En kandidat berättar sällan allt för en rekryterare under det första samtalet. Den verkliga informationen – fyradagarsveckan de skulle kunna tänka sig att flytta för, motbudet de halvt om halvt förväntar sig, anledningen till att de faktiskt söker – brukar komma fram någonstans mitt i ett samtal som ingen tänkte skriva ner ord för ord.

Den detaljen finns vanligtvis kvar så länge den stannar i rekryterarens huvud. Sedan kommer en ny roll in, arbetsbelastningen ökar och detaljen försvinner. Tre månader senare öppnas en roll som passar perfekt med exakt det kandidaten berättade, och ingen minns samtalet tillräckligt väl för att se kopplingen.

Det här är den dolda kostnaden med ett CRM som bara känner till det som har skrivits in manuellt. Det är inte ett problem med datainmatning. Det är ett arkitekturproblem, och det är värt att förstå varför, eftersom det påverkar vad en rekryterare faktiskt bör utvärdera när olika rekryteringssystem jämförs.

Det är också anledningen till att Atlas är byggt som ett CRMx snarare än ett konventionellt CRM: ett system som är utformat för att förstå kontext när den skapas, inte bara lagra det som manuellt matas in i efterhand.

CV:t berättar aldrig hela historien

Det här vet alla rekryterare redan. CV:t är en sammanfattning, och ofta en inaktuell sådan. Den verkliga signalen – motivationen, tidpunkten, sådant som en kandidat eller kund säger i ett samtal men aldrig skulle skriva ner – är där den faktiska placeringsinformationen finns.

Problemet är att den här informationen inte har någon tillförlitlig plats att ta vägen. Den kommer fram i ett telefonsamtal, en e-posttråd, ett WhatsApp-meddelande eller ett fem minuter långt samtal efter ett kundmöte. Ett äldre CRM byggdes kring strukturerade fält: namn, roll, lön, status. Det byggdes aldrig för att fånga den ostrukturerade, samtalsbaserade verklighet som rekryterare faktiskt arbetar i. Därför blir den mest värdefulla informationen som ett team genererar varje dag antingen inskriven i ett anteckningsfält om det finns tid, eller inte dokumenterad alls.

Varför det här blir värre när en byrå växer

På en byrå med bara ett team kanske det här inte känns brådskande. En rekryterare, en uppsättning relationer och ett minne som håller ihop allt. Kostnaden blir uppenbar så fort en byrå växer förbi den punkten.

• En rekryterare slutar, och flera års kund- och kandidatinformation försvinner med dem
• En överlämning sker, och den nya rekryteraren börjar med en databas som ser komplett ut men saknar allt som faktiskt var viktigt
• En kundrelation som sträcker sig över flera rekryterande chefer och flera år är helt beroende av att en persons anteckningar förblir korrekta och uppdaterade
• Efterlevnaden av databasrutiner försämras, eftersom det aldrig var realistiskt att logga varje samtal manuellt i stor skala

Det är vid den här punkten som byråer börjar beskriva sitt CRM som något de måste arbeta runt snarare än något som arbetar för dem. Databasen har slutat vara tillförlitlig, och alla på teamet vet det i tysthet.

Förändringen: ett CRM byggt för kontext, inte bara kontakter

Den kategori som växer fram som svar på detta beskrivs ibland som CRMx, ett CRM med kontext. Skillnaden är viktig. Ett konventionellt CRM besvarar frågan: vem är den här personen och vilken status har den? Ett kontextmedvetet system besvarar en annan och mer användbar fråga: vad vet vi faktiskt om den här personen, och vad bör vi göra åt det just nu?

Den arkitektoniska skillnaden kan sammanfattas i tre saker som samverkar.

Automatisk insamling, inte manuell loggning

Samtal, e-postmeddelanden, meddelanden och anteckningar fångas upp när de sker och struktureras mot rätt post, utan att rekryteraren behöver stanna upp och logga något. En AI-baserad anteckningsassistent deltar i samtal, skapar transkriberingar, sammanfattningar och åtgärdspunkter automatiskt och kopplar dem till den berörda personen och det berörda företaget.

Sökning med naturligt språk, inte booleska strängar

I stället för att gissa sig fram till kombinationer av nyckelord eller förlita sig på manuella taggar som blir inaktuella så fort ingen uppdaterar dem kan en rekryterare ställa en vanlig fråga – vilka pratade om att vilja flytta, vilka kunder nämnde att en anställningspaus skulle hävas under andra kvartalet – och söka igenom hela historiken över vad som faktiskt har sagts, inte bara det som skrevs in i ett fält.

Matchning baserad på belägg, inte en svart låda

När en urvalslista kommer tillbaka bör den visa hur den har resonerat: varför just den här kandidaten, baserat på vilket samtal och matchad mot vilka kriterier. Det är viktigt för rekryterarens eget förtroende för urvalslistan, och ännu viktigare inför en kund, där evidensbaserade sökresultat kan tas fram och förklaras live i stället för att presenteras som en ogenomskinlig rangordning.

CV:t berättar aldrig hela historien. Det gör samtalet.

Så här ser det ut i vardagen

Tänk på ett ganska vanligt scenario. En kandidat har ett första avstämningssamtal i mars. Under samtalet nämner kandidaten att hen kan tänka sig att flytta för rätt roll och att den nuvarande uppsägningstiden är tre månader, men skulle kunna förhandlas ned. Inget av detta finns i CV:t. I ett äldre system finns informationen bara kvar om rekryteraren kommer ihåg att skriva in den i ett fritextfält för anteckningar, och bara om den som senare söker i databasen råkar läsa just den anteckningen.

I ett system som bygger på automatisk insamling av sammanhang struktureras informationen och blir sökbar så snart samtalet är över. I juni, när en kundroll öppnas som passar exakt med det kandidaten beskrev, hittar en sökning på vardagligt språk kandidaten direkt, med motiveringen bifogad: nämnde intresse för att flytta, uppsägningstiden kan eventuellt förhandlas, intervjuad i mars. Rekryteraren behöver inte komma ihåg samtalet. Systemet gör redan det.

Det är skillnaden mellan en tillsättning som sker för att någon hade tur med sitt minne och en tillsättning som sker för att informationen aldrig riskerade att försvinna från början.

Vad förändringen är värd för en byrå

Byråer som har gått över till ett sammanhangsmedvetet arbetssätt uppger att förändringen syns i resultat som spelar roll på affärsnivå, inte bara i ökad bekvämlighet för rekryteraren:

• 35 % fler nya kunder, när BD inte längre är helt beroende av en persons minne av vem som ska kontaktas och varför
• 50 % högre svarsfrekvens bland kandidater, genom kontaktförsök som hänvisar till vad kandidaten faktiskt sa i stället för en generell mall
• Över 15 timmars administrativ tid sparad varje vecka per rekryterare, genom att manuella registreringar och sökningar efter information som systemet nu hanterar faller bort

Det underliggande mönstret är konsekvent: när sammanhanget finns kvar efter det ögonblick då det skapades omvandlas det till fler tillsättningar, fler återkommande affärer och en databas som faktiskt går att lita på, snarare än en som bara är tillförlitlig i teorin.

Varför insamling av sammanhang är ännu viktigare i storföretagsskala

På en byrå med ett enda skrivbord riskerar sammanhang att gå förlorat när en rekryterare glömmer att registrera en anteckning. På en byrå med flera kontor riskerar det att gå förlorat hela tiden: rekryterare byter team, kontor arbetar i olika länder och kundrelationer omfattar ofta flera rekryterande chefer under flera år. I den skalan är en databas som är beroende av manuell registrering inte bara lite ofullständig. Den är strukturellt opålitlig, eftersom ingen mängd individuell noggrannhet kan hålla ihop ett så stort system.

Atlas används av byråer från skrivbord med en enda användare upp till företag med fler än 100 användare, och företagskunder som utvärderar en plattform på det här sättet brukar ställa två frågor utöver funktionslistan: var finns informationen faktiskt och hur flyttas en stor historisk databas på ett strukturerat sätt.

• Datalagring: all kunddata lagras inom EU, vilket är ett vanligt krav vid granskningar av säkerheten i företagssystem
• Hantering av AI-data: kunddata stannar inom Atlas infrastruktur i stället för att skickas till externa modellleverantörer som OpenAI för bearbetning
• Löpande säkerhetskontroller, inklusive kontinuerlig efterlevnadsövervakning, formella informationssäkerhetspolicyer och säkerhetsutbildning för personalen, med ISO 27001-certifiering pågående
• Datamigrering som en hanterad tjänst, utförd av ett särskilt team med automatiserade kvalitetskontroller av data, för byråer som i stor skala lämnar ett äldre CRM- eller ATS-system

För en företagsbyrå fångar CRMx-modellen upp sammanhang konsekvent på varje kontor och vid varje skrivbord, utan att vara beroende av en enskild rekryterares vanor för att hålla databasen tillförlitlig. Den konsekvensen är vad en växande byrå faktiskt behöver av en plattform som den förbinder sig till på lång sikt, inte en funktionslista som ser bra ut i en säljpresentation.

Vad du bör fråga när du utvärderar rekryteringsprogram

För en byrå som jämför plattformar är den användbara frågan inte vilken som har flest funktioner. Det är en smalare och mer diagnostisk fråga: vad händer med den information som kommer upp under ett samtal, men aldrig hamnar i ett formulärfält? Om det ärliga svaret är att det beror på att rekryteraren kommer ihåg att skriva in den, är det den luckan som är värd att ta på allvar innan ni skriver under ett flerårigt avtal.

Atlas byggdes för att täppa till just den luckan. Totalt minne, personsökning och evidensbaserad matchning finns eftersom CV:t aldrig gav hela bilden, medan samtalet alltid gjorde det. Det är hela idén bakom att bygga Atlas som en CRMx som förstår sammanhang, i stället för ett CRM som bara lagrar det.

Redo att se hur Atlas, CRMx-plattformen som är byggd för att förstå sammanhang, hanterar er databas? Boka en demo på recruitwithatlas.com