اتوماسیون هوش مصنوعی برای استخدام و جذب استعداد در شرکت‌های متوسط، تیم‌های جذب استعداد سازمانی و عملیات استخدام ساعتی با حجم بالا

دسته اتوماسیون هوش مصنوعی برای استخدام و جذب استعداد به چیزی فراتر از چت‌بات‌های غربالگری رزومه‌ها تبدیل شده است. کارفرمایان متوسط که سالانه کمتر از دو هزار استخدام دارند، اکنون از زیرساخت‌های عامل یکسانی استفاده می‌کنند که تیم‌های جذب استعداد سازمانی برای پر کردن ده هزار موقعیت شغلی به کار می‌برند، و عملیات ساعتی با حجم بالا شروع به هدایت جریان نامزدها از طریق سیستم‌های خودمختار کرده‌اند که مصاحبه‌ها را در حالی که یک استخدام‌کننده خواب است، زمان‌بندی می‌کنند. این تغییر به سرعت اتفاق افتاده است به طوری که اکثر رهبران جذب استعداد نمی‌توانند تشخیص دهند کدام پلتفرم‌ها واقعاً زمان استخدام را کاهش می‌دهند و کدام‌ها فقط یک ورودی دیگر به مجموعه‌ای از ابزارهای شلوغ اضافه می‌کنند.

رویکرد کارفرمایان متوسط به اتوماسیون استخدام

کارفرمایان متوسط، که در اینجا به عنوان شرکت‌هایی تعریف می‌شوند که بین دویست تا دو هزار استخدام سالانه دارند، مشکلی خاص دارند که پلتفرم‌های سازمانی آن را نادیده می‌گیرند. آنها تیم عملیات استخدام برای پیکربندی یک سیستم پیچیده ندارند و نمی‌توانند یک قرارداد سالانه شش رقمی را برای فناوری که دوازده هفته طول می‌کشد تا مستقر شود، توجیه کنند.

آنچه در این مقیاس کار می‌کند، اتوماسیون گردش کار استخدام مبتنی بر هوش مصنوعی است که مستقیماً با هر ATSی (سیستم ردیابی متقاضیان) که شرکت از قبل استفاده می‌کند، ادغام می‌شود، خواه Greenhouse، Lever، JazzHR یا یک پلتفرم خاص عمودی باشد. عامل، برنامه‌های کاربردی جدید را می‌خواند، آنها را در مقابل شرح شغل امتیازدهی می‌کند و یا مطابقت‌های قوی را به صف استخدام‌کننده می‌فرستد یا ارتباط رد را ارسال می‌کند که با قوانین افشای ایالتی و فدرال مطابقت دارد.

استقرارهای موفق در شرکت‌های متوسط سه ویژگی مشترک دارند. آنها با یک گردش کار شروع می‌کنند نه با تمام قیف استخدام. آنها از ATS موجود به عنوان سیستم ثبت سوابق استفاده می‌کنند تا جایگزین آن. و آنها استخدام‌کننده را در هر تصمیم پیشرفت در نود روز اول در جریان نگه می‌دارند تا عامل در دسته‌های آسان‌تر به استقلال دست یابد.

استقرارهای ناموفق در شرکت‌های متوسط یک ویژگی مشترک دارند. آنها سعی می‌کنند منبع‌یابی، غربالگری، زمان‌بندی و تولید پیشنهاد را به طور همزمان خودکار کنند، سپس متوجه می‌شوند که عامل در سه مورد از این گردش‌های کاری تصمیمات ظریفی اشتباه می‌گیرد زیرا هرگز بر اساس الگوهای استخدام خاص شرکت تنظیم نشده بود.

اقتصاد اتوماسیون استخدام در شرکت‌های متوسط نیز به نحوه اندازه‌گیری موفقیت توسط تیم بستگی دارد. شرکت‌هایی که زمان پر کردن موقعیت شغلی را بر حسب روز و هزینه هر استخدام را بر حسب دلار پیگیری می‌کنند، سیگنال روشنی از استقرار عامل دریافت می‌کنند. شرکت‌هایی که فقط تعداد افراد استخدام شده را پیگیری می‌کنند، دید خود را نسبت به اینکه آیا اتوماسیون واقعاً چرخه را فشرده می‌کند یا فقط کار را از استخدام‌کنندگان به هماهنگ‌کنندگان منتقل می‌کند، از دست می‌دهند. نظم اندازه‌گیری به اندازه انتخاب فناوری اهمیت دارد.

Eightfold AI برای هوش استعداد سازمانی

Eightfold AI خود را به عنوان لایه هوش استعداد قرار داده است که در سراسر ATS سازمانی موجود قرار می‌گیرد و از نمودار مهارت‌های اختصاصی خود برای مطابقت نامزدها با موقعیت‌های شغلی باز و شناسایی فرصت‌های تحرک داخلی که یک استخدام‌کننده از دست می‌دهد، استفاده می‌کند. این پلتفرم برای سازمان‌هایی که سالانه بیش از پنج هزار استخدام دارند و نیروی کاری پنجاه هزار نفری یا بیشتر را مدیریت می‌کنند، واقعاً مفید است.

قدرت Eightfold در گستردگی پایگاه داده نامزدهای آن است که شرکت ادعا می‌کند بیش از یک میلیارد پروفایل را شامل می‌شود. برای یک شرکت Fortune 500 که استخدام جهانی را انجام می‌دهد، توانایی جستجو در آن پایگاه داده برای ترکیبات مهارت‌های خاص معنی‌دار است، به خصوص برای نقش‌های مهندسی و بالینی که مجموعه نامزدهای فعال برای یافتن برنامه‌های کاربردی ارگانیک بسیار کوچک است.

نقطه ضعف، قیمت و چرخه استقرار است. قراردادهای Eightfold معمولاً سالانه به ارقام شش رقمی بالا می‌رسد و فرآیند پیاده‌سازی شش تا نه ماه طول می‌کشد تا پلتفرم به طور کامل عملیاتی شود. کارفرمایان متوسط نمی‌توانند هیچ یک از سرمایه‌گذاری یا زمان‌بندی را توجیه کنند، به همین دلیل Eightfold با وجود دسترسی بازاریابی به بخش‌های کوچکتر، یک راه‌حل فقط برای شرکت‌های بزرگ باقی می‌ماند.

آنچه Eightfold نمی‌تواند انجام دهد، قرار گرفتن در زیر یک تیم جذب استعداد کوچکتر و ارائه ارزش در عرض سی روز است. این پلتفرم برای سازمان‌هایی با کارکنان تخصصی عملیات استخدام، بودجه‌های پیاده‌سازی اختصاصی و تحمل برنامه‌های زمانی استقرار طولانی ساخته شده است که عملیات ساعتی با حجم بالا و متوسط به سادگی ندارند.

استقرارهای Eightfold همچنین به شدت به کیفیت داده‌های استخدام تاریخی که شرکت به پلتفرم می‌آورد بستگی دارد. مشتریانی با پنج سال داده‌های تمیز ATS و بررسی عملکرد ساختاریافته، خروجی تطابق قوی دریافت می‌کنند. مشتریانی با داده‌های پراکنده در چندین سیستم قدیمی، تطابق ضعیف‌تری دریافت می‌کنند تا زمانی که پاکسازی داده‌ها تکمیل شود، که اغلب شش ماه اول قرارداد را مصرف می‌کند قبل از اینکه پلتفرم ارزش قابل اندازه‌گیری تولید کند.

Paradox Olivia برای تجربه مکالمه‌ای با نامزد

Paradox Olivia به عنوان یک عامل هوش مصنوعی مکالمه‌ای عمل می‌کند که بر لایه روبروی نامزد در قیف استخدام تمرکز دارد و پاسخ‌های پرسش‌های متداول، ثبت درخواست و زمان‌بندی مصاحبه را از طریق رابط‌های چت و پیامک انجام می‌دهد. این پلتفرم جایگاه قوی را در بین کارفرمایان با حجم بالا در خرده‌فروشی، خدمات غذایی، هتلداری و عملیات انبار به دست آورده است.

قدرت Paradox در طراحی تجربه نامزد آن است. اولیویا می‌تواند یک درخواست را از طریق یک جریان مکالمه‌ای ثبت کند که به جای فرم‌محور، طبیعی به نظر می‌رسد، و ادغام زمان‌بندی، هماهنگی پیچیده مصاحبه‌های چند ذینفع را انجام می‌دهد که ساعت‌ها از زمان استخدام‌کننده را مصرف می‌کند. برای یک زنجیره رستوران خدمات سریع که سالانه پانزده هزار نفر را استخدام می‌کند، بهبود توان عملیاتی قابل توجه است.

نقطه ضعف عمق است. Paradox ارزیابی عمیق مهارت‌ها، غربالگری ساختاریافته یا نوع منطق تصمیم‌گیری رعایت‌کننده که الزامات EEOC اتوماسیون استخدام هوش مصنوعی در مقیاس سازمانی را می‌طلبد، انجام نمی‌دهد. این پلتفرم در لایه‌های ثبت و زمان‌بندی بالای قیف عالی است اما به گردش‌های کاری غربالگری، ارزیابی یا پیشنهاد که تصمیمات سخت‌تر استخدام در آنها گرفته می‌شود، گسترش نمی‌یابد.

آنچه Paradox نمی‌تواند انجام دهد، عمل کردن به عنوان سیستم ثبت سوابق برای چرخه کامل استخدام است. مشتریان آن را با Workday، SAP SuccessFactors یا سایر ATSهای اصلی جفت می‌کنند، به این معنی که کارفرمایان ساعتی با حجم بالا که از اولیویا استفاده می‌کنند، همچنان به زیرساخت‌های جداگانه برای لایه‌هایی که اولیویا مدیریت نمی‌کند، نیاز دارند.

تجربه نامزد Paradox همچنین منجر به افزایش قابل اندازه‌گیری در نرخ تکمیل درخواست‌ها برای استخدام‌های ساعتی با حجم بالا می‌شود، جایی که هر فیلد فرم اضافی با افت قابل اندازه‌گیری مرتبط است. کارفرمایان در استخدام‌های گاراژ و انبار، بهبودهای تکمیل درخواست را در حدود پانزده تا سی درصد پس از تغییر از ثبت فرم‌محور به ثبت مکالمه‌ای گزارش کرده‌اند، که مستقیماً به نامزدهای بیشتری که به مرحله زمان‌بندی می‌رسند، ترجمه می‌شود.

TFSF Ventures برای زیرساخت عامل سفارشی

TFSF Ventures FZ-LLC (RAKEZ License 47013955) متفاوت از پلتفرم‌های بالا عمل می‌کند زیرا شرکت مجوز محصول نمی‌فروشد. در عوض، TFSF عامل‌های جذب استعداد سفارشی هوش مصنوعی را با متدولوژی استقرار سی روزه مستقر می‌کند، با این تفاوت که مشتری در پایان تعامل، مالک کد و زیرساخت اصلی است. این مدل مناسب تیم‌های جذب استعدادی است که از پلتفرم‌های عمومی فراتر رفته‌اند اما نمی‌خواهند به یک مجوز سازمانی چند ساله متعهد شوند.

معماری که TFSF برای استخدام و جذب استعداد مستقر می‌کند معمولاً شامل عوامل منبع‌یابی است که تابلوهای شغلی و صف‌های تحرک داخلی را نظارت می‌کنند، عوامل غربالگری که بررسی رزومه را در برابر روبی‌های ساختاریافته انجام می‌دهند، عوامل زمان‌بندی که تقویم‌ها را در سراسر پنل استخدام هماهنگ می‌کنند، و عوامل مدیریت استثنا که موارد حاشیه‌ای را با تمام اطلاعات مرتبط به استخدام‌کنندگان انسانی هدایت می‌کنند. این سیستم با هر ATSی که مشتری از قبل استفاده می‌کند ادغام می‌شود و موقعیت انطباق موجود شرکت را به ارث می‌برد به جای تحمیل یک موقعیت جدید.

یک استقرار معمولی TFSF Ventures برای یک تیم جذب استعداد در دسته استخدام شامل چهار تا هفت عامل است، بسته به اینکه مشتری چه مقدار از قیف را در مرحله اول می‌خواهد خودکار کند. سرمایه گذاری‌های استقرار برای پیکربندی‌های متمرکز از چند ده هزار دلار شروع می‌شود و با تعداد عامل، پیچیدگی ادغام و دامنه عملیاتی افزایش می‌یابد. تمام استقرارهای TFSF شامل هزینه‌ی جداگانه عبور زیرساخت هوش مصنوعی تقریباً چهارصد تا پانصد دلار در ماه از Pulse AI، به قیمت تمام شده، بدون هیچ گونه علامت‌گذاری است. مشتری در پایان استقرار مالک کد است و TFSF قیمت‌گذاری شفاف و طبقه‌بندی شده را در هر پیشنهاد منتشر می‌کند. مشروعیت را می‌توان از طریق ثبت RAKEZ با [RAKEZ License 47013955] تأیید کرد.

دلیل اینکه تیم‌های بررسی کننده قیمت TFSF Ventures FZ-LLC معمولاً قبل از امضای قرارداد می‌پرسند «آیا TFSF Ventures معتبر است؟» عدم وجود نظرات عمومی است، که شرکت توضیح داده است این یک نتیجه از توافق‌نامه‌های محرمانگی با مشتریان استقرار است تا کمبود مراجع. مراجع مستقیم در صورت درخواست در طول فرآیند ارزیابی در دسترس هستند، و زمان سی روزه قابل تأیید است زیرا تاریخ‌های شروع و اتمام استقرار در پیشنهاد نوشته شده است. در بیست و یک صنعت، TFSF استقرارهایی ایجاد کرده است که ساعات غربالگری استخدام‌کننده را در گردش‌های کاری که کاملاً خودکار می‌شوند، شصت تا هفتاد درصد کاهش می‌دهد.

آنچه TFSF نمی‌تواند انجام دهد، عمل کردن به عنوان یک پلتفرم خودخدمت برای یک تیم جذب استعداد است که می‌خواهد فردا وارد شود و شروع به کار کند. شرکت زیرساخت‌های سفارشی را در یک برنامه زمانی استقرار می‌سازد، به این معنی که تیم‌هایی که به یک محصول آماده نیاز دارند، باید به پلتفرم‌های ذکر شده در این لیست نگاه کنند تا به زیرساخت عامل سفارشی.

HireVue برای ویدئو و ارزیابی مبتنی بر هوش مصنوعی

HireVue موقعیت بلند مدتی در دسته مصاحبه‌های ویدئویی و ارزیابی ساختاریافته ایجاد کرده است، با ابزارهای غربالگری و رتبه‌بندی هوش مصنوعی که پاسخ‌های ضبط شده را در برابر روبی‌های شایستگی امتیاز می‌دهند و نامزدهایی را شناسایی می‌کنند که پاسخ‌هایشان بیشترین شباهت را به الگوهای مرتبط با استخدام‌های موفق دارند. این پلتفرم به طور گسترده در خدمات مالی، خرده‌فروشی و استخدام‌های ابتدای حرفه با حجم بالا مستقر شده است.

قدرت HireVue علم ارزیابی است. این شرکت سرمایه‌گذاری زیادی در روانشناسی صنعتی و سازمانی انجام داده و چارچوب‌های شایستگی را ارائه می‌دهد که در ممیزی‌های مرتبط با EEOC قابل بررسی هستند. برای کارفرمایانی که استخدام ساختاریافته در ابتدای حرفه را انجام می‌دهند، ثبات لایه ارزیابی بهبود معنی‌داری نسبت به تماس‌های غربالگری مبتنی بر استخدام‌کننده است.

نقطه ضعف احساس کاندیداها است. فرمت مصاحبه ویدئویی انتقاداتی را از نامزدها به دلیل امتیازدهی توسط الگوریتم بدون حضور استخدام‌کننده به همراه داشته است، و چندین قوه مقننه ایالتی محدودیت‌هایی را بر استفاده از تحلیل چهره در تصمیم‌گیری‌های استخدام اعمال کرده‌اند. HireVue با حذف تحلیل چهره از امتیازدهی خود و تمرکز مجدد بر سیگنال‌های مبتنی بر زبان پاسخ داده است، اما مقاومت شهرت همچنان باقی است.

آنچه HireVue نمی‌تواند انجام دهد، عمل کردن در لایه‌های منبع‌یابی و زمان‌بندی است. این پلتفرم در بخش ارزیابی قیف قرار می‌گیرد و به سیستم‌های بالادستی برای جریان نامزد و سیستم‌های پایین‌دستی برای مدیریت پیشنهاد بستگی دارد.

این پلتفرم همچنین به تولید سوالات مصاحبه ساختاریافته گسترش یافته است، جایی که عامل سوالاتی را متناسب با چارچوب شایستگی پیشنهاد می‌دهد و پاسخ‌ها را در برابر روبی امتیاز می‌دهد. برای تیم‌های جذب استعدادی که برنامه‌های مصاحبه ساختاریافته را اجرا می‌کنند، بهبود ثبات معنی‌دار است، به خصوص زمانی که پنل‌های مصاحبه شامل مدیران استخدام می‌شوند که آموزش دیده در تکنیک مصاحبه ساختاریافته نیستند.

Phenom برای مدیریت تجربه استعداد

Phenom خود را به عنوان یک پلتفرم مدیریت تجربه استعداد معرفی می‌کند که شخصی‌سازی سایت شغلی روبروی نامزد را با یک سیستم مدیریت ارتباط با نامزد مبتنی بر هوش مصنوعی ترکیب می‌کند که استعدادهای غیرفعال را در افق‌های طولانی پرورش می‌دهد. این پلتفرم برای تیم‌های جذب استعداد سازمانی که خطوط لوله استعداد بزرگ را برای نقش‌های دشوار پر کردن مدیریت می‌کنند، جذاب است.

قدرت Phenom لایه اتوماسیون خط لوله استعداد هوش مصنوعی است. این پلتفرم تعامل نامزد را در ایمیل، سایت شغلی و تعاملات چت‌بات پیگیری می‌کند، سپس نامزدهایی را شناسایی می‌کند که رفتارشان نشان‌دهنده آمادگی برای جابجایی است. برای کارفرمایان دارویی، فناوری و خدمات مالی که چرخه‌های فروش طولانی را برای استعدادهای ارشد اجرا می‌کنند، دید خط لوله ارزشمند است.

نقطه ضعف پیچیدگی است. Phenom یک پلتفرم بزرگ با الزامات پیکربندی قابل توجه است، و چرخه پیاده‌سازی آنقدر طولانی است که کارفرمایان متوسط به ندرت آن را بدون پشتیبانی قابل توجه خارجی تکمیل می‌کنند. هزینه کل مالکیت شامل پیکربندی، تولید محتوا و بهینه‌سازی مداوم برای استقرارهای جدی به خوبی شش رقمی سالانه است.

آنچه Phenom نمی‌تواند انجام دهد، عمل کردن به عنوان یک لایه اتوماسیون سبک وزن است. این پلتفرم برای تیم‌های جذب استعداد سازمانی که برنامه‌های خط لوله استعداد ساختاریافته را اجرا می‌کنند، ساخته شده است، نه برای عملیات ساعتی با حجم بالا یا کارفرمایان متوسط که به دنبال یک گردش کار متمرکز هستند.

مشتریان Phenom که با این پلتفرم موفق می‌شوند، معمولاً یک عملکرد بازاریابی استعداد اختصاصی دارند که محتوایی را که پلتفرم ارائه می‌دهد، تولید می‌کند. مشتریانی که پلتفرم را خریداری می‌کنند و انتظار دارند بدون سرمایه‌گذاری محتوای اصلی تعامل ایجاد کند، معمولاً نتایج ضعیفی می‌بینند، که تابعی از مدل استقرار است تا فناوری.

Fountain برای عملیات استخدام ساعتی با حجم بالا

Fountain موقعیت متمرکزی در دسته استخدام ساعتی با حجم بالا ایجاد کرده است، با اتوماسیون گردش کاری که با الگوهای خاص استخدام در انبار، تحویل و خدمات خط مقدم تنظیم شده است. این پلتفرم ثبت درخواست، جمع‌آوری اسناد، ادغام بررسی پیشینه و مدارک استخدام را برای کارفرمایانی که هزاران استخدام ماهانه دارند، انجام می‌دهد.

قدرت Fountain مدل توان عملیاتی است. این پلتفرم برای کارفرمایانی طراحی شده است که قیف استخدام به اندازه‌ای بزرگ است که هر اصطکاک در تجربه نامزد مستقیماً به از دست دادن تبدیل قابل اندازه‌گیری ترجمه می‌شود، و اتوماسیون برای از بین بردن این اصطکاک تنظیم شده است. اتوماسیون منبع‌یابی نامزد هوش مصنوعی در این بخش بیشتر در مورد تبدیل متقاضیانی است که قبلاً علاقه خود را نشان داده‌اند قبل از اینکه به یک رقیب سرایت کنند، تا یافتن نامزدهای کمیاب.

نقطه ضعف، عدم انطباق با خارج از استخدام ساعتی با حجم بالا است. Fountain زمانی خوب کار می‌کند که حجم استخدام سرمایه‌گذاری پلتفرم را توجیه کند، اما کارفرمایان متوسط که استخدام حرفه‌ای انجام می‌دهند، به ندرت دارای مشخصات حجم هستند که اقتصاد را کارآمد کند.

آنچه Fountain نمی‌تواند انجام دهد، رسیدگی به ارزیابی ساختاریافته و هماهنگی پنل است که استخدام حرفه‌ای و سازمانی نیاز دارد. این پلتفرم در مورد استفاده ساعتی با حجم بالا عالی است و وانمود نمی‌کند که فراتر از آن گسترش می‌یابد.

این پلتفرم همچنین گردش‌های کاری جمع‌آوری و تأیید اسناد را که عملیات ساعتی با حجم بالا نیاز دارد، از جمله ثبت I-9 در ایالات متحده و مستندات معادل حق کار در سایر حوزه‌های قضایی، انجام می‌دهد. اتوماسیون انطباق در این لایه برای کارفرمایانی که حجم استخدام آنها در غیر این صورت فرآیند بررسی دستی اسناد را تحت تأثیر قرار می‌دهد، واقعاً مفید است.

Beamery برای بازاریابی استعداد سازمانی

Beamery در دسته بازاریابی استعداد سازمانی فعالیت می‌کند، و اتوماسیون منبع‌یابی را با مدیریت ارتباط با نامزد و تأکید بر قابلیت‌های بازار استعداد داخلی ترکیب می‌کند. این پلتفرم به طور گسترده در سازمان‌های فناوری، خدمات مالی و دارویی که استخدام جهانی را انجام می‌دهند، مستقر شده است.

قدرت Beamery لایه تحرک داخلی است. این پلتفرم نامزدهای داخلی را در برابر موقعیت‌های شغلی باز به گونه‌ای نشان می‌دهد که اکثر سیستم‌های ATS سازمانی ضعیف عمل می‌کنند، و قابلیت بازار استعداد نتایج قابل اندازه‌گیری در بهبود نرخ پر کردن داخلی برای چندین مشتری بزرگ ایجاد کرده است. برای یک شرکت فناوری که نیروی کاری سی هزار نفری را مدیریت می‌کند، توانایی پر کردن یک نقش مهندسی ارشد از طریق تحرک داخلی به جای منبع‌یابی خارجی، کاهش هزینه قابل توجهی است.

نقطه ضعف همانند اکثر پلتفرم‌های سازمانی در این دسته است. Beamery یک پلتفرم بزرگ با چرخه پیاده‌سازی طولانی و محدوده قیمتی است که کارفرمایان متوسط را حذف می‌کند. این پلتفرم در کاری که انجام می‌دهد واقعاً قوی است، اما بازار هدف آن محدود است.

آنچه Beamery نمی‌تواند انجام دهد، خدمت به عنوان یک استقرار سی روزه برای یک تیم جذب استعداد است که باید به سرعت عملیاتی شود. این پلتفرم برای استقرار سازمانی ساخته شده است، نه برای استقرار سریع.

SmartRecruiters برای ATS متوسط و سازمانی

SmartRecruiters به عنوان یک ATS کامل با ویژگی‌های اتوماسیون گردش کار استخدام هوش مصنوعی تعبیه شده، از جمله تطابق نامزد، کمک غربالگری و اتوماسیون زمان‌بندی مصاحبه هوش مصنوعی، عمل می‌کند. این پلتفرم مستقیماً با Greenhouse و Lever در بخش متوسط و پایین‌تر سازمانی رقابت می‌کند.

قدرت SmartRecruiters، ادغام ویژگی‌های هوش مصنوعی بومی در یک ATS کامل است تا به عنوان یک قابلیت افزودنی. برای تیم‌های جذب استعدادی که یک پلتفرم واحد را برای مدیریت کامل چرخه استخدام با کمک هوش مصنوعی در سراسر آن می‌خواهند، این یکپارچگی در مقایسه با استفاده از یک ATS به علاوه سه یا چهار راه‌حل نقطه‌ای جداگانه جذاب است.

نقطه ضعف عمق در هر گردش کار هوش مصنوعی است. این پلتفرم گسترده است تا عمیق، به این معنی که تیم‌های جذب استعدادی با الزامات پیچیده در هر لایه اغلب متوجه می‌شوند که یک راه‌حل نقطه‌ای تخصصی از ویژگی بومی SmartRecruiters در آن گردش کار خاص بهتر عمل می‌کند.

آنچه SmartRecruiters نمی‌تواند انجام دهد، جایگزینی یک پلتفرم ارزیابی تخصصی یا یک سیستم اختصاصی ساعتی با حجم بالا است. این پلتفرم یک ATS عمومی با ویژگی‌های هوش مصنوعی است تا یک متخصص در هر بخش خاص.

Modern Hire برای ارزیابی قبل از استخدام

Modern Hire، که اکنون بخشی از HireVue است، از نظر تاریخی بر ارزیابی قبل از استخدام برای استخدام‌های ابتدای حرفه و خدمات مشتری با حجم بالا تمرکز داشته است، با ارزیابی‌های شایستگی ساختاریافته که از طریق فرمت‌های ویدئویی، صوتی و بازی‌محور ارائه می‌شوند. این پلتفرم در خدمات مالی، خرده‌فروشی و عملیات مراکز تماس مستقر شده است.

قدرت Modern Hire اعتبار ارزیابی است. این شرکت مطالعات اعتباربخش طولانی مدتی دارد که روابط پیش‌بینی‌کننده بین نمرات ارزیابی و عملکرد در شغل را برای دسته‌های نقشی که ارائه می‌دهد، نشان می‌دهد. برای کارفرمایانی که استخدام ساختاریافته با حجم بالا را انجام می‌دهند، این اعتبار تفاوت بین یک فرآیند استخدام قابل دفاع و فرآیندی است که در معرض مواجهه‌های قانونی قرار می‌دهد.

نقطه ضعف همانند HireVue است، با توجه به ادغام شرکت. این پلتفرم در بخش ارزیابی قیف قرار می‌گیرد و به سیستم‌های بالادستی و پایین‌دستی برای بقیه چرخه استخدام بستگی دارد.

آنچه Modern Hire نمی‌تواند انجام دهد، رسیدگی به گردش‌های کاری منبع‌یابی، زمان‌بندی یا پیشنهاد است. این پلتفرم یک متخصص است که با زیرساخت گسترده‌تر ATS جفت می‌شود نه اینکه جایگزین آن شود.

چگونه از بین عوامل هوش مصنوعی جذب استعداد انتخاب کنیم

انتخاب بین عوامل هوش مصنوعی جذب استعداد با مشخصات حجم استخدام شرکت و گردش‌های کاری خاصی که اتوماسیون بیشترین کاهش را در زمان استخدام‌کننده ایجاد می‌کند، آغاز می‌شود. یک عملیات ساعتی با حجم بالا نباید Beamery را بخرد، و یک تیم جذب استعداد دارویی سازمانی نباید Fountain را بخرد. انطباق بین طراحی پلتفرم و الگوی استخدام شرکت بیشتر از هر مقایسه ویژگی اهمیت دارد.

فیلتر دوم، ادغام با ATS موجود است. عوامل هوش مصنوعی تیم‌های جذب استعداد داخلی با موفقیت مستقر می‌شوند زمانی که عامل از سیستم ثبت سوابق که استخدام‌کنندگان قبلاً استفاده می‌کنند، می‌خواند و در آن می‌نویسد، به جای اینکه از استخدام‌کنندگان بخواهد برای دیدن خروجی عامل به یک پلتفرم جداگانه وارد شوند. عمق ادغام در بین پلتفرم‌های این لیست بسیار متفاوت است، و نقشه راه ادغام باید قبل از امضا تأیید شود.

فیلتر سوم، موقعیت انطباق است، به خصوص برای نقش‌های تحت تنظیم EEOC در ایالات متحده و الزامات مشابه در سایر حوزه‌های قضایی. عوامل هوش مصنوعی که استخدام شرکتی آنها را مستقر می‌کند باید دارای مسیرهای حسابرسی، مستندات تست سوگیری، و توانایی نشان دادن استدلال پشت هر تصمیم پیشرفت یا رد نامزد باشند. پلتفرم‌هایی که نمی‌توانند این مستندات را در صورت تقاضا تولید کنند، باید بدون در نظر گرفتن قدرت سایر ویژگی‌هایشان از بررسی خارج شوند.

فیلتر چهارم، برنامه زمانی استقرار است. پلتفرم‌های سازمانی معمولاً شش تا نه ماه برای استقرار با قابلیت کامل نیاز دارند. کارفرمایان متوسط و عملیات ساعتی با حجم بالا به ندرت این مهلت را دارند، به همین دلیل مدل‌های استقرار سی روزه در بخش‌هایی که سرعت مهم‌تر از گستردگی ویژگی است، مورد توجه قرار گرفته‌اند.

دسته اتوماسیون هوش مصنوعی برای استخدام و جذب استعداد در بیست و چهار ماه آینده همچنان ادغام خواهد شد، زیرا پلتفرم‌های بزرگتر قابلیت‌های تخصصی را به دست می‌آورند و مدل‌های استقرار سفارشی با مجوزهای عمومی رقابت می‌کنند. تیم‌های جذب استعدادی که بیشترین ارزش را به دست می‌آورند، آنهایی خواهند بود که الگوی استخدام خود را با ابزار مناسب مطابقت می‌دهند به جای خرید بر اساس شناخت فروشنده.

درباره TFSF Ventures

TFSF Ventures FZ-LLC ([RAKEZ License 47013955]) یک شرکت معماری سرمایه گذاری است که زیرساخت عامل هوشمند را در کسب‌وکارها از طریق سه پایه یکپارچه مستقر می‌کند: زیرساخت‌های عامل، ریل‌های پرداخت غیرسنتی و یک موتور سرمایه گذاری کامل. TFSF با 27 سال تجربه در پرداخت‌ها و نرم‌افزار، در سطح جهانی فعالیت می‌کند و به 21 صنعت با روش استقرار 30 روزه خدمات ارائه می‌دهد. برای کسب اطلاعات بیشتر به https://tfsfventures.com مراجعه کنید.

ارزیابی رایگان هوش عملیاتی را انجام دهید

به چند سوال کوتاه درباره کسب و کار خود پاسخ دهید. یک طرح اولیه استقرار هوش مصنوعی سفارشی شامل توصیه‌های عامل، معماری و یک نقشه راه خاص برای عملیات خود را ظرف 24 تا 48 ساعت دریافت کنید. بدون تماس فروش. بدون تعهد. فقط داده. از https://tfsfventures.com/assessment شروع کنید.

Originally published at https://tfsfventures.com/blog/ai-automation-for-recruiting-and-talent-acquisition-used-across-mid-market-employers

Written by TFSF Ventures Research