Waarom AI faalt zonder goede data (en niemand dat wil horen)
Dit artikel is gebaseerd op een interview dat volgde op Bullhorn’s AI & Automation Community event en de Talent Business Partners Recruitment Tech Talks. Marco Boomsma (Regional Vice President EMEA) bracht twee experts bij elkaar: Dries Vrijders, Digital Strategy & Innovation Director bij HRlinkIT, en Guillaume Onclin, onafhankelijk IT Business Analyst met bijna tien jaar praktijkervaring in de Staffing & Recruitment industrie. Samen bespraken zij hoe AI en automatisering niet als kostenpost, maar als groeistrategie kunnen worden ingezet. Dit is het tweede artikel van een drieluik.
AI maakt je problemen niet kleiner. Het maakt ze zichtbaarder. Dat is misschien niet de boodschap die je verwacht van een artikel over AI in recruitment. Maar het is wel de eerlijkste, en uiteindelijk de meest waardevolle. Want terwijl de markt overspoeld wordt met tools, beloftes en succesverhalen, zien de mensen die dagelijks met AI-implementaties werken iets anders: organisaties die enthousiast starten, en vervolgens teleurgesteld worden. Niet omdat de technologie niet werkt, maar omdat de basis niet klopte. Ik spreek dit vanuit mijn eigen ervaring bij Bullhorn, en vanuit de gesprekken die ik dagelijks voer met recruitment- en staffingbureaus in de Benelux. De patroon is opvallend consistent.
De klassieke pijnpunten bloeden harder
“De klassieke pijnpunten die automatisering al blootlegde, een verouderde database, een onzuiver proces, niet AVG-conform werken gaan nog extra bloeden wanneer je er AI op loslaat.” Guillaume Onclin, onafhankelijk IT Business Analyst
Een AI-agent die automatisch kandidaten benadert en een mooi cv presenteert van iemand die al jaren geleden is overleden. Of erger: een kandidaat die uitdrukkelijk heeft aangegeven niet langer in de database te willen zitten, en toch opnieuw wordt voorgesteld. Dit zijn geen theoretische risico’s. Dit zijn échte gevallen die gebeuren zodra je AI loslaat op data die nooit echt op orde was. De tool deed precies wat je vroeg. Het probleem lag dieper.
Waarom we AI aan een hogere standaard houden dan onszelf
Er is iets merkwaardigs aan de manier waarop we AI beoordelen. Bij implementaties worden fouten van het systeem zorgvuldig gedocumenteerd, breed besproken en aangegrepen om twijfel te zaaien. Terwijl de recruiter een paar bureaus verderop ook heus niet van elk gesprek een succes maakt, terwijl daar weinig over wordt gezegd.
“We lijken AI ook vaak aan een hogere standaard te onderwerpen dan we onszelf opleggen. Ik zie geregeld hoe in projecten elke vergissing onder een vergrootglas wordt gelegd, terwijl de recruiter even verderop ook heus niet van elk gesprek een succes maakt.” Dries Vrijders, Digital Strategy & Innovation Director bij HRlinkIT
De vraag is niet: maakt AI fouten? Ja, net als mensen. De vraag is: maakt AI op dit punt minder fouten dan we nu maken, en verbetert het in de loop van de tijd? En: aanvaarden we dat AI, net als mensen, eerst herhaaldelijk faalt voordat het succesvol wordt?
Goede data is geen IT-issue. Het is je AI-strategie.
Veel bureaus praten over data als iets wat “ergens geregeld” moet worden. Managers zeggen dat data hun goud is, maar een strategie om die data actueel te houden, uit te breiden en samen te brengen, ontbreekt.
Dat is precies het probleem. Data governance is geen bijzaak die je achteraf regelt. Het is de voorwaarde waaronder AI überhaupt waarde kan leveren.
Concreet betekent dat:
Je database moet kloppen
Kandidaten die niet meer bereikbaar willen zijn, moeten dat zijn ook. Contactgegevens moeten actueel zijn. Dubbele profielen moeten worden samengevoegd. Dit klinkt basaal, en dat is het ook, maar het wordt structureel uitgesteld omdat het weinig glamour heeft.
Je processen moeten zuiver zijn
AI automatiseert wat je al doet. Een slordig proces dat handmatig net werkbaar was, wordt met AI een slordig proces dat fout gaat op schaal.
Je AVG-compliance moet op orde zijn
AI-toepassingen die kandidaatdata verwerken, vergroten het risico op fouten exponentieel als de governance niet klopt en de gevolgen zijn navenant groter.
Waar te beginnen
Het goede nieuws: je hoeft niet te wachten tot je data perfect is. Perfectie bestaat toch niet. Maar je kunt wel bewuste keuzes maken over waar je begint.
Start met de processen en datapunten die het meest worden ingezet. Zorg dat die kloppen, voordat je er AI op loslaat. Bouw van daaruit verder: systematisch, gedocumenteerd, met mensen die zowel de business als de technologie begrijpen. En denk daarbij altijd in een platform dat je data bij elkaar brengt en bewaakt. Losse tools die elk hun eigen databron hebben, vergroten het probleem alleen maar. Een centrale, gedocumenteerde API is de architectuur die je in staat stelt te schalen zonder te breken. Dat is ook de reden waarom Bullhorn zo sterk inzet op een open platform: jouw data moet van jou zijn, toegankelijk, en klaar om te werken.
Dat is ook precies waar Bullhorn Amplify een concrete versnelling biedt. Skills zoals Enrich actualiseren en verrijken kandidaatdata automatisch, zonder dat recruiters of salesmedewerkers daar kostbare tijd aan kwijt zijn. Wat voorheen weken of maanden handmatig werk vergde, doet Amplify in een fractie van de tijd. Zo maak je de stap naar een betrouwbare databasis niet ondanks je drukke agenda, maar juist daarbinnen.
Kijk ook eens bij ons Automation Playbook met meer dan 80 bewezen automations die recruiters iedere dag tijd besparen.
De harde waarheid
AI is een vergrootglas. Het vergroot wat er al is: zowel het goede als het slechte. Wie investeert in goede data en zuivere processen, ziet dat AI die kwaliteit versterkt en versnelt. Wie dat niet doet, ziet dat AI de problemen die er altijd al waren eindelijk onmiskenbaar zichtbaar maakt.
Dat is geen reden om niet te beginnen. Het is een reden om eerlijk te zijn over waar je staat. En eerlijk zijn over waar je staat, is precies waar wij bij Bullhorn onze klanten mee helpen. Niet met een verkooppraatje, maar met een eerlijke analyse van wat er nodig is om AI echt te laten werken.
Dit artikel is het tweede deel van een drieluik over AI, data en groeistrategie in recruitment. Deel 1: Van ATS naar sturend platform: waarom AI het recruitment-systeem opnieuw definieert & Deel 3: stop met tools kopen, begin met je groeistrategie.
