Kort samengevat

  • AI sourcing modellen analyseren historische reisafstanden boven 50 kilometer als indicator voor een hybride of remote voorkeur.
  • Recruitmentteams besparen wekelijks 4 tot 8 uur per sourcer door niet-passende werklocatievoorkeuren vooraf te filteren.
  • Leadstars combineert AI Sourcing met de Job Acquisition Machine (JAM) om alleen gekwalificeerde kandidaten met een 100% passende werklocatiematch aan te leveren.

De werkplekvoorkeur van kandidaten is sinds enkele jaren een van de grootste dealbreakers geworden in recruitmenttrajecten. Wanneer een opdrachtgever eist dat een medewerker minimaal 4 dagen per week op kantoor in Utrecht aanwezig is, maar een benaderde kandidaat uitsluitend full-remote of maximaal 1 dag per week op locatie wil werken, loopt het proces direct vast. Handmatig uitpluizen of iemand bereid is naar kantoor te reizen kost recruiters wekelijks talloze uren aan verspilde outreach en mislukte screeningsgesprekken.

In de huidige arbeidsmarkt is flexibiliteit geen secundaire arbeidsvoorwaarde meer, maar een primaire selectie-eis van zowel werkzoekenden als werkgevers. Recruitmentbureaus die deze voorkeuren pas ontdekken tijdens het eerste telefoongesprek verliezen kostbare tijd en belasten hun recruiters met repetitieve administratie. Geavanceerde AI Sourcing lost dit knelpunt op door ongestructureerde data in profielen en cv's semantisch te analyseren voordat er ook maar een enkel bericht wordt verzonden.

Waarom traditionele filters tekortschieten bij hybride werklocaties

Standaard filters in recruitmentsystemen en cv-databases kijken doorgaans uitsluitend naar een straal rondom een postcode, bijvoorbeeld 30 kilometer rondom Amsterdam. Deze statische benadering mist echter cruciale context. Een kandidaat die op 65 kilometer afstand woont kan uitstekend passen bij een hybride rol met 1 kantoordag per week, terwijl een kandidaat op 10 kilometer afstand principieel weigert om nog naar kantoor te komen.

Kandidaten vullen hun flexibiliteitsvoorkeuren bovendien zelden in gestructureerde invoervelden in. De informatie bevindt zich in vrije tekstvelden, omschrijvingen van eerdere projecten of contextuele hints over gedistribueerde teams. Zonder geavanceerde extractie moeten sourcers elk profiel handmatig interpreteren, wat leidt tot een aanzienlijke vertraging van het sourcingproces.

Daarnaast leidt het rigide gebruik van traditionele radius-filters tot twee grote problemen. Aan de ene kant worden geschikte kandidaten die net buiten de straal wonen maar graag 1 of 2 dagen reizen onterecht uitgesloten. Aan de andere kant worden kandidaten binnen de straal die vasthouden aan volledig thuiswerken wel benaderd, met frustratie en lage responspercentages tot gevolg.

Hoe AI hybride werkvoorkeuren extraheert uit ongestructureerde data

Natural Language Processing (NLP) en moderne Large Language Models (LLM's) kunnen subtiele aanwijzingen in profielteksten en cv's direct omzetten in bruikbare datapunten. Het algoritme analyseert verschillende semantische lagen:

  • Historische werkplekpatronen: analyses van eerdere werkgevers die bekendstaan om een volledig remote of juist strikt kantoorgebonden beleid.
  • Verhuis- en reispatronen: kandidaten die tijdens een dienstverband zijn verhuisd naar een regio op meer dan 80 kilometer van het hoofdkantoor, wat duidt op een gevestigde remote werkroutine.
  • Semantische context in bullet points: termen zoals cross-border teams, asynchrone communicatie, standplaatsbeleid en hybride teamsamenwerking.
  • Afstandsvalidatie per kantoordag: berekening van de reële reistijd per openbaar vervoer of auto in relatie tot het gevraagde aantal kantoordagen in de vacature.

Door deze verschillende lagen te combineren, creëert de AI een gewogen profielscore. Als een kandidaat de afgelopen vijf jaar uitsluitend heeft gewerkt voor internationale softwarebedrijven zonder fysieke vestiging in Nederland, kent het model een hoge waarschijnlijkheid toe aan een voorkeur voor full-remote werk. Heeft een kandidaat daarentegen altijd gewerkt bij lokale MKB-bedrijven met een sterke fysieke aanwezigheidscultuur binnen 15 kilometer van de woonplaats, dan is de kans op acceptatie van een hybride of kantoorgebonden rol aanzienlijk groter.

Implementatie van hybride matching in het sourcingproces

Om AI detectie voor werklocatievoorkeuren effectief in te zetten, richt je een geautomatiseerde scoringpipeline in. Zodra een profiel wordt gescand door de AI Sourcing tooling, berekent het systeem een hybride geschiktheidsscore tussen 0 en 100 procent. Profielen met een mismatch ten opzichte van de vacature-eisen worden automatisch uitgesloten van de outreachlijst.

Stel dat een bureau maandelijks 1.200 profielen screent voor 10 verschillende vacatures. Als 30 procent van de benaderde kandidaten normaliter afhaakt vanwege een mismatch in kantoorverplichting, voorkomt de inzet van AI screening ruim 360 nutteloze outreachberichten per maand. Hierdoor stijgt het responspercentage op relevante berichten aanzienlijk en blijft de reputatie van het recruitmentbureau beschermd.

Bovendien stelt deze data recruiters in staat om hun outreachberichten direct te personaliseren. Als het systeem weet dat een kandidaat momenteel 50 kilometer van kantoor woont en de vacature 1 vaste thuiswerkdag plus flexibele uren biedt, kan het bericht specifiek inspelen op die flexibiliteit. Dit verhoogt niet alleen de conversie van bericht naar intakegesprek, maar versterkt ook de professionele positionering van het bureau.

Praktisch stappenplan voor recruitmentbureaus

Wil je als staffing- of werving & selectiebureau starten met geautomatiseerde werkplekmatching? Volg dan deze vier stappen om je sourcing te optimaliseren:

  1. Breng de exacte standplaatseisen van opdrachtgevers in kaart: leg per vacature het minimum aantal verplichte kantoordagen en de maximale acceptabele reistijd vast.
  2. Verrijk kandidaatprofielen met semantische tags: koppel AI parsing aan je database om historische werkpatronen en flexibiliteitssignalen automatisch te labelen.
  3. Stel geautomatiseerde filtering in vóór outreach: blokkeer kandidaten met een berekende mismatch op werklocatie om verspilling van InMails en e-mails te voorkomen.
  4. Evalueer en verfijn de drempelwaarden: monitor maandelijks de uitvalredenen in screeningsgesprekken en pas de weging van het algoritme aan op basis van praktijkdata.

Hoe Leadstars dit voor je oplost

Leadstars richt met geavanceerde AI Sourcing en de Job Acquisition Machine (JAM) complete kandidaatstromen in waarin werklocatievoorkeuren, vaardigheden en salarisindicaties vooraf worden gefilterd. Hierdoor ontvangen jouw recruiters uitsluitend kandidaten die inhoudelijk gekwalificeerd zijn en naadloos aansluiten op het standplaatsbeleid van jouw opdrachtgevers.

Dankzij onze implementatiefee met maandelijkse retainer, een leveringsgarantie van 7 dagen en een duidelijke resultaatgarantie op het aantal afgesproken leads, haal je voorspelbare wervingskracht in huis. Plan vandaag nog een vrijblijvend strategiegesprek in om te ontdekken hoe AI sourcing jouw plaatsingen versnelt.

Wil je verder lezen? Bekijk ook recruitment marketing bureau en onze recruitment marketing begrippenlijst en onze recruitment marketing diensten.

Veelgestelde vragen

Het model analyseert semantische signalen in werkervaringen, zoals vermeldingen van remote teams, eerdere standplaatsen op grote afstand van het woonadres en specifieke zinsneden in profielen. Daarnaast combineert het algoritme reistijdberekeningen met openbare functiebeschrijvingen uit het verleden.

Leadstars lost dit voor je op

Meer kandidaten of meer opdrachtgevers nodig? Wij bouwen je acquisitiemachine in één pakket met een vaste BDR die zowel kandidaten als klanten opvolgt, met levering binnen 7 dagen. Plan een vrijblijvend strategiegesprek en we laten precies zien hoe.