AI mag best recruitmentwerk overnemen

Wat als AI juist ruimte maakt voor beter recruitment?

Niet omdat HR en recruitment daarmee overbodig worden. Integendeel. Juist door repeterend werk slimmer te organiseren, ontstaat er meer ruimte voor het werk waarin menselijk oordeel het verschil maakt.

Recruitment kost capaciteit. En daarmee geld.

Niet alleen het zoeken, spreken en selecteren van kandidaten kost tijd. Ook voordat een vacature live staat, zijn vaak verschillende mensen betrokken. Een leidinggevende maakt tijd voor een intake. HR of recruitment verzamelt informatie, schrijft een tekst en verwerkt feedback. De vacaturehouder leest mee en stuurt opmerkingen terug.

Bij één vacature is dat te overzien. Maar zodra er structureel meerdere vacatures lopen, stapelen al die handelingen zich op.

AI kan een deel daarvan versnellen. Maar alleen sneller werken is niet de interessantste mogelijkheid. Interessanter is wat er gebeurt als je recruitment zo organiseert dat kennis en kwaliteit minder afhankelijk worden van de persoon die een vacature behandelt.

Hoe afhankelijk is recruitment van degene die het uitvoert?  

Dat is deels logisch. Recruitment blijft mensenwerk en professioneel oordeel laat zich niet volledig standaardiseren. Maar er is ook veel dat je als organisatie juist wél consequent wilt doen.

Welke kernwaarden moeten herkenbaar zijn? Wat vertellen we over de organisatie en het werkgeverschap? Welke arbeidsvoorwaarden communiceren we? Welke uitgangspunten hanteren we bij functie-eisen? Hoe schrijven we voor kandidaten? En welke informatie willen we bij iedere vacature minimaal boven tafel krijgen?

Als dat vooral in het hoofd van individuele medewerkers zit, ontstaat afhankelijkheid. Van degene die de intake doet. Van de leidinggevende. Van een ervaren HR-collega. Of van een externe recruitmentpartner.

AI maakt het mogelijk om een deel van die kennis en werkwijze structureler in het proces te verwerken.

Niet iedere vacature hoeft opnieuw bij nul te beginnen

Iedere vacature heeft informatie die daadwerkelijk nieuw is. Wat moet iemand in deze functie bereiken? Welke werkzaamheden en verantwoordelijkheden horen daarbij? Welke competenties zijn nodig? Welke functie-eisen zijn echt noodzakelijk? Wat speelt er binnen het team? En waarom zou iemand die ergens anders prima op zijn plek zit voor deze baan kiezen?

Daar wil je de beschikbare tijd met een leidinggevende juist voor gebruiken. Veel andere informatie verandert veel minder vaak.

Denk aan de organisatie, het werkgeversverhaal, arbeidsvoorwaarden, kernwaarden en tone of voice. Ook de uitgangspunten voor vacatureteksten, de gewenste opbouw en de manier waarop je kandidaten aanspreekt, hoef je niet bij iedere vacature opnieuw te bepalen.

Wanneer je dat vooraf goed vastlegt, hoeft een nieuwe vacature niet meer met een leeg vel te beginnen. En belangrijker: de basis verandert niet iedere keer mee met degene die toevallig aan tafel zit.

De intake wordt daardoor juist menselijker

Dat klinkt misschien tegenstrijdig. We hebben het over AI en automatisering, maar een goed ingericht proces kan juist ruimte maken voor een beter gesprek.

Als bekende informatie al beschikbaar is, hoeft een leidinggevende tijdens een intake niet opnieuw uit te leggen wat de organisatie doet, welke arbeidsvoorwaarden gelden of hoe het team formeel is ingericht. De tijd kan gaan naar de vragen waarvoor die leidinggevende daadwerkelijk nodig is.

Wat moet de nieuwe collega over een jaar hebben bereikt? Waar loopt het team nu tegenaan? Welke ervaring is werkelijk noodzakelijk en welke eis staat vooral in het oude functieprofiel omdat hij daar altijd al stond? Wat maakt dat een goede kandidaat voor deze functie zou kiezen?

Daar kan HR of recruitment vervolgens waarde toevoegen: doorvragen, adviseren, aannames ter discussie stellen en helpen om keuzes te maken. AI neemt dat gesprek niet over. Het kan er wel voor zorgen dat de beschikbare tijd minder wordt besteed aan informatie die al bekend is.

Dit is iets anders dan je HR-team een ChatGPT-account geven

Je kunt natuurlijk iedereen die betrokken is bij recruitment toegang geven tot een AI-tool. Functieprofiel erin, een paar instructies erbij en binnen enkele seconden verschijnt er een vacaturetekst. Handig? Zeker. Maar daarmee heb je vooral het schrijven sneller gemaakt.

De medewerker moet nog steeds bepalen welke informatie wordt ingevoerd en welke instructies nodig zijn. De ene collega geeft uitgebreide context mee, de andere alleen een functieprofiel. De ene verwerkt kernwaarden en werkgeverspropositie consequent, de andere vergeet ze.

De kwaliteit blijft daarmee voor een belangrijk deel afhankelijk van de gebruiker. De grotere mogelijkheid ontstaat wanneer AI onderdeel wordt van een ingericht proces.

Je legt vooraf vast wat niet bij iedere vacature opnieuw bedacht hoeft te worden. Vervolgens voeg je toe wat specifiek is voor de nieuwe vacature, eventueel aangevuld met relevante arbeidsmarktinformatie. Pas daarna laat je AI het productiewerk doen.

Dus niet:

Functietitel → prompt → AI → vacaturetekst

Maar:

Vaste organisatiekennis + uitgangspunten + vacature-informatie + arbeidsmarktinformatie + schrijfmethodiek → AI → eerste vacaturetekst → menselijke beoordeling

Dan is AI geen losse tekstgenerator, maar technologie die een deel van een bestaand proces kan overnemen.

Wat verandert er als je AI onderdeel maakt van het proces?

Technologie toevoegen heeft alleen zin als het proces er daadwerkelijk beter van wordt. Bij vacatureteksten kan zo’n werkwijze een aantal praktische voordelen opleveren.

Minder afhankelijk van individuele werkwijzen

Wanneer vaste organisatiekennis en uitgangspunten onderdeel zijn van het proces, hoeft niet iedere recruiter dezelfde keuzes opnieuw te maken.

Dat betekent niet dat iedere vacature hetzelfde wordt. Juist de functiespecifieke inhoud blijft mensenwerk. Maar de basis hoeft niet iedere keer opnieuw te worden geïnterpreteerd.

Meer consistentie in kwaliteit en werkgeverscommunicatie

Als meerdere mensen betrokken zijn bij recruitment, kunnen verschillen in aanpak groot worden. Door vaste kennis en uitgangspunten centraal beschikbaar te maken, kunnen onnodige verschillen tussen vacatures worden verkleind. Ook bij wisselingen in het team hoeft niet alle kennis opnieuw te worden opgebouwd.

Capaciteit gebruiken waar menselijk oordeel nodig is

Minder tijd besteden aan verzamelen, structureren, schrijven en herschrijven kan ruimte vrijmaken voor andere werkzaamheden. Voor een betere intake. Kritischer kijken naar functie-eisen. Adviseren over haalbaarheid. Kandidaten spreken. Of werkzaamheden oppakken waarvoor ervaring, context en professioneel oordeel nodig zijn.

Minder handmatig productiewerk bij een hogere wervingsbehoefte

Wanneer het aantal vacatures stijgt, neemt normaal gesproken ook het handmatige werk toe.

Door repeterende onderdelen van het proces te automatiseren, hoeft niet voor iedere extra vacature exact dezelfde hoeveelheid productiewerk opnieuw te worden uitgevoerd. Hoeveel tijd dat daadwerkelijk bespaart, hangt uiteraard af van het proces en de mate waarin informatie vooraf goed is vastgelegd.

AI kan zulke uitgangspunten vervolgens consequent meenemen. Maar daarvoor moeten ze eerst goed zijn vastgelegd. Technologie kan helpen bij het toepassen en borgen van afspraken, maar lost ontbrekende afspraken niet op.

Laat AI produceren. Laat mensen beoordelen en beslissen.

Precies daar ligt een belangrijk onderscheid.

• AI kan opschrijven dat een kandidaat vijf jaar ervaring nodig heeft. Maar iemand moet bepalen of vijf jaar ervaring werkelijk nodig is.
• AI kan een aantrekkelijk verhaal over een team maken. Maar iemand moet beoordelen of dat verhaal klopt.
• AI kan kernwaarden verwerken in een vacaturetekst. Maar daarvoor moet eerst duidelijk zijn wat die waarden in de praktijk betekenen. Een begrip als ‘eigenaarschap’ zegt op zichzelf bijvoorbeeld weinig. Pas wanneer duidelijk is welk concreet gedrag daarbij hoort, kan het als bruikbaar uitgangspunt dienen.
• En AI kan volgens een vaste methodiek een eerste vacaturetekst produceren. Maar iemand moet beoordelen of die tekst een geloofwaardig beeld geeft van de functie en aansluit bij de mensen die je wilt bereiken.

Daar wil je menselijke kennis en ervaring voor gebruiken. Niet om voor de zoveelste keer dezelfde standaardinformatie te verzamelen of een bestaande tekst opnieuw te formuleren.

Een goed AI-proces begint daarom niet bij AI

De discussie over AI gaat vaak over de vraag welke werkzaamheden technologie kan overnemen. Voor recruitment is een andere vraag minstens zo relevant:

Welke onderdelen willen we iedere keer opnieuw door mensen laten uitvoeren, en bij welke onderdelen voegt dat eigenlijk weinig toe?

De vacaturetekst is een overzichtelijk voorbeeld. Maar waarschijnlijk niet het enige recruitmentproces dat je op deze manier kunt bekijken.

Daarvoor hoef je niet te beginnen met een nieuwe AI-tool. Begin met het proces.

Welke kennis wil je behouden? Waar wil je consequent in zijn? Waar is menselijk oordeel noodzakelijk? Waar ontstaat nu onnodige afhankelijkheid? En welke repeterende werkzaamheden kun je vervolgens door technologie laten ondersteunen of overnemen?

Dan wordt AI geen doel op zich, maar een middel om recruitment beter te organiseren.