Een nieuwe aanvraag komt binnen. Een klant zoekt iemand met specifieke ervaring, een bepaald niveau, kennis van een paar systemen en beschikbaarheid binnen een bepaalde periode. De recruiter weet dat er waarschijnlijk geschikte mensen in de kandidatenpool staan. Alleen: welke?
Dan begint het zoeken. CV's openen, profielen teruglezen, zoekwoorden proberen, oude gesprekken erbij pakken en controleren of iemand nog beschikbaar is. Daarna begint pas het echte werk: beoordelen of de kandidaat inhoudelijk past.
Dat eerste deel kan veel slimmer. Niet door AI te laten beslissen wie geschikt is, maar door recruiters sneller bij de relevante profielen te brengen.
De kandidaat zit vaak al in je database
Veel detacheerders hebben in de loop der tijd een grote hoeveelheid kandidaatinformatie opgebouwd. CV's, intakeverslagen, profielen, eerdere sollicitaties, notities en gegevens over ervaring en beschikbaarheid.
Die informatie is waardevol, maar alleen als je haar snel kunt terugvinden. Een klassieke zoekfunctie werkt vaak vooral op exacte woorden. Staat in een aanvraag bijvoorbeeld projectcoördinatie en gebruikt een kandidaat vooral projectbegeleiding, dan kan een relevant profiel buiten beeld blijven.
Daar kan AI helpen. Niet door een kandidaat te beoordelen, maar door betekenis in taal te herkennen en relevante informatie beter vindbaar te maken.
Van vacaturetekst naar relevante profielen
Een workflow kan een aanvraag eerst ontleden in functiegerelateerde criteria, zoals ervaring, inhoudelijke kennis, gewenste beschikbaarheid en andere concrete eisen. Daarna kan de bestaande kandidatenpool worden doorzocht op profielen die inhoudelijk aansluiten.
De recruiter krijgt dan geen definitieve selectie, maar een kleinere set profielen die het waard is om zelf te bekijken. De route wordt bijvoorbeeld: aanvraag ontvangen, functie-eisen herkennen, kandidatenpool doorzoeken, relevante profielen tonen, recruiter beoordeelt en daarna pas contact opnemen.
Matching is iets anders dan selecteren
Dat onderscheid is belangrijk. AI kan helpen kandidaten terug te vinden die anders misschien niet meteen bovenaan de zoekresultaten zouden staan. Maar het systeem hoort niet zelfstandig te bepalen wie wel of niet doorgaat.
Een recruiter kijkt naar context. Hoe actueel is de ervaring? Hoe zwaar woog een bepaalde verantwoordelijkheid in een eerdere functie? Sluit iemand aan bij wat de opdrachtgever werkelijk nodig heeft? Dat soort beoordeling vraagt om menselijke interpretatie.
Ook moet de matching gebaseerd zijn op functiegerelateerde informatie. Persoonskenmerken die niets zeggen over geschiktheid horen daar niet in thuis.
Laat zien waarom een profiel relevant is
Een schijnbaar exacte matchscore kan meer zekerheid suggereren dan er werkelijk is. Is kandidaat A met 87 procent werkelijk beter dan kandidaat B met 82 procent? Niet per se.
Veel nuttiger is uitleg. Bijvoorbeeld: dit profiel bevat ervaring met vergelijkbare projecten, kennis van systeem X en beschikbaarheid vanaf volgende maand. Dan kan een recruiter zelf beoordelen of die argumenten zwaar genoeg wegen.
AI ondersteunt daarmee het zoeken. De professional neemt de beslissing.
Het cv vertelt niet altijd het hele verhaal
Een tweede voordeel ontstaat wanneer meer dan alleen een cv beschikbaar is. Misschien heeft een recruiter eerder al een intake gevoerd. Misschien staat in een notitie dat iemand interesse heeft in een specifieke sector of type opdracht.
Zulke informatie kan relevant zijn zolang die zorgvuldig en functiegericht wordt gebruikt. Een slimme zoeklaag kan verschillende bestaande bronnen combineren en zichtbaar maken waarom een profiel als relevant wordt getoond.
Sneller zoeken geeft recruiters meer tijd voor recruitment
Recruitment draait uiteindelijk niet om databases doorzoeken. Het draait om mensen spreken, begrijpen wat iemand zoekt, doorvragen op ervaring en een opdrachtgever helpen scherp te krijgen wat hij werkelijk nodig heeft.
Als een recruiter iedere nieuwe aanvraag begint met een lange zoektocht door bestaande profielen, gaat een deel van die tijd verloren aan informatie terugvinden. Dat is precies het werk dat technologie beter kan ondersteunen.
Ook oude kandidaten worden weer bruikbaar
Een profiel dat een jaar geleden niet aansloot bij een specifieke aanvraag kan vandaag uitstekend passen. Als niemand eraan denkt die kandidaat opnieuw te zoeken, blijft die informatie ongebruikt.
Een betere zoeklaag maakt het makkelijker om iedere nieuwe aanvraag opnieuw langs de bestaande pool te leggen. Zo hoeft recruitment niet altijd te beginnen met nieuwe kandidaten zoeken.
Begin bij jullie huidige zoekproces
Pak een recente klantaanvraag en kijk hoe een recruiter vandaag probeert passende kandidaten te vinden. Welke informatie gebruikt hij? Welke filters werken goed? Waar moet hij handmatig CV's openen? Welke woorden gebruikt de opdrachtgever en welke woorden gebruiken kandidaten voor vergelijkbare ervaring?
Aan de backofficekant van detachering speelt hetzelfde principe. Lees ook hoe urenregistratie en facturatie slimmer kunnen doorstromen.
Hoeveel tijd gaat nu naar zoeken?
Niet naar beoordelen en niet naar kandidaten spreken, maar puur naar het terugvinden van de juiste profielen. Als recruiters veel tijd kwijt zijn aan zoeken in informatie die al aanwezig is, hoeft de eerste verbetering niet ingewikkeld te zijn.