Opdracht 03 – Data verwerken met AI | AI Security

Opdracht 03

Data verwerken met AI

Taken die in Excel of Word uren kunnen kosten — sorteren, samenvatten, structureren, vergelijken — zijn met een goede prompt vaak in seconden klaar. In deze opdracht oefent u met het aanleveren van ruwe data aan een AI-model en het omzetten ervan naar bruikbare output.

Bij elke use case vindt u voorbeelddata die u direct kunt kopiëren en in een AI-tool kunt plakken. Kies twee of drie die het beste aansluiten bij uw dagelijkse werk.

Beschikbare use cases

01 Kandidaatslijst categoriseren op senioriteitsniveau Shortlisting ▼

Een ongesorteerde lijst met kandidaten, elk met een korte profielomschrijving, kan snel onoverzichtelijk worden. Laat AI de lijst indelen op senioriteitsniveau zodat u in één oogopslag ziet wie junior, medior of senior is.

Voorbeelddata — kopieer dit

Naam: Sophie de Vries Achtergrond: 2 jaar werkzaam als recruiter bij een uitzendbureau, hoofdzakelijk administratieve werving. HBO Personeel & Arbeid. Naam: Marcus Jansen Achtergrond: 11 jaar ervaring in executive search, gespecialiseerd in C-suite plaatsingen in de financiële sector. Lid van diverse brancheverenigingen. Naam: Lena Hoekstra Achtergrond: Net afgestudeerd HBO HRM. Heeft tijdens stage meegedraaid bij een intern recruitmentteam. Naam: Daan Vermeer Achtergrond: 6 jaar als corporate recruiter bij een multinational, verantwoordelijk voor technische werving in EMEA-regio. Ervaring met ATS-implementaties. Naam: Iris Bakker Achtergrond: 4 jaar werkzaam, eerst als HR-assistent, daarna 2 jaar als zelfstandig recruiter voor de zorgsector. Naam: Tom van den Berg Achtergrond: 15 jaar in de detacheringsbranche, waarvan 7 jaar als managing consultant. Heeft eigen team aangestuurd.

Prompt

Hieronder staat een lijst met kandidaatprofielen. Categoriseer elk profiel als Junior, Medior of Senior op basis van de omschreven werkervaring en achtergrond. Presenteer het resultaat als een overzichtelijke tabel met kolommen: Naam | Niveau | Korte motivatie (max. 1 zin). Sorteer de tabel van Senior naar Junior. [PLAK HIER DE KANDIDAATSLIJST]

Oefening

Voer de prompt uit met de voorbeelddata. Bent u het eens met de categorisering? Pas daarna de prompt aan: vraag het model om ook een aanbeveling te geven welke kandidaten het meest geschikt zijn voor een senior openstaande rol. Wat verandert er in de output?

02 Ruwe intakenotities omzetten naar gestructureerde samenvatting Intake & Briefing ▼

Tijdens een intakegesprek maakt u snel notities — onvolledig, telegramstijl, soms door elkaar. AI kan die ruwe aantekeningen omzetten naar een nette briefing die u direct kunt doorsturen aan een collega of hiring manager.

Voorbeelddata — kopieer dit

intake 14 maart - klant: Verwey Logistics - contactpersoon: Nina Smits (HR manager) zoeken naar: teamleider warehouse, 32-40u, liefst zo snel mogelijk - minimaal 3j leidinggevende ervaring in logistiek - kennis WMS systemen (bij voorkeur Manhattan of SAP EWM) - plek is in Tilburg, geen thuiswerken - team van 12 medewerkers, veel flex/uitzendkrachten - vertrek huidige TL was vrij plotseling (niet verder op ingaan) - salaris: 3800-4500 bruto, auto vh zaak mogelijk - gesprekken via Nina + operationeel manager (heet geloof ik Bas of Bob) - cultuur: nuchter, hands-on, niet te formeel - cv's binnen 5 werkdagen graag - geen kandidaten die puur kantoor gewend zijn!!

Prompt

Hieronder staan ruwe notities van een intakegesprek met een opdrachtgever. Zet deze om naar een gestructureerde vacaturebriefing. Gebruik de volgende secties: Organisatie & contactpersoon | Functie & omvang | Vereisten | Arbeidsvoorwaarden | Procedure & planning | Aandachtspunten. Schrijf in volzinnen, professionele toon. Markeer ontbrekende informatie met [ONBEKEND]. [PLAK HIER DE NOTITIES]

Oefening

Voer de prompt uit en beoordeel de output. Let op hoe het model omgaat met de gevoelige opmerking over het plotselinge vertrek en de informele notaties. Vraag vervolgens een tweede versie op waarbij u de toon aanpast naar "intern gebruik" — wat verandert er?

03 Salarisdata in platte tekst omzetten naar overzichtelijke tabel Data & Rapportage ▼

Salarisgegevens komen vaak aan in e-mails, formulieren of Word-documenten — ongestructureerd en moeilijk te vergelijken. AI kan losse tekst direct omzetten naar een nette tabel, klaar om te plakken in Excel of een rapportage.

Voorbeelddata — kopieer dit

Kandidaat A (Lars Pietersen) vraagt 4200 per maand bruto, 8% vakantiegeld, lease of 450 netto reiskostenvergoeding, 25 vakantiedagen. Beschikbaar per 1 mei. Kandidaat B (naam anoniem op eigen verzoek) zit op 3900 bruto, wil minimaal 27 vakantiedagen, heeft huidige werkgever die 13e maand betaalt dus dat verwacht ze ook. Geen voorkeur lease of vergoeding. Per direct beschikbaar. Kandidaat C: Youssef Ait Bella. Huidig salaris 3650, verwacht minimaal 4000 bij nieuwe stap. Wil thuiswerkvergoeding (30 euro p/m). 26 vakantiedagen gewenst, geen 13e maand nodig. Beschikbaar na opzegtermijn van 2 maanden. Kandidaat D - Femke Groenewoud - vraagt 4500 bruto, lease verplicht (rijdt nu ook lease), 25 dagen verlof, pensioenregeling belangrijk voor haar. Beschikbaar per 15 april.

Prompt

Hieronder staat salarisdata van meerdere kandidaten in ongestructureerde tekst. Zet dit om naar een nette vergelijkingstabel met de volgende kolommen: Kandidaat | Bruto maandsalaris | Vakantiedagen | Extra wensen | Beschikbaarheid. Gebruik "–" voor ontbrekende informatie. Voeg onderaan een korte opmerking toe als een kandidaat een bijzondere of afwijkende wens heeft. [PLAK HIER DE SALARISDATA]

Oefening

Voer de prompt uit en kopieer de gegenereerde tabel naar Excel of Word. Past het format direct, of zijn er aanpassingen nodig? Vraag daarna een tweede versie waarbij het model de kandidaten sorteert van laagste naar hoogste salariseis. Wat is handig aan die volgorde?

04 Meerdere functiebeschrijvingen omzetten naar vergelijkingstabel Analyse ▼

Wanneer u meerdere vergelijkbare functies naast elkaar moet leggen — voor een benchmark, een reorganisatie of het opstellen van een nieuw profiel — kost handmatig vergelijken veel tijd. AI structureert de overeenkomsten en verschillen direct.

Voorbeelddata — kopieer dit

--- FUNCTIE 1: Recruitment Consultant (Hays) --- Als Recruitment Consultant ben je verantwoordelijk voor het volledige wervingsproces voor onze klanten in de technische sector. Je bouwt een netwerk op van kandidaten en opdrachtgevers, voert intakegesprekken, begeleidt sollicitatieprocedures en geeft advies over marktconforme arbeidsvoorwaarden. Je werkt in een resultaatgericht team en hebt oog voor commerciële kansen. Vereist: HBO+, minimaal 2 jaar ervaring in recruitment of sales. --- FUNCTIE 2: Talent Acquisition Specialist (intern, ASML) --- In deze rol ben je onderdeel van het interne TA-team en verantwoordelijk voor de werving van technisch en wetenschappelijk personeel wereldwijd. Je werkt nauw samen met hiring managers, stelt wervingsstrategieën op en beheert het ATS (Workday). Geen commerciële targets, maar wel focus op kwaliteit en snelheid. Vereist: WO-niveau, ervaring met internationale werving, vloeiend Engels. --- FUNCTIE 3: HR Recruiter (gemeente Rotterdam) --- Je verzorgt de werving en selectie voor diverse afdelingen binnen de gemeente. Je adviseert managers bij het opstellen van functieprofielen, coördineert assessments en bewaakt de diversiteitsdoelstellingen. Je werkt in een politiek-bestuurlijke omgeving waarbij zorgvuldigheid en draagvlak belangrijk zijn. Vereist: HBO HRM, affiniteit met de publieke sector, ervaring met competentiegericht interviewen.

Prompt

Hieronder staan drie functiebeschrijvingen voor vergelijkbare recruitmentrollen. Maak een vergelijkingstabel met de volgende rijen: Werkgevertype | Doelgroep kandidaten | Commerciële focus | Vereist opleidingsniveau | Specifieke tools/systemen | Bijzonderheden. Geef na de tabel een korte alinea (max. 5 zinnen) met de belangrijkste overeenkomsten en opvallende verschillen tussen de drie functies. [PLAK HIER DE FUNCTIEBESCHRIJVINGEN]

Oefening

Voer de prompt uit met de voorbeelddata. Gebruik de output daarna als basis voor een vervolgvraag: vraag het model welke functie het beste past bij een kandidaat met 5 jaar bureau-ervaring die toe is aan een interne rol zonder commerciële druk. Hoe onderbouwt het model zijn aanbeveling?

05 Feedback van meerdere interviewers samenvoegen Selectie & Besluitvorming ▼

Na een sollicitatieronde heeft u losse notities van drie interviewers — elk met een eigen focus en schrijfstijl. AI kan die samenvatten tot één gebalanceerd kandidaatoordeel, zonder dat individuele meningen de boventoon voeren.

Voorbeelddata — kopieer dit

Kandidaat: Anoniem (ref. KA-2024-047) Functie: Senior Data Analist --- Interviewer 1: Hiring Manager (afd. Finance) --- Sterke technische kennis, weet goed wat hij praat over SQL en Power BI. Beetje droog in communicatie, maar dat hoeft niet erg te zijn voor deze rol. Antwoorden waren soms te lang. Zou hem een kans willen geven. --- Interviewer 2: HR Business Partner --- Prettig gesprek. Kandidaat is goed voorbereid, stelde zelf ook relevante vragen over de teamdynamiek. Licht twijfel over hoe hij omgaat met stakeholders buiten Finance – heeft weinig voorbeelden gegeven van samenwerking met andere afdelingen. Cultuurfit lijkt ok. --- Interviewer 3: Directe collega (medior analist) --- Ik vond hem wat afstandelijk maar dat kan ook zenuwen zijn. Technisch duidelijk capabel. Heeft ervaring met Databricks wat wij nu gaan invoeren, dat is een pluspunt. Zou prima mee kunnen werken.

Prompt

Hieronder staan de individuele beoordelingen van drie interviewers over dezelfde kandidaat. Samenvatting gevraagd voor gebruik in een beslissingsdocument. Structureer de output als volgt: Algemeen beeld | Sterke punten (max. 3 bullets) | Aandachtspunten (max. 3 bullets) | Advies (doorgaan / nader onderzoek / afwijzen) met korte motivatie. Gebruik een neutrale, professionele toon. Baseer je uitsluitend op de aangeleverde informatie. [PLAK HIER DE INTERVIEWFEEDBACK]

Oefening

Voer de prompt uit en lees het gegenereerde advies kritisch. Weerspiegelt de samenvatting alle drie de interviewers eerlijk, of trekt het model één perspectief zwaarder? Vraag daarna een alternatieve versie waarbij het model een expliciet go/no-go advies geeft en dat motiveert in twee zinnen. Bent u het eens met de uitkomst?

06 Sollicitatiereacties scoren op aansluiting bij functieprofiel Screening ▼

Bij een populaire vacature kunnen tientallen reacties binnenkomen. Door AI een scoremodel te laten toepassen op basis van het functieprofiel, kunt u snel een eerste selectie maken en de meest kansrijke kandidaten prioriteren.

Voorbeelddata — kopieer dit

FUNCTIEPROFIEL (vereisten): - Minimaal 3 jaar ervaring als HR-adviseur of recruiter - Kennis van arbeidsrecht (basis) - Ervaring met verzuimbegeleiding - HBO werk- en denkniveau - Goede communicatieve vaardigheden --- REACTIE 1 – Kandidaat: B. Willems Ik heb 5 jaar gewerkt als HR-adviseur bij een productiebedrijf. In die rol was ik verantwoordelijk voor verzuimbegeleiding, functioneringsgesprekken en het opstellen van arbeidscontracten. Ik heb een HBO-diploma HRM en ben bekend met de Wet poortwachter. REACTIE 2 – Kandidaat: R. Okonkwo Ik ben recent afgestudeerd aan de PABO en zoek een uitdagende baan. Ik ben een snelle leerder en werk graag met mensen. Ik heb nog weinig HR-ervaring maar ben erg gemotiveerd. REACTIE 3 – Kandidaat: C. Lindström Ik werk al 8 jaar in de HR en heb brede ervaring. Momenteel ben ik HR-manager bij een retailketen waar ik een team van 4 HR-adviseurs aanstuur. Arbeidsrecht is mijn specialisme; ik heb meerdere reorganisaties begeleid. Verzuim wordt bij ons door een externe partij gedaan dus daar heb ik weinig hands-on ervaring mee. REACTIE 4 – Kandidaat: M. de Graaf Drie jaar geleden ben ik begonnen als recruiter bij een uitzendbureau. Vorig jaar ben ik overgestapt naar een interne HR-rol bij een logistiek bedrijf. Ik pak momenteel ook verzuimcases op, hoewel dat nieuw voor me is. HBO Bedrijfskunde. Communiceren en schakelen vind ik het leukste aan mijn werk.

Prompt

Hieronder staan een functieprofiel en vier sollicitatiereacties. Beoordeel elke kandidaat op aansluiting bij het profiel. Gebruik een scoremodel van 1 tot 5 per vereiste, en geef een totaalscore. Presenteer de resultaten als een tabel: Kandidaat | Score per eis (5 kolommen) | Totaal | Aanbeveling (uitnodigen / reservelijst / afwijzen). Voeg per kandidaat één zin toe met de belangrijkste reden voor de aanbeveling. [PLAK HIER HET FUNCTIEPROFIEL EN DE REACTIES]

Oefening

Voer de prompt uit en vergelijk de AI-score met uw eigen eerste indruk van de vier kandidaten. Zijn er verrassingen? Pas de prompt daarna aan: voeg toe dat de kandidaat ook "affiniteit met de zorgsector" als wens (geen eis) mee moet wegen. Verandert de rangschikking? Bespreek met de groep: wanneer is AI-scoring een hulpmiddel, en wanneer een risico?

Uw opdracht

Kies twee of drie use cases die het meest aansluiten bij uw werkpraktijk.

Klap de kaart open en lees de toelichting.
Kopieer de voorbeelddata en plak deze samen met de prompt in een AI-tool naar keuze.
Voer daarna de oefening uit en noteer wat opvalt.

Centrale vraag om te bespreken: welke stap in uw huidige werkproces zou u morgen al kunnen vervangen of versnellen met een van deze aanpakken?