Ai-cv-screening. Een illustratief uitgewerkt voorbeeld, geen klantresultaat: het bureau en alle cijfers hier zijn aannames. Ai-cv-screening is software die binnenkomende cv's leest, elk cv scoort tegen de harde eisen van een functie en een recruiter een gerangschikte shortlist ter goedkeuring geeft. Het neemt niemand aan en wijst niemand zelf af; een recruiter tekent af voordat een kandidaat verder gaat of een nee krijgt.
Stel je ter illustratie een uitzendbureau voor waar de tijd tot de shortlist traag is. Neem aan dat elke open vacature ongeveer 100 cv's oplevert en dat een recruiter ongeveer 6 minuten aan de eerste lezing van elk besteedt: feiten zoeken, eisen vergelijken, opnieuw intikken in het ats. Dat zijn aannames voor het voorbeeld, geen metingen van een klant.
Achter dit artikel zit geen echte opdracht, dus er is geen resultaat om te melden. Wat we wel kunnen laten zien is het ontwerp. De pipeline scoort en rangschikt, maar wijst nooit automatisch af. Een recruiter keurt elke shortlist goed, en elke run bewaart een auditlog van wat het model scoorde en waarom.
#Wat vreet de tijd tussen een open vacature en een shortlist?
Een team in deze situatie zou beginnen met meten, niet met bouwen: met twee recruiters gaan zitten en de eerste lezing timen op een steekproef van sollicitaties. De beoordelingen gaan meestal snel. Het zoeken, lezen en opnieuw intikken is traag.
- Elk cv openen en de jaren ervaring, de genoemde vaardigheden en de locatie of werkvergunning vinden, maal een stapel cv's per vacature.
- Die feiten vergelijken met de harde eisen van precies die functie, die per vacature verschillen.
- Een shortlist opnieuw intikken in het ats en de notitie schrijven waarom elke kandidaat is doorgekomen, verspreid over onderbrekingen.
- Wachten. Een half gelezen stapel blijft liggen tot de recruiter terugkomt, en goede kandidaten koelen af.
Het doel was dus nooit "sneller lezen". Het was "stop een recruiter te laten jagen op feiten die al op de pagina staan".
#Hoe verkort ai-cv-screening de tijd tot de shortlist?
Hoe verkort AI de tijd tot shortlist bij recruitment?
Het leest elk binnenkomend cv, haalt de feiten eruit die een functie vereist, scoort de kandidaat tegen de harde eisen en schrijft een gerangschikte shortlist, zodat een recruiter beoordeelt in plaats van koud te lezen. De winst zit in de koude eerste lezing, die een team vooraf en achteraf kan timen. Een recruiter keurt nog steeds elke shortlist goed voordat iemand antwoord krijgt.
De pipeline doorloopt vier stappen: extraheren van de feiten uit een ongestructureerd cv, scoren van de kandidaat aan de hand van de opgegeven must-haves van de functie, rangschikken van de stapel met de reden voor elke score erbij, en dan routeren van de shortlist naar de goedkeuringswachtrij van een recruiter. Niets verlaat die wachtrij zonder dat een mens op goedkeuren klikt.
Het ontwerp hergebruikt het documentverwerkingspatroon van schadeclaims en factuurinname, afgestemd op recruitment. De vorm is die op onze use-casepagina voor operations: uit ongestructureerde invoer halen, scoren, doorsturen, mens keurt goed. Het zou worden opgezet als een ai-implementatie-project, en de code is van jou.
#Wijst de AI kandidaten op eigen houtje af?
We are
Stennir bouwt een screeningpipeline volgens het opstellen-en-beoordelen-principe die scoort en rangschikt, en daarna elke shortlist overhandigt aan een recruiter die hem goedkeurt.
We aren't
Het is geen auto-afwijsfilter dat sollicitanten stilzwijgend laat vallen, en het is geen black box die scoort zonder de redenen te tonen.
Nee. Elke score draagt de reden die het model gaf, en elke run wordt gelogd. In dit ontwerp keurt een menselijke recruiter elke shortlist goed die een kandidaat bereikt, en niemand wordt automatisch afgewezen. Als een recruiter het oneens is met een score, staat de notitie er om over te discussiëren, wat ook het signaal geeft om de eisen per functie bij te stellen.
In de praktijk doet het model de eerste lezing en beslist de recruiter, vanuit een gerangschikte stapel met de redenen erbij in plaats van een koude inbox.
#Wat kunnen recruiters doen met de tijd die ze terugkrijgen?
Het deel dat een model niet kan: geselecteerde kandidaten bellen zolang het cv nog vers is. Het werk verschuiven van lezen naar praten is het punt. Een snel telefoontje naar een sterke kandidaat maakt vaak het verschil tussen een plaatsing en een concurrent die er eerder was.
Als je een talent- of operationsafdeling leidt en de eerste lezing je week opeet, is dit het soort ding dat wij ontwerpen. We beginnen met meten waar de tijd echt heen gaat en ontwerpen dan een concept-en-controle-pipeline die van je team is. vertel ons wat je bouwt, en we zeggen of dit patroon past voordat iemand code schrijft.
