Een skills-matching platform dat vraag en aanbod werkelijk laat begrijpen wat skills betekenen.

De meeste matching-systemen in de Nederlandse markt — zowel de grote ATS-pakketten als de inhouse-systemen die HR in de loop der jaren heeft opgebouwd — werken nog met een vorm van trefwoord-matching: het CV bevat het woord "Python", de vacature vraagt om "Python", er is een hit. Wie ooit een hiring manager heeft horen klagen dat het systeem te veel ruis oplevert, kent het probleem. De software begrijpt niet dat Pandas een onderdeel van Python is, dat data-analyse in R een sterk gerelateerde competentie is, of dat vijf jaar als senior data-engineer bij een SaaS-scale-up een diepere set vaardigheden impliceert dan een CV waarop "Python" tien keer staat.

Aan de andere kant van de markt speelt hetzelfde probleem in spiegelbeeld. Een interne medewerker in een talent-marketplace krijgt geen suggesties die bij zijn werkelijke skill-profiel passen, alleen rollen waarin precies de woorden uit zijn CV terugkomen. Een leerling van een opleidingsinstituut ziet geen learning-paden die bij zijn beoogde rol passen. Een zorgmedewerker in een sectoraal arbeidsmarkt-platform ziet geen alternatieve functies bij een andere zorgaanbieder, ook al overlap zijn skill-set voor zeventig procent met die functie.

Het andere uiterste — een grote AI-vendor zoals Eightfold, Gloat of een vergelijkbare internationale speler — vraagt dat jij je organisatie in hun template plooit. Hun taxonomie, hun match-algoritme, hun audit-trail. Code-eigendom zit aan hun kant, jouw data ook, en bij contractbreuk staat jouw operatie stil. Daar komt sinds 2026 een complicatie bij: AI in werving en selectie is onder de AI Act geclassificeerd als HIGH-RISK, met documentatie-, bias-toets- en audit-verplichtingen die jij als deployer moet kunnen aantonen — niet de vendor.

Een maatwerk skills-matching platform lost dat anders op: het systeem volgt jouw skill-taxonomie, jouw ontology, jouw match-criteria en jouw audit-eisen. We bouwen die laag bovenop bewezen taxonomieën zoals ESCO en O*NET, met een eigen ontology-laag waarin jouw organisatie-specifieke functies, rollen en projecten een plek krijgen. Voor de AI-laag werken we vanuit AI-ontwikkeling op maat en de custom LLM-integraties die we voor andere opdrachtgevers hebben gerealiseerd — vector-embeddings voor skill-similarity, RAG voor context-rijke matches en een klassieke text-matching-laag als fallback.

De wereld van skills-matching is breder dan recruitment alleen, en dat zie je terug in de soorten platforms die we voor opdrachtgevers realiseren. Voor de ene grote werkgever staat een interne talent-marketplace centraal: medewerkers oriënteren zich op rollen en projecten binnen het concern, afdelingsmanagers krijgen een onderbouwde shortlist uit eigen huis voordat een vacature extern uitgaat, en HR krijgt voor het eerst een overzicht van waar de skills in de organisatie zitten en waar de schaarste zit. Vaak komen daar secondment- en projectinhuur-flows bij — een medewerker werkt tijdelijk bij een andere business-unit zonder van werkgever te wisselen — waarbij het systeem verrekening, terugkeer-route en skill-ontwikkeling bijhoudt.

Voor uitzenders, detacheerders en recruitment-bureaus bouwen we een AI-gedreven matching-platform tussen kandidaten en opdrachtgevers. Hier kruist de skills-matching-laag met de bredere recruitment-context, en bouwen we vanuit onze ervaring met recruitment-software laten maken verder. De kandidaat-pool is groter, de match-frequentie hoger en de snelheid-eis steviger: een recruiter wil binnen seconden een geprioriteerde shortlist zien zodra een vacature binnen­komt. Hier komt vector-embeddings-architectuur tot zijn recht — een CV en een vacaturetekst worden vertaald naar vectoren in een semantische ruimte, en hun cosine-similarity geeft een rijker beeld van match-relevantie dan elke trefwoord-zoektocht.

Vaak kruist een skills-matching platform met een bestaand ATS-systeem: de recruiter blijft werken in zijn ATS, maar krijgt rechtstreeks een match-score per kandidaat, een uitlegbare onderbouwing en een audit-trail voor de AI Act. Voor opdrachtgevers met een gevestigde ATS-stack — Bullhorn, Connexys, Recruitee, Homerun — koppelen we het matching-platform via standaard-koppelvlakken en houden we de werkflows in het ATS leidend. De skills-laag verrijkt; ze vervangt niet.

Een derde groep zijn opleidingsinstituten en learning-providers. Hier draait de match niet om vacatures maar om learning-paden: gegeven een doel-rol of een doel-skill-profiel, welke modules brengen de leerling daar het snelst? Welke certificeringen geven aantoonbaar voorrang in een arbeidsmarkt-context, en welke modules zijn voor een beroepsgroep al verplicht in de CAO of in wettelijke kwalificatie-eisen? Wij bouwen die platforms zo dat een leerling per leerlijn een skill-gap-analyse krijgt, een geadviseerd pad en doorlopende terugkoppeling. Voor instituten met een re-integratie- of omscholings-rol koppelen we de gap-analyse aan een arbeidsmarkt-feed: welke functies komen er in een regio open die bij dit aanleer-pad passen?

Een vierde groep zijn sectorale arbeidsmarkt-platforms en gilden: in de zorg, techniek en bouw ontstaan publiek-private platforms die het personeels­tekort op sector-niveau willen aanpakken. Hier hebben we te maken met meerdere werkgevers tegelijk, een arbeidsmarkt-fonds dat mee­financiert, een sectorale CAO die rollen en certificeringen normeert, en een ambitie om zij-instromers, terugkeerders en interne doorstromers te combineren. Voor zorg zit daar een NEN 7510-laag bovenop en in veel sectoren een eIDAS-handtekening-flow voor opleidings-certificaten.

Een laatste groep zijn employer-branding pages en talent-communities: een werkgever bouwt een open community waar professionals zich registreren met een skill-profiel, content krijgen die bij hun loopbaan-richting past, en in een latere fase op vacatures worden gematched. De rode draad: de software volgt jouw taxonomie en jouw beslis­regels. Vendor-onafhankelijk, AI Act-compliant, met code-eigendom bij jouw organisatie.