Hoe AI de vroege kandidatenfunnel verandert (en wat het niet kan)
Efficiëntiewinst: AI verbetert de efficiëntie door vroege wervingstaken, zoals het vinden van kandidaten en het inplannen van sollicitaties, te automatiseren.
Bewustzijn van vooroordelen: Het gebruik van AI kan bestaande vooroordelen bij werving versterken als historische gegevens niet zorgvuldig worden gevalideerd.
Menselijke rol: Ondanks de betrokkenheid van AI blijft menselijke beoordeling essentieel bij elk beslismoment in het wervingsproces.
Transparantie voor kandidaten: Duidelijke communicatie over de rol van AI bij het screenen helpt zorgen van kandidaten over het proces weg te nemen.
Duidelijke criteria: Het vaststellen van duidelijke wervingscriteria is cruciaal; AI-hulpmiddelen zijn afhankelijk van nauwkeurige definities om effectief te zijn.
Een paar jaar geleden besteedde ons wervingsteam het grootste deel van hun tijd aan werk waarvoor hun beoordelingsvermogen niet nodig was. Planning, inboxbeheer, het doornemen van sollicitaties waarbij niet aan de basisvereisten werd voldaan. Het team was er goed in, maar het leidde hen weg van de gesprekken die er meer toe deden.
We begonnen AI in de vroege stadia van de kandidatenfunnel te gebruiken voor het zoeken naar kandidaten, screening, planning en een eerste beoordeling. Niet omdat het vernieuwend was, maar omdat het de juiste toepassing van de technologie was. Het beheren van grootschalige, herhaalbare en tijdrovende taken waren precies de omstandigheden waarin AI zijn waarde bewijst.
Toen AI onderdeel werd van het proces, werd duidelijk dat niet alleen de efficiëntie veranderde. Het ging erom wat onze recruiters konden doen met de tijd die ze terugkregen.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Waar AI goed in is
Het is voor het grootste deel geen proces waarvoor veel beoordelingsvermogen nodig is. Het gaat om sorteren, filteren en logistiek.
Voordat er echt beoordelingsvermogen wordt toegepast, moet iemand veel handmatig werk verrichten. Afhankelijk van de functie beoordeel je misschien honderden sollicitaties om uiteindelijk bij een handvol gesprekken uit te komen.
AI verzorgt het zoeken naar kandidaten door kandidaten te vinden die op meerdere kanalen aan de functiecriteria voldoen, zonder dat een recruiter uren kwijt is aan handmatige zoekopdrachten. Het kan een eerste screening uitvoeren om sollicitanten te markeren die aan de basisvereisten voldoen, waardoor uren worden bespaard voordat iemand een motivatiebrief leest.
Vervolgens kan de planning vrijwel volledig worden geautomatiseerd. Hoewel dit misschien triviaal klinkt, zorgt plannen routinematig voor dagenlang heen-en-weer communiceren, waardoor de impact hiervan aanzienlijk is.
Voor een beoordeling op het niveau van de eerste selectie kan AI-wervingssoftware antwoorden op gestructureerde screeningsvragen analyseren en deze scoren aan de hand van vastgestelde criteria. Het volgen van specifieke criteria die consequent worden toegepast, in plaats van een holistische beoordeling, legt de basis voor alles wat daarna volgt.
Die consistentie is een van de sterkste argumenten om AI hiervoor te gebruiken. Menselijke beoordelaars wijken af. Ze worden beïnvloed door het tijdstip van de dag, het aantal sollicitaties dat ze al hebben gelezen en de vraag of de vorige kandidaat hen aan iemand deed denken.
Bij AI wordt dezelfde beoordelingsmethode op de honderdste sollicitatie toegepast als op de eerste. Dat is belangrijker dan de meeste mensen erkennen.
Wat we hebben geleerd over waar het misgaat
AI in de vroege fase van de funnel creëert een filtereffect, en wat het uit je kandidatenpijplijn verwijdert, is niet willekeurig. Als je criteria nauw zijn of je historische gegevens wervingspatronen weerspiegelen die niet volledig representatief waren, reproduceert AI die patronen.
Dit is niet theoretisch. Er is een gedocumenteerde geschiedenis van wervingstools die zijn getraind op historische gegevens en uiteindelijk bepaalde groepen benadeelden, omdat de trainingsgegevens de vooroordelen bevatten van degenen die eerder de werving uitvoerden. We herkenden dit en namen het serieus.
Onze aanpak was om de criteria expliciet vast te leggen voordat we geautomatiseerde screening instelden. Wat betekent "gekwalificeerd" eigenlijk voor deze functie? Welke signalen voorspellen prestaties en welke zijn slechts een afgeleide van vertrouwdheid? Wanneer je dat moet opschrijven, merk je dingen op die je anders niet zou hebben gezien.
We hielden ook menselijke beoordeling in de lus bij elk beslismoment, zelfs wanneer AI al een aanbeveling had gedaan. Niemand gaat door zonder dat iemand de sollicitatie heeft bekeken. AI kan de groep kandidaten verkleinen, maar mensen nemen altijd de beslissing.
Waarvoor het ons team tijd vrijmaakte
Dit is het onderdeel dat minder aandacht krijgt dan het efficiëntieverhaal, maar in de praktijk belangrijker is.
Wanneer je recruiters de eerste helft van hun dag niet besteden aan logistiek en de eerste selectie, kunnen ze die tijd inzetten voor werk waarvoor echt beoordelingsvermogen nodig is, zoals kandidaatervaring, diepgaandere gesprekken met finalisten en zorgvuldig nadenken over werving op directieniveau, waarbij geen enkele AI-tool toch je belangrijkste filter zal zijn.
Bij DoorLoop beschouwen we functies als door AI ondersteund of door mensen aangestuurd. Bij werving valt de vroege funnel onder door AI ondersteunde werkzaamheden: AI doet het werk met grote volumes, maar een persoon is verantwoordelijk voor de uitkomst. Werving in de laatste fase en alles waarbij culturele fit een rol speelt, wordt volledig door mensen aangestuurd.
Die classificatie is niet permanent. We herzien deze. Naarmate de tools beter worden en we meer gegevens verzamelen over welke signalen in de vroege fase daadwerkelijk de prestaties verderop in het proces voorspellen, kan de grens verschuiven. Maar op dit moment ligt die hier.
De vraag over de kandidaatervaring
Er is een terechte zorg over hoe het voelt om aan de ontvangende kant van een door AI gescreend proces te staan. Kandidaten weten dat deze tools bestaan en sommigen zijn sceptisch over de vraag of een mens hun sollicitatie ooit daadwerkelijk zal lezen.
We beantwoorden dit met transparantie. Vanaf het begin maken we duidelijk dat AI wordt gebruikt bij de screening in een vroeg stadium. We vertellen kandidaten wat we beoordelen en dat elke sollicitatie die de eerste ronde doorstaat, door een persoon wordt beoordeeld.
Of dat genoeg is om de scepsis volledig weg te nemen, weet ik niet zeker. Maar onduidelijkheid helpt niemand, en wij geloven dat kandidaten een rechttoe-rechtaan antwoord kunnen accepteren over hoe het proces werkt.
Het grotere risico is een proces dat aan het einde leeg aanvoelt. Een kandidaat komt door de funnel heen en het eerste echte gesprek dat die kandidaat voert, voelt alsof niemand zich erop heeft voorbereid. AI aan het begin rechtvaardigt geen slechte ervaring aan het einde.
Wat dit niet oplost
Als je AI in de kandidaatfunnel gebruikt om te compenseren voor het feit dat je niet weet naar wie je precies op zoek bent, zal het niet helpen. De tool is slechts zo goed als de criteria die je eraan meegeeft. Vage functieomschrijvingen, niet-gedefinieerde vereisten en functiespecificaties die ergens anders uit een sjabloon zijn gekopieerd, leveren je een snel, geautomatiseerd proces op dat de verkeerde resultaten produceert.
Voordat we ook maar één tool implementeerden, hebben we echt tijd besteed aan het helder krijgen van waar we iemand voor aannamen. Dat werk stond los van de technologie. Het zou hoe dan ook de moeite waard zijn geweest.
AI in de vroege fase van de funnel is geen kortere route naar betere werving, maar bij correct gebruik is het een manier om werk met grote aantallen te verwerken met minder handmatige tijd en meer consistentie. De oordeelsvorming blijft bij je team liggen. De vraag is alleen hoeveel van hun tijd wordt opgeslokt voordat ze die moeten inzetten.
