De perfecte match maken is voor een recruiter nog steeds veel werk. Maar algoritmes helpen het werk wel steeds beter terugdringen. YoungCapital doet nu ook een duit in het zakje. Wat is er al mogelijk?
Nooit meer door honderden kandidaten heen hoeven worstelen. Nooit meer iemand hoeven afwijzen. En aan de andere kant, voor de kandidaat: nooit meer hoeven solliciteren. Laat de machine het werk maar doen en de ideale match tot stand brengen. Dan kan de recruiter zich richten op het ‘echte’ mensenwerk.
Toekomstdroom komt dichterbij
Het lijkt nu nog een toekomstdroom. Maar in werkelijkheid komt het steeds dichterbij. De volgende stap in deze ontwikkeling wordt gezet door recruitmentspecialist YoungCapital, dat deze week – met trots – hun ‘Brain’ naar buiten toe presenteerde.
Zoeken naar patronen
Het machine learning-project is iets meer dan een jaar geleden opgezet, en laat nu al ‘opmerkelijke resultaten’ zien, aldus data science specialist Srisai Sivakumar, die het project in zijn avonduren begon, om te kijken wat er mogelijk was. Dat bleek al vrij snel vrij veel te zijn, waarna hij met een klein team verder ging sleutelen. ‘We zijn gaan kijken naar alle sollicitaties, en naar hoe een recruiter zijn werk doet. Toen zijn we gaan zoeken naar patronen. Wanneer wordt iemand geselecteerd? En wanneer afgewezen?’
Sterrensysteem
Uit dat werk is YoungCapital Brain dus voortgekomen. Wat Brain tot nu toe kan is een motivatiebrief, cv en andere data van kandidaten analyseren en combineren en de resultaten daarvan koppelen aan de vraag van organisaties. Het algoritme gaat aan het werk, en schotelt daarna de recruiter voor welke sollicitanten het best passen bij de vacature die hij of zij te vervullen heeft. Een rankingsysteem laat de match met de functie in sterren zien. Vijf sterren: dan ben je een topper, minder dan drie sterren: dan kun je beter iets anders proberen.
98 procent zekerheid over top 20%
Er zijn natuurlijk wel meer partijen die zulke matchingtechnologie ontwikkelen. Maar YoungCapital Brain is wel érg accuraat, aldus Sivakumar. ‘Nu al kunnen we met 99 procent zekerheid zeggen dat de kandidaat die de recruiter uitkiest bij de bovenste helft staat van hoe het systeem de kandidaten indeelt. En met 98 procent zekerheid komt de uiteindelijk gekozen kandidaat uit de bovenste 20 procent van de sollicitanten.’
‘Met 98 procent zekerheid komt de uiteindelijk gekozen kandidaat uit de bovenste 20 procent’
Keurige ranglijst met topkandidaten
Waar een recruiter dus eerst door bijvoorbeeld 100 cv’s moest heen lopen om de beste kandidaten te vinden, kan Brain nu makkelijk 80 procent van dat werk uit handen nemen. Resultaat: de recruiter krijgt een keurige ranglijst met topkandidaten voor ogen, en hoeft niet alle cv’s af, op volgorde van binnenkomst. De kandidaten die minder goed bij een vacature passen, kunnen meteen een afwijzing verwachten. ‘Dat scheelt de recruiter enorm veel tijd’, aldus Sivakumar.
‘We make applying great again‘
Rogier Thewessen, directeur en een van de oprichters van YoungCapital, durft het nog wel iets stelliger te zeggen: ‘Waar wij aan werken is in feite: you only apply for the right job. Dat is een belofte die niemand anders kan doen. Hoeveel mensen solliciteren nu nog honderden keren en worden telkens afgewezen? Dat is tragisch. Dat is voor niemand leuk, niet voor de recruiter, en ook niet voor de kandidaat. Wij gaan nu naar een systeem waarbij dat afwijzen steeds minder hoeft.’ En dan, met een glimlach: ‘We make applying great again.‘
De machine leert snel
De machine leert snel, zegt Sivakumar. ‘In februari konden we nog maar met 80 procent zekerheid zeggen dat de beste kandidaat ook echt in de top-50% van het systeem staat, nu is dat dus al bijna 100 procent.’ Voor de top-20% hetzelfde verhaal: in februari kon het systeem pas met 55 procent zekerheid zeggen dat de uiteindelijke kandidaat ook bij ‘zijn’ beste 20 procent zat, nu is dat al 98 procent. Ook komen de keuze van de recruiter en van het systeem steeds dichter bij elkaar te liggen. ‘Brain weet dus eigenlijk al net zo goed als een recruiter welke kandidaat het best bij een functie past.’
Te lage score? Probeer het hier eens
En dan is de matchingtechnologie eigenlijk nog maar het begin, vult Thewessen aan. Want er zijn inmiddels grootste plannen met YoungCapital Brain, zegt hij. Zo moet volgend jaar voor alle kandidaten zelf zichtbaar worden hoe goed ze matchen met een bepaalde functie. Bij een te lage score wordt afgeraden te solliciteren. Wil de kandidaat toch verder, dan wordt hem of haar een opleiding in deze richting aangeboden. Ook krijgt hij of zij meteen vacatures te zien die een betere match opleveren.
Afspraak maken kan hij ook
YoungCapital kijkt ook of de machine andere tijdrovende delen van het recruitmentproces kan overnemen. Een kandidaat voorstellen aan de klant? Zelfs al een afspraak maken voor een sollicitatiegesprek? Brain moet het allemaal mogelijk maken.
‘Wij gaan naar een systeem waarbij je steeds minder hoeft af te wijzen’
Soft skills integreren
Ook is er bij de recruitmentspecialist momenteel een neurowetenschapper aan de slag. Zij kijkt hoe soft skills in kaart zijn te brengen en hoe ze te integreren, om de match nog accurater te maken. Bovendien worden alle data in het proces bij YoungCapital nu opgeslagen, of iemand wordt uitgenodigd of afgewezen, en hoe lang iemand bij een klant aan de slag is.
Een sluitende business feedback cycle
Alles om Brain nog slimmer te maken dan hij al is, aldus Sivakumar. ‘We willen toe naar één geïntegreerd systeem’, zegt hij. ‘Daarom vragen we nu bijvoorbeeld ook de kandidaat en zijn manager bij de klant na verloop van tijd om een evaluatie. Zo willen we een sluitende business feedback cycle creëren. Al is dat nog best ver weg, hoor…’
‘LinkedIn slaat de plank mis’
Als het gaat om recruitment dan is LinkedIn natuurlijk een grote concurrent. Maar van hun algoritmes is Sivakumar niet bepaald onder de indruk. ‘LinkedIn slaat de plank mis’, zegt hij resoluut. ‘Zeg nou zelf: hoeveel van de recommended jobs die jij van hen krijgt voorgeschoteld passen écht bij jou? Dat kan ons systeem nu al veel beter. En in de toekomst kan Brain ons nog op veel meer manieren helpen.’
Zeg nou zelf: hoeveel van de recommended jobs die jij krijgt voorgeschoteld passen écht bij je?
Werven voor zomerjobs? Zo te automatiseren
Een voorbeeld? ‘Een klant van ons heeft in de zomer altijd veel extra mensen nodig. Dan kan de machine ons een seintje geven dat we moeten beginnen met werven. En dat kunnen we vervolgens bijna allemaal automatiseren, van weten welke vacaturetekst goed werkt, tot waar je op moet letten bij de selectie.’
Recruiter is er voor de relatie
Wat er dan nog voor de recruiter voor werk overblijft? Genoeg, zegt Thewessen. ‘De recruiter kan zich dan bezighouden met waar hij of zij echt het verschil maakt: kandidaten coachen en begeleiden aan de ene kant, en klanten begeleiden aan de andere. Ik denk dat je een langere relatie met elkaar hebt als je die relatie ook persoonlijk houdt.’
1.000 procent zekerheid gewenst
Ondertussen werkt Sivakumar verder aan zijn geesteskind, ‘zijn’ Brain, in structurele samenwerking met het Leiden Institute of Advanced Computer Science (LIACS). Want nu mag dan de eerste live-gang zijn, en kunnen recruiters al betere matches krijgen voorgeschoteld, in 2018 moet het echte vuurwerk komen, als het systeem ook naar de kandidaten toe gaat communiceren of ze al dan niet kans maken op de baan. ‘Dat zal veel impact hebben’, voorspelt hij. ‘Niet alleen extern, maar ook intern. Dat is niet alleen een machine learning-project, maar dan moet het hele IT-gebeuren aangepast worden. Dan willen we natuurlijk 1.000 procent zeker weten dat het werkt.’
Lees ook
Meer van zulke verhalen?
Lees elke week de Nieuwsbrief van Werf&. Zo blijf je op de hoogte van alles wat er gebeurt op het gebied van arbeidsmarktcommunicatie en recruitment! Doe het nu, het is gratis en je mist nooit meer iets!