Zoeken van interimopdrachten versimpeld en versneld door AI van Flexparency

Frank van Dijk is oprichter en Director of Operations van Flexparency. De tool is gestoeld op twee zaken, legt hij uit: grote kennis van de markt en veel expertise op het gebied van IT en kunstmatige intelligentie.  “Snelheid is daarbij een enorm belangrijke factor, zeker nu de markt voor interim omgeslagen is van vraag naar aanbod”, aldus Van Dijk: “Je wilt daar als eerste liggen en niet als elfde. Huidige systemen voor de vaste markt werken op dagbasis, één keer per dag een update. Wij hebben gewerkt aan een systeem dat die informatie binnen 15 minuten beschikbaar stelt en ons streven is om die tijd nog korter te maken. Als je weet waar jouw expertise gevraagd wordt, heb je alle tijd om de juiste aanbieding te maken. Omdat zo’n razendsnel systeem er nog niet was dachten we ‘We moeten het zelf maar gaan organiseren’”. 

Versnippering van aanbod

Belangrijke gedachte achter Flexparency was verder dat er vandaag de dag veel meer opdrachten voor interim professionals online te vinden zijn dan voorheen, maar dat die opdrachten enorm versnipperd worden aangeboden. Voor een bureau of professional is er eigenlijk geen beginnen aan om zelf zijn of haar weg in dat woud te vinden. Frank van Dijk en zijn collega’s begonnen daarom met het bijhouden van een paar kleine bronnen; inmiddels zijn dat er een paar honderd. Op basis hiervan is een platform ontwikkeld dat het overgrote deel van de opdrachten die op al die inhuurdesks en bij MSP’s en brokers worden aangeboden, bijeenbrengt in één omgeving. 

Frank van Dijk vervolgt: “Inmiddels zijn we veel sneller en veel completer dan andere partijen. We maken gebruik van slimme technologie om voor bureaus en zelfstandigen razendsnel de voor hen meest interessante opdrachten te vinden. De professional kan bijvoorbeeld selecteren op issues als reisafstand of tarief, maar ook op de vraag wat op dit moment het beste bij zijn of haar loopbaan past, welke skills. Met Flexparency kan hij of zij veel sneller en met meer focus zoeken naar een geschikte opdracht. Alle opdrachten van alle partijen overzichtelijk onder elkaar.

De professional centraal

“We hebben in ons systeem inmiddels 7.000 functiebenamingen. We zijn begonnen bij het CBS en ISCO(1) en zijn daarop gaan aanvullen. Datzelfde doen we voor het classificeren van skills en opdrachten. We zitten nu rond de 17.000 skills waarvan er 4.000 zijn gegroepeerd en geclassificeerd. We zijn nog volop in ontwikkeling, maar weten gelukkig wat het pad is. 

Wat ons onderscheidend maakt is dat we in de zoektocht naar een opdracht niet het cv, maar de voorkeuren van de professional centraal stellen. Waar wil je als professional naartoe en laten we vervolgens kijken hoe we je daar kunnen krijgen op basis van je ervaring. Welke skills zou je nog kunnen toevoegen om te voldoen aan die droomopdracht? 

We onderscheiden ons vervolgens vooral doordat we al deze elementen kunnen combineren en in volume kunnen aanbieden.”

Als je uit zoveel bronnen put en zo efficiënt mogelijk wilt zijn, is het natuurlijk van belang om dubbele aanvragen uit je systeem te halen. Ook daar wordt heel actief aan gewerkt, aldus Van Dijk: “We hebben als streven om elke unieke aanvraag ook maar één keer voorbij te laten komen. Een groot dilemma van platformen is dat één opdracht soms meerdere keren verschijnen. Een opdracht bij een overheidsklant kan door wel 7 partijen worden uitgezet op verschillende kanalen. Wij bundelen al die kanalen en brengen dat weer terug tot één. Dat is overzichtelijk en bespaart je enorm veel tijd. Nooit meer eindeloos scrollen door de inbox en websites afstruinen waar je steeds dezelfde aanvraag tegenkomt.” 

Spideringssysteem

Hoe fix je zo’n enorme versnelling in het ontsluiten van aanvragen van een dag naar een kwartier? Frank van Dijk: “We maken bij Flexparency gebruik van een andere tool die we hebben ontwikkeld: Sentior. Sentior heeft een eigen spideringssysteem gemaakt. Voor de bulk zetten partijen vaak generieke spiders in die die bulk kunnen verzetten. Wij hebben gezegd: bij de bulk is de kwaliteit van de data onvoldoende, en daarom hebben we het omgekeerd. We zijn specifieke spiders gaan maken die per bron op specifieke criteria ontsluiten. Per bron kijken we wat specifieke elementen zijn en hoe we die configureren. Dat klinkt arbeidsintensief, maar als je het eenmaal hebt ingericht kun je het veel efficiënter op nieuwe bronnen toepassen. 

Doordat we actief gebruik maken van AI kunnen we ook de kwaliteit voor lange tijd borgen. Veel bedrijven leunen op menselijke validatie en krijgen het niet voor elkaar om dat langdurig op hetzelfde niveau te doen. Wij hebben dat geautomatiseerd. Als een vacature van een website wordt gehaald wordt die gecontroleerd op titel, locatie, tarief, et cetera en als deze gegevens binnen de juiste bandbreedte zit wordt hij gepubliceerd. Wij zorgen dat het systeem zelflerend is en continu verbetert. Elke dag krijgen we feedback over bandbreedtes die niet kloppen en dankzij slimme technologie maken we ons systeem op basis van die feedback steeds beter.