LinkedIn liet deze maand een cijfer vallen dat de wervingskant op scherp zet. Recruiters die zijn Hiring Assistant gebruiken, bekijken 80 procent minder profielen voordat ze beslissen wie ze benaderen.
Aangekondigd op 3 september. Een AI-agent die de eerste schifting doet. Hij leest de opdracht van de recruiter in gewone taal, gaat langs LinkedIn en de gekoppelde systemen, en levert een korte lijst terug. Greenhouse, Workday, honderden ATS’en hangen eraan vast. TCS draaide de pilot en zit er naar eigen zeggen halverwege in.
“Een reductie van 80 procent in het aantal profielen dat een recruiter moet bekijken voordat hij beslist wie hij benadert”, zegt Prashanthi Padmanabhan, VP bij LinkedIn Talent Solutions. De acceptatie van InMails ging bij gebruikers met 66 procent omhoog.
Lees dat als werkgever, niet als recruiter
Aan de ene kant van de tafel zit nu een model dat kandidaten leest. Aan de andere kant zit al langer een model dat werkgevers leest. Allebei schiften ze voordat een mens iets ziet.
De kandidaatkant kennen we inmiddels. Iemand vraagt ChatGPT welke werkgever in zijn vak bij hem past, en krijgt drie namen terug. De recruiterkant is nieuw op deze schaal. Nu doet een agent de eerste 80 procent van het zoekwerk, en een mens kijkt pas naar wat overblijft.
Twee filters, allebei van een taalmodel. En op allebei sta je, of je staat er niet.
In het kleine lettertje van het LinkedIn-nieuws staat de zin die er echt toe doet. De agent kan alleen kandidaten wegen die een digitaal spoor hebben. Geen spoor, geen weging. Wie online onzichtbaar is, komt niet op de lijst, hoe goed hij ook is.
Draai die zin om en je hebt precies het probleem van de werkgever. Een model kan alleen een werkgever aanraden die het kan lezen. Geen leesbaar verhaal, geen aanbeveling. Je kunt de beste plek in je sector zijn; vindt het model niks over je dat het vertrouwt, dan val je uit het antwoord.
Hier wringt het voor de meeste directies. Ze meten hun campagnes, hun events, hun werkenbij-site. Wat een taalmodel over ze zegt, meet niemand. Het is het enige kanaal in de wervingsmix zonder nulmeting en zonder eigenaar.
Werving wordt aan beide kanten een gesprek tussen machines.
De AI van de recruiter weegt de kandidaat. De AI van de kandidaat weegt de werkgever. Twee modellen doen de voorselectie; de twee mensen ontmoeten elkaar pas als allebei de filters groen geven.
En die twee filters praten met elkaar. Een recruiter benadert straks scherper, want zijn agent levert hem betere matches. Maar of die kandidaat ja zegt, hangt af van wat háár model al over je heeft verteld. Een uitnodiging van een werkgever die ze net positief voorbij zag komen in ChatGPT, opent ze eerder dan een koude mail van een naam die ze nergens tegenkwam. Die 66 procent hogere acceptatie zegt genoeg. Een mail landt beter als het merk erachter al iets betekende in het gesprek dat de kandidaat zelf voerde.
Je employer brand overtuigt eerst een machine
Dat betekent iets ongemakkelijks. Je employer brand overtuigt straks eerst een machine en dan pas een mens. En die machine bepaalt of die mens jou überhaupt te zien krijgt.
Wat een model niet kan lezen, bestaat voor dat model niet. Een lege robots.txt, geen structuur, dunne of trage pagina’s, een verhaal dat op vijf plekken anders staat. Dan val je buiten het antwoord, ook als je merk sterk is.
Voor AI bestaan er nog maar twee soorten werkgevers. Wie leesbaar en citeerbaar is, en genoemd wordt. En wie dat niet is, en simpelweg niet ter sprake komt.
Van 7,5% naar boven de 90%
In de audits die wij draaien zien we hoe groot dat gat is. Een werkgever scoorde op een oriënterende vraag in zijn niche 7,5 procent zichtbaarheid; op bijna elke variant van de vraag viel zijn naam gewoon niet. Basis op orde, techniek, structuur, citeerbare content, en dat liep naar boven de 90 procent. Zelfde merk, zelfde aanbod, een ander antwoord.
De reflex is wachten tot het is uitgekristalliseerd. Tot LinkedIn, OpenAI en Google hun agents af hebben. Dat is de verkeerde reflex. De agents hoeven niet af te zijn om nu al te bepalen wie er op de lijst komt. Ze draaien vandaag, op de data die vandaag over je te vinden is.
De voorselectie zie je zelf niet gebeuren.
Er komt geen afwijzing, geen daling in je kliktal. De kandidaat die je nooit hebt gezien, is er gewoon niet. De recruiter die jouw type mensen zocht, kreeg een lijst waar jij niet op stond.
Wat vandaag nog een experiment lijkt, is over zes maanden de gewoonte. Wat vandaag nog een voorsprong is, is over een jaar het minimum. En wat vandaag nog optioneel voelt, is over achttien maanden de basis.
Geef de machine iets goeds om te lezen
De werkgevers die dat doorhebben, meten nu al wat AI over ze zegt. Op welke vragen ze opduiken en op welke niet, naast welke concurrenten, met welk verhaal. Ze wachten niet tot de machine hun kant kiest; ze geven de machine iets goeds om te lezen.
Mijn naam is Bryan Peereboom, oprichter van AI Rebels. Wij maken werkgevers zichtbaar in taalmodellen.