Benelux AI Job Scout
Een interne analysetool die twee uur handmatig zoeken naar vacatures in de Benelux verving door een gefilterd overzicht van 20 minuten — door het automatisch ophalen van 14 gratis bronnen en het classificeren van elke vacature op het ene signaal dat vacaturebanken nooit tonen: taaleisen
- Probleem
- Zoeken naar ML/Data/AI-functies in de Benelux kostte ~2 uur/week; ~38% van relevante vacatures verbergt harde taaleisen die in de preview onzichtbaar zijn
- Inzicht
- De woordenschat voor taaleisen is consistent en aanleernbaar, waardoor regelgebaseerde classifiers 5 van 7 dimensies aankunnen; een LLM is slechts nodig voor ~3% van de gevallen
- Oplossing
- Ik bouwde de pipeline volledig solo: verzamelen uit 14 gratis bronnen, elke vacature classificeren op 7 dimensies + CV-match, in een filter-eerst React-dashboard
- Resultaat
- Live op ai-job-hunter.
ontwrpn.com; 282 vacatures geïndexeerd, elk met een taallabel (28/30 correct bij handmatige review); wekelijks zoeken van ~2 uur naar ~20 min (−83%), €0/maand
De blokkade was onzichtbaar — begraven in alinea drie
Zoeken naar ML/Data/AI-functies in België, Nederland en Luxemburg kostte elke maandag ongeveer twee uur. Het diepere probleem: ~38% van de vacatures die relevant leken, vereiste vloeiend Nederlands, Frans of Duits — een harde blokkade die nooit in de titel of vacaturepreview stond. Het verscheen drie alinea’s verder, aangegeven door een woord als vereist, requis of Voraussetzung. Een kandidaat zonder die taal besteedt tien minuten aan het lezen van een vacature waarvoor hij of zij nooit in aanmerking kon komen.
Drie samengestelde tekortkomingen: de zoektocht was versnipperd over vijf vacaturebanken zonder overlap; taaleisen waren systematisch verborgen; en zonder een relevantiesignaal leek elke vacature evenveel waard om te onderzoeken. Het resultaat was twee uur ongerichte zoektocht met een verouderde spreadsheet.
Het probleem was niet een gebrek aan vacatures. Het waren de kosten van het lezen van het juiste signaal uit de ruis
Acht weken zelfevaluatie vóór een regel code
De verkenningsfase liep door november 2025. Ik mat acht weken handmatige zoeksessies op de Benelux-arbeidsmarkt (gemiddeld: ~2 uur, waarvan ~40 minuten op taalgeblokkeerde vacatures), ondervroeg 12 actieve Benelux-bronnen op API-beschikbaarheid en ToS-beperkingen, en sampelde handmatig 50 ML/Data-vacatures van Adzuna BE en NL om de woordenschat van taaleisen te karakteriseren.
Belangrijkste bevindingen: Adzuna is de enige gratis bron die België en Nederland dekt met salarissignalen; VDAB vergrendelt API-toegang achter een ondertekende partnerovereenkomst; LinkedIn en Indeed zijn in de praktijk niet beschikbaar voor kleine tools. Luxemburg heeft een structurele dekkingskloof — er bestaat geen lu-endpoint en ADEM publiceert geen live vacature-API. De woordenschat voor taalblokkades bleek consistent en aanleernbaar: vloeiend, vereist, courant, maîtrise, muttersprachlich, C1, B2 voor vereist; een plus, un atout, von Vorteil, nice to have voor optioneel.
~38% van de handmatig gesampelde vacatures bevatte een harde taaleis die onzichtbaar was in de vacaturepreview. De woordenschat was stabiel genoeg om regelgebaseerd te classificeren — met een LLM alleen nodig voor de ~3% ambigue gevallen waarbij formuleringen als “working language is French” de regex trotseerden.
Eerst regelgebaseerd; LLM alleen voor de ambigue 3%
De classificatiepipeline dekt zeven dimensies. Vijf bleken betrouwbaar regelgebaseerd: taal van de vacature (franc-min trigram-model), arbeidstype (meertalige regex), functiefamilie (titelpatroonmatching met fuzzy-fallback), senioriteit (titel-regex) en vaardigheidextractie (gazetteer van 50 termen met aliassen). Remote-type gebruikt een trefwoordclassifier. Alleen taaleisen escaleren naar een LLM — wanneer de modificator rond een taalvermelding onduidelijk is.
Het taalovereenkomstlabel heeft vier waarden: Goed (Engels OK), Misschien (lokale taal voorkeur), Risico (waarschijnlijk vereist, formulering ambigu), Blokkade (expliciet vereist). In de eerste productierun over 282 vacatures werd het LLM 8 keer aangeroepen — 8 van de 1.500 gratis dagelijkse Gemini-verzoeken. NLP-kosten: €0/maand. De regelgebaseerde logica draait al vier weken zonder één onterecht Blokkade-label — de twee fout-positieven uit de controle waren Misschien/Risico. Een fijnafgestemd model zou marginaal nauwkeuriger zijn op randgevallen; voor een woordenschatstabiel domein als HR-signaalwoorden is deterministische logica de juiste standaard.
Taalblokkades zichtbaar vóór het openen van een kaart — de classifier markeert harde eisen die vacaturebanken begraven in alinea drie
Filter-eerst-dashboard gebouwd rond het taalovereenkomstsignaal
14 gratis vacaturebronnen (Adzuna, EURES, Arbeitnow, Remotive, RemoteOK, Jobicy, The Muse, Greenhouse, Lever, Recruitee, SmartRecruiters, Ashby, Workable, HN Who’s-Hiring) voeden een dagelijkse verzamel→classificeer→embed-pipeline die in-process draait via node-cron. Elke vacature wordt geclassificeerd op zeven dimensies en gescoord aan de hand van een geüpload CV via term-overlap matching. Het React-dashboard toont filters als URL-parameters — elke gefilterde weergave is deelbaar en overleeft een paginaverversing.
Een persistente taallegenda staat onder de filterbalk in elke weergave. De vacaturedetailpagina toont classificatielabels en een Solliciteer-knop boven de vouw — vóór de beschrijving. Een licht en een donker thema worden allebei meegeleverd: de app volgt de systeeminstelling, en de schakelaar in de navigatiebalk slaat de keuze op in localStorage via een enkel data-theme-attribuut op het rootelement. Een vijfstappige onboarding-tour begeleidt nieuwe gebruikers door de logica van de taallabels.
Live — 14 bronnen, 282+ vacatures geïndexeerd, filteren op taalovereenkomst, functiefamilie, senioriteit, remote-type
Licht thema
Donker thema — volgt de systeeminstelling
Vacaturedetail — Solliciteer boven de vouw
Taallegenda — persistent in elke weergave
Wekelijks zoeken: 2 uur → 20 minuten. Infrastructuurkosten: €0
Live sinds mei 2026. Vier weken vroege productiedata (geschat op basis van bijgehouden sessies, geen rigoureuze studie): wekelijkse zoeksessie −83% (2 uur → 20 minuten); tijd op taalgeblokkeerde vacatures −95% (40 min → 2 min); tijd om Vandaag-Solliciteren-kandidaten te identificeren −92% (60 min → 5 min). 282 vacatures geïndexeerd in België (122), Nederland (145) en remote Benelux (15). 100% geclassificeerd met taalovereenkomst. Marginale infrastructuurkosten: €0/maand — draait mee op een gedeelde Hetzner VPS die al liep (zelfgehoste Coolify en Postgres), LLM op de gratis tiers van Gemini/Groq.
Handmatige nauwkeurigheidsbeoordeling op 30 willekeurig gesampelde classificaties: taalovereenkomst 28/30 correct (twee valse positieven uit Nederlands in boilerplate juridische secties, een bekende fix in de wachtrij); arbeidstype 26/30; functiefamilie 29/30. Richtinggevend bemoedigend — geen rigoureuze studie. De dominante besparing zit in het filteren op taaleisen: de classifier toont de blokkade vóór het openen van de kaart, waardoor de tien-minuten-leesbeurten die nooit haalbare sollicitaties waren, worden geëlimineerd.
Het meest waardevolle signaal is vaak het signaal dat niemand toont. Elke vacaturebank weet van taaleisen. Bijna geen enkele laat erop filteren — en de paar die het doen, dekken alleen hun eigen markt
Eerst regels, en de vier weken dat dit gewoon een vacaturebank was
Elke vacature door een LLM laten classificeren is het standaardantwoord in 2026. Ik heb in plaats daarvan eerst gemeten. Een steekproef van 50 vacatures liet zien dat het vocabulaire rond taaleisen stabiel genoeg was voor regels, met een model alleen nodig voor de circa 3% twijfelgevallen waar formuleringen als “de werktaal is Frans” een regex verslaan. Alles naar een model sturen had non-determinisme en een doorlopende rekening opgeleverd voor een probleem dat regels al oplosten.
Bronnen kiezen betekende de meeste ervan afwijzen. VDAB zet API-toegang achter een getekende partnerovereenkomst, en LinkedIn en Indeed zijn voor een kleine tool feitelijk verboden terrein volgens hun voorwaarden. Daaromheen scrapen was mogelijk en ik heb het niet gedaan. Adzuna is de enige gratis bron die zowel België als Nederland dekt mét salarissignalen, dus smallere dekking werd de prijs voor een tool die ik daadwerkelijk kon publiceren.
De fout in de volgorde is meer waard dan de architectuur. De eerste vier weken in productie werden 282 vacatures alleen op plaatsingsdatum gerangschikt, wat niet wezenlijk verschilt van de vacaturebanken die dit moest vervangen. De fit-score wás het hele onderscheid en kwam te laat. Die had er vanaf dag één moeten zijn. De classifier is bovendien gevalideerd tegen een handmatige steekproef van 30 vacatures, terwijl de juiste validatie was geweest om sollicitatie-uitkomsten vanaf het begin te loggen en echte recall en precisie te berekenen.
Wat ik anders zou doen — en wat de €0-beperking me leerde
Nog één retrospectieve opmerking naast de volgordefout hierboven: VDAB — de rijkste bron voor Belgische vacatures — werd uitgesteld vanwege de vereiste partnerovereenkomst. Het had de eerste integratie moeten zijn.
De €0/maand-beperking dwong tot betere architectuur. Regelgebaseerde NLP vereist geen API en is voorspelbaar te debuggen bij fouten. De in-process node-cron-scheduler heeft geen betaalde cron-service nodig en draait op dezelfde machine als de data. De discipline van bouwen onder een harde kostengrens leverde meer draagbare, minder gekoppelde code op dan een open budget had kunnen doen.
