Bagaimana teknologi automasi boleh membantu perekrut mengenal pasti bakat yang berkelayakan pada skala

Alat automasi berasaskan AI boleh mengumpul dan memproses data calon untuk mempercepat dan menyelaraskan pemerolehan calon, penyaringan, kepelbagaian dan fungsi HR yang lain.

Dengan gelombang peletakan jawatan yang tidak menunjukkan tanda-tanda berputus asa, perekrut sedang mencari semua bantuan yang mereka boleh dapatkan untuk menambah tenaga kerja mereka dengan bakat yang berkelayakan. Pasaran pengurusan sumber manusia (termasuk perisian dan perkhidmatan pemerolehan bakat) kini bernilai hampir $20 bilion.

Berlatarbelakangkan pendigitalan berterusan dan automasi pengambilan dan operasi HR, ia dijangka berkembang pada kadar tahunan melebihi 12% hingga 2028.

Di seluruh dunia, syarikat memberi penekanan untuk mencipta dan mengekalkan pekerja yang terbaik, paling cemerlang dan paling pelbagai. Kemajuan dalam kecerdasan buatan, pembelajaran mesin dan pemodelan ramalan boleh dijangka menyediakan perusahaan, serta perniagaan kecil dan sederhana, dengan peluang yang belum pernah berlaku sebelum ini untuk mengautomasikan pengambilan, walaupun mereka menangani perubahan asas dalam industri. Amalan tempat kerja yang melibatkan kerja jauh dan hibrid.

Malah, empat daripada lima perekrut yang ditinjau dalam satu kajian percaya mereka akan menjadi lebih produktif jika proses merekrut calon dapat diautomasikan sepenuhnya. Mereka bersetuju bahawa mempunyai lebih banyak data akan membantu mereka melayakkan calon, menilai kumpulan calon mereka, meningkatkan jangkauan dan memperhalusi aliran kerja pengambilan mereka. Walaupun begitu, 42% perekrut tidak mempunyai data atau masa untuk melaksanakan atau menelusuri analisis, apatah lagi menjadikan data sebagai cerapan.

Apakah automasi pengambilan dan bagaimana ia membantu?

Pengurusan HR atau orang sebagai satu fungsi bermula dengan pengambilan. Setiap hari, kekosongan kerja yang tidak diisi menyebabkan kerugian dan produktiviti syarikat. Alat berasaskan AI Pintar boleh mengumpul data yang berkaitan tentang calon, memberikannya kepada perekrut, dan kemudian memprosesnya dengan tepat untuk mempercepat dan menyelaraskan berbilang sub-proses, termasuk sumber calon, saringan, kepelbagaian dan kemasukan, temu duga dan jejak pemohon.

Ilit Raz, Ketua Pegawai Eksekutif Joonko, penyedia penyelesaian suapan bakat, menyatakan bahawa "hari-hari mengisih ratusan resume dan menyiarkan huraian kerja untuk setiap ahli lembaga pengarah, digunakan untuk mempamerkan calon daripada latar belakang yang kurang diwakili." . Dia berkata, "Jika anda tidak mempunyai beberapa bentuk automasi atau teknologi HR, anda akan sentiasa berada di belakang pesaing anda, terutamanya apabila ia berkaitan dengan penyampaian aplikasi (SaaS) dan semakin dikuasakan oleh kecerdasan buatan , yang boleh digunakan oleh perniagaan untuk mengurus setiap aspek tenaga kerja mereka. Matlamat terasnya termasuk:

• Kurangkan kos setiap pekerja.
• Tingkatkan produktiviti kakitangan HR dan perekrut.
• Mempercepatkan pengisian jawatan terbuka.
• Pengambilan tanpa berat sebelah.
• Memperbaiki keseluruhan situasi bakat syarikat.
• Bagaimanakah teknologi automasi pengambilan berasaskan AI membantu perekrut mencapai matlamat ini. Berikut ialah ciri berbeza yang boleh memainkan peranan penting:

• Iklan pengambilan: Perisian pengambilan boleh membeli iklan secara automatik pada platform pengambilan dan tapak web lain. Ia memanfaatkan pengiklanan terprogram dan kandungan berjenama untuk menyiarkan siaran pekerjaan di tapak web khusus industri yang sering dikunjungi oleh calon yang disasarkan. Ia juga membantu perekrut mengoptimumkan belanjawan pengiklanan pekerjaan dan mengurangkan kos pengambilan.
• Sistem Penjejakan Aplikasi (ATS): ATS ialah perisian yang mengautomasikan kitaran pengambilan dan pengambilan pekerja yang lengkap. Ia menyediakan lokasi terpusat untuk mengurus siaran kerja, mengisih resume, menapis permohonan dan mengenal pasti calon terbaik untuk jawatan terbuka. Dengan cara ini, pengurus HR boleh kekal teratur dan mempunyai akses mudah kepada butiran tentang tempat calon sedang dalam proses pengambilan pekerja.
• Saringan resume: Tapisan manual resume ialah salah satu bahagian pengambilan yang paling memakan masa. Perisian berasaskan AI "mempelajari dan memahami" keperluan kerja berdasarkan senarai dan menapis resume berdasarkan kata kunci, istilah dan frasa yang digunakan oleh calon.
• Pemohon Pra-Kelayakan: Algoritma pintar boleh mengenal pasti calon yang mungkin dengan menilai kemahiran, pengalaman dan ciri lain mereka berbanding dengan perekrut terdahulu dan peranan pekerjaan yang diterbitkan. Mereka juga boleh meletakkan atau menjaringkan calon ini semasa mereka memajukan mereka dalam proses pengambilan pekerja. Chatbot berasaskan AI boleh mengumpul maklumat asas dan mengetahui lebih lanjut tentang calon dengan memulakan perbualan dengan mereka. Algoritma ini juga boleh mengimbas LinkedIn, Twitter, Facebook dan profil sosial mereka yang lain serta platform khusus industri tempat mereka aktif (seperti StackOverflow untuk pembangun) untuk lebih memahami personaliti, pengetahuan, kebolehan dan kelayakan mereka.

Bilakah automasi pengambilan menjadi salah?

Walaupun kemajuan dalam perisian automasi perekrutan, ia bukanlah ubat mujarab untuk menyelesaikan cabaran pengambilan. Tiada teknologi boleh mengendalikan proses pengambilan yang menyusahkan. Lebihan data adalah isu kritikal. Hari ini, perekrut mempunyai begitu banyak data (tentang calon dan peranan pekerjaan) sehingga mereka tidak mempunyai masa mahupun kemahiran untuk menganalisisnya dan membuat keputusan yang tepat. Banyak kali, kos dan kerumitan untuk mengakses dan mengesahkan data ini adalah terlalu mahal.

Satu lagi masalah yang berlarutan ialah berat sebelah. Walaupun proses pengambilan pekerja itu sendiri sering berat sebelah (sebahagian besarnya disebabkan oleh kecenderungan perniagaan untuk bergantung pada rujukan pekerja), menggunakan AI dan automasi dalam merekrut kadangkala boleh menambah masalah.

Jelena Kovačević, Felo IEEE dan Dekan Sekolah Kejuruteraan NYU Tandon, berkata: "Jika tidak ada set data yang mewakili untuk menerangkan sebarang bilangan ciri yang diputuskan oleh perekrut, maka sudah tentu mustahil untuk mencari dan menilai calon dengan betul ”

Dalam satu contoh, Amazon membangunkan alat perekrutan berasaskan AI yang menganalisis corak dalam resume yang diterima lebih sedekad dan akhirnya membawa kepada diskriminasi terhadap pemohon wanita. Amazon akhirnya meninggalkan alat itu.

Isu terbesar yang dihadapi data dan AI ialah cara mengekalkan kepelbagaian, ekuiti dan rangkuman (DEI). Beberapa kesilapan berkaitan kepelbagaian dalam merekrut yang diburukkan lagi oleh automasi dan pembelajaran mesin ialah:

• Bahasa yang tidak sensitif, elitis atau kurang inklusif dalam jawatan kerja (memaksa pelbagai calon meninggalkan permohonan mereka).
• Sumber terhad dan kumpulan pemohon terhad (tidak termasuk pemohon dari kawasan lain atau mereka yang tidak bersekolah di sekolah tertentu).
• Tiada dasar kerja jauh (menolak calon kurang upaya dan pengangkutan terhad)
• Pendekatan menarik kepada DEI yang bertujuan untuk memenuhi standard kawal selia atau industri minimum.
• Kurang automasi.

AI boleh menyebabkan masalah, analitik adalah penawarnya

Walaupun AI sememangnya bukan peluru ajaib untuk merekrut, ia telah mencapai banyak kejayaan sejak program pengambilan yang dibangunkan oleh Amazon gagal kemajuan. Penyelidikan mendapati bahawa pasukan perekrut yang dipacu data sudah pun mengatasi prestasi rakan sebaya mereka. Selain itu, 84% perekrut mempunyai keyakinan tinggi terhadap keupayaan mereka untuk menggunakan kecerdasan buatan dan pembelajaran mesin dalam aliran kerja harian mereka.

Persoalannya ialah: Bagaimanakah teknologi automasi pengambilan boleh menggunakan algoritma AI dalam proses pengambilan pekerja tanpa menambah (dan menguatkan) berat sebelah manusia

Jawapannya terletak pada mewujudkan tanda aras prestasi khusus perusahaan untuk menentukan objektif? mengukur penunjuk utama kecekapan calon dan menggunakan analisis bakat untuk mengukur kejayaan dan kecekapan usaha merekrut.

Algoritma yang mencapai tujuan ia dibina selalunya berbuat demikian kerana ia boleh berfungsi dengan set data yang terbesar dan paling luas. Adalah menjadi tanggungjawab perniagaan untuk mengumpul mata data ini dan menyalurkannya ke dalam saluran paip bakat perniagaan atau perisian automasi pengambilan. Proses ini diterbalikkan apabila dilaksanakan, yang sentiasa merupakan idea yang baik untuk menguji algoritma pada set calon yang kecil (tetapi pelbagai) dan menyemak outputnya secara manual sebelum menggunakannya sebagai penyelesaian perekrutan sebenar untuk perniagaan.

Atas ialah kandungan terperinci Bagaimana teknologi automasi boleh membantu perekrut mengenal pasti bakat yang berkelayakan pada skala. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!