In 1945 stond de wasmachine eindelijk in de keuken van het gewone gezin. Na decennia van handwassen, wringen en aan de lijn hangen hadden huishoudens nu een machine die het werk overnam. Sociologen, journalisten en fabrikanten waren het erover eens: vrouwen gingen tien, misschien wel twaalf uur per week terugwinnen. Tijd voor zichzelf. Tijd voor de kinderen. Tijd om eindelijk adem te halen.
Het tegendeel gebeurde.
Historica Ruth Schwartz Cowan legde het in 1983 vast in haar boek More Work for Mother: de komst van de wasmachine had de wasfrequentie verveelvoudigd. Vóór de machine wisselden mensen wekelijks van ondergoed, droegen ze een hemd soms een week. Lakens gingen maandelijks de wasmand in, als het meezat. Niet uit slordigheid - uit realisme. Wassen was arbeid, en arbeid had een prijs.
Maar zodra wassen makkelijker werd, verschoof de norm voor schoon. Dagelijks een vers shirt werd de standaard. Lakens wekelijks. Handdoeken na elke douchebeurt. De machine nam het zware werk weg en de samenleving vulde de vrijgekomen capaciteit onmiddellijk op met hogere eisen. Het werk verminderde niet. De definitie van goed genoeg veranderde.
Dit is de wasmachinenparadox: een technologie die belooft werk te besparen, verhoogt in werkelijkheid de standaard - en daarmee het totale volume aan werk.
Iedereen die nadenkt over AI in recruitment verwacht de eerste helft van het verhaal. De machine neemt het over. Recruiters winnen tijd terug. Minder telefonische voorkwalificaties, minder repetitieve gesprekken, meer ruimte voor het werk dat er echt toe doet.
Maar de tweede helft laat zichzelf zien zodra je goed kijkt.
Neem een recruiter die normaal vijftig kandidaten belt voor een rol. Twintig minuten per gesprek, drie tot vijf vragen, en daarna een oordeel op basis van gevoel en ervaring. Dat werkt. Het heeft altijd gewerkt. De vraag is niet of het werkt, maar wat je ermee mist.
Stel nu dat een AI al die gesprekken voert. Niet als vervanging van de recruiter, maar als eerste gesprekspartner - grondig, consistent, beschikbaar om half twaalf 's avonds. Kandidaten krijgen ruimte om antwoorden te formuleren zonder de sociale druk van een livegesprek. De AI stelt door. Signaleert inconsistenties. Weegt antwoorden af en geeft de recruiter een gelaagder beeld dan vijf minuten telefonisch contact ooit kon opleveren.
Wat denk je dat er daarna gebeurt?
Recruiters beginnen meer te wensen. Ze merken dat ze eerder op aannames vertrouwden die ze nu kunnen toetsen. Het wegen van motivatie, het doorvragen op concrete voorbeelden, het onderscheiden van kandidaten die een rol begrijpen van kandidaten die een rol willen - dit was altijd waardevol, maar het kostte te veel tijd om het bij iedereen te doen. Nu kan het wel. En dus wordt het de verwachting.
De definitie van een goede voorkwalificatie gaat omhoog.
Dat is ongemakkelijk als je verwachtte dat de lat gelijk bleef en het werk minder zou worden. Maar het is precies wat er zou moeten gebeuren. Recruitment is decennia lang geoptimaliseerd op snelheid en volume, niet op diepte en trefzekerheid. We hebben ons ingesteld op de beperkingen van de beschikbare methoden, net zoals mensen zich instelden op één keer per week wassen omdat dagelijks wassen simpelweg niet haalbaar was.
Nu is het haalbaar. En de vraag is of we de vrijgekomen mogelijkheid benutten om minder goed te doen, of om beter te doen.
Dit is geen pleidooi voor meer werk omwille van meer werk. Het is een observatie over wat er gebeurt als een belofte uitkomt. De belofte van autonome voorkwalificatie is niet dat recruitment makkelijker wordt - het is dat recruitment nauwkeuriger kan worden. Meer kandidaten krijgen een serieuze kans op een volledig gesprek in plaats van te worden weggefilterd na drie minuten op basis van een indruk. Meer data per kandidaat maakt betere beslissingen mogelijk. Meer consistentie over alle kandidaten heen verwijdert een deel van de ruis die goede selectie verstoort.
Het bijproduct is dat wat we "goed genoeg" noemen langzaam verandert.
Hiring managers gaan eraan wennen dat ze niet alleen een cv en een vluchtige indruk krijgen, maar een rijker beeld - gedrag onder druk, motivatie die uitgevraagd is, specifieke situaties beschreven in de woorden van de kandidaat zelf. Eén keer zo'n beeld gezien, is het moeilijk om terug te willen naar minder. Net zoals je, als je eenmaal gewend bent aan dagelijks vers beddengoed, niet meer begrijpt hoe je anders kon leven.
Sociologen noemen dit ratchet effect - het mechanisme waarbij een standaard die omhoog gaat, niet meer naar beneden kan. Niet omdat iemand het verbiedt, maar omdat het oude niveau zijn vanzelfsprekendheid verliest.
Voor recruitment betekent dit iets concreets: de organisaties die nu beginnen met grondiger voorkwalificatie, leggen niet alleen een efficiënter proces vast. Ze herdefiniëren wat zorgvuldig rekruteren inhoudt. En over vijf jaar, als het breder gemeengoed is, zal de vraag niet meer zijn of je het doet - maar waarom je het niet altijd al zo deed.
De wasmachine beloofde rust. Ze gaf schoon.
AI in voorkwalificatie belooft snelheid. Maar wat het geeft, is diepte.
En diepte, eenmaal normaal geworden, verdwijnt niet meer.