自動化技術如何幫助招募人員大規模識別合格人才

基於人工智慧的自動化工具可以收集和處理應徵者數據，以加快和簡化應徵者的採購、篩選、多樣性和其他人力資源職能。

隨著辭職潮並沒有任何放鬆的跡象，招募人員正在尋求他們可以獲得的所有幫助，以用合格的人才補充他們的員工人數。人力資源管理市場(包括人才招募軟體和服務)目前價值近200億美元。

在招募和人力資源營運的持續數位化和自動化的背景下，預計到2028年，其年增長率將超過12%。

在世界各地，企業都在強調創造和留住最優秀、最聰明、最多元化的員工。可以預期，人工智慧、機器學習和預測建模的進步，正在為企業以及中小型企業提供前所未有的機會來自動化招聘，即使他們正在應對行業的根本變化。涉及遠端和混合工作的工作場所實踐。

事實上，在一項研究中接受調查的五分之四的招募人員認為，如果能夠將招募應徵者的流程完全自動化，他們的工作效率將會提高。他們一致認為，擁有更多數據將有助於他們確定應徵者資格、評估應徵者人才庫、改善外展範圍和完善招募工作流程。儘管如此，42%的招募人員沒有數據或時間來實施或深入分析，更不用說將數據轉化為洞察力。

什麼是招募自動化，它有什麼幫助？

作為職能的人力資源或人員管理始於招募。每天，一個未完成的職缺都會使公司的利潤和生產力付出代價。基於人工智慧的智慧工具可以收集應徵者的相關數據，提供給招募人員，然後對其進行準確處理，以加快和簡化多個子流程，包括應徵者採購、篩選、多元化和包容性、面試和申請人跟踪。

Joonko公司執行長IlitRaz指出，「對數百份履歷進分類，並為每個董事會成員上發布職位描述的日子已經結束。」Joonko公司是一個人才饋送解決方案提供商，用於展示來自代表性不足背景的應徵者。他說，「如果沒有某種形式的自動化或人力資源技術，總是會落後於競爭對手一步，尤其是在招聘方面。」

招聘自動化是一種技術，可以作為軟體即服務(SaaS)應用程式交付，並且越來越多地由人工智慧提供支持，企業可以使用它來管理其勞動力的各個方面。其核心目標包括：

• 自動化招募任務和工作流程
• 降低每次招募的成本。
• 提高人力資源人員和招募人員的生產力。
• 加快填補空缺職位。
• 無偏見的招募。
• 改善企業的整體人才狀況。

典型的基於人工智慧的招募自動化技術如何幫助招募人員實現這些目標?以下是它可以發揮關鍵作用的不同功能：

• 招募廣告：招募軟體可以自動購買招募平台和其他網站上的廣告。它利用程式化廣告和品牌內容在目標應徵者經常訪問的行業特定網站上發布招聘訊息。它還可以幫助招募人員優化招募廣告預算，並降低招募成本。
• 應用程式追蹤系統(ATS)：ATS是一種軟體，可以自動執行企業的完整招募和招募週期。它提供了一個集中位置來管理職位發布、對簡歷進行分類、過濾應用程式並確定最適合空缺職位的應徵者。這樣，人力資源經理可以保持井井有條，並可以輕鬆存取應徵者在招募過程中所處階段的詳細資訊。
• 履歷表篩選：人工篩選履歷是招募中最耗時的部分之一。基於人工智慧的軟體根據清單「學習和理解」工作要求，並根據應徵者使用的關鍵字、術語和短語過濾簡歷。
• 資格預審應徵者：智慧演算法可以透過評估他們的技能、經驗和其他特徵與先前的招募人員和公佈的工作角色的能力、經驗和其他特徵來確定可能的應徵者。他們還可以在招募過程中推動他們前進時對這些應徵者進行排名或評分。基於人工智慧的聊天機器人可以透過發起與應徵者的對話來收集基本訊息，並了解更多關於他們的資訊。這些演算法還可以掃描他們的LinkedIn、Twitter、Facebook和其他社交資料以及他們活躍的行業特定平台(例如開發人員的StackOverflow)，以便更好地了解他們的個性、知識、能力和資格。

招募自動化何時會出錯？

儘管招募自動化軟體取得了進步，但它並不是解決招募挑戰的靈丹妙藥。沒有技術可以應對繁瑣的招募流程。數據過載是一個關鍵問題。如今，招募人員擁有如此多的數據(關於應徵者和工作角色)，以至於他們既沒有時間也沒有技能來分析這些數據並做出正確的決定。很多時候，存取和驗證這些數據的成本和複雜性令人望而卻步。

另一個長期存在的問題是偏見。雖然招募過程本身經常存在偏見(在很大程度上是由於企業傾向於依賴員工推薦)，但在招聘中使用人工智慧和自動化有時會使問題更加複雜。

IEEE研究員、紐約大學坦頓​​工程學院院長JelenaKovačević說：「如果沒有代表性的資料集來描述招募人員所決定的任何數量的特徵，那麼當然無法正確地找到和評估應聘者。」

在一個例子中，亞馬遜公司開發了一種基於人工智慧的招聘工具，該工具分析了十年來收到的簡歷中的模式，並最終導致對女性應徵者歧視。亞馬遜公司最終放棄了這個工具。

資料和人工智慧面臨的最大問題是如何保持多元化、公平和包容性(DEI)。自動化和機器學習加劇招募中與多元化相關的一些錯誤是：

• 招募資訊中不敏感、精英主義或包容性較低的語言(迫使不同的應徵者放棄申請)。
• 有限的採購和有限的應徵者庫(排除來自其他地區的應徵者或沒有上過某些學校的應徵者)。
• 沒有遠距工作政策(將殘疾和交通不便的應徵者拒之門外)
• 一種旨在滿足最低監管或行業標準的有趣的DEI方法。
• 缺乏自動化。

人工智慧可能導致問題，而分析則是良藥

雖然人工智慧肯定不是招募的靈丹妙藥，但自從亞馬遜開發的招募計畫失敗以來，它已經取得了很大進展。研究發現，數據驅動的招募團隊已經超越了同行。此外，84%的招募人員對他們在日常工作流程中使用人工智慧和機器學習的能力有很大信心。

問題是：招募自動化技術如何在招募過程中使用人工智慧演算法而不增加(和放大)人類偏見?

答案在於建立企業特定的績效基準，確定客觀衡量應聘者能力的關鍵指標，並使用人才分析來衡量招募工作的成功和效率。

實現其建構目的的演算法經常這樣做，因為它們可以使用最大和最廣泛的資料集。企業有責任收集這些數據點，並將其輸入企業的人才管道或招募自動化軟體。這個過程在實施時是相反的，這在一小部分(但多樣化的)應徵者中測試演算法並人工審查其輸出，然後再將其作為企業的實際招聘解決方案，這始終是一個好主意。

以上是自動化技術如何幫助招募人員大規模識別合格人才的詳細內容。更多資訊請關注PHP中文網其他相關文章！