채용 담당자가 자동화 기술을 통해 자격을 갖춘 인재를 대규모로 식별하는 방법

AI 기반 자동화 도구는 후보자 데이터를 수집하고 처리하여 후보자 소싱, 심사, 다양성 및 기타 HR 기능을 가속화하고 간소화할 수 있습니다.

포기할 기미가 보이지 않는 사직의 물결 속에서 채용 담당자는 자격을 갖춘 인재로 직원 수를 보충할 수 있는 모든 도움을 찾고 있습니다. 인적 자원 관리 시장(인재 확보 소프트웨어 및 서비스 포함)은 현재 거의 200억 달러의 가치가 있습니다.

채용과 인사운영의 지속적인 디지털화와 자동화를 배경으로 2028년까지 연평균 12% 이상의 성장이 예상됩니다.

전 세계적으로 기업은 가장 우수하고, 가장 똑똑하고, 가장 다양한 직원을 창출하고 유지하는 데 중점을 두고 있습니다. 인공 지능, 기계 학습 및 예측 모델링의 발전으로 기업은 물론 중소기업에도 업계의 근본적인 변화에 대처하면서도 채용을 자동화할 수 있는 전례 없는 기회가 제공될 것으로 예상할 수 있습니다. 원격 및 하이브리드 작업과 관련된 직장 관행.

실제로 한 연구에서 설문조사에 참여한 채용 담당자 5명 중 4명은 후보자 채용 프로세스가 완전히 자동화되면 생산성이 더 높아질 것이라고 믿었습니다. 그들은 더 많은 데이터가 있으면 후보자 자격을 부여하고, 후보자 풀을 평가하고, 봉사 활동을 개선하고, 채용 워크플로를 개선하는 데 도움이 될 것이라는 데 동의했습니다. 그럼에도 불구하고 채용 담당자의 42%는 데이터를 통찰력으로 전환하는 것은 고사하고 분석을 구현하거나 드릴다운할 데이터나 시간이 없습니다.

채용 자동화란 무엇이며 어떻게 도움이 되나요?

기능으로서의 HR 또는 인력 관리는 채용부터 시작됩니다. 매일 채워지지 않은 공석은 회사의 순익과 생산성에 큰 타격을 줍니다. 스마트 AI 기반 도구는 후보자에 대한 관련 데이터를 수집하여 채용 담당자에게 제공한 다음 이를 정확하게 처리하여 후보자 소싱, 선별, 다양성 및 포용성, 인터뷰 및 지원자 추적을 포함한 여러 하위 프로세스의 속도를 높이고 간소화할 수 있습니다.

프레젠테이션을 위한 인재 피드 솔루션 제공업체인 Joonko의 CEO인 Ilit Raz는 "수백 개의 이력서를 분류하고 모든 이사회 구성원의 직무 설명을 게시하는 시대는 끝났습니다."라고 말했습니다. 그는 "어떤 형태의 자동화나 HR 기술이 없으면 경쟁사보다 항상 한발 앞서게 될 것"이라고 말했다. 특히 채용에 있어서는 채용 자동화가 소프트웨어로 적용될 수 있는 기술이다. 서비스형(SaaS) 프로그램 제공은 점점 더 인공 지능으로 강화되어 기업에서 인력의 모든 측면을 관리하는 데 사용될 수 있습니다. 핵심 목표는 다음과 같습니다.

• 고용당 비용 절감.
• HR 직원 및 채용 담당자의 생산성을 향상하세요.
• 공석 충원을 가속화하세요.
• 편견 없는 채용.
• 회사의 전반적인 인재 상황을 개선하세요.
• 일반적인 AI 기반 채용 자동화 기술은 채용 담당자가 이러한 목표를 달성하는 데 어떻게 도움이 됩니까? 이 기술이 핵심적인 역할을 할 수 있는 다양한 기능은 다음과 같습니다.

• 채용 광고: 채용 소프트웨어는 채용 플랫폼 및 기타 웹사이트에서 자동으로 광고를 구매할 수 있습니다. 프로그래밍 방식의 광고와 브랜드 콘텐츠를 활용하여 대상 후보자가 자주 방문하는 산업별 웹사이트에 채용 공고를 게시합니다. 또한 채용 담당자가 구인 광고 예산을 최적화하고 채용 비용을 줄이는 데 도움이 됩니다.
• 지원 추적 시스템(ATS): ATS는 기업의 전체 채용 및 채용 주기를 자동화하는 소프트웨어입니다. 채용 공고를 관리하고, 이력서를 정렬하고, 지원서를 필터링하고, 공석에 가장 적합한 후보자를 식별할 수 있는 중앙 위치를 제공합니다. 이러한 방식으로 HR 관리자는 조직을 체계적으로 유지하고 채용 프로세스에서 후보자가 어디에 있는지에 대한 세부 정보에 쉽게 액세스할 수 있습니다.
• 이력서 심사: 이력서를 수동으로 심사하는 것은 채용 과정에서 가장 시간이 많이 걸리는 부분 중 하나입니다. AI 기반 소프트웨어는 목록을 기반으로 직무 요구 사항을 "학습하고 이해"하며 후보자가 사용하는 키워드, 용어 및 문구를 기반으로 이력서를 필터링합니다.
• 사전 자격을 갖춘 지원자: 지능형 알고리즘은 이전 채용 담당자 및 공표된 직무 역할과 비교하여 기술, 경험 및 기타 특성을 평가하여 가능한 후보자를 식별할 수 있습니다. 또한 채용 과정에서 후보자를 발전시키면서 순위를 매기거나 점수를 매길 수도 있습니다. AI 기반 챗봇은 후보자와 대화를 시작하여 기본 정보를 수집하고 후보자에 대해 자세히 알아볼 수 있습니다. 이러한 알고리즘은 LinkedIn, Twitter, Facebook 및 기타 소셜 프로필뿐만 아니라 그들이 활동하는 산업별 플랫폼(예: 개발자용 StackOverflow)을 스캔하여 성격, 지식, 능력 및 자격을 더 잘 이해할 수도 있습니다.

채용 자동화는 언제 잘못되나요?

채용 자동화 소프트웨어의 발전에도 불구하고 채용 문제를 해결하는 만병통치약은 아닙니다. 어떤 기술도 번거로운 채용 과정을 처리할 수 없습니다. 데이터 과부하는 중요한 문제입니다. 오늘날 채용 담당자는 지원자 및 직무에 대한 데이터가 너무 많아서 이를 분석하고 올바른 결정을 내릴 시간이나 기술이 없습니다. 많은 경우 이 데이터에 접근하고 검증하는 데 드는 비용과 복잡성이 엄청납니다.

또 다른 오랜 문제는 편견입니다. 채용 프로세스 자체가 편향되는 경우가 많지만(주로 직원 추천에 의존하는 기업의 경향으로 인해) 채용 시 AI와 자동화를 사용하면 문제가 더욱 복잡해질 수 있습니다.

IEEE 연구원이자 NYU Tandon School of Engineering 학장인 Jelena Kovačević는 다음과 같이 말했습니다. “채용 ​​담당자가 결정하는 다양한 특성을 설명하는 대표 데이터 세트가 없다면 당연히 적절하게 찾고 평가하는 것이 불가능합니다.

한 예에서 Amazon은 10년 동안 받은 이력서의 패턴을 분석하여 궁극적으로 여성 지원자에 대한 차별을 초래하는 AI 기반 채용 도구를 개발했습니다. Amazon은 결국 도구를 포기했습니다.

데이터와 AI가 직면한 가장 큰 문제는 다양성, 형평성, 포용성(DEI)을 어떻게 유지하느냐입니다. 자동화 및 기계 학습으로 인해 악화되는 채용 시 다양성 관련 실수는 다음과 같습니다.

• 채용 공고에서 둔감하고 엘리트주의적이거나 덜 포용적인 언어(다양한 지원자가 지원서를 포기하도록 강요함).
• 제한된 소싱 및 제한된 지원자 풀(다른 지역의 지원자 또는 특정 학교에 다니지 않은 지원자 제외).
• 원격 근무 금지 정책(장애가 있고 교통이 제한된 지원자를 거부함)
• 최소 규제 또는 산업 표준을 충족하는 것을 목표로 하는 DEI에 대한 흥미로운 접근 방식입니다.
• 자동화가 부족합니다.

AI는 문제를 일으킬 수 있지만 분석이 치료법입니다

AI가 채용에 있어서 확실히 마법의 총알은 아니지만 Amazon에서 개발한 채용 프로그램이 실패한 이후로 많은 발전을 이루었습니다. 연구 결과에 따르면 데이터 기반 채용 팀은 이미 동료 팀보다 성과가 뛰어난 것으로 나타났습니다. 또한 채용 담당자의 84%는 일상 업무 흐름에서 인공 지능과 기계 학습을 사용하는 능력에 대해 높은 확신을 갖고 있습니다.

문제는 채용 자동화 기술이 어떻게 인간의 편견을 추가(및 증폭)하지 않고 채용 과정에서 AI 알고리즘을 사용할 수 있느냐는 것입니다.

답은 기업별 성과 벤치마크를 설정하고, 후보자 능력을 객관적으로 측정하는 주요 지표를 식별하고, 인재 분석을 사용하여 채용 노력의 성공과 효율성을 측정합니다.

설계 목적을 달성하는 알고리즘은 가장 크고 광범위한 데이터 세트로 작업할 수 있기 때문에 종종 그렇게 됩니다. 이러한 데이터 포인트를 수집하여 기업의 인재 파이프라인이나 채용 자동화 소프트웨어에 제공하는 것은 기업의 책임입니다. 구현되면 프로세스가 반대가 됩니다. 이는 소규모이지만 다양한 후보자 집합에 대해 알고리즘을 테스트하고 결과를 수동으로 검토한 후 비즈니스를 위한 실제 채용 솔루션으로 사용하는 것이 항상 좋은 생각입니다.

위 내용은 채용 담당자가 자동화 기술을 통해 자격을 갖춘 인재를 대규모로 식별하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!