De match is de hypothese, de praktijk levert het bewijs

Recruitment probeert vooraf te voorspellen of mens en organisatie bij elkaar passen. Hoe beter onze informatie en technologie worden, hoe beter die voorspelling kan worden. Maar ook de rijkste analyse blijft een voorspelling. Werkelijke samenwerking laat zich uiteindelijk maar op één plek bewijzen: in de praktijk.

Recruitment is één grote voorspelling

Vrijwel alles wat we in recruitment doen, heeft hetzelfde doel: onzekerheid verkleinen.

We lezen een cv omdat we hopen dat iemands verleden iets zegt over toekomstig functioneren. We voeren gesprekken om motivatie, persoonlijkheid en denkvermogen beter te begrijpen. We gebruiken assessments, referenties en soms cases om nog iets meer zekerheid te krijgen.

Daar is niets mis mee. Een organisatie neemt een belangrijke beslissing en een kandidaat evenzeer. Beide willen vooraf zo goed mogelijk weten waar ze aan beginnen.

Maar hoe zorgvuldig het proces ook is, uiteindelijk proberen we iets te voorspellen wat nog niet heeft plaatsgevonden: hoe deze persoon en deze organisatie samen zullen functioneren.

Dat maakt iedere selectie-uitkomst per definitie een hypothese.

Iedere selectie-uitkomst is uiteindelijk een hypothese over samenwerking die nog niet heeft plaatsgevonden.

Meer informatie maakt de hypothese beter, niet waar

Nieuwe technologie kan die hypothese aanzienlijk rijker maken. We hoeven ons niet langer te beperken tot opleiding, werkervaring en een gesprek van een uur.

We kunnen veel meer context meenemen. Wie is iemand? Waar wil iemand naartoe? Welke vaardigheden zijn aanwezig of ontwikkelbaar? Onder welke omstandigheden functioneert iemand goed? En we kunnen precies dezelfde vragen stellen aan de organisatie.

Binnen WeRepresent ordenen we dat langs vier perspectieven: Identiteit, Ambitie, Vaardigheden en Condities.

Wanneer we kandidaat en organisatie langs dezelfde perspectieven begrijpen, kunnen we niet alleen overeenkomsten zichtbaar maken, maar ook mogelijke frictie, onzekerheden en ontwikkelpotentieel.

Dat levert naar mijn overtuiging een betere voorspelling op. Maar het verandert één ding niet: ook een zeer goede voorspelling blijft een voorspelling.

Een score is geen werkelijkheid

Juist daar moeten we voorzichtig zijn met AI.

Een systeem dat veel informatie kan verwerken, kan indrukwekkend precies lijken. Zodra daar een score uitkomt - 8,4 of 92 procent - ontstaat gemakkelijk de indruk dat we iets objectiefs hebben vastgesteld.

Maar een matchscore meet geen toekomstige werkelijkheid. Hij vat samen wat op basis van de beschikbare informatie aannemelijk lijkt.

De informatie kan onvolledig zijn. Mensen kunnen zichzelf anders inschatten dan collega's hen ervaren. Een organisatie kan een beeld van haar cultuur hebben dat in een specifiek team heel anders uitpakt. Omstandigheden veranderen. En sommige eigenschappen worden pas zichtbaar wanneer mensen daadwerkelijk samen iets proberen te bereiken.

Daarom zou een matchscore nooit het einde van een selectieproces moeten zijn. Hij is juist het begin van een beter gesprek.

Een matchscore is geen waarheid. Hij maakt zichtbaar wat op basis van de beschikbare informatie aannemelijk lijkt.

Frictie is geen afwijzing

Hetzelfde geldt voor verschillen.

Wanneer een analyse mogelijke frictie laat zien, is de reflex al snel om die kandidaat lager te rangschikken. Maar daarmee maken we van technologie opnieuw een selectiemachine.

Stel dat kandidaat en organisatie sterk overeenkomen in identiteit, ambitie en vaardigheden, maar verschillen op één belangrijke conditie. De kandidaat zoekt veel autonomie; de organisatie werkt met relatief duidelijke kaders.

Dat kan een probleem zijn. Maar misschien biedt juist deze functie meer vrijheid dan gebruikelijk. Misschien blijkt de behoefte aan autonomie minder absoluut wanneer het doel helder is. Misschien wil de organisatie haar manier van werken juist veranderen.

De frictie vertelt ons dus niet dat de match slecht is. Ze vertelt ons wat we moeten onderzoeken.

Dat is een wezenlijk verschil.

Een sollicitatiegesprek blijft een kunstmatige situatie

Zelfs wanneer kandidaat en organisatie na een goede analyse met de juiste vragen aan tafel zitten, blijft er een beperking.

Een sollicitatiegesprek is geen werkdag.

Beide partijen presenteren zichzelf. De kandidaat probeert een goede indruk te maken. De organisatie doet hetzelfde. Iedereen is voorbereid, de agenda is vrijgemaakt en de koffie staat klaar.

Maar werk ontstaat op andere momenten. Wanneer een planning niet klopt. Wanneer een collega het oneens is. Wanneer een klant iets anders wil. Wanneer er tijdsdruk ontstaat. Wanneer iemand iets nog niet kan. Wanneer een beslissing moet worden genomen terwijl niet alle informatie beschikbaar is.

Juist dan worden samenwerking, communicatie, aanpassingsvermogen, leiderschap en vertrouwen zichtbaar.

En precies die werkelijkheid kunnen we niet volledig simuleren in een selectieproces.

Waarom springen we van gesprek naar contract?

Dat roept een eenvoudige vraag op.

Waarom maken we in recruitment vaak zo'n enorme sprong?

Na enkele gesprekken, misschien een assessment en een arbeidsvoorwaardelijk gesprek nemen beide partijen een besluit dat soms voor jaren gevolgen heeft. We proberen dus met een relatief kleine hoeveelheid kunstmatige interactie een langdurige samenwerking te voorspellen.

In andere domeinen zouden we dat opmerkelijk vinden. We testen technologie voordat we haar in productie nemen. We voeren pilots uit voordat we een nieuwe werkwijze breed invoeren. We bouwen prototypes voordat we grote investeringen doen.

Maar bij misschien wel één van de meest bepalende relaties binnen een organisatie gaan we vaak rechtstreeks van voorspelling naar definitieve keuze.

Waarom zouden we tussen die twee geen echte validatiefase organiseren?

Waarom gaan we bij mensen vaak rechtstreeks van voorspelling naar een beslissing voor jaren?

Eerst samenwerken, dan beslissen

Daar komt voor mij het principe 'eerst samenwerken, dan beslissen' vandaan.

Niet als extra sollicitatieronde. En nadrukkelijk ook niet als gratis proefperiode waarin een kandidaat zich nog maar eens moet bewijzen.

Als iemand werkelijk werk verricht en waarde toevoegt, hoort daar betaling tegenover te staan.

Het gaat om iets anders: een afgebakende periode waarin kandidaat en organisatie in een echte professionele context kunnen onderzoeken of de veronderstelde match standhoudt.

Er is een echte opdracht. Er zijn echte collega's, echte verwachtingen en echte resultaten. De kandidaat ervaart de organisatie zoals die daadwerkelijk functioneert. De organisatie ziet de kandidaat niet langer als sollicitant, maar als iemand met wie wordt samengewerkt.

Dan verandert selectie in validatie.

Eerst samenwerken, dan beslissen.

Beide partijen worden gevalideerd

Dat is belangrijk, zeker wanneer we recruitment werkelijk wederkerig willen maken.

Een praktijkperiode is niet bedoeld om alleen de kandidaat te testen.

De organisatie heeft net zo goed iets te bewijzen.

Klopt de beloofde autonomie? Is de begeleiding aanwezig die tijdens de gesprekken werd toegezegd? Werkt het team inderdaad zoals het zichzelf beschreef? Bestaat de ontwikkelruimte werkelijk? En ervaart de kandidaat de cultuur zoals de organisatie dacht dat die was?

De kandidaat ontdekt dus niet alleen of hij het werk kan. Hij ontdekt of hij het daar wil doen.

En de organisatie ontdekt niet alleen of iemand presteert. Zij ontdekt of zij deze persoon een omgeving kan bieden waarin die prestatie duurzaam kan worden.

Dat maakt praktijkvalidatie geen verlengde proeftijd, maar een wederzijdse toets.

Niet alleen de kandidaat wordt gevalideerd. De organisatie net zo goed.

Van gevoel naar leren

Er ontstaat nog een tweede voordeel wanneer we voorspelling en praktijk bewust aan elkaar koppelen.

We kunnen leren.

Stel dat vooraf een sterke match werd verwacht en de samenwerking inderdaad uitstekend blijkt te verlopen. Dan hebben we aanwijzingen dat de informatie en aannames die tot die voorspelling leidden waardevol waren.

Maar interessanter zijn misschien de gevallen waarin de werkelijkheid anders uitpakt.

Waarom bleek een verwachte frictie geen probleem? Waarom ontstond juist spanning op een onderwerp dat vooraf nauwelijks zichtbaar was? Welke informatie hadden we verkeerd geïnterpreteerd? Welke vraag hadden we niet gesteld?

Dan wordt iedere praktijkervaring feedback op de manier waarop we matches voorspellen.

Niet om een algoritme uiteindelijk de waarheid te laten bepalen, maar om steeds beter te begrijpen welke signalen werkelijk iets zeggen over succesvolle samenwerking.

De interessantste informatie ontstaat vaak waar voorspelling en werkelijkheid van elkaar verschillen.

Ook een 'nee' kan bewijs zijn

We zijn gewend succes in recruitment te meten aan plaatsingen.

Maar wanneer het doel een duurzame match is, kan een goed onderbouwd 'nee' eveneens een waardevolle uitkomst zijn.

Stel dat kandidaat en organisatie na een periode van echte samenwerking samen constateren dat het niet verstandig is verder te gaan. Dan is dat geen mislukte validatie.

De validatie heeft juist gedaan waarvoor zij bedoeld was.

Een verschil dat anders misschien pas na zes maanden zichtbaar was geworden, is vroeg ontdekt. Beide partijen kunnen verder zonder een arbeidsrelatie voort te zetten die waarschijnlijk niet duurzaam was geweest.

De waarde van recruitment zit dus niet uitsluitend in zoveel mogelijk mensen plaatsen. Ze zit ook in het voorkomen van verkeerde matches.

De rol van AI wordt daarmee bescheidener én waardevoller

Deze manier van denken verandert ook hoe we naar AI in recruitment kijken.

AI hoeft niet steeds beter te worden in het nemen van de beslissing. Het moet steeds beter worden in het formuleren van een toetsbare hypothese.

Waar lijken kandidaat en organisatie bij elkaar te passen? Waar zien we frictie? Wat weten we nog niet? Welke aannames verdienen extra aandacht? Wat zouden we in de praktijk moeten observeren?

De technologie adviseert en maakt inzichtelijk. Mensen bepalen vervolgens wat ze met die informatie doen.

En daarna krijgt de werkelijkheid het laatste woord.

Dat is misschien een minder spectaculaire rol voor AI dan volledig geautomatiseerde selectie. Maar ik vermoed dat het uiteindelijk een veel waardevollere is.

AI moet niet beslissen. AI moet helpen een betere, toetsbare hypothese te formuleren.

Van recruitment naar bewijs

Vanuit die gedachte ontwikkelen wij binnen WeRepresent een werkwijze waarin matching en praktijkvalidatie bewust aan elkaar worden gekoppeld.

De Digital Twins van kandidaat en organisatie vormen samen de basis voor een matchhypothese. Daaruit worden niet alleen overeenkomsten afgeleid, maar ook fricties, onzekerheden en punten die in de praktijk onderzocht kunnen worden.

Wanneer beide partijen vervolgens besluiten dat een mogelijke match interessant genoeg is, kan een betaalde samenwerking van honderd uur dienen als gestructureerde validatie.

Niet honderd uur omdat na precies dat aantal uren de waarheid bekend zou zijn. Wel omdat er voldoende echte interactie nodig is om verder te komen dan indrukken uit een sollicitatieproces.

Bij de start ligt er een hypothese. Tijdens de samenwerking ontstaat bewijs. En aan het einde nemen mensen een besluit op basis van beide.

De werkelijkheid als laatste criticus

Recruitment zal nooit volledig voorspelbaar worden. Daarvoor zijn mensen, organisaties en omstandigheden te veranderlijk.

Dat hoeft ook niet.

De ambitie zou niet moeten zijn alle onzekerheid vooraf weg te modelleren. De ambitie moet zijn om betere hypotheses te vormen, expliciet te maken waarop ze zijn gebaseerd en ze vervolgens zo vroeg mogelijk aan de werkelijkheid bloot te stellen.

Dat vraagt ook iets van organisaties. We moeten bereid zijn toe te geven dat onze modellen, gesprekken en intuïtie het mis kunnen hebben.

Maar juist daarin zit vooruitgang.

Niet door steeds stelliger te voorspellen.

Wel door steeds beter te leren van het verschil tussen wat we verwachtten en wat er werkelijk gebeurde.