
Vibecoding is een van de meest besproken AI termen en prijkte bovenaan talloze tech-trendlijsten, en toch hebben de meeste recruiters er nog nooit van gehoord. Dat is een gemiste kans.
Want vibecoding is precies wat het klinkt: jij beschrijft in gewone taal wat je wil bouwen, en AI schrijft de code. Geen programmeerkennis nodig.
Dit artikel legt uit wat vibecoding is, welke concrete toepassingen er zijn voor recruitment, en hoe je morgen kunt beginnen.
Wat elke recruiter moet weten over vibecoding
Maak je eerste zelfgebouwde AI-tool voor recruitment.
Wat is vibecoding precies?
De naam klinkt speels, maar het idee is serieus. Karpathy omschreef het als: je ziet iets, je zegt iets, je runt iets, je kopieert iets. De AI doet het daadwerkelijke codeerwerk. Jij houdt je bezig met wat je wil bouwen, niet met hoe je dat technisch voor elkaar krijgt.
Wat vibecoding onderscheidt van gewoon ChatGPT gebruiken? Bij ChatGPT vraag je om tekst of uitleg. Bij deze aanpak gebruik je gespecialiseerde platforms die de door AI gegenereerde code direct uitvoeren, testen en aanpassen. Je bouwt zo letterlijk een werkende applicatie via een gesprek.
Dat klinkt abstract, maar in de praktijk betekent het: een recruiter zonder enige programmeerervaring kan in een middag een werkende mini-tool bouwen die een terugkerend probleem in het recruitmentproces oplost.
Waarom is vibecoding relevant voor recruiters?
Recruiters zitten al jaren klem tussen twee werelden. Aan de ene kant: een overvloed aan kant-en-klare HR-software die nooit helemaal aansluit op de eigen werkwijze. Aan de andere kant: een IT-afdeling die prioriteiten heeft die zelden samenvallen met een klein recruitment-vraagstuk. Het gevolg is dat veel recruiters doorwerken met een spreadsheet van drie jaar oud of wachten op een oplossing die er nooit komt.
Deze aanpak doorbreekt die patstelling. Niet voor grote, complexe systemen, maar voor de kleine tools die altijd worden uitgesteld. Een eigen kandidaattracker voor een specifiek project. Een scoreformulier dat automatisch berekent. Een eenvoudige intake-checker voor hiring managers.
Dit sluit aan op een bredere trend in AI in recruitment: de focus verschuift van grote enterprise-systemen naar snelle, gerichte toepassingen die recruiters zelf in de hand hebben. Vibecoding is daarin een nieuwe stap. Niet van AI als gebruiker, maar als bouwer.
5 concrete toepassingen in recruitment
Vibecoding werkt het best voor taken die nu handmatig of in Excel worden gedaan, een vaste structuur hebben en specifiek zijn voor jouw werkwijze. Hieronder vijf toepassingen die recruiters en TA-teams het vaakst noemen, gebaseerd op wat er gedeeld wordt op LinkedIn, Reddit en in HR-vakblogs.
1. Automatische scoring van sollicitaties
Een van de meest tijdbesparende toepassingen is een tool die cv’s, motivatiebrieven of uitwerkingen van een case afzet tegen een zelfgedefinieerde scorecard. Je bepaalt zelf welke criteria zwaar wegen, en de tool geeft per kandidaat een score. Het menselijk oordeel blijft daarna aan jou: de tool ondersteunt, maar beslist niet.
Er zijn voorbeelden van recruiters die zo’n systeem in een paar uur bouwden voor het beoordelen van case studies voor managementfuncties: een uitwerking wordt in dertig seconden gescoord op succesindicatoren. Dat vervangt langere panelbesprekingen zonder de menselijke afweging weg te nemen. Een gestandaardiseerd scoreformulier verhoogt de objectiviteit van selectie aantoonbaar (Schmidt & Hunter, 1998).
2. Hiring dashboard voor je eigen team
De meeste ATS-systemen bieden standaard rapportages, maar zelden het overzicht dat jouw team op dat moment nodig heeft. Met vibecoding bouw je een lichtgewicht dashboard dat precies de cijfers toont die voor jou tellen: open posities versus budget, time-to-hire per afdeling, of de verdeling in je wervingsfunnel. Sommige TA-teams vervangen hiermee dure SaaS-abonnementen door een interne tool die volledig aansluit op hun eigen definities en data.
3. Vacature-intakechecklist voor hiring managers
Een intake die pas halverwege het proces duidelijk maakt wat de hiring manager werkelijk zoekt, kost veel tijd. Een eenvoudige tool die de hiring manager stap voor stap door vragen leidt, antwoorden opslaat en een samenvatting teruggeeft, scheelt aanzienlijk heen-en-weer communicatie. Je bepaalt zelf welke vragen worden gesteld en in welke volgorde. Geen formulier dat iemand anders heeft ontworpen en dat nergens precies past.
4. Automatisering van terugkerende taken
Een voorbeeld dat recruiters regelmatig noemen: een tool die vacaturesites scrapet op functies die aansluiten bij een specifieke zoekopdracht, de resultaten filtert op relevante criteria en ze geordend teruggeeft in een overzicht. Wat vroeger handmatig rondklikken kostte, doet de tool in seconden.
Ook het doorsturen van informatie naar je CRM of het aanmaken van uitnodigingen zijn taken die je met vibecoding kunt automatiseren. Voor integraties met bestaande systemen combineer je het met no-code tools als Zapier of n8n.
5. Employee referral tracker
Referral recruitment levert gemiddeld betere hires op dan andere kanalen, maar veel referralprogramma’s mislukken door slechte administratie. Medewerkers horen niets meer terug nadat ze iemand hebben aanbevolen. Er is geen overzicht van wie wat heeft aangedragen en in welke fase de kandidaat zit.
Dat is precies het type probleem waarvoor vibecoding past: bouw een lichtgewicht tracker die bijhoudt welke medewerker wie heeft aanbevolen, automatisch statusupdates verstuurt en een eenvoudig overzicht geeft aan de recruiter. Geen koppeling met je ATS nodig, geen IT-afdeling. Gewoon een tool die doet wat jouw referralprogramma nu mist.
Welke tools gebruik je voor vibecoding?
Er zijn inmiddels tientallen platforms beschikbaar. Welk platform het best past, hangt af van hoe je werkt en wat je wil bouwen.
Claude (via claude.ai of ingebouwd in Cursor) wordt door recruiters het vaakst genoemd voor taken met complexe logica: een scorecard met meerdere wegingen, een tool die tekst analyseert of een gestructureerde samenvatting genereert. Claude redeneert goed over meerstaps-processen en is daardoor sterk bij tools waarbij de volgorde van stappen ertoe doet.
Cursor is een code-editor met AI ingebouwd en werkt goed als je een tool wil doorontwikkelen of aanpassen over meerdere bestanden. Veel recruiters die verder gaan dan een eerste prototype schakelen over naar Cursor voor de controle die het geeft.
Bolt.new en Lovable zijn browsergebaseerde platforms waarbij je in gewone taal beschrijft wat je wil bouwen en direct een werkende webapplicatie terugkrijgt. Lovable legt extra nadruk op visuele afwerking. Beide hebben een gratis versie en zijn het makkelijkst als startpunt voor niet-programmeurs.
Replit en v0 (van Vercel) zijn goede keuzes als je iets wil bouwen dat een klein team gaat gebruiken of als je een tool wil koppelen aan een bestaande webomgeving.
Voor recruiters die al werken met Custom GPT-assistenten: vibecoding is de volgende stap. Waar een Custom GPT helpt met tekst en redeneren, helpen deze platforms je met bouwen.
Eerlijk over de beperkingen
Vibecoding heeft reële beperkingen die je vooraf moet kennen. Wie die negeert, loopt tegen problemen aan.
Aandachtspunt: veiligheid en AVG
AI-code is sterk in structuur en opmaak, maar vaak blind voor beveiligingsstandaarden. Denk aan onbeveiligde API-sleutels, prompt injection of onbedoelde toegang tot gegevens. Sla persoonsgegevens van kandidaten nooit op in een zelfgebouwde tool zonder dat de veiligheid is gecontroleerd. Gebruik deze aanpak voor interne hulpmiddelen, niet voor systemen die kandidaatdata verwerken. Check bij twijfel de AVG-regels voor recruitment.
Naast veiligheid zijn er drie andere beperkingen om rekening mee te houden. Ten eerste: de techniek werkt goed voor eenvoudige, op zichzelf staande tools. Zodra de logica complexer wordt of een tool moet integreren met bestaande systemen, wordt het snel ingewikkelder dan het lijkt. Ten tweede: onderzoek laat zien dat de snelheid bij eenvoudige taken sterk toeneemt, maar dat de tijd die nodig is voor controle en foutopsporing vaak wordt onderschat. Wie geen fouten herkent in de output, weet ook niet wanneer iets stiekem mis gaat. Ten derde: de code die AI genereert is moeilijk te onderhouden als je zelf de onderliggende logica niet begrijpt.
Dat brengt ons bij een punt dat weinig vibecoding-artikelen benoemen: je hoeft niet te leren programmeren, maar je moet wel de logica van een proces begrijpen. Wat moet de tool als eerste doen? Wat als er geen invoer is? En als iemand iets invult dat niet klopt? Wie die vragen niet kan beantwoorden, bouwt een tool die werkt totdat die het niet meer doet, en dan vastloopt. Dat is geen reden om het niet te proberen, maar het is een reden om klein te beginnen.
Kort gezegd: zelfgebouwde AI-tools zijn waardevol voor kleine, interne hulpmiddelen. Ze vervangen geen professionele softwareontwikkeling en zijn geen snelweg naar een volledig kandidaatbeheersysteem. Zie het als een manier om problemen op te lossen die anders in Excel blijven steken.
Ook de AI-verordening en de vereisten rond AI-geletterdheid zijn relevant: als je een zelfgebouwde tool inzet in selectieprocessen, gelden er transparantievereisten.

Zo begin je vandaag nog
De beste manier om met vibecoding te starten is door een klein, concreet probleem te kiezen. Iets wat je nu in een spreadsheet bijhoudt, of een taak die je steeds weer opnieuw handmatig doet. Schrijf in drie tot vijf zinnen op wat je wil: wat de tool doet, welke invoer je geeft, welke uitvoer je wil. Ga naar bolt.new of lovable.dev, typ je beschrijving in en kijk wat er uitkomt.
Verwacht niet dat het direct perfect is. Vibecoding is een iteratief proces: je beschrijft, je ziet het resultaat, je past je beschrijving aan. Dat heen-en-weer is juist het mechanisme dat werkt.
Voor wie dieper wil gaan, combineer je dit met kennis van effectieve prompts voor HR en recruitment. Een goed geformuleerde opdracht levert aanzienlijk betere resultaten dan een vage wens.
Wie verder wil dan losse tools en ook AI-agents wil bouwen die meerdere stappen zelfstandig uitvoeren, vindt daarvoor een specifieke training op RecruitmentTraining.pro. Meer daarover hieronder.
Van vibecoding naar je eigen AI-agent
In onze AI-training leer je stap voor stap hoe je een werkende AI-agent bouwt die zelfstandig recruitmenttaken uitvoert.
Veelgestelde vragen over vibecoding voor recruiters
Wat is vibecoding in het kort?
Vibecoding is een methode waarbij je in gewone taal beschrijft wat je wil bouwen, en een AI-model schrijft automatisch de bijbehorende code. De term werd in 2025 geïntroduceerd door AI-onderzoeker Andrej Karpathy. Vibecoding maakt softwarebouw toegankelijk voor mensen zonder programmeerkennis.
Heeft een recruiter programmeerkennis nodig voor vibecoding?
Nee. Vibecoding is juist bedoeld voor mensen die niet kunnen coderen. Je beschrijft in gewone taal wat je wil, en de AI vertaalt dat naar werkende software. Wel helpt het om nauwkeurig te beschrijven wat je wil, want een vage prompt geeft een vaag resultaat.
Welke recruitment tools kun je bouwen met vibecoding?
Geschikte toepassingen zijn: een kandidaattracker op maat, een scoreformulier voor selectiegesprekken, een vacature-intakechecklist voor hiring managers, of een eenvoudige screeningstool op basis van harde criteria. Complexe systemen met veel integraties zijn minder geschikt.
Is vibecoding veilig voor gebruik met kandidaatdata?
Niet zonder extra controle. AI-code is sterk in structuur en opmaak, maar heeft geen ingebouwd besef van beveiligingsstandaarden. Denk aan onbeveiligde API-sleutels of onbedoelde toegang tot gegevens. Gebruik zelfgebouwde tools alleen intern en verwerk geen gevoelige kandidaatdata tenzij de beveiliging is nagekeken.
Welke vibecoding tools zijn geschikt voor beginners?
Bolt.new en Lovable zijn toegankelijke startpunten voor niet-programmeurs. Beide werken via de browser, hebben een gratis versie en zijn geschikt voor kleine, op zichzelf staande tools. Replit is een optie als je een tool wil delen met een klein team.
Wat is het verschil tussen vibecoding en een Custom GPT?
Een Custom GPT helpt je met tekst: schrijven, redeneren, samenvatten, beantwoorden. Vibecoding helpt je met bouwen: je maakt een werkende applicatie die zelfstandig functioneert. Beide zijn nuttig voor recruiters, maar voor andere toepassingen.
Over de auteur
Jacco Valkenburg is recruitment architect, auteur en trainer met 25 jaar ervaring. Hij schreef onder meer het boek Recruitment 4.0 (met een hoofdstuk over AI) en geeft trainingen over AI voor HR en recruitment sinds 2022.