AI in hr: efficiëntie of dieper denken? Een nieuwe realiteit voor recruiters

​De wereld van hr, en in het bijzonder recruitment, ondergaat een razendsnelle transformatie dankzij de opkomst van artificiële intelligentie. Wat zes jaar geleden begon als een persoonlijke fascinatie voor AI, is voor Jarno, een expert in het veld, uitgegroeid tot een dagelijkse realiteit waarin processen die vroeger weken duurden, vandaag in minuten worden afgehandeld. Maar wat betekent deze verschuiving voor de hr-professional? Is AI een bedreiging of een ongekende kans?

De onvermijdelijke automatisering: laaghangend fruit plukken

De meest directe impact van AI is zichtbaar in de automatisering van administratieve taken. Jarno, die bij Aikido Security in anderhalf jaar tijd van 30 naar 250 medewerkers schaalde zonder externe bureaus, benadrukt dat zijn agenda met twaalf tot zeventien gesprekken per dag alleen haalbaar is dankzij volledige automatisering.

Tools zoals Carve, IntoDialog en Scribe zijn hierin cruciaal. Carve helpt direct bij het opstellen van vacatureteksten na de intake met de hiring manager, terwijl IntoDialog zelfs feedback geeft op de communicatiestijl van interviewers. Scribe, een Gentse startup, onderscheidt zich door lokale dialecten te begrijpen, wat de nauwkeurigheid van transcripties verhoogt.

Jarno's persoonlijke favoriet, Metaview, illustreert de ware potentie van deze automatisering. Waar een traditioneel recruitmentproces van kick-off tot shortlist weken in beslag neemt, kan Metaview dit terugbrengen tot slechts twee minuten. De tool woont de intake met de hiring manager bij, maakt notities, genereert een vacaturetekst en begint meteen met sourcen op meer dan 45 kanalen.

Na interviews biedt Metaview een dashboard met videoreviews, ATS-integratie en AI-gegenereerde snippets van belangrijke momenten, zoals de carrière van een kandidaat of salarisverwachtingen.

De dunne koord van AI-interviews en kandidaatbeleving

De mogelijkheid om AI-interviews te laten afnemen via tools zoals Talio of TestGorilla is voor velen nog een brug te ver. Hoewel dit schaalbaarheid biedt, toont de praktijk aan dat de NPS-scores van afgewezen kandidaten dalen. Ze twijfelen aan de technologie en het bedrijf, wat het belang van de menselijke touch in het proces onderstreept.

Een effectievere benadering is het inzetten van AI om kandidaten voor te bereiden op sollicitatiegesprekken. Tools die kandidaten trainen op mogelijke vragen, verbeteren de kwaliteit van live interviews aanzienlijk.

Dit draagt bij aan een positieve kandidaatbeleving, een aspect dat Jarno illustreert met het voorbeeld van Loop Earplugs, waar kandidaten na een assessment een vouchercode kregen.

De paradox wordt echter pijnlijk duidelijk wanneer AI aan beide kanten van de tafel zit. Als AI interviews afneemt en tegelijkertijd tools zoals Interview Copilot kandidaten voorgestelde antwoorden geven, ontstaat een absurde situatie.

De enige oplossing, zo stelt Jarno, is terugkeren naar fysieke gesprekken, zeker wanneer internationale beperkingen ontbreken.

Sourcing voorbij LinkedIn: de kracht van multichannel AI

Voorbij de traditionele LinkedIn Recruiter, die weliswaar goed maar duur is, liggen ongekende mogelijkheden in AI-gedreven sourcing. Tools zoals Jam AI, HireEZ en Loxo zoeken simultaan op meer dan 45 platformen, waardoor ze developers vinden op GitHub en Stack Overflow en maintenance managers via semantische varianten van functietitels. Dit verbreedt de kandidatenpool aanzienlijk en levert sneller betere matches op.

Gratis tools zoals Exa AI kunnen direct twintig geschikte kandidaten leveren voor een specifieke rol.

Voor data-enrichment en geautomatiseerde outreach zijn Clay en Lemlist krachtige instrumenten. Clay kan telefoonnummers, e-mailadressen en LinkedIn-profielen toevoegen aan kandidatenlijsten en met een AI-module gepersonaliseerde connectieverzoeken genereren. Lemlist bouwt hierop voort met geautomatiseerde opvolgsequenties, waardoor het netwerk van recruiters exponentieel groeit en de respons op vacatures toeneemt.

Ook jobmatching binnen ATS-systemen wordt geoptimaliseerd door AI. Actonomy en Faster AI kunnen binnengekomen sollicitaties matchen met openstaande vacatures en proactief de meest geschikte kandidaten uit de eigen databanken identificeren.

De evoluerende rol van de recruiter: twee bloedgroepen en kritisch denken

Heeft AI recruitment dan "kapotgemaakt"? Absoluut niet, stelt Jarno.

AI kan helpen bij sourcing en het schrijven van vacatureteksten, maar de kwaliteit hangt altijd af van de vaardigheid van de gebruiker.

Hij voorziet twee "bloedgroepen" onder recruiters: de klassieke recruiter die sterk is in het begrijpen van businessnoden en het samenwerken met hiring managers, en de hr ops-professional die uitblinkt in procesoptimalisatie en AI-sourcing. De beste recruiters van de toekomst zullen een combinatie van beide zijn.

De kernboodschap is duidelijk: AI neemt je job misschien niet over, maar iemand die AI gebruikt, doet dat wel.

LLM-hacks voor betere resultaten

Om het maximale uit taalmodellen te halen, deelt Jarno enkele praktische hacks.

1. "Tip your LLM"

Door in de prompt te zeggen "Ik geef je 200 dollar voor een perfecte oplossing", blijkt de output significant beter te worden.

1. Strenge instructies

In high-stakes omgevingen zoals cybersecurity worden soms zeer directe instructies gebruikt om ongewenst gedrag van AI te voorkomen.

1. Custom instructions finetunen

Pas standaardinstellingen aan met bijvoorbeeld de 200 dollar-tip of specifieke taalvoorkeuren, zoals "Ik ben een Belg, geen Nederlander".

1. Kwantitatieve lengte-instructies

Geef specifieke woordlimieten, bijvoorbeeld "breng iets naar 150 woorden", in plaats van vage termen zoals "korter" of "langer".

1. Zelfevaluatie door het model

Laat het model zijn eigen output beoordelen en vragen wat nodig is voor een score van tien op tien.

1. Reverse prompt engineering

Laat het model eerst bestaande teksten analyseren om de tone of voice te bepalen alvorens een nieuwe tekst te genereren.

1. Verduidelijkende vragen forceren

Eindig prompts met de vraag om verduidelijkende vragen te stellen, wat de kwaliteit van het eindresultaat verhoogt.

Efficiëntie is niet het hoofddoel: de noodzaak van kritisch denken

De grootste valkuil van AI is het uitbesteden van redeneren. Het klakkeloos overnemen van AI-output leidt tot een verlies aan kritisch denken, minder ideeën, minder creativiteit en een slechter geheugen voor de resultaten.

Efficiëntie mag niet het hoofddoel zijn van AI. Het moet ons uitdagen om beter te denken en tot resultaten te komen die voorheen onbereikbaar waren.

De vraag is niet of AI beter kan sourcen of onthouden dan wij, maar wat ons unieke menselijke domein blijft. We moeten tools kiezen die ons laten nadenken, niet voor ons denken.

Het zelf vibe-coden van een ATS met tools zoals Lovable en Notion kan leuk en goedkoop zijn, maar het zal nooit hetzelfde gevoel geven als een echt kwalitatief systeem, vergelijkbaar met het in elkaar zetten van een Ikea-stoel versus het kopen van een designstoel.

hr als mayonaise: de brug slaan in een snel veranderende wereld

Technologie, en AI in het bijzonder, verandert razendsnel, terwijl organisaties vaak traag bewegen. hr moet de "mayonaise" zijn: de verbindende factor die ervoor zorgt dat alles samenkomt.

Als hr zelf AI niet omarmt, hoe kunnen we dan verwachten dat de rest van de business dat wel doet?

De echte vraag is niet hoe we AI implementeren, maar of we bereid zijn om al onze processen vanaf nul te herdenken en opnieuw op te bouwen.

De toekomst van hr is er een waarin AI een onmisbare partner is, maar wel een die kritisch en doordacht wordt ingezet. Zoals Jarno afsluit met een knipoog naar Rafael Nadal: "Game, set, match."