Ai sourcing in gewone taal, zo ga je van brede zoekopdracht naar shortlist

Waarom AI sourcing in gewone taal anders werkt dan boolean search

Wat boolean search van een recruiter vraagt

Boolean search draait om het zoeken met operators zoals AND, OR en NOT. Dit vraagt de nodige voorbereiding, omdat je vooraf functietitels, synoniemen en uitsluitingen moet bedenken. Hierdoor kost het vaak veel tijd, zeker bij nieuwe rollen of schaarse doelgroepen. Als één belangrijk woord ontbreekt, valt een goede kandidaat soms direct buiten beeld. Daarom kiezen veel teams vaker voor sourcing zonder boolean wanneer ze sneller van de eerste resultaten willen leren.

Wat zoeken in gewone taal verandert

Bij het zoeken in gewone taal beschrijf je het werk, de context en een paar duidelijke voorwaarden simpelweg in normale zinnen. Je legt uit wat de kandidaat moet doen, in welk type rol die persoon heeft gewerkt en waar hij of zij ongeveer moet wonen. Daarna bekijk je de uitkomst en stuur je bij. Dat maakt kandidaten zoeken in natuurlijke taal veel inzichtelijker voor recruiters en hiring managers. Op onze pagina over AI sourcing in gewone taal laten we zien hoe we dit ondersteunen, terwijl de recruiter zelf de volledige controle houdt over de criteria en de uitkomst.

Waarom een brede eerste zoekopdracht nuttig is

Een brede start is vaak een slimme keuze. Je wilt namelijk eerst zien hoe het systeem de opdracht interpreteert. De eerste resultaten maken vaak direct duidelijk of je te veel op functietitels leunt, of de regio te ruim is gekozen, of dat de gewenste ervaring nog te algemeen is beschreven. Daarom werkt kandidaten zoeken met AI vaak beter als je niet meteen alles dichtzet. Je houdt zo de ruimte om te leren en je zoekopdracht pas daarna te verfijnen voor kandidaten die de perfecte match vormen.

Zo start je met AI sourcing in gewone taal vanuit een brede zoekopdracht

De voorbeeldvacature

Stel dat je een accountmanager buitendienst zoekt in de regio Utrecht. Deze rol vraagt om ervaring met B2B-sales, klantbezoek en samenwerking met collega’s. Je zoekt iemand in loondienst, die op een redelijke reisafstand woont en voldoende ervaring heeft om snel zelfstandig aan de slag te gaan. Dit is een uitstekend vertrekpunt voor het vertalen van een vacature naar een zoekopdracht. De kern van het werk is immers al duidelijk zonder dat je vastloopt in lange lijsten met losse trefwoorden.

De eerste zoekopdracht letterlijk uitgeschreven

Een eerste opdracht in gewone taal kan als volgt klinken: zoek kandidaten voor een buitendienstrol binnen B2B-sales in de regio Utrecht. De ideale kandidaat kan klantrelaties opbouwen, zelfstandig afspraken plannen en is gewend aan een commerciële omgeving. Ervaring met accountmanagement of field sales is relevant. Verder werkt de kandidaat bij voorkeur in vaste dienst en woont hij of zij in of rondom Utrecht.

Waarom deze opdracht bewust ruim blijft

Deze eerste versie is bewust breed genoeg gehouden om verschillende functietitels mee te nemen. Iemand kan accountmanager heten, maar ook salesconsultant, relatiemanager of business developer. Als je direct te specifiek zoekt, mis je mensen die het werk uitstekend kunnen doen maar een andere functietitel op hun profiel hebben staan. In deze case levert de eerste zoekopdracht 12.035 kandidaten op. Dat is veel, maar het biedt zeer bruikbare input voor de volgende stap binnen LinkedIn-sourcing en breder iteratief sourcen.

Welke irrelevante kandidaten je nu nog ziet

In deze eerste lijst staan ongetwijfeld nog mensen die te ver weg wonen, als zzp'er of freelancer werken, of voornamelijk ervaring hebben in inside sales. Je zult ook kandidaten zien met te weinig passende ervaring of medewerkers van werkgevers die je juist wilt uitsluiten. Dat is in dit stadium absoluut geen fout. Deze ruis laat juist zien waarop je straks gericht kunt bijsturen. Begin daarom met harde uitsluiters. Voorkeuren voeg je pas later toe, omdat je anders het risico loopt te snel waardevolle kandidaten te verliezen.

AI sourcing in gewone taal bijsturen met eerst harde filters en dan voorkeuren

Eerste bijsturing: geen zzp of freelance

Start met een harde uitsluiter. Omdat je iemand in loondienst zoekt, geef je aan dat zzp'ers en freelancers niet in aanmerking komen. Dit is vaak een veilige eerste stap; je verwijdert hiermee direct een aanzienlijk deel van de ruis zonder dat je sterke kandidaten kwijtraakt. Voor teams die werken met AI-sourcingtools is dit een logische eerste correctie die de uitkomst meteen een stuk schoner maakt.

Tweede bijsturing: maximaal 30 minuten reizen

Voeg vervolgens een praktische voorwaarde toe, zoals een maximale reistijd van 30 minuten tot Utrecht. Dit helpt om de kandidatenlijst te filteren op haalbaarheid. Houd er wel rekening mee dat reistijd altijd controle vereist, aangezien afstand niet voor iedereen hetzelfde uitpakt. Iemand kan nét buiten de gestelde grens wonen en toch uitstekend bereikbaar zijn. Het is een nuttige filter, maar geen reden om blindelings op de uitkomst te vertrouwen.

Derde bijsturing: minimaal 3 jaar relevante ervaring

Maak de gevraagde ervaring daarna concreter. Voeg toe dat de kandidaat minimaal drie jaar relevante ervaring moet hebben met B2B-sales of accountmanagement in een buitendienstrol. Het woord 'relevant' is hier essentieel, omdat niet elk jaar saleservaring even bruikbaar is voor deze specifieke vacature. Op dit punt zie je vaak dat de resultaten inhoudelijk sterk verbeteren en dat het filteren van de kandidatenlijst veel meer oplevert dan het toevoegen van nóg meer functietitels.

Vierde bijsturing: huidige werkgever uitsluiten

Soms wil je kandidaten van een specifieke werkgever liever niet benaderen. Dat kan te maken hebben met klantafspraken of omdat er al iemand via dat bedrijf in de procedure zit. Ook dit voeg je eenvoudig toe als een harde uitsluiter. Na deze vier stappen daalt de lijst in onze case van 12.035 naar 642 kandidaten. Dit toont aan waarom het verfijnen van je zoekopdracht naar kandidaten het beste werkt wanneer je een vaste volgorde aanhoudt. Eerst verwijder je de grootste bronnen van ruis. Daarna kijk je opnieuw naar de resultaten en bepaal je of de lijst werkbaar is.

• Stap 1 verwijdert zzp'ers en freelancers, aangezien de rol om een dienstverband vraagt.
• Stap 2 beperkt de reistijd, omdat bereikbaarheid een directe invloed heeft op de kans op interesse en een succesvolle plaatsing.
• Stap 3 maakt de ervaring concreet; een te brede saleservaring levert anders te veel ruis op.
• Stap 4 sluit specifieke werkgevers uit, zodat je gemaakte afspraken bewaakt en dubbele benaderingen voorkomt.

Wat AI sourcing in gewone taal je leert van 12.035 naar 642 kandidaten

Waarom 642 kandidaten nog geen shortlist zijn

Hoewel 642 kandidaten een aanzienlijke verbetering is, spreken we hier nog niet van een shortlist. Het is een werkbare longlist. De lijst is klein genoeg om goed te kunnen beoordelen, maar groot genoeg om profielen te vergelijken. Veel recruiters maken de fout om op dit punt te lang door te filteren. Daardoor verdwijnt soms juist die ene kandidaat met een minder voor de hand liggende functietitel of afwijkende loopbaan, terwijl deze persoon inhoudelijk wél een perfecte match is.

Wanneer je moet stoppen met verfijnen

Stop met verfijnen zodra de lijst groot genoeg is om kandidaten te vergelijken en klein genoeg om deze per persoon te controleren. Op dat moment verschuift het werk namelijk van zoeken naar beoordelen. Wij ondersteunen dit proces door duizenden kandidaten te scannen en per profiel toe te lichten waarom iemand goed aansluit. Omdat de recruiter zelf de criteria en uitkomsten blijft controleren, is de eindbeslissing altijd menselijk en goed uit te leggen.

Waarom te lang aanscherpen risico geeft

Door te lang te verfijnen, maak je een zoekopdracht al snel te beperkt. Goede kandidaten dragen immers niet altijd exact dezelfde functietitel en relevante ervaring kan ook uit een aanverwante markt komen. Soms is een loopbaan wat minder rechtlijnig, maar is de opgedane kennis meer dan waardevol voor de rol. Het is daarom slim om na het instellen van de harde filters direct over te stappen op het menselijk beoordelen. Dit is de praktische grens waar AI sourcing in gewone taal het meeste oplevert.

Hoe je twijfelgevallen apart houdt

Plaats kandidaten die nét niet helemaal lijken te passen in een aparte groep. Noteer kort voor jezelf wat er nog onduidelijk is, zoals de reistijd, de exacte buitendienstervaring of kennis van een specifieke markt. Bekijk vervolgens of je die informatie snel kunt achterhalen. Zo behoud je het overzicht en voorkom je dat ijzersterke kandidaten in een te vroeg stadium uit beeld verdwijnen. Dit is bijzonder waardevol bij het maken van een shortlist in recruitment, omdat veel goede matches pas echt opvallen wanneer je ruimte laat voor nuance.

Van AI sourcing in gewone taal naar shortlist en eerste benadering

Werk met een eenvoudige scorekaart

Voor het opstellen van een sterke shortlist werkt een simpele scorekaart uitstekend. Beoordeel iedere kandidaat op vier duidelijke punten: harde eisen, pluspunten, twijfelpunten en de reden voor prioriteit. Zo maak je jouw uiteindelijke keuze beter uitlegbaar richting hiring managers en collega’s. Je hoeft dit echt niet ingewikkeld te maken. Een korte, vaste beoordeling per profiel is meestal ruim voldoende om snel het onderscheid te zien tussen sterke matches en kandidaten die nog wat extra controle vereisen.

• Harde eisen: klopt de basis, zoals de regio, het type dienstverband en de relevante werkervaring?
• Pluspunten: beschikt de kandidaat over extra marktkennis, sterke vaardigheden in relatiebeheer of ervaring in een vergelijkbare buitendienstrol?
• Twijfelpunten: wat moet je nog verifiëren voordat je iemand definitief bovenaan je lijst plaatst?
• Reden voor prioriteit: waarom kies je ervoor om deze kandidaat als eerste te benaderen?

Welke kandidaten je het eerst benadert

Begin met de kandidaten die goed scoren op de harde eisen en daarnaast duidelijke pluspunten bezitten. Daarna volgen de profielen met slechts één, oplosbaar twijfelpunt. Kandidaten met meerdere openstaande vragen zet je wat lager op de lijst. Deze aanpak werkt efficiënter, omdat je de best onderbouwde matches als eerste benadert. Op onze pagina zo werkt Elvatix van shortlist tot bericht leggen we haarfijn uit hoe het zoeken, beoordelen en de menselijke controle vloeiend op elkaar aansluiten.

Hoe je de shortlist overdraagt naar benadering en opvolging

Sourcen stopt uiteraard niet bij het filteren. Je wilt precies weten wie er al benaderd is, wie er reageert en welke kandidaten door kunnen naar de volgende ronde. Daarom is het cruciaal dat het zoeken en de opvolging logisch in elkaar overlopen. Wij positioneren ons platform dan ook als een complete omgeving voor het vinden, benaderen en opvolgen van talent. Al eerder benaderde kandidaten worden direct herkend voordat er een nieuwe outreach start, berichten blijven altijd onder menselijke controle en de voortgang blijft overzichtelijk. Benieuwd hoe teams dit breder inzetten? Je vindt extra context in onze praktijkvoorbeelden van AI in recruitment.

Een herhaalbaar proces met AI sourcing in gewone taal voor teams met veel vacatures

Samenwerken zonder afhankelijk te zijn van één specialist

In veel teams is er één collega bedreven in boolean search en leunt de rest van de afdeling op zijn of haar kennis. Dat maakt het proces behoorlijk kwetsbaar. Door in natuurlijke zinnen te zoeken, wordt samenwerken een stuk transparanter en eenvoudiger. Recruiters, consultants en sourcers begrijpen de startopdracht namelijk sneller en op dezelfde manier. Hierdoor kun je gemakkelijker samen beoordelen, het werk sneller overdragen en helder beargumenteren waarom een kandidaat wel of juist niet in aanmerking komt.

Wanneer iteratief sourcen helpt bij nicheprofielen

Iteratief sourcen betekent simpelweg dat je stap voor stap zoekt en blijft leren van elke tussenuitkomst. Dit werkt bijzonder goed bij functies met een grote variatie aan functietitels of achtergronden. Je hoeft de eerste opdracht dan ook niet direct perfect te formuleren. Juist bij nicheprofielen of minder gangbare vacatures is deze methode enorm waardevol; je ontdekt zo veel sneller welke woorden, context en filters écht het verschil maken.

Hoe bureau en corporate teams dit praktisch inzetten

Bureaus, detacheerders en corporate recruitmentteams werken wellicht in verschillende contexten, maar de basis is vaak exact hetzelfde. Je start breed, filtert de overduidelijke ruis weg, stopt wanneer je een werkbare lijst hebt en maakt pas op dat moment een shortlist. Voor teams die veel opdrachten tegelijkertijd draaien, hebben we een speciale pagina over AI sourcing voor recruitmentbureaus. Daar laten we zien hoe deze werkwijze naadloos aansluit op de dagelijkse recruitmentprocessen.

Oefening met AI sourcing in gewone taal: zet een vacature om naar vier gewone zinnen

Zin 1: beschrijf het werk dat iemand moet doen

Schrijf om te beginnen op wat een kandidaat daadwerkelijk moet kunnen. Denk bijvoorbeeld aan: 'Zoek iemand die zelfstandig klantrelaties opbouwt, afspraken plant en commerciële kansen succesvol omzet in resultaat.' Begin altijd bij het werk zelf. Dat geeft veel meer richting dan een lange opsomming van losse trefwoorden en helpt je om de inhoud van de rol scherp in vizier te krijgen.

Zin 2: voeg één harde uitsluiter toe

Voeg daarna één duidelijke uitsluiter toe. Bijvoorbeeld: 'Geen zzp, alleen kandidaten die openstaan voor een dienstverband.' Kies hier voor een eis die echt als een paal boven water staat. Voeg niet direct meerdere uitsluiters tegelijk toe. Je leert dan minder van de initiële uitkomst en vergroot bovendien de kans dat je goede mensen te vroeg uitsluit.

Zin 3: voeg een praktische voorkeur toe

Nu is het tijd om een praktische voorkeur toe te voegen, zoals 'wonen binnen ongeveer 30 minuten reizen van Utrecht'. Behoud hierbij altijd ruimte voor een handmatige controle, omdat dergelijke voorkeuren soms mogen afwijken zonder dat een kandidaat direct ongeschikt is. Juist deze stap helpt je enorm om van een brede zoekvraag naar een beter bruikbare lijst te werken.

Zin 4: maak de relevante ervaring concreet

Rond het geheel af met de ervaring die er echt toe doet. Bijvoorbeeld: 'Minimaal 3 jaar relevante werkervaring binnen B2B-sales in een buitendienstrol.' Lees je vier zinnen vervolgens nog eens kritisch door en controleer of ze nog aanvoelen als normaal, soepel Nederlands. Is dat het geval, dan heb je doorgaans een uitstekend startpunt voor je sourcing. Wil je dit direct in een echte workflow oefenen? Via de link probeer Elvatix zelf ervaar je met eigen ogen hoe dit in de praktijk werkt.