Stel je een emmer voor met een gat erin. Je kunt harder water bijgieten - meer recruiters, meer vacatureplatforms, meer overuren - maar zolang het gat er is, blijft de emmer nooit vol. Time-to-hire verkorten werkt hetzelfde: de meeste bureaus gooien harder water in de emmer (meer kanalen, meer interviews) terwijl het echte lek in de sourcingfase zit.
Waarom time-to-hire de belangrijkste bureau-metric is
Elke dag dat een functie openstaat, kost een bureau geld en geloofwaardigheid: de opdrachtgever wacht, de beste kandidaten nemen ondertussen een ander aanbod aan, en de recruiter begint opnieuw. Een korte, voorspelbare time-to-hire is het verschil tussen een bureau dat opdrachtgevers vasthoudt en een bureau dat op prijs moet concurreren.
Belangrijk is dat time-to-hire geen vast startpunt heeft dat iedereen op dezelfde manier meet. Sommige bureaus tellen vanaf het openen van de vacature (dat is eigenlijk time-to-fill), andere vanaf de eerste kandidaatcontact. Voor interne sturing is die laatste definitie nuttiger, omdat die het deel van het proces meet dat het bureau zelf in de hand heeft.
Denk aan een concreet voorbeeld: twee bureaus krijgen dezelfde opdracht voor een Finance Manager op dezelfde dag. Bureau A levert na negen dagen een shortlist van vier onderbouwde kandidaten; Bureau B levert na drieëntwintig dagen dezelfde kwaliteit shortlist. De opdrachtgever kiest zelden voor het tragere bureau bij een volgende opdracht, ook al was de uiteindelijke plaatsing even goed. Snelheid is zelf een kwaliteitskenmerk geworden, niet alleen een operationeel detail.
Waar de vertraging werkelijk ontstaat
Bijna elk bureau dat de eigen cijfers naast elkaar legt, ontdekt hetzelfde: het grootste tijdsverlies zit niet in interviews of onderhandelingen, maar in de eerste twee weken - het moment tussen het openen van een opdracht en een eerste, onderbouwde shortlist. Sourcing, niet selectie, is het knelpunt.
Dat komt doordat handmatig sourcen lineair schaalt: elk extra kandidaatprofiel kost ongeveer evenveel tijd als het vorige. Een recruiter die tien profielen screent in een dag, screent er geen honderd in tien dagen - vermoeidheid, contextwisseling en verwaterde zoekcriteria zorgen dat de kwaliteit afneemt naarmate het volume toeneemt. Het gevolg is een shortlist die laat komt én zwakker is dan nodig.
Hefboom 1: verklein de trechter voordat je hem vult
De meeste doorlooptijd-problemen ontstaan door een te brede intake. Een vage functieomschrijving levert honderden matches op waarvan er tien relevant zijn; een scherpe intake met harde en zachte criteria levert er twintig op waarvan er tien relevant zijn. Het tweede scenario is sneller te verwerken, niet omdat er minder werk is, maar omdat er minder ruis is.
In de praktijk betekent dit een intakegesprek waarin niet alleen functietitel en salarisrange worden vastgelegd, maar ook de twee of drie harde eisen waarop een kandidaat direct afvalt, en het onderscheid tussen "moet hebben" en "mooi meegenomen". Een opdrachtgever die alles als essentieel bestempelt, geeft impliciet toestemming voor een tragere zoektocht - het is aan de recruiter om die scherpte vooraf af te dwingen, niet pas na de eerste teleurstellende shortlist.
Hefboom 2: laat AI de eerste onderbouwde shortlist bouwen
De grootste tijdswinst zit in het automatiseren van de eerste selectieronde: een AI-sourcingtool die een rolomschrijving in gewone taal omzet naar een shortlist van wisselbereide kandidaten, elk met een onderbouwing, comprimeert wat normaal dagen kost tot uren. De recruiter beoordeelt en verfijnt daarna - het werk verschuift van zoeken naar beslissen.
Een recruiter die tien profielen per dag screent, screent er geen honderd in tien dagen. Volume schaalt niet lineair met kwaliteit - dat is precies waarom sourcing het knelpunt is, niet het interviewproces.
Hefboom 3: houd de kandidatendatabase levend, niet archiverend
Bureaus met een actieve, doorzoekbare database van eerdere kandidaten winnen structureel tijd: een deel van elke nieuwe opdracht is al eerder gescreend. Een database die alleen groeit zonder ooit teruggeraadpleegd te worden, is geen asset maar een archief. Regelmatige verrijking en herbeoordeling houden die database bruikbaar in plaats van verouderd.
Het verschil wordt vooral zichtbaar bij terugkerende opdrachten binnen dezelfde niche. Een bureau dat elke vergelijkbare rol vanaf nul opnieuw sourcet, betaalt telkens de volle sourcingprijs in tijd. Een bureau dat eerdere shortlists en contactmomenten bewaart en doorzoekt, begint de derde vergelijkbare opdracht al met een voorsprong van dagen - mits de data actueel en vindbaar blijft, niet ergens in een vergeten spreadsheet.
Hefboom 4: comprimeer de interviewfase zonder kwaliteit te verliezen
Zodra de shortlist er is, is de snelste winst het parallelliseren van interviews in plaats van ze na elkaar te plannen, en het vastleggen van beslissingscriteria vooraf zodat een debrief geen nieuwe discussie wordt. Dit is de kleinste hefboom van de zeven, maar wel de makkelijkst te implementeren - vaak is het een agenda-discipline, geen procesprobleem.
Een concreet voorbeeld: in plaats van vier kandidaten na elkaar over drie weken te spreken, worden alle vier de gesprekken binnen één week ingepland, met een vast scorecard-format per gesprek. Dat verkort niet alleen de doorlooptijd, het voorkomt ook het "recency bias"-effect waarbij de laatst gesproken kandidaat onterecht het beste onthouden wordt.
Hefboom 5: geef de opdrachtgever een strak beslismoment
Een shortlist die drie weken bij de opdrachtgever blijft liggen, ondermijnt elke tijdswinst die eerder is geboekt. Spreek vooraf een reactietermijn af (bijvoorbeeld 48 uur per kandidaat) en herinner actief. Dit is geen sourcingprobleem, maar wel de plek waar de meeste bureaus stilzwijgend weken verliezen.
Leg deze afspraak vast bij de opdrachtbevestiging, niet pas wanneer de eerste shortlist al onderweg is - op dat moment is de opdrachtgever nog gemotiveerd om mee te bewegen. Een bureau dat dit standaard maakt, merkt dat opdrachtgevers zelf sneller schakelen, simpelweg omdat de verwachting vooraf is vastgelegd in plaats van achteraf afgedwongen.
Veelgemaakte valkuilen bij het verkorten van time-to-hire
De meest voorkomende valkuil is meer kanalen toevoegen zonder de sourcingfase zelf te versnellen - dat vergroot de instroom, niet de snelheid. De tweede is kwaliteit inleveren onder tijdsdruk, wat later een langere onboarding of een mislukte proeftijd oplevert, en daarmee de werkelijke doorlooptijd juist verlengt.
Een derde valkuil is het niet meten van de eigen cijfers per fase. Bureaus die alleen de totale time-to-hire bijhouden, zien niet wélke fase vertraagt en blijven daardoor aan de verkeerde knop draaien - meestal het interviewschema, terwijl het probleem twee weken eerder ontstond.
Time-to-hire: handmatig sourcen vs. AI-ondersteund sourcen
| Fase | Handmatig sourcen | AI-ondersteund sourcen |
|---|---|---|
| Intake naar eerste shortlist | 3-7 werkdagen | Enkele uren tot 1 werkdag |
| Onderbouwing per kandidaat | Wisselend, vaak achteraf | Direct meegeleverd per match |
| Herbruik van eerdere kandidaten | Afhankelijk van geheugen van de recruiter | Doorzoekbaar en systematisch |
| Kwaliteit bij hoog volume | Neemt af naarmate volume stijgt | Blijft consistent, mens beoordeelt eindkeuze |
Wat de cijfers zeggen over doorlooptijd en verlies aan kandidaten
Onderzoek van CIPD laat consistent zien dat langere wervingsprocessen samenhangen met een hoger verlies van kandidaten aan concurrerende aanbiedingen, vooral bij ervaren profielen met meerdere opties. LinkedIn's eigen talent-onderzoek bevestigt dat snelheid in de eerste contactfase een van de sterkste voorspellers is van of een kandidaat het proces afmaakt.
Snelheid in de eerste twee weken bepaalt vaker of een kandidaat blijft dan salaris of arbeidsvoorwaarden later in het proces.
Bronnen: cipd.org/uk/knowledge, linkedin.com/business/talent/blog, ec.europa.eu/eurostat, gartner.com/en/human-resources.
Hoe Yena de sourcingfase comprimeert
Yena is een AI-native sourcingplatform voor recruiters en executive search: beschrijf een rol in gewone taal en de Sourcer levert binnen minuten een shortlist van relevante, wisselbereide kandidaten, elk met onderbouwing. De recruiter verfijnt via Ja/Misschien/Nee - de mens blijft aan het stuur, de AI versnelt het zoekwerk. Voor bureaus die willen zien hoeveel tijd een goede match daadwerkelijk kost, is een ATS ROI-calculator een handig startpunt, en een gratis AI-cv-parser versnelt de eerste screening van binnengekomen cv's.
Wie de tijdswinst wil doorrekenen naar kosten, kan verder lezen in onze gratis recruitment tracker templates, waarmee doorlooptijd en kosten per hire naast elkaar zichtbaar worden.
Veelgestelde vragen
Wat is een realistische time-to-hire voor een bureau in 2026?
Voor een reguliere functie is 21-30 dagen haalbaar; voor executive search 45-60 dagen. Alles daarboven wijst meestal op een trage sourcingfase, niet op een krappe markt.
Wat is het verschil tussen time-to-hire en time-to-fill?
Time-to-hire meet vanaf het moment dat een kandidaat solliciteert of wordt benaderd tot de aanname. Time-to-fill meet vanaf het openen van de vacature. Voor bureaus is time-to-hire de bruikbaardere maatstaf.
Verkort je time-to-hire door sneller te interviewen?
Zelden. De grootste vertraging zit in sourcing en de eerste shortlist, niet in het interviewproces zelf. Investeer daar eerst, voordat je het interviewschema aanpakt.
Hoeveel tijd bespaart AI-sourcing in de praktijk?
Bureaus die AI-sourcing gebruiken, halveren doorgaans de tijd tot een eerste onderbouwde shortlist, van dagen naar uren, zonder de menselijke beoordeling over te slaan.