Anti-cheat maatregelen in assessments zijn de controles die voorkomen dat kandidaten hulp, gelekte antwoorden of AI inzetten tijdens een test. Denk aan identiteitsverificatie, gerandomiseerde vragenbanken, gedrags- en tijdsanalyse en opgenomen proctoring met menselijke review. Bij hoog volume zet je die controles per funnelstap in, niet overal even zwaar.
Fraude bij assessments in volume recruitment is geen theoretisch risico. Zodra duizenden kandidaten dezelfde gestandaardiseerde game-based test maken, gaan antwoordsets rond, komen proxykandidaten door de selectie en vullen AI-tools cognitieve puzzels in seconden in. Je funnel ziet er op papier schoon uit en levert op schaal alsnog verkeerde hires op.
Deze gids beschrijft welke anti-cheat architectuur je nodig hebt om een game-based assessmentplatform te beoordelen voor blue-collar werving op volume, of je nu met Selection Lab werkt of alternatieven vergelijkt. Nul frauderisico is geen haalbaar doel. Een verdedigbare, proportionele set maatregelen met meetbare KPI's is dat wel.
Bij werving op kleine schaal raakt één gelekte antwoordset een handvol beslissingen. Op schaal werkt het anders. Dezelfde vragenbank die zes maanden lang aan 5.000 kandidaten wordt voorgelegd, meet uiteindelijk vooral bekendheid met gelekte antwoorden en niet meer de onderliggende vaardigheid.
Fraude in een selectieproces valt uiteen in vijf dreigingen.
Elke dreiging vraagt een andere maatregel. Een browservergrendeling houdt niemand tegen die het scherm met een tweede telefoon fotografeert. En een te kleine vragenbank stopt samenspanning niet, ook niet met volledige proctoring aan.
Het gevolg is niet alleen een verkeerde hire. Zodra aantoonbaar is dat een assessmentproces te manipuleren is, verdwijnt de juridische verdedigbaarheid. Auditbereidheid onder een kader als de EU AI Act, door de Europese Commissie omschreven als het eerste allesomvattende juridische kader voor AI wereldwijd, vraagt dat geautomatiseerde selectietools uitlegbaar en traceerbaar zijn en onder menselijk toezicht staan. Een proces met systematische fraude faalt op alle drie de punten.
Verificatie bij aanmelding legt een basislijn vast met naam, e-mail, telefoonnummer en eventueel een identiteitsbewijs of biometrische match. Continue verificatie tijdens de sessie voegt controlemomenten halverwege toe, waarmee je opmerkt of er tussen de start en de latere fases van persoon is gewisseld.
Voor blue-collar volume is de praktische standaard verificatie bij aanmelding in stap 0, gecombineerd met camera- of schermopname op basis van expliciete toestemming in de stappen met hogere impact. Volledige biometrische matching is proportioneel bij shortlisting, niet bij massascreening.
Browservergrendeling en aparte assessment-apps blokkeren kopiëren en plakken, printscreens, rechtermuisklikmenu's en tabwisselingen. Ze zien ook wanneer het assessmentvenster de focus verliest. Wat ze niet tegenhouden is een tweede apparaat in dezelfde kamer, screen mirroring naar een scherm ernaast of iemand die de vragen over de schouder meeleest.
Vergrendeling is nodig maar niet genoeg. Zie het als wrijving tegen gelegenheidsfraude, niet als garantie op integriteit.
Gerandomiseerde itemselectie is de meest kosteneffectieve maatregel tegen samenspanning bij volume. Een vragenbank met genoeg diepte, meestal drie tot vijf keer het aantal items per sessie, zorgt ervoor dat twee kandidaten die nabespreken over verschillende vragen praten. Parameterrandomisatie, waarbij getallen of scenariodetails binnen hetzelfde itemtype variëren, versterkt dat effect.
Governance weegt even zwaar als de omvang van de bank. Leg een rotatieritme vast, monitor hoe vaak items worden voorgelegd en zorg voor een vastgelegd proces om gelekte items binnen een afgesproken SLA in te trekken en te vervangen.
Detectie van afwijkende responstijden markeert sessies waarin antwoorden sneller binnenkomen dan cognitief aannemelijk is voor dat itemtype, of waarin de spreiding in responstijd opvallend klein is, een patroon dat past bij hulp van tools. Viewportgedrag, cursorpatronen en focusverlies geven extra signaal.
Belangrijk is dat deze signalen een risicoscore opleveren en geen automatische afwijzing. Een kandidaat op een trage mobiele verbinding kan focusverlies triggeren om volstrekt legitieme redenen. Gedragsanalyse behandelen als bewijs in plaats van als signaal voor menselijke review is de belangrijkste bron van valse positieven in geautomatiseerde proctoringsystemen.
Volledig geautomatiseerde proctoringbeslissingen zijn kwetsbaar voor valse positieven door slecht licht, wegvallende verbindingen, neurodivergente responspatronen en toegankelijkheidsbehoeften. De huidige praktijk in de proctoringliteratuur, waaronder hybride AI-plus-mens modellen zoals gedocumenteerd door aanbieders als Proctor360 (2025), stuurt automatische signalen naar menselijke beoordelaars voordat er een beslissing valt.
Het Intelligence Game van Selection Lab werkt volgens dat model. Kandidaten geven expliciete toestemming voor camera-, audio- en schermopname tijdens het assessment. De opname maakt menselijke review van gemarkeerde gevallen achteraf mogelijk en helpt patronen van AI-gebruik te herkennen door responstiming en interactievolgorde te bekijken (Selection Lab Main Deck 2026).
Elke extra laag maatregelen voegt wrijving toe. Onderzoek gepubliceerd via PubMed Central (NIH) naar fraude bij online examens laat een consistent patroon zien. Proctoring en vergrendeling verminderen bepaald frauduleus gedrag, maar verlagen ook de completion rate, vooral in groepen met wisselende apparaatkwaliteit en verbinding.
Bij blue-collar volume, waar kandidaten assessments soms maken op een gedeeld mobiel apparaat via een mobiel netwerk, is die lus van valse positieven een reëel operationeel risico. Een kandidaat die vastloopt op een dialoog over camerarechten, of wiens sessie wordt gemarkeerd omdat er een huisgenoot langsliep, is een verloren sollicitatie.
Het doel is niet maximale beveiliging. Het doel is de kleinste set maatregelen die een verdedigbare integriteit oplevert zonder de completion rate merkbaar te verlagen. De funneldata van Selection Lab laat zien wat goed eruitziet aan de completion-kant, met 27% minder drop-offs en 15 minuten tijdwinst per sollicitant (Main Deck 2026, cohorten maart 2025 en december 2025). Die cijfers horen bij een ontwerpkeuze waarin kandidaatervaring en integriteit samen worden geoptimaliseerd in plaats van tegen elkaar in te werken.
De tabel hieronder beschrijft een proportionele opbouw. Kies per stap maatregelen die passen bij het gewicht van de beslissing, in plaats van één vergrendeling over de hele funnel.
| Stap | Beschrijving | Aanbevolen maatregelen | Wrijving |
|---|---|---|---|
| Stap 0 | Uitnodiging, WhatsApp-intake of pre-screen | Toestemming vastleggen, knock-outvragen, basale identiteitscheck | Minimaal |
| Stap 1 | Game-based screening met lage impact | Gerandomiseerde vragenbank, detectie van focusverlies, geen volledige proctoring | Laag |
| Stap 2 | Rolmatch-scoring met gemiddelde impact | Risicoscore op gedrag en timing, steekproefgewijze proctoring | Gemiddeld |
| Stap 3 | Shortlisting voor het interview, hoge impact | Opgenomen proctoring, menselijke review op gemarkeerde sessies, meer randomisatie | Hoger |
| Stap 4 | Uitzonderingen | Bezwaarprocedure, herkansingsbeleid, vastgelegde audituitkomst | Procedureel |
Stap 0 kan in de flow van Selection Lab via WhatsApp met SmartChat, dat binnen 10 seconden reageert en antwoorden van kandidaten direct in het ATS zet, bijvoorbeeld Recruitee. Daarmee horen identiteits- en geschiktheidsdata al bij het traceerbare dossier voordat er een assessmentsessie opengaat, wat de audittrail voor latere stappen vereenvoudigt.
Een verdedigbaar proces levert meetbare output. Leg deze KPI's vast voordat je live gaat en volg ze per cohort.
Integriteits-KPI's
Funnel-KPI's
Operationele KPI's
Audit- en compliance-KPI's
Over de EU AI Act specifiek. AI-systemen voor werving vallen onder de hoogrisicocategorie. Logging, menselijk toezicht en transparantie naar kandidaten zijn dus geen optionele compliance-artefacten maar verplichtingen. Elk alternatief voor Selection Lab bij volume recruitment beoordeel je expliciet op die eisen.
Werk deze acht punten door voordat je een game-based assessmentplatform inzet tegen fraude bij blue-collar volume recruitment.
Dreigingsmodel: bepaal voor jouw rollen en het apparaatprofiel van je kandidaten (mobiel eerst, kiosk of eigen laptop) welke twee of drie fraudemethodes het meest waarschijnlijk zijn. Ontwerp je maatregelen daarop en niet op theoretische worstcases.
Maatregelen per stap: leg vast welke maatregelen in welke funnelstap gelden en waarom. Die onderbouwing van proportionaliteit is je eerste verdediging in een audit.
Governance van de vragenbank: check de diepte van de bank (minimaal drie keer het aantal voorgelegde items), het rotatieritme en de SLA van je leverancier bij een lek. Vraag alternatieven voor Selection Lab hier schriftelijk om.
Identiteitsstrategie: bepaal de verificatie-eisen bij aanmelding en de terugvalroute voor kandidaten zonder geschikte cameraomgeving voor proctoring in stap 3.
Toestemmingstekst voor proctoring: toestemming moet specifiek zijn over camera, audio, scherm, duur en bewaartermijn, en moet vóór elke opname worden gegeven. Vage toestemmingstekst is een AVG-risico.
Nulmeting: leg completion rate en drop-offverdeling vast voordat je nieuwe maatregelen aanzet. Zonder nulmeting kun je het effect van een wijziging niet becijferen.
Communicatie naar kandidaten: schrijf in gewone taal wat er wordt opgenomen, waarom, hoe lang het wordt bewaard en bij wie ze terechtkunnen als iets misgaat. Dat verlaagt het aantal valse positieven dat ontstaat door verward gedrag in plaats van door fraude.
Juridische documenten: regel verwerkersovereenkomsten, privacyverklaringen, bewaartermijnen en toegang tot auditlogs met je leverancier vóór livegang, niet erna.
Bij het vergelijken van game-based assessmentplatforms voor volume recruitment zit het verschil niet in wie de sterkste anti-cheat claims maakt. Het zit in wie een gedocumenteerde opbouw kan laten zien, proportioneel per stap, met meetbare KPI's voor integriteit en completion, en een bezwaarroute met menselijke review die overeind blijft als er kritisch naar gekeken wordt.
Nee. Nul frauderisico is geen haalbaar doel, een verdedigbare set maatregelen wel. De praktische norm is een proportionele opbouw per funnelstap, met meetbare KPI's voor integriteit en completion en menselijke review op gemarkeerde sessies.
Met een combinatie van maatregelen. Analyse van responstijden markeert antwoorden die sneller komen dan cognitief aannemelijk is, gerandomiseerde vragenbanken maken gedeelde antwoorden waardeloos en opgenomen sessies maken review achteraf mogelijk. Eén maatregel alleen is niet genoeg, en elk signaal hoort naar een mens te gaan en niet naar een automatische afwijzing.
Dat kan, mits de toestemming specifiek is. Leg vooraf vast wat er wordt opgenomen (camera, audio, scherm), hoe lang, waarom en hoe lang het wordt bewaard, en vraag toestemming voordat de opname start. Vage toestemmingstekst is het grootste risico. Regel ook een verwerkersovereenkomst en toegang tot auditlogs met je leverancier voor livegang.
Ja, elke extra laag voegt wrijving toe. Onderzoek gepubliceerd via PubMed Central (NIH) naar fraude bij online examens laat zien dat proctoring en vergrendeling bepaald gedrag verminderen maar ook de completion rate drukken, vooral bij kandidaten met een wisselende apparaatkwaliteit of verbinding. Daarom zet je zware maatregelen alleen in de stappen met hoge impact in.
Als vuistregel drie tot vijf keer het aantal items dat je per sessie voorlegt. Twee kandidaten die nabespreken hebben dan verschillende vragen gezien. Even belangrijk is governance, dus een vast rotatieritme, monitoring van hoe vaak items voorbijkomen en een afgesproken SLA om gelekte items in te trekken en te vervangen.
Werf je op volume? Lees ook onze vergelijking van Harver-alternatieven voor volume hiring of bekijk hoe SmartChat screening via WhatsApp doet.
Anti-cheat maatregelen in assessments zijn de controles die voorkomen dat kandidaten hulp, gelekte antwoorden of AI inzetten tijdens een test. Denk aan identiteitsverificatie, gerandomiseerde vragenbanken, gedrags- en tijdsanalyse en opgenomen proctoring met menselijke review. Bij hoog volume zet je die controles per funnelstap in, niet overal even zwaar.
Fraude bij assessments in volume recruitment is geen theoretisch risico. Zodra duizenden kandidaten dezelfde gestandaardiseerde game-based test maken, gaan antwoordsets rond, komen proxykandidaten door de selectie en vullen AI-tools cognitieve puzzels in seconden in. Je funnel ziet er op papier schoon uit en levert op schaal alsnog verkeerde hires op.
Deze gids beschrijft welke anti-cheat architectuur je nodig hebt om een game-based assessmentplatform te beoordelen voor blue-collar werving op volume, of je nu met Selection Lab werkt of alternatieven vergelijkt. Nul frauderisico is geen haalbaar doel. Een verdedigbare, proportionele set maatregelen met meetbare KPI's is dat wel.
Bij werving op kleine schaal raakt één gelekte antwoordset een handvol beslissingen. Op schaal werkt het anders. Dezelfde vragenbank die zes maanden lang aan 5.000 kandidaten wordt voorgelegd, meet uiteindelijk vooral bekendheid met gelekte antwoorden en niet meer de onderliggende vaardigheid.
Fraude in een selectieproces valt uiteen in vijf dreigingen.
Elke dreiging vraagt een andere maatregel. Een browservergrendeling houdt niemand tegen die het scherm met een tweede telefoon fotografeert. En een te kleine vragenbank stopt samenspanning niet, ook niet met volledige proctoring aan.
Het gevolg is niet alleen een verkeerde hire. Zodra aantoonbaar is dat een assessmentproces te manipuleren is, verdwijnt de juridische verdedigbaarheid. Auditbereidheid onder een kader als de EU AI Act, door de Europese Commissie omschreven als het eerste allesomvattende juridische kader voor AI wereldwijd, vraagt dat geautomatiseerde selectietools uitlegbaar en traceerbaar zijn en onder menselijk toezicht staan. Een proces met systematische fraude faalt op alle drie de punten.
Verificatie bij aanmelding legt een basislijn vast met naam, e-mail, telefoonnummer en eventueel een identiteitsbewijs of biometrische match. Continue verificatie tijdens de sessie voegt controlemomenten halverwege toe, waarmee je opmerkt of er tussen de start en de latere fases van persoon is gewisseld.
Voor blue-collar volume is de praktische standaard verificatie bij aanmelding in stap 0, gecombineerd met camera- of schermopname op basis van expliciete toestemming in de stappen met hogere impact. Volledige biometrische matching is proportioneel bij shortlisting, niet bij massascreening.
Browservergrendeling en aparte assessment-apps blokkeren kopiëren en plakken, printscreens, rechtermuisklikmenu's en tabwisselingen. Ze zien ook wanneer het assessmentvenster de focus verliest. Wat ze niet tegenhouden is een tweede apparaat in dezelfde kamer, screen mirroring naar een scherm ernaast of iemand die de vragen over de schouder meeleest.
Vergrendeling is nodig maar niet genoeg. Zie het als wrijving tegen gelegenheidsfraude, niet als garantie op integriteit.
Gerandomiseerde itemselectie is de meest kosteneffectieve maatregel tegen samenspanning bij volume. Een vragenbank met genoeg diepte, meestal drie tot vijf keer het aantal items per sessie, zorgt ervoor dat twee kandidaten die nabespreken over verschillende vragen praten. Parameterrandomisatie, waarbij getallen of scenariodetails binnen hetzelfde itemtype variëren, versterkt dat effect.
Governance weegt even zwaar als de omvang van de bank. Leg een rotatieritme vast, monitor hoe vaak items worden voorgelegd en zorg voor een vastgelegd proces om gelekte items binnen een afgesproken SLA in te trekken en te vervangen.
Detectie van afwijkende responstijden markeert sessies waarin antwoorden sneller binnenkomen dan cognitief aannemelijk is voor dat itemtype, of waarin de spreiding in responstijd opvallend klein is, een patroon dat past bij hulp van tools. Viewportgedrag, cursorpatronen en focusverlies geven extra signaal.
Belangrijk is dat deze signalen een risicoscore opleveren en geen automatische afwijzing. Een kandidaat op een trage mobiele verbinding kan focusverlies triggeren om volstrekt legitieme redenen. Gedragsanalyse behandelen als bewijs in plaats van als signaal voor menselijke review is de belangrijkste bron van valse positieven in geautomatiseerde proctoringsystemen.
Volledig geautomatiseerde proctoringbeslissingen zijn kwetsbaar voor valse positieven door slecht licht, wegvallende verbindingen, neurodivergente responspatronen en toegankelijkheidsbehoeften. De huidige praktijk in de proctoringliteratuur, waaronder hybride AI-plus-mens modellen zoals gedocumenteerd door aanbieders als Proctor360 (2025), stuurt automatische signalen naar menselijke beoordelaars voordat er een beslissing valt.
Het Intelligence Game van Selection Lab werkt volgens dat model. Kandidaten geven expliciete toestemming voor camera-, audio- en schermopname tijdens het assessment. De opname maakt menselijke review van gemarkeerde gevallen achteraf mogelijk en helpt patronen van AI-gebruik te herkennen door responstiming en interactievolgorde te bekijken (Selection Lab Main Deck 2026).
Elke extra laag maatregelen voegt wrijving toe. Onderzoek gepubliceerd via PubMed Central (NIH) naar fraude bij online examens laat een consistent patroon zien. Proctoring en vergrendeling verminderen bepaald frauduleus gedrag, maar verlagen ook de completion rate, vooral in groepen met wisselende apparaatkwaliteit en verbinding.
Bij blue-collar volume, waar kandidaten assessments soms maken op een gedeeld mobiel apparaat via een mobiel netwerk, is die lus van valse positieven een reëel operationeel risico. Een kandidaat die vastloopt op een dialoog over camerarechten, of wiens sessie wordt gemarkeerd omdat er een huisgenoot langsliep, is een verloren sollicitatie.
Het doel is niet maximale beveiliging. Het doel is de kleinste set maatregelen die een verdedigbare integriteit oplevert zonder de completion rate merkbaar te verlagen. De funneldata van Selection Lab laat zien wat goed eruitziet aan de completion-kant, met 27% minder drop-offs en 15 minuten tijdwinst per sollicitant (Main Deck 2026, cohorten maart 2025 en december 2025). Die cijfers horen bij een ontwerpkeuze waarin kandidaatervaring en integriteit samen worden geoptimaliseerd in plaats van tegen elkaar in te werken.
De tabel hieronder beschrijft een proportionele opbouw. Kies per stap maatregelen die passen bij het gewicht van de beslissing, in plaats van één vergrendeling over de hele funnel.
| Stap | Beschrijving | Aanbevolen maatregelen | Wrijving |
|---|---|---|---|
| Stap 0 | Uitnodiging, WhatsApp-intake of pre-screen | Toestemming vastleggen, knock-outvragen, basale identiteitscheck | Minimaal |
| Stap 1 | Game-based screening met lage impact | Gerandomiseerde vragenbank, detectie van focusverlies, geen volledige proctoring | Laag |
| Stap 2 | Rolmatch-scoring met gemiddelde impact | Risicoscore op gedrag en timing, steekproefgewijze proctoring | Gemiddeld |
| Stap 3 | Shortlisting voor het interview, hoge impact | Opgenomen proctoring, menselijke review op gemarkeerde sessies, meer randomisatie | Hoger |
| Stap 4 | Uitzonderingen | Bezwaarprocedure, herkansingsbeleid, vastgelegde audituitkomst | Procedureel |
Stap 0 kan in de flow van Selection Lab via WhatsApp met SmartChat, dat binnen 10 seconden reageert en antwoorden van kandidaten direct in het ATS zet, bijvoorbeeld Recruitee. Daarmee horen identiteits- en geschiktheidsdata al bij het traceerbare dossier voordat er een assessmentsessie opengaat, wat de audittrail voor latere stappen vereenvoudigt.
Een verdedigbaar proces levert meetbare output. Leg deze KPI's vast voordat je live gaat en volg ze per cohort.
Integriteits-KPI's
Funnel-KPI's
Operationele KPI's
Audit- en compliance-KPI's
Over de EU AI Act specifiek. AI-systemen voor werving vallen onder de hoogrisicocategorie. Logging, menselijk toezicht en transparantie naar kandidaten zijn dus geen optionele compliance-artefacten maar verplichtingen. Elk alternatief voor Selection Lab bij volume recruitment beoordeel je expliciet op die eisen.
Werk deze acht punten door voordat je een game-based assessmentplatform inzet tegen fraude bij blue-collar volume recruitment.
Dreigingsmodel: bepaal voor jouw rollen en het apparaatprofiel van je kandidaten (mobiel eerst, kiosk of eigen laptop) welke twee of drie fraudemethodes het meest waarschijnlijk zijn. Ontwerp je maatregelen daarop en niet op theoretische worstcases.
Maatregelen per stap: leg vast welke maatregelen in welke funnelstap gelden en waarom. Die onderbouwing van proportionaliteit is je eerste verdediging in een audit.
Governance van de vragenbank: check de diepte van de bank (minimaal drie keer het aantal voorgelegde items), het rotatieritme en de SLA van je leverancier bij een lek. Vraag alternatieven voor Selection Lab hier schriftelijk om.
Identiteitsstrategie: bepaal de verificatie-eisen bij aanmelding en de terugvalroute voor kandidaten zonder geschikte cameraomgeving voor proctoring in stap 3.
Toestemmingstekst voor proctoring: toestemming moet specifiek zijn over camera, audio, scherm, duur en bewaartermijn, en moet vóór elke opname worden gegeven. Vage toestemmingstekst is een AVG-risico.
Nulmeting: leg completion rate en drop-offverdeling vast voordat je nieuwe maatregelen aanzet. Zonder nulmeting kun je het effect van een wijziging niet becijferen.
Communicatie naar kandidaten: schrijf in gewone taal wat er wordt opgenomen, waarom, hoe lang het wordt bewaard en bij wie ze terechtkunnen als iets misgaat. Dat verlaagt het aantal valse positieven dat ontstaat door verward gedrag in plaats van door fraude.
Juridische documenten: regel verwerkersovereenkomsten, privacyverklaringen, bewaartermijnen en toegang tot auditlogs met je leverancier vóór livegang, niet erna.
Bij het vergelijken van game-based assessmentplatforms voor volume recruitment zit het verschil niet in wie de sterkste anti-cheat claims maakt. Het zit in wie een gedocumenteerde opbouw kan laten zien, proportioneel per stap, met meetbare KPI's voor integriteit en completion, en een bezwaarroute met menselijke review die overeind blijft als er kritisch naar gekeken wordt.
Nee. Nul frauderisico is geen haalbaar doel, een verdedigbare set maatregelen wel. De praktische norm is een proportionele opbouw per funnelstap, met meetbare KPI's voor integriteit en completion en menselijke review op gemarkeerde sessies.
Met een combinatie van maatregelen. Analyse van responstijden markeert antwoorden die sneller komen dan cognitief aannemelijk is, gerandomiseerde vragenbanken maken gedeelde antwoorden waardeloos en opgenomen sessies maken review achteraf mogelijk. Eén maatregel alleen is niet genoeg, en elk signaal hoort naar een mens te gaan en niet naar een automatische afwijzing.
Dat kan, mits de toestemming specifiek is. Leg vooraf vast wat er wordt opgenomen (camera, audio, scherm), hoe lang, waarom en hoe lang het wordt bewaard, en vraag toestemming voordat de opname start. Vage toestemmingstekst is het grootste risico. Regel ook een verwerkersovereenkomst en toegang tot auditlogs met je leverancier voor livegang.
Ja, elke extra laag voegt wrijving toe. Onderzoek gepubliceerd via PubMed Central (NIH) naar fraude bij online examens laat zien dat proctoring en vergrendeling bepaald gedrag verminderen maar ook de completion rate drukken, vooral bij kandidaten met een wisselende apparaatkwaliteit of verbinding. Daarom zet je zware maatregelen alleen in de stappen met hoge impact in.
Als vuistregel drie tot vijf keer het aantal items dat je per sessie voorlegt. Twee kandidaten die nabespreken hebben dan verschillende vragen gezien. Even belangrijk is governance, dus een vast rotatieritme, monitoring van hoe vaak items voorbijkomen en een afgesproken SLA om gelekte items in te trekken en te vervangen.
Werf je op volume? Lees ook onze vergelijking van Harver-alternatieven voor volume hiring of bekijk hoe SmartChat screening via WhatsApp doet.
