Kort samengevat

  • AI identity resolution combineert deterministische identifiers met probabilistische algoritmes om gefragmenteerde kandidaatprofielen samen te voegen.
  • In een rekenvoorbeeld bespaart een sourcingteam met 3 recruiters ruim 45 uur per maand aan handmatige profielconsolidatie.
  • Leadstars integreert geavanceerde identity resolution in de dienst AI Sourcing en biedt een leveringsgarantie van 7 dagen.
  • Door profielen over kanalen heen te koppelen, verlaag je het risico op dubbele outreach binnen hetzelfde recruitmentbureau naar 0%.

Recruiters besteden een aanzienlijk deel van hun werkdag aan het handmatig opzoeken, verifiëren en kopiëren van kandidaatdata. Een kandidaat heeft een LinkedIn-profiel met beperkte functiebeschrijvingen, een GitHub-account met recente code-repositories, een verouderd profiel in het eigen ATS en een persoonlijk e-mailadres op een portfolio-website. Het handmatig samenvoegen van deze databronnen kost veel tijd en leidt regelmatig tot fouten, zoals dubbele contactmomenten of outreach naar verouderde e-mailadressen.

AI identity resolution lost dit probleem op door gefragmenteerde datapunten automatisch te herkennen, koppelen en valideren. In dit artikel lees je hoe identity resolution werkt, welke technologieën erachter zitten en hoe recruitmentbureaus dit direct inzetten om sneller en effectiever toptalent te benaderen.

Wat is AI identity resolution in recruitment?

Identity resolution is het proces waarbij losse datapunten uit meerdere online en offline kanalen worden gekoppeld aan één unieke kandidaatidentiteit. Waar traditionele database-matching alleen zoekt op exacte tekstmatches in een ATS, gebruikt moderne AI identity resolution geavanceerde entity matching algoritmes en machine learning.

Het resultaat is een zogeheten 'golden record': één uniform, actueel profiel dat alle bekende informatie over werkervaring, vaardigheden, openbare projecten en gevalideerde contactgegevens bevat. Dit voorkomt dat recruiters werken met verouderde informatie of dezelfde persoon via twee verschillende kanalen met een tegenstrijdige boodschap benaderen.

Deterministische versus probabilistische matching

AI identity resolution maakt gebruik van twee complementaire matching-methodologieën om kandidaatprofielen met hoge nauwkeurigheid samen te voegen:

  • Deterministische matching: Deze methode koppelt records op basis van 100% zekere overeenkomsten, zoals een identiek e-mailadres, telefoonnummer, GitHub-gebruikersnaam of unieke LinkedIn-URL. Dit levert de hoogste precisie op.
  • Probabilistische matching: Wanneer harde identifiers ontbreken, berekent een AI-model de waarschijnlijkheid dat twee profielen dezelfde persoon zijn. Hierbij kijkt het model naar combinaties van naam, carrièretijdlijn, overlap in vaardigheden, geolocatie en gezamenlijke connecties of publicaties.

Stel dat een AI-model een kandidaat 'Sanne de Jong' vindt op GitHub met de tags Python en Kubernetes in Utrecht, en tegelijkertijd een profiel 'Sanne de Jong' op LinkedIn met 4 jaar ervaring als DevOps Engineer bij een Amsterdams softwarebedrijf. De AI berekent op basis van werkervaring, tijdlijnen en technische overlap een waarschijnlijkheidsscore. Ligt deze score boven een ingestelde drempelwaarde van bijvoorbeeld 95%, dan worden de profielen automatisch samengevoegd tot één verrijkt profiel.

Rekenvoorbeeld: Tijdsbesparing en efficiëntiewinst

Om de impact van AI identity resolution inzichtelijk te maken, bekijken we een rekenvoorbeeld van een werving- en selectiebureau dat zich richt op schaarse technische profielen.

In dit rekenvoorbeeld bestaat het sourcingteam uit 3 recruiters die maandelijks gezamenlijk 600 kandidaten sourcen. Bij een traditionele werkwijze besteedt een recruiter gemiddeld 5 minuten per kandidaat aan het opzoeken van ontbrekende data, het cross-checken van het ATS en het verifiëren van contactgegevens. Dat resulteert in 50 uur per maand aan puur handmatig datawerk voor het team (600 profielen x 5 minuten = 3.000 minuten = 50 uur).

Wanneer dit bureau een AI identity resolution engine inzet, daalt de tijd per kandidaat naar minder dan 30 seconden voor een snelle kwaliteitscontrole. De totale tijd voor dataverrijking daalt van 50 uur naar 5 uur per maand. Het team wint 45 productieve uren terug, die direct besteed kunnen worden aan persoonlijke kandidaatgesprekken en intakegesprekken met opdrachtgevers.

Stappenplan voor het implementeren van identity resolution

Recruitmentbureaus die identity resolution willen integreren in hun sourcing-stack, kunnen de volgende vier stappen doorlopen:

  1. Breng je huidige databronnen in kaart: Inventariseer waar kandidaatdata zich bevindt, zoals je ATS (Bullhorn, Carerix, Otys), spreadsheetlijsten, LinkedIn Recruiter projecten en e-mailinboxen.
  2. Kies een AI-gedreven sourcing- en enrichmentsysteem: Selecteer tools die beschikken over ingebouwde identity resolution API's en direct koppelen met openbare databronnen en jouw CRM.
  3. Stel betrouwbaarheidsdrempels in: Bepaal bij welk betrouwbaarheidspercentage data automatisch wordt samengevoegd (bijvoorbeeld 90% of hoger) en wanneer een profiel ter handmatige controle aan een recruiter wordt voorgelegd.
  4. Richt geautomatiseerde validatie van contactgegevens in: Koppel SMTP-handshakes en telefoongidssystemen aan de engine om te verifiëren of e-mailadressen en telefoonnummers actief zijn voordat outreach start.

Kwaliteitsbewaking en AVG-compliance

Bij het consolideren van kandidaatdata via AI is strikte naleving van de privacywetgeving essentieel. Zorg ervoor dat data uitsluitend afkomstig is van openbaar toegankelijke bronnen en dat je de verwerking baseert op een gerechtvaardigd belang voor werving en selectie.

Daarnaast moet de AI-oplossing transparantie bieden: recruiters moeten kunnen inzien welke datapunten hebben geleid tot een koppeling. Dit voorkomt dat kandidaten met veelvoorkomende namen onterecht aan verkeerde cv's of contactgegevens worden gekoppeld.

Hoe Leadstars dit voor je oplost

Het handmatig opsporen, koppelen en controleren van kandidaatprofielen remt de groei van je recruitmentbureau af. Met de dienst AI Sourcing en de Job Acquisition Machine (JAM) van Leadstars automatiseer je het volledige traject van dataverrijking, identity resolution en kandidaatactivatie. Wij bouwen pipelines die verspreide talentdata omzetten in concrete, gekwalificeerde sollicitaties en reacties in je mailbox.

Leadstars werkt met een vaste maandelijkse of jaarlijkse retainer inclusief een eenmalige implementatiefee, ondersteund door een leveringsgarantie van 7 dagen en een resultaatgarantie op het afgesproken aantal leads. Plan vandaag nog een vrijblijvend strategiegesprek in om te ontdekken hoe AI Sourcing jouw bureau voorziet van een voorspelbare instroom van topspecialisten.

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

Veelgestelde vragen

Deterministische matching koppelt profielen op basis van exacte, unieke identifiers zoals een persoonlijk e-mailadres, telefoonnummer of LinkedIn-URL. Probabilistische matching gebruikt AI-algoritmes om waarschijnlijkheden te berekenen op basis van combinaties van data, zoals voor- en achternaam, werklocatie, werkgevershistorie en vaardigheden.

Leadstars lost dit voor je op

Meer kandidaten of meer opdrachtgevers nodig? Wij bouwen je acquisitiemachine op basis van een retainer met resultaatgarantie op het afgesproken aantal leads, met levering binnen 7 dagen. Plan een vrijblijvend strategiegesprek en we laten precies zien hoe.