أتمتة الذكاء الاصطناعي للتوظيف واكتساب المواهب المستخدمة عبر أصحاب العمل في الشركات المتوسطة وفرق اكتساب المواهب في المؤسسات وعمليات التوظيف بالساعة ذات الحجم الكبير

لقد نضجت فئة أتمتة الذكاء الاصطناعي للتوظيف واكتساب المواهب لتصبح شيئًا أكثر من مجرد روبوتات محادثة تفحص السير الذاتية. يقوم أصحاب العمل في الشركات المتوسطة الذين يوظفون أقل من ألفي شخص سنويًا الآن بنشر نفس البنية التحتية للوكلاء التي تستخدمها فرق اكتساب المواهب في المؤسسات لملء عشرة آلاف طلب توظيف، وبدأت عمليات التوظيف بالساعة ذات الحجم الكبير في تشغيل تدفق المرشحين عبر أنظمة مستقلة تقوم بجدولة المقابلات بينما يكون الموظف نائمًا. لقد حدث التحول بسرعة كافية بحيث لا يستطيع معظم قادة اكتساب المواهب معرفة أي المنصات تقلل بالفعل من وقت التوظيف وأي منها يضيف عملية تسجيل دخول أخرى إلى مجموعة مزدحمة بالفعل.

كيف يتعامل أصحاب العمل في الشركات المتوسطة مع أتمتة التوظيف

يواجه أصحاب العمل في الشركات المتوسطة، الذين يُعرفون هنا بالشركات التي تقوم بالتوظيف بين مائتي وألفي شخص سنويًا، مشكلة محددة تتجاهلها منصات المؤسسات. ليس لديهم فريق عمليات توظيف لتكوين نظام معقد، ولا يمكنهم تبرير عقد سنوي بستة أرقام لتكنولوجيا تتطلب اثني عشر أسبوعًا للنشر.

ما ينجح على هذا النطاق هو أتمتة سير عمل التوظيف بالذكاء الاصطناعي التي تتكامل مباشرة مع أي نظام لتتبع المتقدمين (ATS) تستخدمه الشركة بالفعل، سواء كان Greenhouse أو Lever أو JazzHR أو منصة خاصة بصناعة معينة. يقرأ الوكيل الطلبات الجديدة، ويقيمها مقابل الوصف الوظيفي، ويقوم إما بتقديم المطابقات القوية إلى قائمة انتظار الموظف أو يرسل رسالة رفض تتوافق مع قواعد الإفصاح الحكومية والفدرالية.

تتميز عمليات النشر الناجحة في الشركات المتوسطة بثلاثة سمات. تبدأ بسير عمل واحد بدلاً من مسار التوظيف الكامل. تستخدم نظام تتبع المتقدمين الحالي كنظام للسجلات بدلاً من استبداله. وتحافظ على التواصل مع الموظف في كل قرار تقدم لمدة تسعين يومًا الأولى قبل أن يكتسب الوكيل استقلالية في الفئات الأسهل.

تتميز عمليات النشر الفاشلة في الشركات المتوسطة بسمة واحدة. تحاول أتمتة التحديد، والفرز، والجدولة، وتوليد العروض في نفس الوقت، ثم تكتشف أن الوكيل يتخذ قرارات خاطئة بشكل طفيف في ثلاثة من سير العمل هذه لأنه لم يتم ضبطه أبدًا على أنماط التوظيف الخاصة بالشركة.

تعتمد اقتصاديات أتمتة التوظيف في الشركات المتوسطة أيضًا على كيفية قياس الفريق للنجاح. تحصل الشركات التي تتتبع وقت التوظيف بالأيام وتكلفة التوظيف بالدولار على إشارة واضحة من نشر الوكيل. تميل الشركات التي تتتبع فقط عدد الموظفين الذين تم توظيفهم إلى فقدان الرؤية حول ما إذا كانت الأتمتة تضغط الدورة بالفعل أو مجرد تحويل العمل من الموظفين إلى المنسقين. ينطبق الانضباط في القياس بقدر ما ينطبق اختيار التكنولوجيا.

Eightfold AI لذكاء المواهب في المؤسسات

وضعت Eightfold AI نفسها كطبقة ذكاء المواهب التي تعمل عبر نظام تتبع المتقدمين (ATS) الحالي للمؤسسة، باستخدام مخطط المهارات الخاص بها لمطابقة المرشحين مع طلبات التوظيف المفتوحة وتوفير فرص التنقل الداخلي التي قد يفوتها الموظف. تعد المنصة مفيدة حقًا للمؤسسات التي تقوم بالتوظيف لأكثر من خمسة آلاف شخص سنويًا وتدير قوة عاملة تتكون من خمسين ألفًا أو أكثر.

تكمن قوة Eightfold في اتساع قاعدة بيانات المرشحين لديها، والتي تدعي الشركة أنها تحتوي على أكثر من مليار ملف. بالنسبة لمؤسسة Fortune 500 التي تقوم بالتوظيف عالميًا، فإن القدرة على الاستعلام عن قاعدة البيانات هذه للمجموعات المتخصصة من المهارات أمر مهم، خاصة لأدوار الهندسة والأدوار السريرية حيث يكون عدد المرشحين النشطين صغيرًا جدًا بحيث لا يمكن استيعاب الطلبات العضوية.

تكمن نقطة الضعف في السعر ودورة النشر. تتراوح عقود Eightfold عادةً في نطاق الستة أرقام العليا سنويًا، وتستهلك عملية التنفيذ من ستة إلى تسعة أشهر قبل أن تعمل المنصة بكامل طاقتها. لا يمكن لأصحاب العمل في الشركات المتوسطة تبرير الاستثمار أو الجدول الزمني، وهذا هو السبب في أن Eightfold يظل حلاً للمؤسسات فقط على الرغم من وصول التسويق إلى القطاعات الأصغر.

ما لا تستطيع Eightfold فعله هو العمل تحت فريق صغير لاكتساب المواهب وتقديم قيمة في غضون ثلاثين يومًا. تم تصميم المنصة للمؤسسات التي لديها موظفون متخصصون في عمليات التوظيف، وميزانيات تنفيذ مخصصة، وتحمل لجداول زمنية طويلة للنشر لا تتوفر ببساطة لدى الشركات المتوسطة وعمليات التوظيف بالساعة ذات الحجم الكبير.

تعتمد عمليات نشر Eightfold أيضًا بشكل كبير على جودة بيانات التوظيف التاريخية التي تجلبها الشركة إلى المنصة. يحصل العملاء الذين لديهم خمس سنوات من بيانات نظام تتبع المتقدمين النظيفة ومراجعات الأداء الهيكلية على مخرجات مطابقة قوية. يحصل العملاء الذين لديهم بيانات مجزأة عبر أنظمة قديمة متعددة على مطابقة أضعف حتى يتم الانتهاء من تنظيف البيانات، والذي غالبًا ما يستهلك الأشهر الستة الأولى من العقد قبل أن تنتج المنصة قيمة قابلة للقياس.

Paradox Olivia لتجربة المرشح التفاعلية

تعمل Paradox Olivia كوكيل ذكاء اصطناعي تفاعلي يركز على الطبقة المواجهة للمرشح في مسار التوظيف، حيث يتعامل مع إجابات الأسئلة الشائعة، والتقاط الطلبات، وجدولة المقابلات من خلال واجهات الدردشة والرسائل النصية القصيرة. احتلت المنصة مكانة قوية لدى أصحاب العمل ذوي الحجم الكبير في قطاعات التجزئة، وخدمات الطعام، والضيافة، وعمليات المستودعات.

تكمن قوة Paradox في تصميم تجربة المرشح. يمكن لـ Olivia التقاط طلب من خلال تدفق محادثة يبدو طبيعيًا بدلاً من كونه قائمًا على النماذج، ويتعامل تكامل الجدولة مع التنسيق المعقد للمقابلات التي يشارك فيها أطراف متعددة والتي قد تستهلك ساعات من وقت الموظف. بالنسبة لسلسلة مطاعم الخدمة السريعة التي توظف خمسة عشر ألف عضو طاقم سنويًا، فإن تحسين الإنتاجية كبير.

نقطة الضعف هي العمق. لا تتعامل Paradox مع التقييم العميق للمهارات، أو الفرز المنظم، أو نوع منطق اتخاذ القرار المتوافق مع المتطلبات التنظيمية التي تتطلبها متطلبات الذكاء الاصطناعي للتوظيف المتوافقة مع قانون تكافؤ فرص العمل (EEOC) على نطاق المؤسسات. المنصة ممتازة في طبقات التقاط وجدولة الجزء العلوي من المسار ولكنها لا تمتد إلى سير عمل الفرز والتقييم أو العروض حيث يتم اتخاذ القرارات الصعبة للتوظيف.

ما لا تستطيع Paradox فعله هو العمل كنظام لسجلات دورة التوظيف بأكملها. يقوم العملاء بإقرانها بـ Workday أو SAP SuccessFactors أو نظام تتبع المتقدمين (ATS) أساسي آخر، مما يعني أن أصحاب العمل الذين يوظفون بالساعة بكميات كبيرة والذين يستخدمون Olivia لا يزالون بحاجة إلى بنية تحتية منفصلة للطبقات التي لا تملكها Olivia.

تنتج تجربة المرشح في Paradox أيضًا ارتفاعًا قابلاً للقياس في معدلات الإكمال لطلبات التوظيف بالساعة ذات الحجم الكبير، حيث يرتبط كل حقل نموذج إضافي بانخفاض قابل للقياس. أبلغ أصحاب العمل الذين يقومون بتوظيف الموظفين في المتاجر والمستودعات عن تحسن في إكمال الطلبات يتراوح بين خمسة عشر وثلاثين بالمائة بعد التحول من الالتقاط القائم على النماذج إلى الالتقاط التفاعلي، والذي يترجم مباشرة إلى وصول عدد أكبر من المرشحين إلى خطوة الجدولة.

TFSF Ventures للبنية التحتية المخصصة للوكلاء

تختلف TFSF Ventures FZ-LLC في عملها عن المنصات المذكورة أعلاه لأن الشركة لا تبيع ترخيص منتج. بدلاً من ذلك، تقوم TFSF بنشر وكلاء ذكاء اصطناعي مخصصين لاكتساب المواهب بمنهجية نشر تستغرق ثلاثين يومًا، حيث يمتلك العميل الكود والبنية التحتية الأساسية في نهاية العملية. يناسب هذا النموذج فرق اكتساب المواهب التي تجاوزت المنصات العامة ولكنها لا ترغب في الالتزام بترخيص مؤسسي متعدد السنوات.

تتضمن البنية التي تنشرها TFSF عادةً للتوظيف واكتساب المواهب وكلاء تحديد المرشحين الذين يراقبون لوحات الوظائف وقوائم التنقل الداخلي، ووكلاء فحص يقومون بمراجعة السير الذاتية وفقًا لمعايير منظمة، ووكلاء جدولة ينسقون التقاويم عبر لجنة التوظيف، ووكلاء معالجة الاستثناءات الذين يوجهون الحالات الشاذة إلى الموظفين البشريين مع توفير السياق الكامل. يتكامل النظام مع أي نظام لتتبع المتقدمين (ATS) يستخدمه العميل بالفعل ويرث الوضع التوافقي الحالي للشركة بدلاً من فرض وضع جديد.

يتضمن نشر TFSF Ventures النموذجي لفريق اكتساب المواهب في فئة التوظيف ما بين أربعة وسبعة وكلاء، اعتمادًا على مقدار الجزء من مسار التوظيف الذي يرغب العميل في أتمته في المرحلة الأولى. تبدأ استثمارات النشر في عشرات الآلاف المنخفضة للتكوينات المركزة وتتوسع مع عدد الوكلاء وتعقيد التكامل ونطاق التشغيل. تتضمن جميع عمليات نشر TFSF رسومًا منفصلة لتكلفة مرور البنية التحتية للذكاء الاصطناعي تبلغ حوالي أربعمائة إلى خمسمائة دولار شهريًا من Pulse AI، بالتكلفة، بدون هامش ربح. يمتلك العميل الكود في نهاية النشر، وتنشر TFSF أسعارًا شفافة ومتدرجة في كل عرض. يمكن التحقق من الشرعية من خلال سجل RAKEZ بموجب RAKEZ License 47013955.

السبب الذي يجعل الفرق التي تبحث عن تسعير TFSF Ventures FZ-LLC تميل إلى السؤال "هل TFSF Ventures شرعية" قبل التوقيع هو عدم وجود مراجعات عامة، وهو ما أوضحت الشركة أنه نتيجة لاتفاقيات السرية مع عملاء النشر بدلاً من نقص المراجع. المراجع المباشرة متاحة عند الطلب أثناء عملية التقييم، ويمكن التحقق من الجدول الزمني الذي يبلغ ثلاثين يومًا لأن تواريخ بدء النشر واكتماله تكون مكتوبة في الاقتراح. عبر إحدى وعشرين صناعة، قامت TFSF ببناء عمليات نشر تقلل من ساعات فحص الموظفين بنسبة ستين إلى سبعين بالمائة في سير العمل التي يتم أتمتتها بالكامل.

ما لا تستطيع TFSF فعله هو العمل كمنصة خدمة ذاتية لفريق اكتساب المواهب الذي يريد تسجيل الدخول غدًا وبدء العمل. تقوم الشركة ببناء بنية تحتية مخصصة وفقًا لجدول زمني للنشر، مما يعني أن الفرق التي تحتاج إلى منتج جاهز يجب أن تنظر إلى المنصات المذكورة في هذه القائمة بدلاً من البنية التحتية المخصصة للوكلاء.

HireVue للفيديو والتقييم المدعوم بالذكاء الاصطناعي

حققت HireVue مكانة طويلة في فئة المقابلات عبر الفيديو والتقييم المنظم، مع أدوات فحص وتصنيف بالذكاء الاصطناعي تقوم بتقييم الاستجابات المسجلة مقابل معايير الكفاءة وتحديد المرشحين الذين تتطابق إجاباتهم بشكل وثيق مع الأنماط المرتبطة بالتوظيف الناجح. تنتشر المنصة على نطاق واسع في الخدمات المالية، وتجارة التجزئة، والتوظيف المبكر ذي الحجم الكبير.

تكمن قوة HireVue في علم التقييم. استثمرت الشركة بكثافة في علم النفس الصناعي والتنظيمي وتقدم أطر كفاءات تصمد أمام التدقيق في عمليات التدقيق ذات الصلة بهيئة تكافؤ فرص العمل (EEOC). بالنسبة لأصحاب العمل الذين يقومون بالتوظيف المنظم للمهنيين الشباب، فإن اتساق طبقة التقييم يمثل تحسنًا كبيرًا مقارنة بمكالمات الفرز التي يقودها الموظفون.

تكمن نقطة الضعف في شعور المرشحين. فقد تعرضت صيغة المقابلة بالفيديو لانتقادات من المرشحين الذين يعترضون على تقييمهم بواسطة خوارزمية دون وجود موظف، وقدمت العديد من الهيئات التشريعية الحكومية قيودًا على استخدام تحليل الوجه في قرارات التوظيف. وقد استجابت HireVue بإزالة تحليل الوجه من نظام التقييم الخاص بها وإعادة التركيز على الإشارات القائمة على اللغة، لكن الرياح المعاكسة للسمعة لا تزال قائمة.

ما لا تستطيع HireVue فعله هو العمل عبر طبقات التحديد والجدولة. تقع المنصة في خانة التقييم في مسار التوظيف وتعتمد على الأنظمة الأولية لتدفق المرشحين والأنظمة اللاحقة لإدارة العروض.

وقد امتدت المنصة أيضًا إلى توليد أسئلة المقابلات المنظمة، حيث يقترح الوكيل أسئلة مرتبطة بإطار الكفاءة ويقيم الإجابات مقابل المعايير. بالنسبة لفرق اكتساب المواهب التي تدير برامج مقابلات منظمة، فإن تحسن الاتساق كبير، خاصة عندما تتضمن لجان المقابلات مدراء التوظيف الذين لم يتم تدريبهم على تقنية المقابلات المنظمة.

Phenom لإدارة تجربة المواهب

تضع Phenom نفسها كمنصة لإدارة تجربة المواهب، وتجمع بين تخصيص موقع الويب الوظيفي الموجه للمرشحين ونظام إدارة علاقات المرشحين المدعوم بالذكاء الاصطناعي الذي يرعى المواهب السلبية على مدى آفاق طويلة. تجذب المنصة فرق اكتساب المواهب في المؤسسات التي تدير خطوط أنابيب مواهب كبيرة للأدوار التي يصعب شغلها.

تكمن قوة Phenom في طبقة أتمتة خط أنابيب المواهب المدعومة بالذكاء الاصطناعي. تتعقب المنصة تفاعل المرشحين عبر البريد الإلكتروني، وموقع الويب الوظيفي، وتفاعلات روبوتات الدردشة، ثم تحدد المرشحين الذين تشير سلوكياتهم إلى الاستعداد للانتقال. بالنسبة لأصحاب العمل في قطاعات الأدوية والتكنولوجيا والخدمات المالية الذين يديرون دورات مبيعات طويلة للمواهب العليا، فإن رؤية خط الأنابيب قيمة.

تكمن نقطة الضعف في التعقيد. Phenom هي منصة كبيرة تتطلب متطلبات تكوين كبيرة، ودورة التنفيذ طويلة بما يكفي بحيث نادرًا ما يكملها أصحاب العمل في الشركات المتوسطة دون دعم خارجي كبير. يبلغ إجمالي تكلفة الملكية بما في ذلك التكوين، وإنتاج المحتوى، والتحسين المستمر، مئات الآلاف سنويًا لعمليات النشر الجادة.

ما لا تستطيع Phenom فعله هو العمل كطبقة أتمتة خفيفة الوزن. تم تصميم المنصة لفرق اكتساب المواهب في المؤسسات التي تدير برامج خطوط أنابيب المواهب المنظمة، وليس لعمليات التوظيف بالساعة ذات الحجم الكبير أو أصحاب العمل في الشركات المتوسطة الذين يبحثون عن سير عمل مركز.

يميل عملاء Phenom الذين ينجحون في استخدام المنصة إلى أن يكون لديهم وظيفة تسويق مواهب مخصصة تنتج المحتوى الذي تقدمه المنصة. عادةً ما يشاهد العملاء الذين يشترون المنصة ويتوقعون منها توليد التفاعل دون استثمار المحتوى الأساسي نتائج ضعيفة، وهو ما يرجع إلى نموذج النشر وليس إلى التكنولوجيا.

Fountain لعمليات التوظيف بالساعة ذات الحجم الكبير

حققت Fountain مكانة متميزة في فئة التوظيف بالساعة ذات الحجم الكبير، مع أتمتة سير العمل التي تم ضبطها لتناسب الأنماط المحددة لتوظيف المستودعات، والتوصيل، وخدمة العملاء في الخطوط الأمامية. تتعامل المنصة مع التقاط الطلبات، وجمع الوثائق، وتكامل التحقق من الخلفية، وأوراق التوظيف لأصحاب العمل الذين يقومون بتوظيف الآلاف شهريًا.

تكمن قوة Fountain في نموذج الإنتاجية. تم تصميم المنصة لأصحاب العمل حيث يكون مسار التوظيف كبيرًا بما يكفي بحيث يُترجم أي احتكاك في تجربة المرشح مباشرة إلى فقدان في التحويل قابل للقياس، ويتم ضبط الأتمتة لإزالة هذا الاحتكاك. تعنى أتمتة تحديد المرشحين بالذكاء الاصطناعي في هذا القطاع، بدرجة أقل، بالعثور على المرشحين النادرين وبدرجة أكبر، بتحويل المتقدمين الذين أظهروا اهتمامًا بالفعل قبل أن ينتقلوا إلى منافس.

تكمن نقطة الضعف في عدم ملاءمتها خارج نطاق التوظيف بالساعة ذي الحجم الكبير. تعمل Fountain بشكل جيد عندما يبرر حجم التوظيف الاستثمار في المنصة، لكن أصحاب العمل في الشركات المتوسطة الذين يقومون بالتوظيف الاحترافي نادرًا ما يكون لديهم ملف حجم العمل الذي يجعل الاقتصاديات قابلة للتطبيق.

ما لا تستطيع Fountain فعله هو التعامل مع التقييم المنظم وتنسيق اللجان الذي يتطلبه التوظيف الاحترافي والشركات الكبرى. المنصة ممتازة في حالة الاستخدام لذات الحجم الكبير بالساعة ولا تدعي أنها تتجاوز ذلك.

تتعامل المنصة أيضًا مع سير عمل جمع الوثائق والتحقق منها الذي تتطلبه العمليات ذات الحجم الكبير بالساعة، بما في ذلك التقاط نموذج I-9 في الولايات المتحدة والوثائق المماثلة لحق العمل في ولايات قضائية أخرى. تعتبر أتمتة الامتثال في هذه الطبقة مفيدة حقًا لأصحاب العمل الذين يقومون بالتوظيف بأحجام قد تطغى على عملية مراجعة الوثائق اليدوية.

Beamery للتسويق المواهب في المؤسسات

تعمل Beamery في فئة تسويق المواهب في المؤسسات، وتجمع بين أتمتة المصادر وإدارة علاقات المرشحين، مع التركيز على وظائف سوق المواهب الداخلي. تنتشر المنصة على نطاق واسع في منظمات التكنولوجيا، والخدمات المالية، والأدوية التي تدير عمليات توظيف عالمية.

تكمن قوة Beamery في طبقة التنقل الداخلي. تحدد المنصة المرشحين الداخليين مقابل متطلبات التوظيف المفتوحة بطريقة لا تقوم بها معظم أنظمة ATS للمؤسسات بشكل جيد، وقد أدت وظيفة سوق المواهب إلى تحسينات قابلة للقياس في معدل التعبئة الداخلي للعديد من العملاء الكبار. بالنسبة لشركة تكنولوجيا تدير قوة عاملة تبلغ ثلاثين ألفًا، فإن القدرة على شغل منصب هندسي رفيع من خلال التنقل الداخلي بدلاً من المصادر الخارجية تمثل تخفيضًا كبيرًا في التكلفة.

تكمن نقطة الضعف في نفس معظم منصات المؤسسات في هذه الفئة. Beamery منصة كبيرة تتطلب دورة تنفيذ طويلة ونقطة سعر تستبعد أصحاب العمل في الشركات المتوسطة. المنصة قوية حقًا فيما تفعله، لكن السوق المستهدف ضيق.

ما لا تستطيع Beamery فعله هو العمل كنظام نشر لمدة ثلاثين يومًا لفريق اكتساب المواهب الذي يحتاج إلى أن يكون جاهزًا للعمل بسرعة. تم تصميم المنصة للنشر على مستوى المؤسسات، وليس للنشر السريع.

SmartRecruiters لأنظمة تتبع المتقدمين للشركات المتوسطة والكبيرة

تعمل SmartRecruiters كنظام تتبع متقدمين (ATS) كامل مع ميزات أتمتة سير عمل التوظيف بالذكاء الاصطناعي المضمنة، بما في ذلك مطابقة المرشحين، ومساعدة الفرز، وجدولة المقابلات بالذكاء الاصطناعي. تتنافس المنصة مباشرة مع Greenhouse و Lever في قطاع الشركات المتوسطة والشركات الكبيرة الأقل حجمًا.

تكمن قوة SmartRecruiters في دمج ميزات الذكاء الاصطناعي الأصلية في نظام ATS كامل بدلاً من كونها وظائف إضافية. بالنسبة لفرق اكتساب المواهب التي ترغب في منصة واحدة تتعامل مع دورة التوظيف بأكملها بمساعدة الذكاء الاصطناعي، فإن هذا الدمج جذاب مقارنة بتشغيل نظام ATS بالإضافة إلى ثلاثة أو أربعة حلول نقطية منفصلة.

تكمن نقطة الضعف في العمق في أي سير عمل واحد بالذكاء الاصطناعي. المنصة واسعة النطاق وليست عميقة، مما يعني أن فرق اكتساب المواهب ذات المتطلبات المعقدة في أي طبقة غالبًا ما تجد أن حلاً نقطيًا متخصصًا يفوق ميزة SmartRecruiters الأصلية في سير العمل المحدد هذا.

ما لا تستطيع SmartRecruiters فعله هو استبدال منصة تقييم متخصصة أو نظام مخصص للتوظيف بالساعة ذات الحجم الكبير. المنصة هي نظام ATS عام مع ميزات الذكاء الاصطناعي وليست متخصصة في أي قطاع واحد.

Modern Hire للتقييم قبل التوظيف

ركزت Modern Hire، وهي الآن جزء من HireVue، تاريخيًا على التقييم قبل التوظيف لتوظيف الشباب ذوي الحجم الكبير وخدمة العملاء، مع تقييمات كفاءة منظمة تُقدم من خلال الفيديو والصوت والصيغ القائمة على الألعاب. تنتشر المنصة عبر الخدمات المالية، وتجارة التجزئة، وعمليات مراكز الاتصال.

تكمن قوة Modern Hire في صحة التقييم. لدى الشركة دراسات تحقق طويلة الأمد تظهر علاقات تنبؤية بين درجات التقييم والأداء في العمل لفئات الأدوار التي تخدمها. بالنسبة لأصحاب العمل الذين يقومون بتوظيف كميات كبيرة بشكل منظم، فإن هذه الصحة هي الفرق بين عملية توظيف قابلة للدفاع عنها وعملية تعرضهم للمسؤولية القانونية.

تكمن نقطة الضعف في نفس ما لدى HireVue، نظرًا للدمج المؤسسي. تقع المنصة في خانة التقييم في مسار التوظيف وتعتمد على الأنظمة الأولية واللاحقة لبقية دورة التوظيف.

ما لا تستطيع Modern Hire فعله هو التعامل مع سير عمل التحديد، والجدولة، أو العروض. المنصة متخصصة تتكامل مع بنية تحتية أوسع لأنظمة تتبع المتقدمين بدلاً من استبدالها.

كيفية الاختيار بين وكلاء اكتساب المواهب بالذكاء الاصطناعي

يبدأ الاختيار بين وكلاء اكتساب المواهب بالذكاء الاصطناعي بملف حجم التوظيف للشركة وسير العمل المحدد حيث ستنتج الأتمتة أكبر قدر من التوفير في وقت الموظفين. لا ينبغي لعملية توظيف بالساعة ذات حجم كبير شراء Beamery، ولا ينبغي لفريق اكتساب المواهب في شركة أدوية كبيرة شراء Fountain. الأهم من أي مقارنة للميزات هو التوافق بين تصميم المنصة ونمط التوظيف للشركة.

العامل الثاني هو التكامل مع نظام تتبع المتقدمين (ATS) الحالي. ينجح وكلاء الذكاء الاصطناعي الذين تنشرهم فرق اكتساب المواهب الداخلية عندما يقرأ الوكيل ويكتب في نظام السجلات الذي يستخدمه الموظفون بالفعل، بدلاً من مطالبة الموظفين بتسجيل الدخول إلى منصة منفصلة لرؤية مخرجات الوكيل. يختلف عمق التكامل بشكل كبير عبر المنصات في هذه القائمة، ويجب التحقق من خريطة طريق التكامل قبل التوقيع.

العامل الثالث هو وضع الامتثال، خاصة للأدوار الخاضعة لرقابة لجنة تكافؤ فرص العمل (EEOC) في الولايات المتحدة والمتطلبات المماثلة في الولايات القضائية الأخرى. يجب أن تحتوي وكلاء الذكاء الاصطناعي الذين تنشرهم الشركات لعملية التوظيف على سجلات تدقيق، ووثائق اختبار التحيز، والقدرة على إظهار الأساس المنطقي وراء أي قرار تقدم أو رفض للمرشح. يجب استبعاد المنصات التي لا تستطيع إنتاج هذه الوثائق عند الطلب بغض النظر عن مدى قوة ميزاتها الأخرى.

العامل الرابع هو الجدول الزمني للنشر. تتطلب منصات المؤسسات عادةً من ستة إلى تسعة أشهر للنشر بكامل طاقتها. نادرًا ما تتوفر لأصحاب العمل في الشركات المتوسطة وعمليات التوظيف بالساعة ذات الحجم الكبير هذه الفترة الزمنية، وهذا هو السبب في أن نماذج النشر التي تستغرق ثلاثين يومًا قد اكتسبت زخمًا في القطاعات التي تكون فيها السرعة أهم من اتساع الميزات.

ستستمر فئة أتمتة الذكاء الاصطناعي للتوظيف واكتساب المواهب في التوحيد خلال الأربعة وعشرين شهرًا القادمة حيث تستحوذ المنصات الأكبر على قدرات متخصصة وتتنافس نماذج النشر المخصصة مع الترخيص العام. ستكون فرق اكتساب المواهب التي تحصل على أقصى قيمة هي تلك التي تطابق نمط التوظيف لديها مع الأداة المناسبة بدلاً من الشراء بناءً على الاعتراف بالمورد.

حول TFSF Ventures

TFSF Ventures FZ-LLC (RAKEZ License 47013955) هي شركة هندسة مشاريع تنشر بنية تحتية للوكلاء الأذكياء عبر الشركات من خلال ثلاث ركائز متكاملة: البنية التحتية العاملة بالوكالة، ومسارات الدفع غير التقليدية، ومحرك مشاريع كامل. مع 27 عامًا في مجال المدفوعات والبرمجيات، تعمل TFSF عالميًا، وتخدم 21 قطاعًا منهجيًا بمنهجية نشر تستغرق 30 يومًا. تعرف على المزيد على https://tfsfventures.com

شارك في تقييم الذكاء التشغيلي المجاني

أجب عن بعض الأسئلة السريعة حول عملك. احصل على مخطط نشر ذكاء اصطناعي مخصص في غضون 24 إلى 48 ساعة يتضمن توصيات الوكيل، والهندسة المعمارية، وخريطة طريق خاصة بعملياتك. لا توجد مكالمة مبيعات. لا يوجد التزام. فقط البيانات. ابدأ من https://tfsfventures.com/assessment

نشرت أصلاً في https://tfsfventures.com/blog/ai-automation-for-recruiting-and-talent-acquisition-used-across-mid-market-employers

كتب بواسطة TFSF Ventures Research