Искусственный интеллект (ИИ) и машинное обучение меняют лицо рекрутинга, упрощая и ускоряя поиск подходящих кандидатов даже на самые сложные должности. Это хорошо, поскольку, согласно опросам, 2017 год будет очень напряженным для рекрутеров.
Пятьдесят шесть процентов компаний отмечают, что в этом году объемы найма увеличатся, но только 35 процентов предприятий планируют увеличить штат рекрутеров, чтобы справиться с дополнительной нагрузкой. Это означает, что эффективность в виде ИИ и машинного обучения станет еще более важной, поскольку рекрутеры и менеджеры по подбору персонала стараются заполнить больше вакансий, чем когда-либо, при 40-часовой рабочей неделе.
Но как ИИ и машинное обучение помогают рекрутерам эффективнее находить и связываться с нужными кандидатами? Вот несколько примеров:
1. Пропускаем планирование
Многие компании используют ботов для составления расписания, чтобы устранить часто утомительную переписку, которая происходит, когда рекрутеры пытаются назначить собеседования с несколькими кандидатами. Такие продукты, как Amy, персональный помощник на базе ИИ, могут сканировать электронные письма кандидатов и переписываться с ними, чтобы назначить встречи, экономя часы времени, которые рекрутеры тратили на утомительные задачи.
2. Разбираемся в семантике
Инструменты ИИ и машинного обучения в рекрутинге также помогают рекрутерам справиться с вполне реальной проблемой семантики при изучении резюме. Например, когда менеджеры по подбору персонала хотят занять должность менеджера по маркетингу, самый простой путь - набрать только тех людей, в чьих резюме указана должность менеджера по маркетингу в прошлом. Однако, поскольку в маркетинге различные названия могут означать одно и то же, такая система отсеет квалифицированных кандидатов, чье нынешнее название должности может быть "координатор по маркетингу" или "специалист по маркетингу". Кроме того, в рамках этих названий не все кандидаты будут описывать свои должностные функции именно так, как они сформулированы в вашем описании вакансии, что может оставить еще больше квалифицированных кандидатов без внимания при использовании стандартной системы ATS.
Этот вопрос языка и семантики - еще одна область, которую помогают решить ИИ и машинное обучение с помощью концептуальных инструментов поиска, которые понимают намерения рекрутера и не требуют точно сформулированного запроса для работы. Вместо этого рекрутеры и менеджеры по подбору персонала могут выбрать несколько ключевых слов о роли, а технология формирует выводы о пригодности кандидатов, сканируя их резюме. Это позволяет квалифицированным кандидатам, которые, возможно, составили свое резюме не так, как указано в вакансии, подняться на вершину пула соискателей, отсеивая кандидатов, у которых может быть подходящая должность, но нет опыта работы.
3. Более разумный поиск
Еще одна область, где ИИ оказывает огромное влияние, - это поиск и ранжирование кандидатов.
Одним из таких продуктов является MightyRecruiter, разработавший новую технологию сопоставления векторных пространств, которая автоматически сортирует кандидатов на основе их соответствия описанию вакансии. Технология анализирует резюме кандидатов на предмет скопления слов или фраз, из которых можно сделать ключевые выводы, например, сколько лет опыта работы может быть у кандидата или насколько хорошо он владеет определенным программным обеспечением. Технология делает это для каждой части информации в резюме, а затем делает вывод о том, насколько она соответствует требованиям описания вакансии, сужая круг кандидатов. Менеджеры по подбору персонала получают список кандидатов, которые ранжируются в порядке их соответствия.
Энн Барзман, руководитель отдела продуктов MightyRecruiter, говорит:
Стандартная система отслеживания кандидатов (ATS) никогда не сможет превзойти векторное пространственное сопоставление, потому что она не способна делать выводы о кандидате так, как это делают люди при просмотре резюме. Наша технология делает это.
Например, ATS может представить рекрутеру, желающему нанять системного инженера, резюме ресторанных серверов просто из-за упоминания слова "сервер".
С другой стороны, наше векторное пространственное соответствие может сделать определенные выводы о резюме ресторанного сервера в целом и, основываясь на этих выводах, опустить его в нижнюю часть пула кандидатов как неподходящего.
Поскольку, согласно некоторым исследованиям, до 75 процентов соискателей не соответствуют требованиям, на которые они претендуют, использование этих экономящих время инструментов искусственного интеллекта и машинного обучения поможет рекрутерам сэкономить время и провести должную проверку.
4. Оставляет человеческие элементы людям
Сэкономив время благодаря использованию ИИ и машинного обучения, рекрутеры и менеджеры по подбору персонала получают возможность сосредоточиться на тех составляющих своей работы, которые технологии никогда не смогут заполнить: на человеческих элементах.
Рекрутинг и найм - это не просто сортировка резюме и составление расписания собеседований, это взаимодействие с людьми - взаимодействие с кандидатами и общение с соискателями, чтобы сделать лучший выбор. Время, которое ИИ и машинное обучение экономят на поиске кандидатов, теперь можно потратить на развитие отношений с лучшими кандидатами, что сделает ваши усилия по найму и рекрутингу более успешными, чем когда-либо.
- Theundercoverrecruiter.com
Поделиться
