Jean-Pierre Rabbath, Chief Product Office van Jobrapido en VP Analytics: “Hoe we taxonomie gebruiken om de juiste persoon aan te passen aan de juiste mogelijkheid”

Jobrapido takes the work out of looking for work. Daarvoor heeft het Smart Intuition Technology™ ontwikkeld, waarmee Jobrapido de interesses van werkzoekenden kan vaststellen, om ze vervolgens te koppelen aan de meest relevante vacatures. SIT maakt gebruik van kunstmatige intelligentie (AI), en een zelflerende zoekmachine die werkt met taxonomie.

Jean Pierre Rabbath, Chief Product Officer en Vice President Analytics bij Jobrapido, en bedenker van deze innovatieve aanpak vertelt hieronder meer.

Taxonomie – hoe zou je dit uitleggen aan mensen die er geen ervaring mee hebben?

Taxonomie verwijst naar een gestructureerde, hiërarchische indeling van informatie. Bijvoorbeeld de manier waarop de boeken in een boekenwinkel zijn gerangschikt: op het hoogste niveau heb je de categorieën fictie en non-fictie. Binnen de categorie fictie heb je genres als literatuur, thrillers, strips, science-fiction etc. In de non-fictiecategorie vind je genres als biografieën, memoires, kookboeken, leermaterialen etc. Binnen deze genres heb je weer subgenres. Bij science-fiction zie je bijvoorbeeld planken met buitenaardse invasies, na de apocalyps, andere universums, etc. Deze taxonomische indeling helpt klanten van een boekenzaak sneller te vinden wat ze zoeken. In algemene zin kun je zeggen dat je door het structureren van ruwe gegevens inzichten aan die gegevens kunt ontlenen. We leven in een wereld waarin de hoeveel beschikbare gegevens exponentieel zal blijven toenemen. We kunnen die gegevens beter benutten als we ze op een heldere, evenwichtige manier organiseren.

Hoe kwam u op het idee taxonomie te gebruiken om banen te vinden?

Ik houd me al meer dan zeven jaar bezig met technologie voor recruteringsdoeleinden. Daarbij ontdekte ik al snel dat banen veel waardevolle informatie bevatten voor recruiters, arbeidsmarktanalisten en economen. Om die banen te groeperen en de inzichten te bundelen zou je die banen moeten classificeren op basis van een beroepsspecifieke taxonomie. Kijkend naar de taxonomiestandaarden die er destijds voor de arbeidsmarkt beschikbaar waren, stelde ik vast dat geen van die methoden voldoende verfijnd was om bruikbare inzichten te genereren. Ik besloot toen dat we onze eigen fijnmazige beroepstaxonomie moesten ontwikkelen.

Kunt u concrete voorbeelden geven van de manier waarop taxonomie werkzoekenden helpt?

Het mooie van taxonomie vanuit het perspectief van de werkzoekende is dat je niet hoeft te leren wat het is of hoe het werkt, of op een andere manier moet gaan zoeken om er de voordelen van te ervaren. We passen de taxonomie toe in de onderliggende vacaturezoekmachine, zodat werkzoekenden eenvoudiger en effectiever kunnen zoeken en zo makkelijker hun droombaan kunnen vinden. Als iemand bijvoorbeeld een baan zoekt op Jobrapido, bevatten de zoekresultaten dankzij taxonomie meer suggesties die aansluiten bij het profiel van de werkzoekende. De taxonomische matching kijkt naar alle passende vaardigheden van de werkzoekende, wat leidt tot het tonen van vacatures waar de werkzoekende mogelijk niet eens aan had gedacht. Een ander pluspunt is dat we door het groeperen van vergelijkbare banen in dezelfde beroepscategorie ook salarisinformatie over die baan op een bepaalde locatie kunnen aangeven. Die informatie is heel waardevol voor de werkzoekende wanneer hij of zij over het salaris moet onderhandelen.

Hoe helpt taxonomie bedrijven bij hun zoektocht naar nieuw talent?

Bedrijven die op zoek zijn naar de ideale kandidaten kunnen taxonomie inzetten op de profielen van werkzoekenden, zodat de skillsets van de gevonden kandidaten nauw aansluiten op hun eisen. Met taxonomie vergroten ze het aantal potentiële kandidaten die op de vacature kunnen reageren. Dat is heel belangrijk, zeker als het gaat om vacatures die lastig zijn in te vullen.

Dus taxonomie is de toekomst van het zoeken naar werk?

Taxonomie is een essentieel element. Toch wordt de toekomst van het speuren naar vacatures meer bepaald door de manier waarop bedrijven de techniek inzetten om de best passende algoritmes te bouwen en hoe ze data gebruiken om te kijken hoe hun vacatures aansluiten bij de profielen van werkzoekenden die ze in hun recruteringsdatabase hebben staan. Voor recruiters die meerdere zoekopdrachten hebben, is het belangrijk dat ze op harde data kunnen bouwen en minder op buikgevoel hoeven af te gaan. Taxonomie biedt ze feitelijke en bruikbare inzichten.

Welke andere technische ontwikkelingen zijn volgens u van belang voor de banenmarkt?

Het hele bedrijfsleven wordt steeds technischer, dus ook recruteringsbureaus en werkzoekenden zullen slimmer en efficiënter moeten worden. De toenemende rol van AI voor personeelswerving zal zich vertalen in nieuwe tools voor profielmatching, het leggen van onderlinge verbanden, beslissingsondersteuning en maken van prognoses. Als die tools goed worden gebruikt, zullen ze het wervingsproces verbeteren en kunnen de beste gebruikers de ervaring van de werkzoekende ingrijpend veranderen. Anderzijds bieden analytische tools ook werkzoekenden waardevolle informatie, zodat ze sollicitatiegesprekken beter geïnformeerd en met meer zelfvertrouwen kunnen ingaan. Deze technologieën hebben ongekende implicaties, en ze zijn nog maar het begin. Belangrijker is dat we ons nu gaan realiseren wat de praktische toepassingsmogelijkheden zijn. Bedrijven die daar het snelst op inspelen zullen straks de winnaars zijn.