Hoofd Talentwerving bij Thoughtworks deelt hoe je werving met AI verandert in een datagedreven en voorspellend proces

Carla Catelan

Hoofd Talentwerving (Amerika's) bij Thoughtworks

Carla Catelan

Binnen de door AI gestuurde transformatie van Thoughtworks op het gebied van werving: voorspellende modellen verbeteren beslissingen, werkprocessen nemen routinetaken weg en mensen richten zich op wat het belangrijkst is.

Key Takeaways

Integratie van AI: AI verandert talentwerving in een datagedreven en voorspellend proces, terwijl mensgerichte elementen behouden blijven.

Evolutie van leiderschap: AI verschuift leiderschap van uitvoering naar strategisch management, met nadruk op het ontwerpen van besluitvorming binnen organisaties.

Herziening van werkprocessen: AI optimaliseert HR-processen, verhoogt de efficiëntie door gegevens te analyseren en vermindert handmatige taken.

Voorspellende werving: Voorspellende analyses verbeteren de kwaliteit van werving door zich te richten op succespatronen in plaats van op de snelheid van het proces.

Institutionele invoering: Het institutionaliseren van AI is cruciaal; een succesvolle implementatie vereist veranderingen in de organisatiestructuur en datageletterdheid.

Carla Catelan is hoofd talentacquisitie (Amerika's) bij Thoughtworks en een ervaren leidinggevende op directieniveau. Tegenwoordig richt ze zich op het gebruik van AI om talentacquisitie datagedreven en voorspelbaar te maken, terwijl het proces mensgericht blijft.

We spraken met Carla om te horen hoe ze dat doet. Dit is wat ze te zeggen had.

Leiderschap en talentstrategie opnieuw vormgeven

Afbeelding over het opnieuw vormgeven van leiderschap en talentstrategie

Ik ben een senior leidinggevende op het gebied van talentacquisitie, met meer dan twintig jaar ervaring in het opbouwen en opschalen van goed presterende recruitmentorganisaties in heel Noord- en Zuid-Amerika.

Gedurende mijn loopbaan heb ik senior leiderschapsfuncties bekleed bij wereldwijde technologie- en adviesbedrijven zoals Thoughtworks, Cognizant en Hewlett-Packard, waar ik leidinggaf aan grote talentacquisitieteams in meerdere landen. Eerder in mijn loopbaan was ik ook strategisch talentbusinesspartner, waarbij ik senior en leidinggevende leiders adviseerde over personeelsplanning, organisatieontwerp en personeelsstrategie.

Werken op grote schaal heeft mijn leiderschapsontwikkeling gevormd — ik gaf leiding aan teams van meer dan 50 recruiters, begeleidde jaarlijks 600 tot 2.000 aanwervingen en leverde consequent recordresultaten op het gebied van aanwervingsefficiëntie, kandidaatervaring en organisatiegroei.

Naast mijn kerntaken op het gebied van talentacquisitie heb ik strategische programma's voor werkgeversbranding, diversiteit en inclusie en campusrecruitment opgezet en aangestuurd. Daaronder vallen initiatieven die het aannemen van vrouwen en mensen met een beperking aanzienlijk hebben verhoogd en pijplijnen voor beginnende professionals in meerdere landen hebben uitgebreid.

Naast mijn bedrijfsfuncties ben ik ook onafhankelijk adviseur van beecrowd, een wereldwijd platform voor competitief programmeren en technische beoordelingen dat door universiteiten en technologiebedrijven wordt gebruikt om talent voor software-engineering op grote schaal te evalueren. In deze rol adviseer ik over kaders voor talentevaluatie, vaardigheidsbeoordeling en het raakvlak tussen technische excellentie en personeelsstrategie.

De afgelopen jaren is mijn werk steeds meer gericht op de manier waarop AI en datagedreven recruitment leiderschap, talentstrategie en het ontwerp van goed presterende organisaties in complexe, internationale omgevingen opnieuw vormgeven.

More Articles

Waarom AI meer verandert dan alleen technologie

Door AI is mijn rol als leider binnen talentacquisitie verschoven van een primaire focus op uitvoering naar het ontwerpen van strategische talentsystemen die AI benutten om te transformeren hoe organisaties talent aantrekken, beoordelen en betrekken. Deze verschuiving is niet alleen technologisch — ze verandert ook leiderschapsverantwoordelijkheden, organisatieontwerp en de relatie tussen mensen en data.

Talentacquisitie is van oudsher transactioneel, maar door deze transformatie wordt het datagedreven en voorspellend. In plaats van te vertrouwen op handmatige screening en historische gemiddelden, gebruiken we nu op AI gebaseerde lerende agents en voorspellende modellen die grote datasets analyseren om patronen voor succes te identificeren en kandidaten met grotere nauwkeurigheid aan te bevelen.

Door te leren van historische data nemen deze systemen repetitieve taken over, zodat teams weer kunnen doen waar ze goed in zijn: relaties opbouwen en strategische beslissingen nemen.

Uiteindelijk draait leiderschap in een tijdperk waarin AI vooropstaat om het ontwerpen van besluitvormingsarchitecturen: systemen creëren waarin mensen, data en AI samenwerken om betere resultaten te behalen. Dat betekent het opbouwen van ethische governance, duidelijke meetgegevens en geïntegreerde feedbacklussen waarmee organisaties kunnen anticiperen op behoeften, vooroordelen bij selectie kunnen verminderen en de capaciteiten van het personeelsbestand kunnen afstemmen op strategische langetermijndoelen.

Hoe AI HR-werkstromen en besluitvorming transformeert

Wanneer we een workflow met AI vernieuwen, laten we ons leiden door een duidelijk principe: AI neemt handmatig werk weg, structureert kwantitatieve signalen en brengt inzichten aan het licht, terwijl mensen verantwoordelijk blijven voor kwalitatieve beoordeling en de uiteindelijke beslissingen.

Hier zijn enkele voorbeelden van vernieuwingen die we hebben doorgevoerd:

1. Enquêteanalyse en feedbacklussen binnen de organisatie

Een van de meest effectieve toepassingen van AI is het analyseren van grote hoeveelheden enquêtegegevens. Met behulp van meerdere aangepaste Gemini-modellen verwerken we open antwoorden op enquêtes om terugkerende thema's, sentimentpatronen en opkomende risico's binnen teams en regio's te identificeren.

In plaats van te vertrouwen op handmatige tagging of anekdotische interpretatie, stelt AI ons in staat om feedback op schaal te parametriseren en kwalitatieve input om te zetten in gestructureerde signalen die aangeven waar interventies het hardst nodig zijn. Dit heeft de snelheid, consistentie en objectiviteit van de planning voor organisatieverbetering aanzienlijk verbeterd.

2. Interne workflows en het verwijderen van handmatige processen

We hebben AI ook toegepast op interne workflows om handmatig, repetitief werk te verminderen. AI sorteert verzoeken op prioriteit, structureert ongestructureerde input en ondersteunt de voorbereiding van beslissingen binnen interne processen.

Dit heeft de operationele overhead aanzienlijk verminderd, waardoor teams zich kunnen richten op werk met een hogere toegevoegde waarde, zoals strategische probleemoplossing, het onderhouden van relaties met belanghebbenden en continue verbetering, in plaats van op administratieve uitvoering.

3. Prestatie- en evaluatieprocessen

Binnen interne evaluatie- en prestatieprocessen speelt AI een cruciale rol bij het verwerken van de kwantitatieve kant van analyses. AI zoekt, verzamelt en vergelijkt gestructureerde datapunten in de loop der tijd, zodat evaluaties gebaseerd zijn op longitudinaal bewijs in plaats van op actualiteit of geïsoleerde gebeurtenissen.

Hierdoor kunnen leidinggevenden zich richten op de kwalitatieve aspecten van evaluatie — beoordelingsvermogen, context, ontwikkelingsgesprekken en toekomstpotentieel — in plaats van op het verzamelen van gegevens. Het resultaat zijn meer gedisciplineerde, eerlijke en op bewijs gebaseerde beoordelingen.

4. Kennisdeling en afstemming

We gebruiken NotebookLM als een gedeelde kennislaag om processen, beslissingen en terugkerende thema's te documenteren, zodat institutionele kennis snel en veilig toegankelijk is. Waar passend delen we transparant de informatie die in dit systeem is vastgelegd. Dit verbetert de afstemming, vermindert misinterpretaties en creëert een gemeenschappelijke feitelijke basis binnen teams.

5. Strategie, besluitvorming en organisatieontwerp

Op strategisch niveau ondersteunt AI de manier waarop we nadenken over onzekerheid, prioriteiten en afwegingen. In plaats van beslissingen voor te schrijven, helpt AI patronen zichtbaar te maken, ambiguïteit te kwantificeren en aannames te toetsen — met name op gebieden als functieontwerp, organisatorische effectiviteit en veranderinitiatieven.

Hoe voorspellende analyses de kwaliteit van wervingsbeslissingen verbeteren

Grafiek over hoe voorspellende analyses de kwaliteit van wervingsbeslissingen verbeteren

Binnen talentwerving was onze doorlooptijd al consequent sterk, namelijk tussen de 30 en 35 dagen, dus voor ons ging het niet om het verbeteren van de snelheid. De echte verandering kwam toen we besloten de kwaliteit van de wervingsfunnel opnieuw vorm te geven in plaats van de processnelheid te optimaliseren.

Eerst trainden we het talentwervingsteam in voorspellende analyses en vaardigheidsgerichte personeelssegmentatie. In plaats van te optimaliseren voor volume, herontwierpen we onze intake- en screeningsmodellen om te voorspellen welke profielen waarschijnlijk het meest succesvol zouden zijn in specifieke functies, markten en teams. Hierdoor konden we het aantal kandidaten dat elke fase van het proces instroomde bewust verminderen.

Concreet bouwden we voorspellende dashboards die historische wervingsresultaten, prestatiegegevens en marktsignalen combineerden. Recruiters gebruikten deze modellen vervolgens om zich uitsluitend te richten op vaardigheden met een hoge waarschijnlijkheid van succes, waarbij we van kwaliteit door volume overstapten naar kwaliteit door precisie.

Maar nogmaals: AI mag het menselijk beoordelingsvermogen niet vervangen, maar moet het aanscherpen. We behielden bewust intensief menselijk contact tijdens sollicitatiegesprekken, kalibratiegesprekken en definitieve beslissingen. Dankzij deze combinatie konden we een betere kandidaatervaring, doordachtere beoordelingen en eerlijkere, consistentere beslissingen bieden.

Hoe functieontwerp de resultaten van AI-gestuurde werving beïnvloedt

Voordat ik met voorspellende modellen ging werken, onderschatte ik hoeveel onduidelijke, inconsistente of opgeblazen functieomschrijvingen de wervingsresultaten en het leergedrag van AI-systemen konden vertekenen. Met AI bepalen het functieontwerp en de kwaliteit van de functieomschrijving elke daaropvolgende beslissing.

Uit voorspellende analyses van onze historische wervingsgegevens kwam zelfs een duidelijk patroon naar voren. Variatie in functiedefinities leidde tot slechtere resultaten — zelfs sterker dan een lage kandidaatkwaliteit. Met andere woorden: functies met slecht gespecificeerde vaardigheden, onrealistische vereisten of inconsistente signalen over het senioriteitsniveau leverden consequent een lagere conversie, meer afwijzingen in een late fase en zwakkere vroege prestaties op, ongeacht de sterkte van de kandidatenpool.

Dit veranderde onze strategie fundamenteel. In plaats van functieomschrijvingen als statische input te behandelen, ontwierpen we ze opnieuw als voorspellende artefacten. We gebruikten historische resultaatgegevens om vereisten die samenhingen met succes te onderscheiden van vereisten die alleen maar ruis en ambiguïteit vergrootten. Na verloop van tijd stelde dit ons in staat om functiedefinities te vereenvoudigen, niet-voorspellende vereisten te verwijderen en werving te richten op een kleinere reeks vaardigheden met sterke signalen.

Waarom AI-adoptie geïnstitutionaliseerd moet worden en niet als pilot moet worden uitgevoerd

De grootste kloof die ik voortdurend zie tussen de belofte van AI en de organisatorische realiteit is niet technologisch, maar organisatorisch en menselijk. De meeste bedrijven investeren fors in AI-tools en verwachten verbeteringen. Maar ze behouden dezelfde prikkels, dezelfde hiërarchische structuren en hetzelfde beperkte niveau van datageletterdheid binnen het leiderschap.

Het resultaat is dat AI onderbenut of verkeerd gebruikt wordt: krachtige modellen produceren inzichten die niet worden vertrouwd, begrepen of toegepast.

We hebben deze kloof aangepakt door AI-adoptie te institutionaliseren in plaats van deze als een reeks pilots te behandelen. We hebben een speciale multifunctionele werkgroep opgericht die zich richt op AI-ondersteund besluitvormingsontwerp binnen talentwerving.

De werkgroep werkt met expliciete doelstellingen op bedrijfsniveau. De twee belangrijkste doelstellingen zijn het verhogen van de conversiepercentages in de volledige wervingsfunnel met 50% door voorspellende segmentatie en herontwerp van besluitvorming, en het verder verminderen van het aantal interviewuren met 30% door kandidaten met een lage waarschijnlijkheid eerder in het proces uit te sluiten. Deze doelstellingen dwingen de organisatie om zich niet te richten op experimenten, maar op aanhoudende prestatieverbeteringen op systeemniveau.

Naast de meetbare resultaten is de groep verantwoordelijk voor het herontwerpen van besluitvormingsprocessen voordat automatisering wordt geïntroduceerd. We brengen in kaart waar cruciale aanwervingsbeslissingen worden genomen, wie daarvoor verantwoordelijk is, welke gegevens nodig zijn en waar menselijk oordeel centraal moet blijven staan. Pas wanneer de besluitvormingsarchitectuur duidelijk is, introduceren we AI om specifieke stappen te ondersteunen, in plaats van tools toe te voegen aan gebrekkige processen.

We bouwen ook governance vanaf het ontwerp in. Dit omvat menselijke tussenkomst, monitoring van vooringenomenheid en verschuivingen, duidelijke verantwoordelijkheid voor modeluitkomsten en een ethische beoordeling van toepassingen met grote impact. Zonder dit alles heeft AI de neiging om zowel goede als slechte beslissingen tegelijkertijd op te schalen.

Wat het betekent om AI-klaar te zijn in HR en talentwerving

Wij beschouwen AI minder als een reeks tools en meer als een mentaliteit voor besluitvorming. AI-klaar zijn in onze organisatie betekent dat we consequent betere vragen stellen: welke signalen zijn belangrijk, waar bestaat onzekerheid en hoe kunnen gegevens het menselijk oordeel ondersteunen?

AI-geletterdheid wordt opgebouwd tijdens het dagelijkse werk, niet via formele trainingen. Teams leren door AI te gebruiken om patronen zichtbaar te maken, aannames te toetsen en beslissingen te structureren binnen enquêtes, beoordelingen en operationele werkprocessen.

In de praktijk blijkt dit uit de manier waarop we beslissingen nemen: meer op bewijs gebaseerde discussies, duidelijkere aannames, betere documentatie en een gedeelde taal voor het omgaan met onzekerheid. AI neemt geen beslissingen, maar beïnvloedt de manier waarop we nadenken voordat we ze nemen.

Carla's gereedschapskist in drie lagen

Voor AI-ondersteunde uitvoering gebruiken we verschillende categorieën tools. Voor taalbegrip, functieontwerp en gestructureerde kennisondersteuning gebruiken we Gemini, een interne AI-agent en NotebookLM, dat dienstdoet als een beveiligde interne kennislaag om processen te documenteren en snelle, gecontroleerde toegang tot institutionele kennis te bieden.

Voor interviewintelligentie gebruiken we BrightHire om gestructureerde interviewsignalen vast te leggen en de kalibratie en kwaliteit van feedback te verbeteren.

Binnen ons belangrijkste wervingsplatform gebruiken we Greenhouse AI voornamelijk voor het samenvatten van beoordelingskaarten en het gestructureerd samenvoegen van interviewfeedback, waarbij de volledige menselijke controle over selectie-beslissingen altijd behouden blijft.

Waarom NotebookLM en ChatGPT onmisbare cognitieve infrastructuur zijn

Momenteel ben ik bijzonder gefascineerd door twee tools: NotebookLM en ChatGPT. Ik gebruik ze in zeer verschillende contexten.

Ik gebruik ChatGPT uitsluitend voor persoonlijke doeleinden, buiten mijn zakelijke omgeving. Het is mijn belangrijkste persoonlijke hulpmiddel voor denken en leren geworden. Ik gebruik het voor alles, van gestructureerd leren en schrijven tot het verkennen van ideeën, plannen en reflecteren.

Het platform geeft zelf aan dat ik tot zijn meest actieve gebruikers behoor, wat weerspiegelt hoe diep het onderdeel is geworden van mijn persoonlijke cognitieve werkproces. De belangrijkste impact ervan is dat het mijn leerproces versnelt, mijn helderheid van denken verbetert en me helpt om grondiger over complexe onderwerpen te redeneren.

In mijn professionele context investeer ik het meest in NotebookLM. Ik gebruik het intensief om mijn één-op-één-gesprekken te documenteren en structureren, terugkerende thema's bij te houden en in de loop van de tijd een consistent, op bewijs gebaseerd beeld van de ontwikkeling en prestaties van individuen te behouden.

Ik deel deze notities en samenvattingen transparant met de mensen met wie ik spreek, wat dit bijzonder krachtig maakt. Het creëert één gezamenlijk en afgestemd overzicht van verwachtingen, feedback en toezeggingen en heeft het vertrouwen, de eerlijkheid en de consistentie in prestatiebeoordelingen aanzienlijk verbeterd. Hierdoor kunnen beide partijen uitgaan van dezelfde feitelijke basis, in plaats van van herinneringen of subjectieve interpretaties.

Dit heeft geleid tot een veel gedisciplineerdere en eerlijkere aanpak van prestatiemanagement: betere opvolging van ontwikkelingsacties, minder misverstanden en een betere afstemming tussen managers en teamleden.

Wat ik het meest waardeer aan deze hulpmiddelen is dat het geen automatiseringstools zijn, maar cognitieve infrastructuur. Wanneer ze op deze manier worden gebruikt, vervangen ze het beoordelingsvermogen niet — ze verbeteren de kwaliteit, eerlijkheid en transparantie van de manier waarop dat beoordelingsvermogen wordt ingezet.

Hoe talentacquisitie de komende vijf jaar zal veranderen

Afbeelding over hoe talentacquisitie de komende vijf jaar zal veranderen

Talentacquisitie zal niet langer voornamelijk worden beoordeeld op snelheid of volume, maar zal een functie voor de kwaliteit van beslissingen worden. In de komende vijf jaar zal de rol evolueren van het uitvoeren van wervingsprocessen naar het ontwerpen en aansturen van de manier waarop organisaties onder onzekerheid beslissingen over talent nemen.

AI zal steeds meer schaalbaarheid, patroonherkenning en signaaldetectie voor zijn rekening nemen — van het ontwerpen van functies tot het matchen met de arbeidsmarkt — terwijl talentteams veel preciezer en doelgerichter selectieprocessen gaan ontwerpen en uitvoeren. Het concurrentievoordeel zal voortkomen uit een duidelijkere definiëring van functies, een betere signaalkwaliteit gedurende de hele wervingsketen en consistentere, op bewijs gebaseerde selectiebeslissingen.

Op brancheniveau verwacht ik een duidelijke tweedeling: organisaties die AI zien als een mentaliteit die in hun bedrijfsmodel is verankerd, zullen organisaties die AI als een verzameling hulpmiddelen beschouwen fundamenteel overtreffen. De toekomst van deze functie behoort toe aan teams die betere beslissingen ontwerpen, niet alleen snellere processen.

Hoe leiders AI doelgericht kunnen inzetten in HR

Voor mensen in functies zoals de mijne is mijn advies om AI niet langer te behandelen als een optionele aanvulling, maar het te gaan zien als onderdeel van de werkwijze waarop het werk wordt gedaan. Dit betekent dat de eerste stap moet bestaan uit het wegnemen van administratieve belemmeringen met AI. Op dit punt is weerstand bieden aan AI een tegenstrijdigheid: de vraag is niet langer óf we het moeten gebruiken, maar hoe doelgericht en verantwoord we het integreren in dagelijkse beslissingen en werkprocessen.

Tegelijkertijd moeten we expliciet zijn over wat menselijk moet blijven. AI is buitengewoon effectief in het verwerken van grote hoeveelheden informatie, het structureren van informatie en het verminderen van ruis. Wanneer AI goed wordt gebruikt, geeft het mensen meer — niet minder — ruimte om zich te richten op wat ertoe doet: beoordelingsvermogen, relaties, ethiek, creativiteit en betekenisvolle dialogen.

In bredere zin is mijn advies aan leiders om AI te zien als een kracht die prioriteiten verduidelijkt. Succesvolle organisaties gebruiken AI om werk weg te nemen dat technologie beter doet dan mensen, en investeren die tijd en aandacht bewust opnieuw in interacties tussen mensen van hogere kwaliteit.

In plaats van leiderschap te verzwakken, creëert AI de voorwaarden voor bedachtzamer, gerichter en menselijker leiderschap.

Blijf op de hoogte

Je kunt Carla's werk aan de vernieuwing van talentacquisitie volgen op LinkedIn.

Er volgen meer interviews met experts op People Managing People!

You may also like