UWV stopt met de ontwikkeling van de Bemiddelingsservice (BMS) na een investering van circa €55 miljoen. De belangrijkste les is niet dat AI-matching per definitie niet werkt, maar dat een vernieuwend systeem pas verantwoord kan opschalen wanneer de toegevoegde waarde, datakwaliteit, technische inpassing en menselijke controle aantoonbaar op orde zijn.
BMS moest UWV-adviseurs helpen om werkzoekenden en vacatures te koppelen op basis van vaardigheden, competenties en ambities. Volgens UWV bleek er uiteindelijk onvoldoende vertrouwen dat invoering binnen een aanvaardbare termijn en tegen verantwoorde kosten zou slagen. Voor organisaties die AI inzetten in recruitment of HR is dit een scherpe herinnering: koop niet alleen technologie, ontwerp ook het leer- en controleproces eromheen.
Kort antwoord: behandel AI-matching als een toetsbare vernieuwing, niet als een systeemimplementatie die na oplevering vanzelf waarde levert. Start met een afgebakende doelgroep, maak vooraf meetbaar wat een goede match is, controleer gegevens en laat professionals verantwoordelijk blijven voor de uiteindelijke keuze.
Wat was de Bemiddelingsservice van UWV?
De Bemiddelingsservice, meestal BMS genoemd, was bedoeld als opvolger van bestaande UWV-systemen voor arbeidsbemiddeling. Waar de oude werkwijze vooral uitging van opleiding, werkervaring en eerder uitgeoefende beroepen, moest BMS matching op vaardigheden, competenties en ambities mogelijk maken.
Dat doel is logisch. Iemand die nog niet eerder als planner heeft gewerkt, kan bijvoorbeeld wel vaardigheden hebben die daarbij passen: organiseren, communiceren, prioriteren en werken met systemen. Skillsgerichte matching kan zulke overstappen beter zichtbaar maken dan een vergelijking van functietitels alleen.
BMS had in fase 1 ongeveer 3.000 UWV-adviseurs moeten ondersteunen. Een latere fase zou mogelijk ook werkzoekenden en werkgevers rechtstreeks bedienen. Het Adviescollege ICT-toetsing benadrukte dat de toepassing onderdeel moest worden van een complexe informatieketen met onder meer Werk.nl, SONAR en een nieuwe geconsolideerde database.
Waarom stopte UWV met BMS?
UWV maakte op 13 oktober 2026 bekend te stoppen met de ontwikkeling van BMS. De organisatie noemt problemen rond gegevenskwaliteit, technische inpassing in de bestaande omgeving en een aanpak die onvoldoende paste bij het vernieuwende karakter van het project. UWV zag onvoldoende vertrouwen in een succesvolle invoering binnen een aanvaardbare termijn en tegen verantwoorde kosten.
Sinds de start in 2021 was volgens UWV circa €55 miljoen aan het project besteed. Daarin zitten niet alleen licenties en externe diensten, maar ook investeringen in eigen infrastructuur, zoals een integratieplatform, een database voor vacatures en profielen en een containerplatform. UWV onderzoekt nog welk deel daarvan herbruikbaar is.
Het besluit betekent nadrukkelijk niet dat UWV afstand doet van skillsgerichte arbeidsbemiddeling. Die ambitie blijft bestaan. Wel laat het zien dat een ambitie met AI pas waarde krijgt wanneer techniek, gegevens, werkproces en meetmethode samenkomen.
Was de software de oorzaak van het stoppen?
Daar is op basis van de openbare bronnen geen eenvoudige conclusie over te trekken. Het AcICT stelde in zijn advies van februari 2026 niet vast dat het aangeschafte product ondeugdelijk was. Het college kon echter ook niet concluderen dat het product voor UWV voldeed. De hoofdconclusie was dat het implementatieproces onvoldoende beheerst was.
Dat onderscheid is belangrijk. Grote AI-projecten stranden zelden door één oorzaak. Bij BMS kwamen meerdere vernieuwingen tegelijk samen:
- matching op vaardigheden, competenties en ambities in plaats van alleen opleiding en werkervaring;
- aansluiting op bestaande en deels verouderde systemen;
- uitwisseling en aanvulling van gegevens in meerdere applicaties;
- implementatie van een standaardpakket in een specifieke UWV-omgeving;
- nieuwe eisen rond de Europese AI-verordening;
- samenwerking tussen opdrachtgever, interne teams en leverancier.
Wie dan alleen vraagt of “de AI goed genoeg was”, kijkt te smal. De bruikbare vraag is: kan de hele keten betrouwbare, uitlegbare en bruikbare matches opleveren voor de mensen die ermee werken?
Welke problemen zag het Adviescollege ICT-toetsing?
Het AcICT formuleerde drie hoofdproblemen: de aanpak paste niet bij het vernieuwende karakter, UWV kreeg onvoldoende grip op kwaliteit en het project liep uit in tijd en geld. Die analyse bevat lessen die ook buiten de publieke sector relevant zijn.
1. Te veel vernieuwing tegelijk maakt leren moeilijk
BMS combineerde nieuwe matchinglogica met nieuwe gegevens, nieuwe koppelingen, nieuwe infrastructuur en nieuwe regelgeving. De uitvoering was daardoor niet alleen een software-implementatie, maar een organisatieverandering met technische onzekerheden.
Het college adviseerde juist om eerst in kleine stappen vast te stellen of de matchingsfunctionaliteit aantoonbare waarde had. Pas daarna zouden verdere integratie en optimalisatie moeten volgen. Dat is een fundamenteel andere volgorde dan eerst een complete keten bouwen en daarna ontdekken of gebruikers er beter mee kunnen werken.
2. De definitie van een goede match was onvoldoende scherp
Een AI-match klinkt objectief, maar is dat niet vanzelf. Wat telt als succes?
- Krijgt een adviseur sneller een bruikbare shortlist?
- Ziet een werkzoekende kansen die anders niet in beeld komen?
- Leidt een suggestie tot een gesprek, sollicitatie, plaatsing of duurzaam werk?
- Voor welke doelgroep werkt de matching aantoonbaar wel of juist niet?
- Hoe vaak wijkt een professional gemotiveerd af van een matchvoorstel?
Volgens het AcICT definieerde het Programma van Eisen onvoldoende hoe de kwaliteit van matching moest worden vastgesteld en welke verbetering werd verwacht. Een eenmalige vergelijking van uitkomsten van oud en nieuw systeem bood onvoldoende zekerheid over de werking in de praktijk.
Zonder vooraf gekozen kwaliteitscriteria ontstaat een risico: een systeem lijkt indrukwekkend omdat het veel suggesties produceert, terwijl niemand kan vaststellen of die suggesties relevanter, eerlijker of effectiever zijn.
3. Data is niet alleen brandstof, maar onderdeel van het product
Skillsgerichte matching vraagt om meer dan een cv met functietitels. Als vaardigheden, competenties en ambities ontbreken, onvolledig zijn of verschillende betekenissen hebben in verschillende systemen, kan een algoritme die onzekerheid niet vanzelf oplossen.
In het BMS-project zorgde het automatisch aanvullen van vaardigheden, competenties en ambities voor extra complexiteit. De leverancier ging uit van invoer in de eigen applicatie, terwijl UWV bestaande gegevens als vertrekpunt wilde gebruiken. Dat leidde tot aanvullende functionaliteit en afhankelijkheden.
De les voor elke organisatie: maak vóór je automatiseert helder welke gegevens echt nodig zijn, wie ze beheert, hoe actueel ze moeten zijn en wat er gebeurt als informatie ontbreekt. Slechte of onduidelijke invoer wordt geen betrouwbare uitkomst doordat er AI bovenop staat.
4. Een standaardpakket verliest zijn voordeel bij veel uitzonderingen
Standaardsoftware kan snelheid, onderhoudbaarheid en bewezen werkwijzen bieden. Dat voordeel neemt af wanneer de organisatie tegelijk veel eigen processen, termen, koppelingen en uitzonderingen wil laten inbouwen.
Het AcICT zag dat BMS als standaardpakket was geselecteerd, maar dat er toch aanpassingen nodig waren. Dat is soms onvermijdelijk, zeker in een publieke uitvoeringsorganisatie. Het vraagt dan wel om expliciete keuzes: welke werkwijze passen we aan, welke aanpassing is werkelijk noodzakelijk en wat betekent die voor testen, onderhoud en uitlegbaarheid?
Een goede vuistregel is: pas eerst het proces aan waar dat verantwoord kan, en pas de software alleen aan wanneer de organisatie daar een aantoonbare reden voor heeft.
Wat betekent dit voor menselijk oordeel in recruitment?
AI-matching kan patronen en mogelijkheden zichtbaar maken die een mens onder tijdsdruk mist. Maar een matchvoorstel is geen besluit. De context achter een loopbaan, vacature of ambitie past niet volledig in een profiel.
Een recruiter of adviseur ziet bijvoorbeeld zaken die een model niet vanzelf begrijpt: een recente omscholing, een onrealistische reistijd, een motivatie die niet in trefwoorden past, een noodzakelijke aanpassing in het werk of een kandidaat die met de juiste begeleiding juist kansrijk is. Daarom hoort AI in recruitment te ondersteunen bij voorbereiding en verkenning, terwijl de mens verantwoordelijk blijft voor beoordeling, gesprek en besluit.
Dat sluit aan bij onze eerdere uitleg over menselijk oordeel wanneer AI meewerkt. Hoe groter de gevolgen van een beslissing voor iemands kansen op werk, hoe belangrijker het is dat een deskundig mens de uitkomst kan begrijpen, bevragen en zo nodig naast zich neerleggen.
Veelgestelde vragen over het gestopte AI-matchingproject van UWV
Hoeveel kostte het AI-matchingproject BMS van UWV?
UWV meldt dat sinds de start in 2021 circa €55 miljoen aan de Bemiddelingsservice is besteed. Dat bedrag omvat onder meer licenties, externe diensten en investeringen in UWV-infrastructuur. UWV onderzoekt nog welk deel van de ontwikkelde onderdelen herbruikbaar is.
Is skillsgerichte matching daarmee mislukt?
Nee. UWV heeft aangegeven dat de ambitie om vaardigheden en competenties centraal te stellen in arbeidsbemiddeling blijft bestaan. Het stopzetten van BMS zegt vooral dat deze specifieke implementatie onvoldoende perspectief bood op een succesvolle invoering binnen acceptabele tijd en kosten.
Was de AI van leverancier 8vance ondeugdelijk?
Dat is niet vastgesteld in het openbare AcICT-advies. Het adviescollege stelde dat het niet kon concluderen dat het product voor UWV voldeed, maar ook niet dat het product ondeugdelijk was. De conclusie ging over een onvoldoende beheerst implementatieproces met problemen rond aanpak, kwaliteit, integratie en kosten.
Wat is de belangrijkste les voor organisaties die AI willen inzetten in recruitment?
Begin met een kleine, meetbare toepassing. Definieer vooraf wat een betere match betekent, toets met echte gebruikers, zorg voor betrouwbare gegevens en houd een professional verantwoordelijk voor de uiteindelijke beoordeling. Schaal pas op wanneer die waarde en beheersing aantoonbaar zijn.
Niet eerst groter, maar eerst aantoonbaar beter
Het stoppen van BMS is pijnlijk, juist omdat betere matching veel kan betekenen voor werkzoekenden, werkgevers en adviseurs. Tegelijk is het een noodzakelijke les voor iedere organisatie die AI inzet bij mensen en werk: technologie verdient vertrouwen niet door een veelbelovende belofte, maar door aantoonbaar bruikbare, eerlijke en controleerbare resultaten.
Begin daarom niet met een organisatiebrede uitrol. Kies één matchingvraag, laat een klein team ermee werken, leg vast wat succes is en bespreek ook de uitkomsten die niet passen. Pas wanneer je weet voor wie, wanneer en waarom de AI echt helpt, is opschalen een verantwoorde volgende stap.
Bronnen
- UWV, “UWV stopt met ontwikkeling van Bemiddelingsservice, ambitie rond skillsgerichte arbeidsbemiddeling blijft overeind”, 13 oktober 2026.
- Adviescollege ICT-toetsing, “Advies Bemiddelingsservice fase 1”, 2 februari 2026.
- Tweede Kamer, “Stopzetten project Bemiddelingsservice (BMS)”, brief regering, 14 oktober 2026.
- Recruitmenttech.nl, “UWV stopt na 55 miljoen euro met AI-matchingproject”, 14 oktober 2026.
