Een generieke AI-screeningscore is makkelijk te negeren. Wanneer een tool “82% match” geeft zonder enig idee wat jouw functie echt vraagt, stoppen je aanwervende managers stilletjes met vertrouwen en gaan ze terug naar het doorbladeren van pdf’s. De score wordt decoratie.
Een AI-screeningrubric verdient pas vertrouwen wanneer hij de specifieke filters van de functie weerspiegelt, en niet het idee van een leverancier over een goede kandidaat.
De oplossing is een eigen rubric: de harde criteria waaraan een kandidaat moet voldoen, plus de gewogen kwaliteiten die een sterke aanwerving echt onderscheiden van een gemiddelde. Zo bouw je er een in Canvider, zodat de score iets betekent.
Stap 1: scheid knock-outs van voorkeuren
Voordat je iets weegt, verdeel je je eisen in twee groepen.
- Knock-outs zijn niet-onderhandelbaar. Werkvergunning voor je land, een vereiste vergunning, een minimum aantal jaren ervaring, een locatie op kantoor. Als iemand daar niet aan voldoet, kun je die persoon niet aanwerven, punt uit.
- Voorkeuren zijn kwaliteiten die iemand beter maken, maar niet uitsluiten. Een specifiek framework, domeinervaring, een certificaat dat je graag ziet maar dat je kunt bijbrengen.
Die twee door elkaar halen is de meest voorkomende fout in een rubric. Een ontbrekende “nice to have” moet een score verlagen; een ontbrekende knock-out moet de kandidaat helemaal uit de overwegingen halen.
Stap 2: knock-outs afdwingen met CriteriaMatch
Canvider CriteriaMatch neemt de lijst met knock-outs voor zijn rekening. Je definieert criteria in gewone taal, zoals “Heeft werkvergunning voor Duitsland” of “Heeft een geldig PMP-certificaat”, en AI controleert elk cv daartegen, met een betrouwbaarheidsniveau en een uitleg.
Dit is geen zoeken op trefwoorden. CriteriaMatch leest in context, dus “gemachtigd om in de EU te werken” voldoet aan een controle op werkrecht voor Duitsland, zelfs zonder de exacte zin. Het resultaat is een zuiver filter: je besteedt geen gesprekstijd meer aan kandidaten die je nooit zou kunnen aanwerven.
Houd deze lijst kort. Drie tot vijf echte knock-outs is meestal juist. Te veel filteren is hoe je per ongeluk goede mensen wegfiltert.
Stap 3: voorkeuren wegen met AI Score
Zodra de knock-outs zijn afgehandeld, rangschikt Canvider AI Score de overgebleven kandidaten tegen de vacaturetekst zelf. Het geeft een matchrangschikking met specifieke sterktes en lacunes in gewone taal, zodat de score verklaarbaar is in plaats van een black box.
Omdat de score aan de vacaturetekst is gekoppeld, is de rubric standaard functiespecifiek. Een senior backendfunctie en een junior supportfunctie hebben niet dezelfde lat, en ze moeten ook niet dezelfde scoringlogica delen.
Voor meer over het afstemmen van deze gewichten met je team in plaats van gissen, zie hoe je scoringgewichten voor sollicitanten kalibreert.
Stap 4: vergrendel de rubric voor de eerste kandidaat
Definieer de rubric één keer, voordat de cv’s binnenkomen, en maak hem zichtbaar voor elke beoordelaar. Dit is de grootste verdediging tegen de meest voorkomende faalwijze: rubric drift.
Rubric drift is wanneer de norm stilletjes verandert halverwege de pipeline, vaak om een kandidaat die iemand al leuk vindt te rechtvaardigen. Een vergrendelde, gedeelde rubric zorgt dat iedereen met dezelfde lat scoort. We behandelen dit probleem uitgebreid in rubric drift vermijden bij kandidaatvergelijking.
Stap 5: vergelijk finalisten met dezelfde lat
Scoren is alleen nuttig als de eindbeslissing het respecteert. Canvider DecisionHelper zet finalisten naast elkaar met deelbare redenen, zodat de debriefing mensen vergelijkt met de rubric, en niet met degene die het laatst is geïnterviewd.
Daarmee sluit de lus: dezelfde criteria die de top van de trechter filterden, geven ook het kader voor de eindbeslissing.
Het doel van een rubric
Een goede rubric gaat niet over het wegnemen van menselijk oordeel. Het gaat over het richten van dat oordeel op de juiste kandidaten en het consistent toepassen ervan. Knock-outs afgehandeld door CriteriaMatch, voorkeuren gewogen door AI Score, een vergrendelde en gedeelde norm, en een eindvergelijking die die norm respecteert.
Bouw hem één keer per functie, en de AI-score houdt op decoratie te zijn en wordt een filter waarop je team echt vertrouwt.
Canvider geeft groeiende teams AI-screening op maat, ingebouwd in de kern van het aanwervingsproces. Probeer het gratis bij je volgende open vacature.