Vacaturebriefing: zo schrijf je hem zodat de AI (en je recruiters) de juiste kandidaten vinden

Als een zoektocht vastloopt — geen kandidaten, of de verkeerde — krijgt de tool, de markt of de hiring manager de schuld. De oorzaak ligt bijna altijd stroomopwaarts: de vacaturebriefing. Het is het ene document dat al het andere leest — de recruiter, de semantische engine, de matchingscore, het outreachbericht. Een vage briefing levert een vage shortlist op, hoe goed de AI erachter ook is. Deze gids legt uit wat een briefing onderscheidt van een functieomschrijving, welke zeven elementen een briefing bruikbaar maken voor machine en mens, hoe je hem in natuurlijke taal formuleert voor een semantische engine en hoe je hem in twintig minuten uit een hiring manager haalt.

Functieomschrijving en sourcingbriefing zijn niet hetzelfde document

De functieomschrijving richt zich tot de kandidaat: ze verkoopt de functie, beschrijft het bedrijf, somt de taken op. De briefing richt zich tot wie zoekt: ze beschrijft de kandidaat, niet de functie. De twee overlappen op vaardigheden, maar hun logica is omgekeerd. De omschrijving zegt "dit ga je doen"; de briefing zegt "hieraan herken je de juiste persoon, en hieraan de verkeerde". Ze verwarren is de oerfout: een functieomschrijving in een sourcingengine plakken is haar vragen iemand te vinden op basis van een brochure.

De zeven elementen van een bruikbare briefing

1. De context in twee zinnen. Het team, het probleem dat de persoon gaat dragen, waarom de functie nu opengaat. Dit laat de recruiter — en het model — het type profiel begrijpen, voorbij de keywords.
2. Drie verifieerbare must-haves, niet meer. "Drie jaar Kubernetes in productie" is op een profiel te checken; "sterk in infra" niet. Boven de drie beschrijf je geen kandidaat meer, maar een lege doorsnede.
3. De nice-to-haves, expliciet gescheiden. Wat de doorslag geeft tussen twee goede profielen, maar niemand diskwalificeert. Ze vermengen met de must-haves is de belangrijkste oorzaak van te korte shortlists.
4. De benoemde knock-outs. Wat zonder discussie uitsluit — een verplichte taal, een certificering, een geografisch gebied. Dit zijn de enige criteria die als hard filter gelden; al het andere wordt gewogen.
5. Salaris, locatie, werkvorm. Een echte range, een stad, het aantal dagen op kantoor. Zonder die benadert de recruiter mensen die bij het derde bericht nee zeggen, en beoordeelt de matchingscore een fit die niet bestaat.
6. De timingsignalen. Typische duur in de huidige functie, verwacht traject (tweede seniorrol, eerste leadpositie…), beschikbaarheidssignalen. Dit maakt van "relevant profiel" een "relevant profiel dat antwoordt".
7. Twee referentieprofielen en één tegenvoorbeeld. Twee mensen — geanonimiseerd of publiek — die het juiste profiel belichamen, en één die lijkt te passen maar niet past. Drie voorbeelden kalibreren een semantische engine beter dan dertig bijvoeglijke naamwoorden.

De briefing in natuurlijke taal voor een semantische engine

Een semantische engine leest geen opsomming zoals een recruiter dat doet: ze leest tekst en bouwt daar een representatie van de betekenis uit. De briefing die werkt is daarom een alinea van drie tot zes zinnen, geschreven zoals je de functie aan een collega zou beschrijven — geen tabel met criteria. Dit is de vorm die de beste resultaten geeft:

"We zoeken een senior Data Engineer die na het vertrek van de lead het dataplatform van een fintech met 120 mensen in Amsterdam overneemt. Must-have: minstens drie jaar Spark of dbt in productie, een van begin tot eind geleide migratie naar een data lakehouse en professioneel Engels. Nice-to-have: Airflow, ervaring bij een scale-up, een eerste mentorervaring. We sluiten profielen zonder productie-ervaring uit en mensen die niet twee dagen per week in Amsterdam kunnen zijn. Range 75-90 K€. De profielen die het best reageren zitten doorgaans twee tot vier jaar in hun huidige rol, in een datateam van vijf tot vijftien mensen."

Drie dingen om in die alinea te vermijden: holle bijvoeglijke naamwoorden ("dynamisch", "gepassioneerd", "nauwgezet") die het model aan niets verifieerbaars kan koppelen; lijsten van vijftien technologieën die het signaal verdunnen in plaats van aanscherpen; en tegenstrijdige eisen — "junior met tien jaar ervaring", "zelfstandig maar strak begeleid" — die de engine oplost door willekeurig te kiezen. Dit is de briefing die daarna dient als openingsquery in de methode die we beschrijven voor het combineren van semantisch zoeken en boolean search.

De intake van twintig minuten met de hiring manager

De briefing schrijf je niet alleen achter je scherm: je haalt hem uit een hiring manager die vaak nog niet heeft geformuleerd wat hij wil. Twintig minuten en acht vragen volstaan, mits je ze in deze volgorde stelt:

1. Welk probleem moet deze persoon over zes maanden hebben opgelost om jou tevreden te stellen?
2. Wie in je huidige of vorige team zou deze functie perfect invullen — en wat kenmerkt die persoon?
3. Wie heb je al zien mislukken in dit soort functie, en waarom?
4. Als je maar drie eisen mocht houden, welke?
5. Wat op een cv laat je binnen tien seconden nee zeggen?
6. Welke salarisrange is echt goedgekeurd — niet de range waarop je hoopt?
7. Hoeveel dagen op kantoor, en is dat onderhandelbaar voor het juiste profiel?
8. Bij welke bedrijven werken deze profielen vandaag?

De antwoorden op vragen 2, 3 en 8 zijn het waardevolst: ze leveren de referentieprofielen, het tegenvoorbeeld en de doelpools — precies wat een engine nodig heeft en wat een functieomschrijving nooit bevat. Een AI-copiloot kan die debrief ter plekke tot een briefing structureren; het is een van de dagelijkse toepassingen die we beschrijven in wat een AI-copiloot verandert voor recruiters.

De duurste fouten

• De inventarisbriefing. Twaalf must-haves, twintig technologieën, vier talen. Niemand bestaat, en de engine haalt de profielen naar boven die de meeste vakjes aanvinken — de meest wijdlopige cv's dus, niet de beste.
• De bevroren briefing. De eerste twintig profielen leren altijd iets — een onrealistisch criterium, een titel die de markt niet gebruikt, een te lage range. Een briefing die na die eerste lezing niet wordt herzien, blijft tot het einde fout.
• De verborgen criteria. De hiring manager wil "iemand senior" en wijst elk profiel boven de vijfenveertig af. Het echte criterium is onwettig en onuitgesproken; de officiële briefing is nutteloos. De intake dient er juist voor die criteria boven tafel te krijgen om ze af te wijzen.
• Het ontbrekende salaris. Een briefing zonder range verliest gemiddeld één op de drie berichten — de kandidaat vraagt naar het salaris, je antwoordt, hij haakt af.
• De briefing zonder eigenaar. Alleen door de recruiter geschreven, weerspiegelt ze wat de recruiter heeft begrepen. In één regel goedgekeurd door de hiring manager wordt ze een gedeeld contract waaraan je de shortlist kunt afmeten.

Een vacaturebriefing schrijven in zes stappen

1. Doe de intake vóór het schrijven. Twintig minuten, acht vragen, ruwe notities.
2. Sorteer in drie kolommen. Must-have, nice-to-have, knock-out. Alles wat in geen enkele kolom past, verdwijnt uit de briefing.
3. Herformuleer elke must-have als verifieerbaar criterium. Een duur, een technologie, een deliverable, een context. Kun je het niet op een profiel checken, dan is het geen criterium.
4. Voeg het kader toe. Range, locatie, dagen op kantoor, timingsignalen, doelpools.
5. Schrijf de alinea in natuurlijke taal. Drie tot zes zinnen, twee referentieprofielen, één tegenvoorbeeld. Dit is de versie die de engine leest en die de hiring manager goedkeurt.
6. Herzie na de eerste twintig profielen. Leg de eerste shortlist naast de briefing, corrigeer wat de markt tegenspreekt, dateer de versie.

Een goede vacaturebriefing maakt de AI niet slim: ze geeft haar iets slims om te lezen. Het is de meest rendabele investering in sourcing — twintig minuten die beslissen over de kwaliteit van de in tien minuten gegenereerde shortlist en de relevantie van de matchingscore die haar rangschikt. Benieuwd wat EMILY doet met een goed geschreven briefing? Bekijk hoe EMILY een briefing omzet in een shortlist.