Cv maken met AI: wat er echt wordt afgestemd

Sebastian Bochenek · Bijgewerkt 2026-09-18 · 9 min leestijd

Een vacature en een cv naast elkaar op een scherm met overeenkomende eisen gemarkeerd

Elke AI-cv-tool belooft je cv af te stemmen op de vacature. Hier lees je wat er onder water echt gebeurt, en de test die laat zien of een tool je ervaring herordent of verzint.

Elke serieuze AI-cv-tool belooft tegenwoordig je cv af te stemmen op de vacature. Bijna geen enkele legt uit wat er dan precies verandert, en daardoor kun je niet beoordelen of het resultaat eerlijk is of dat er stilletjes een vaardigheid is verzonnen die je niet hebt.

Wat afstemmen echt verandert, veld voor veld

Goed afstemmen herschrijft nadruk en volgorde, het voegt nooit ervaring toe die je niet hebt. Dat zijn twee verschillende handelingen en maar een ervan overleeft een gesprek.

Veld	Wat mag veranderen	Wat niet mag veranderen
Profiel	Herschreven, beginnend met de functietitel uit de vacature	De verantwoordelijkheid die je echt had
Vaardigheden	Opnieuw geordend, eisen uit de vacature eerst	Tools die je nooit hebt gebruikt
Bullets	Nadruk verschoven naar het relevante resultaat	Werkgever, data of cijfers
Functietitels	Formulering afgestemd voor zover je echte titel dat toelaat	Een promotie die er nooit was

Hoe de matching eronder werkt

Moderne matching is semantisch en niet op tekenreeksen: je cv en de vacature worden allebei omgezet naar vectoren en op betekenis vergeleken. Daarom scoren "omzet laten groeien" en "verkoopgroei gerealiseerd" als verwant zonder een woord te delen.

De vacature wordt uit elkaar gehaald in eisen, taken en pluspunten.
Je loopbaan wordt op dezelfde manier ingebed, zodat er op betekenis wordt vergeleken.
Een gewogen ronde scoort elke eis tegen je sterkste bewijs daarvoor.
Pas daarna schrijft een taalmodel, en dat schrijft uit jouw eigen materiaal.

De fout waar niemand mee adverteert

Het echte risico van een AI-cv-bouwer is geen houterige zin maar een zelfverzekerde verzinsel. Een model dat een eis moet raken waar je niet aan voldoet, voert de opdracht liever uit dan hem te weigeren.

Onze eigen regel: een getal mag alleen op het cv als de kandidaat het heeft aangeleverd. Budget- en resultaatcijfers verschijnen als zichtbare plaatshouders tot ze met de hand zijn ingevuld, want een geleend cijfer klapt in het gesprek en sleept de echte mee.

Hoe je een AI-cv-bouwer in vijf minuten beoordeelt

Voer het een vacature waar je maar half voor kwalificeert en lees wat het namens jou beweert. Die ene test scheidt de eerlijke tools van de rest.

Verzint het, of herschikt het?

Vergelijk het resultaat regel voor regel met je bron-cv. Elke bewering moet terug te voeren zijn op iets dat jij hebt geschreven. Kan een tool niet laten zien waar een zin vandaan komt, behandel die zin dan als onbewezen.

Komt het resultaat er nog netjes doorheen?

Een mooi geformuleerd cv in een sjabloon met twee kolommen blijft een sjabloon met twee kolommen. We hebben hetzelfde document in beide vormen gemeten: 4 van de 9 parsercontroles tegen 9 van de 9. Formulering en opmaak zijn twee problemen en een tool moet ze allebei oplossen.

Herken je jezelf nog?

Als de toon niet meer als jij klinkt, past het gesprek niet bij het document. Lees het hardop. Wat je niet hardop zou zeggen, haal je er weer uit.

Hoe dit met de rest samenhangt

Afstemmen loont pas als het bestand eerst de parser overleeft. De volgorde is opmaak, dan inhoud, dan aantal.

Eerst de opmaak op orde: wat er in 2026 echt doorheen komt.
Daarna per vacature afstemmen in plaats van een document overal heen sturen.
Daarna bepalen hoeveel sollicitaties de moeite waard zijn: de eerlijke cijfers.
Wil je het niet met de hand doen, vergelijk dan de tools die het voor je doen.

De promptstructuur die verzinsels voorkomt

De volgorde telt: eerst jouw feiten, dan de vacature, dan het verbod. Een model dat de vacature voor je loopbaan krijgt, ankert op de vacature en vult de gaten daaruit.

Plak je echte bullets met de cijfers er al in.
Plak de vacature eronder, duidelijk gescheiden.
Noem de regel: alleen feiten van hierboven, verzin niets, laat gaten gaten.
Vraag om elke niet-herleidbare zin te noemen, zodat weglatingen zichtbaar worden.

Drie verzinsels waar je elke keer op let

Modellen verzinnen op voorspelbare plekken: schaal, niveau en gereedschap. Juist die drie toetst een gesprek het makkelijkst, en daarom beeindigen ze processen.

Verzinsel	Hoe het opduikt	Wat je doet
Schaal	Een teamgrootte of budget dat je nooit gaf	Schrappen of vervangen door het echte cijfer
Niveau	geleid wordt verantwoordelijk, een titel krijgt senior	Terugzetten naar je echte titel
Gereedschap	Een tool uit de vacature, niet uit jouw historie	Verwijderen, ook al zou je het kunnen leren

Tabel die een cv splitst in de drie delen die een generator per vacature mag herschrijven en de vier die feiten zijn en vast moeten blijven — Personalisatie is een formuleringsprobleem met een harde grens. Veranderen namen van werkgevers, titels, periodes of cijfers tussen twee versies van uw cv, dan stemt de tool niet af maar bewerkt hij uw geschiedenis.

Bronnen

Elke bron hier is opgehaald en gecontroleerd voordat hij werd gelinkt. Onze eigen parsercijfers zijn na te doen: render hetzelfde cv in beide opmaken en lees het uit.

Stop met steeds hetzelfde cv

Keywordise schrijft voor elke vacature een nieuw, eerlijk cv en solliciteert voor je. 7 dagen gratis, 27 sollicitaties, geen betaalgegevens.

Gratis proberen →

Veelgestelde vragen

Welke AI-cv-bouwer werkt op basis van de vacature?

De bruikbare halen de vacature uit elkaar in eisen en vergelijken die semantisch met je loopbaan, om daarna nadruk en volgorde te herschrijven. Vraag elke tool uit welke regel van je originele cv een herschreven zin komt. Kan hij dat niet, dan genereert hij in plaats van af te stemmen.

Kom ik met een AI-cv langs het ATS?

Alleen als hij ook de opmaak repareert. Formulering en opmaak zijn twee problemen: we maten hetzelfde cv op 4 van de 9 parsercontroles in een sjabloon met twee kolommen en 9 van de 9 met een kolom. Een tool die prachtig schrijft in een kapot sjabloon heeft je niet geholpen.

Is het veilig om je cv met AI te schrijven?

Voor het herschrijven en herordenen van wat je echt hebt gedaan wel. Het risico is verzinnen: een model dat een eis moet raken waar je niet aan voldoet, voert de opdracht liever uit. Lees elke bewering en schrap wat je in een gesprek niet zou kunnen verdedigen.

Merken recruiters dat mijn cv met AI is geschreven?

Ze merken in het gesprek dat het document niet als jou klinkt, en dat weegt zwaarder dan detectie. Houd je eigen formuleringen, houd je eigen cijfers, en lees het resultaat hardop voor je het verstuurt.

Moet ik mijn cv voor elke sollicitatie afstemmen?

Voor functies die je echt wilt wel. Een afgestemd cv raakt de taal van de vacature, waar zowel semantische matching als een mens op reageert. Bij grote aantallen is het eerlijke antwoord om het afstemmen te automatiseren in plaats van over te slaan.

Wat is het verschil tussen een AI-cv-bouwer en een AI-cv-checker?

Een bouwer schrijft het document of herschrijft het. Een checker leest het afgeronde bestand terug en laat zien wat een parser eruit haalde. Ze lossen tegenovergestelde helften van hetzelfde probleem op, en meestal wil je allebei.

Werkt AI-afstemming ook buiten het Engels?

Ja, en juist semantische matching maakt dat mogelijk: het model vergelijkt betekenis in plaats van tekenreeksen, dus een Nederlands cv tegen een Nederlandse vacature gedraagt zich hetzelfde. Wat niet meereist is de woordkeuze, want elke markt benoemt dezelfde functie anders.

Moet de AI trefwoorden uit de vacature overnemen?

Alleen waar ze op jou van toepassing zijn, het liefst in je profiel en in de eerste bullet van elke functie, die zwaarder wegen. De vacature woord voor woord kopieren leest als stuffing en wordt herkend.