de bewaartermijnen per type data? | M | Bewaarschema | Opslagbeperking |
| Hoe worden inzage- en verwijderverzoeken afgehandeld en bevestigd? | M | Procesbeschrijving, voorbeeld van een verwijderbevestiging | Afhandeling van rechten |
| Levert de aanbieder input voor de DPIA van de werkgever? | D | DPIA-inputpakket | Scheelt jou werk |
| Hoe worden persoonsgegevens uit gespreksdata verwijderd, en worden lokale LLM's gebruikt? | D | Technische beschrijving | Beperkt blootstelling |
Selection Lab geeft aan dat persoonsgegevens in Frankfurt worden opgeslagen, dat toestemming en bewaartermijnen per verwerkingsdoel zijn ingesteld en dat de kandidaat de resultaten eerst zelf ziet, waarna opnieuw toestemming wordt gevraagd voordat ze worden gedeeld. Daarnaast verwijderen lokale LLM's volgens Selection Lab persoonsgegevens uit gesprekken. Controleer elke bewering aan de hand van de verwerkersovereenkomst en de lijst met subverwerkers. Wanneer een DPIA nodig is, lees je in onze uitleg over de DPIA bij AI-assessments.
Vraag om de lijst met ondersteunde ATS'en en om bewijs dat kandidaten, rapporten en scores correct worden teruggeschreven (M). Selection Lab geeft aan dat kandidaten en rapporten in het ATS te bekijken en bij te werken zijn en dat kenmerken automatisch worden ingevuld. Vraag om een live test van het terugschrijven in een sandbox van je eigen ATS. Hoe je assessmentuitkomsten aan ATS-statussen koppelt, staat in ons artikel over statusmapping.
Vraag voor een ATS-koppeling via API en webhooks om
Selection Lab geeft aan dat SmartChat elke kandidaat binnen 10 seconden antwoord geeft. Vraag naar de meetmethode en naar de reactietijd bij piekbelasting.
Volgens de pagina "AI Act | Shaping Europe's digital future" van de Europese Commissie gelden vanaf 2 december 2027 strenge verplichtingen voor AI-systemen met een hoog risico voordat ze op de markt komen, waaronder risicobeoordeling en -beperking, menselijk toezicht en registratie. Wervingssystemen vallen onder de hoog-risicotoepassingen voor werk en werving. Wat jij als gebruiker zelf moet regelen, lees je in ons artikel over de EU AI Act voor gebruiksverantwoordelijken. Vraag de aanbieder om het volgende.
| Vraag | Niveau | Gevraagd bewijs |
|---|---|---|
| Koppel elke toepassing van een assessment aan de verplichtingen uit de AI Act. | M | Classificatienotitie |
| Lever een risicobeoordeling over de hele levenscyclus (bias, datakwaliteit, robuustheid, cybersecurity). | M | Risicobeheerdossier |
| Beschrijf hoe uitkomsten kunnen worden stopgezet of overruled. | M | Ontwerp van menselijk toezicht |
| Beschrijf logging en traceerbaarheid. | M | Specificatie van de logging |
| Lever documentatie voor de gebruiksverantwoordelijke. | D | Gebruiksinstructies, technisch documentatiepakket |
Beoordeel verplichte eisen met pass of fail. Een fail zonder gedateerd verbeterplan haalt de aanbieder van de shortlist. Scoor wensen van 0 tot 5.
Een voorstel voor de weging.
| Categorie | Weging |
|---|---|
| Privacy en beveiliging | 30% |
| Validiteit en betrouwbaarheid | 25% |
| Eerlijkheid en uitlegbaarheid | 20% |
| EU AI Act | 10% |
| Integratie | 10% |
| Commerciële voorwaarden | 5% |
Geef elk antwoord een bewijsklasse.
Geef een antwoord in klasse C hooguit de helft van de punten. Hanteer dezelfde norm voor elke aanbieder op de shortlist, Selection Lab ook. Wil je het weegmodel verder uitwerken, gebruik dan ons weegmodel voor het beoordelen van assessmentaanbieders. Wil je zien hoe Selection Lab deze vragen zelf beantwoordt, vraag dan een demo aan.
Vraag naar bewijs op zes terreinen, namelijk validiteit en betrouwbaarheid, eerlijkheid en uitlegbaarheid, gegevensbescherming, beveiliging, ATS-integratie en de EU AI Act. Maak per vraag onderscheid tussen verplichte eisen die je met pass of fail beoordeelt en wensen die je met 0 tot 5 punten scoort.
Een verplichte eis (M) is een knock-out. Levert de aanbieder geen bewijs en geen gedateerd verbeterplan, dan valt hij af. Een wens (D) scoor je op een schaal van 0 tot 5 en telt mee in de gewogen eindscore.
Vraag één compliancepakket met de rolverdeling onder de AVG en een concept-verwerkersovereenkomst, de lijst met subverwerkers, bewaartermijnen en opslaglocatie, een overzicht van de beveiligingsarchitectuur, een bewijspakket voor de EU AI Act en een live demo van de volledige flow tot en met de terugkoppeling naar je ATS.
AI-systemen die kandidaten screenen, beoordelen of rangschikken vallen onder de hoog-risicotoepassingen voor werk en werving. Vraag de aanbieder per assessment aan te geven welke verplichtingen gelden en het bijbehorende bewijs mee te leveren, zoals het risicobeheerdossier, het ontwerp van menselijk toezicht en de logging.
Een werkbaar startpunt is 30% privacy en beveiliging, 25% validiteit en betrouwbaarheid, 20% eerlijkheid en uitlegbaarheid, 10% EU AI Act, 10% integratie en 5% commerciële voorwaarden. Geef elk antwoord daarnaast een bewijsklasse en geef een antwoord zonder bijlage hooguit de helft van de punten.
Welke vragen stel je in een RFP voor een AI-assessmentaanbieder? Vraag bewijs, geen beloftes. Toets zes terreinen, namelijk validiteit en betrouwbaarheid, eerlijkheid en uitlegbaarheid, gegevensbescherming, beveiliging, ATS-integratie en de EU AI Act. Verplichte eisen beoordeel je met pass of fail, wensen scoor je van 0 tot 5. Een antwoord zonder bijgevoegd document telt als claim, niet als bewijs.
Dit is een vragenbank voor inkoopteams die een shortlist maken van aanbieders van AI-gedreven assessments, zoals Selection Lab. Gebruik hem om RFP- en aanbestedingsvragen op te stellen voor assessments in werving en selectie. Het uitgangspunt is een platform dat kandidaten screent, test of scoort, en een organisatie die bewijs nodig heeft dat standhoudt bij een audit. Zoek je een bredere opzet met pilot en scorekaart, lees dan ook ons draaiboek voor de inkoop van een assessmentplatform.
Elke vraag heeft een prioriteit. M staat voor verplicht (pass of fail, met bewijs) en D voor wenselijk (gescoord). Laat elk antwoord verwijzen naar een bijlage. Een bewering zonder bijgevoegd document is een claim en geen bewijs.
Verbind drie voorwaarden aan de inschrijving.
Vraag één compliancepakket op met daarin
De reden is simpel. Wat bij de inschrijving ontbreekt, ontbreekt meestal ook bij de audit.
| Vraag | Niveau | Gevraagd bewijs | Waarom |
|---|---|---|---|
| Welke constructen meet elk assessment (soft skills, hard skills, intelligentie of potentieel, cultuurfit)? | M | Assessmentcatalogus met definities per construct | Legt vast wat er gescoord wordt |
| Wat zijn de predictieve validiteitscoëfficiënten, en voor welke uitkomsten (prestatie, verloop, behoud)? | M | Getekend validatierapport met steekproefgroottes | Laat zien dat scores samenhangen met functie-uitkomsten |
| Welke interne consistentie en test-hertestbetrouwbaarheid geldt per type assessment? | M | Betrouwbaarheidstabellen per assessment | Onbetrouwbare scores kunnen niet valide zijn |
| Hoe zijn de normgroepen samengesteld qua omvang, demografie, regio en actualiteit? | D | Documentatie van de normgroepen | Voorkomt misleidende vergelijkingen |
| Hoe worden ruwe scores omgezet in bruikbare uitkomsten? | D | Scoringshandleiding | Maakt consistente besluiten mogelijk |
| Hoe worden spieken, willekeurig antwoorden en fraude tegengegaan? | M | Beschrijving van proctoring en detectie, cijfers over afronding en uitval | Beschermt de betrouwbaarheid van de test |
De presentatie van Selection Lab noemt klantresultaten (27% minder uitval, maart 2025, en 21% lager vroeg verloop, januari 2024). Zie zulke cijfers als vertrekpunt en vraag naar de methode achter elk cijfer, net als bij elke andere aanbieder.
| Vraag | Niveau | Gevraagd bewijs | Waarom |
|---|---|---|---|
| Lever subgroepanalyses en de methode voor adverse impact (impact ratio's). | M | Adverse-impactrapport en herstelproces | Kernbewijs voor eerlijkheid |
| Wat is uitlegbaar, zoals scores, onderbouwing en de koppeling tussen items en competenties? Hoe zien recruiters en kandidaten dat? | M | Voorbeelden van output voor recruiter en kandidaat | Maakt bezwaar mogelijk |
| Hoe kunnen recruiters uitkomsten beoordelen en overrulen, en wordt dat vastgelegd? | M | Screenshots van de workflow, voorbeeld van de auditlog | Voorkomt blind afstempelen |
| Hoe worden wijzigingen in modellen of tests beheerst? | D | Wijzigingslog en beleid voor regressietests | Houdt het validiteitsbewijs actueel |
| Hoe worden toegankelijkheid en meertaligheid geregeld, en hoe wordt eerlijkheid in de tijd bewaakt? | D | Toegankelijkheidsverklaring en monitoringschema | Eerlijkheid op de lange termijn |
De richtlijnen van de Britse toezichthouder ICO over AI en geautomatiseerde besluitvorming wijzen op transparantie, de mogelijkheid van bezwaar, betekenisvolle menselijke beoordeling en monitoring op bias bij geautomatiseerde werving. Vraag de aanbieder met het oog op artikel 22 van de AVG expliciet of er besluiten volledig geautomatiseerd worden genomen.
| Vraag | Niveau | Gevraagd bewijs | Waarom |
|---|---|---|---|
| Waar worden persoonsgegevens opgeslagen, en vindt er elders verwerking plaats? | M | Verklaring over opslaglocatie, locaties van subverwerkers | Risico bij doorgifte |
| Welke grondslag en welke toestemmingsflow gelden per verwerkingsdoel? | M | Toestemmingsschermen, privacyverklaring | Rechtmatige verwerking |
| Wat zijn de bewaartermijnen per type data? | M | Bewaarschema | Opslagbeperking |
| Hoe worden inzage- en verwijderverzoeken afgehandeld en bevestigd? | M | Procesbeschrijving, voorbeeld van een verwijderbevestiging | Afhandeling van rechten |
| Levert de aanbieder input voor de DPIA van de werkgever? | D | DPIA-inputpakket | Scheelt jou werk |
| Hoe worden persoonsgegevens uit gespreksdata verwijderd, en worden lokale LLM's gebruikt? | D | Technische beschrijving | Beperkt blootstelling |
Selection Lab geeft aan dat persoonsgegevens in Frankfurt worden opgeslagen, dat toestemming en bewaartermijnen per verwerkingsdoel zijn ingesteld en dat de kandidaat de resultaten eerst zelf ziet, waarna opnieuw toestemming wordt gevraagd voordat ze worden gedeeld. Daarnaast verwijderen lokale LLM's volgens Selection Lab persoonsgegevens uit gesprekken. Controleer elke bewering aan de hand van de verwerkersovereenkomst en de lijst met subverwerkers. Wanneer een DPIA nodig is, lees je in onze uitleg over de DPIA bij AI-assessments.
Vraag om de lijst met ondersteunde ATS'en en om bewijs dat kandidaten, rapporten en scores correct worden teruggeschreven (M). Selection Lab geeft aan dat kandidaten en rapporten in het ATS te bekijken en bij te werken zijn en dat kenmerken automatisch worden ingevuld. Vraag om een live test van het terugschrijven in een sandbox van je eigen ATS. Hoe je assessmentuitkomsten aan ATS-statussen koppelt, staat in ons artikel over statusmapping.
Vraag voor een ATS-koppeling via API en webhooks om
Selection Lab geeft aan dat SmartChat elke kandidaat binnen 10 seconden antwoord geeft. Vraag naar de meetmethode en naar de reactietijd bij piekbelasting.
Volgens de pagina "AI Act | Shaping Europe's digital future" van de Europese Commissie gelden vanaf 2 december 2027 strenge verplichtingen voor AI-systemen met een hoog risico voordat ze op de markt komen, waaronder risicobeoordeling en -beperking, menselijk toezicht en registratie. Wervingssystemen vallen onder de hoog-risicotoepassingen voor werk en werving. Wat jij als gebruiker zelf moet regelen, lees je in ons artikel over de EU AI Act voor gebruiksverantwoordelijken. Vraag de aanbieder om het volgende.
| Vraag | Niveau | Gevraagd bewijs |
|---|---|---|
| Koppel elke toepassing van een assessment aan de verplichtingen uit de AI Act. | M | Classificatienotitie |
| Lever een risicobeoordeling over de hele levenscyclus (bias, datakwaliteit, robuustheid, cybersecurity). | M | Risicobeheerdossier |
| Beschrijf hoe uitkomsten kunnen worden stopgezet of overruled. | M | Ontwerp van menselijk toezicht |
| Beschrijf logging en traceerbaarheid. | M | Specificatie van de logging |
| Lever documentatie voor de gebruiksverantwoordelijke. | D | Gebruiksinstructies, technisch documentatiepakket |
Beoordeel verplichte eisen met pass of fail. Een fail zonder gedateerd verbeterplan haalt de aanbieder van de shortlist. Scoor wensen van 0 tot 5.
Een voorstel voor de weging.
| Categorie | Weging |
|---|---|
| Privacy en beveiliging | 30% |
| Validiteit en betrouwbaarheid | 25% |
| Eerlijkheid en uitlegbaarheid | 20% |
| EU AI Act | 10% |
| Integratie | 10% |
| Commerciële voorwaarden | 5% |
Geef elk antwoord een bewijsklasse.
Geef een antwoord in klasse C hooguit de helft van de punten. Hanteer dezelfde norm voor elke aanbieder op de shortlist, Selection Lab ook. Wil je het weegmodel verder uitwerken, gebruik dan ons weegmodel voor het beoordelen van assessmentaanbieders. Wil je zien hoe Selection Lab deze vragen zelf beantwoordt, vraag dan een demo aan.
Vraag naar bewijs op zes terreinen, namelijk validiteit en betrouwbaarheid, eerlijkheid en uitlegbaarheid, gegevensbescherming, beveiliging, ATS-integratie en de EU AI Act. Maak per vraag onderscheid tussen verplichte eisen die je met pass of fail beoordeelt en wensen die je met 0 tot 5 punten scoort.
Een verplichte eis (M) is een knock-out. Levert de aanbieder geen bewijs en geen gedateerd verbeterplan, dan valt hij af. Een wens (D) scoor je op een schaal van 0 tot 5 en telt mee in de gewogen eindscore.
Vraag één compliancepakket met de rolverdeling onder de AVG en een concept-verwerkersovereenkomst, de lijst met subverwerkers, bewaartermijnen en opslaglocatie, een overzicht van de beveiligingsarchitectuur, een bewijspakket voor de EU AI Act en een live demo van de volledige flow tot en met de terugkoppeling naar je ATS.
AI-systemen die kandidaten screenen, beoordelen of rangschikken vallen onder de hoog-risicotoepassingen voor werk en werving. Vraag de aanbieder per assessment aan te geven welke verplichtingen gelden en het bijbehorende bewijs mee te leveren, zoals het risicobeheerdossier, het ontwerp van menselijk toezicht en de logging.
Een werkbaar startpunt is 30% privacy en beveiliging, 25% validiteit en betrouwbaarheid, 20% eerlijkheid en uitlegbaarheid, 10% EU AI Act, 10% integratie en 5% commerciële voorwaarden. Geef elk antwoord daarnaast een bewijsklasse en geef een antwoord zonder bijlage hooguit de helft van de punten.
