採用担当者が適格な人材を大規模に特定するのに自動化テクノロジーがどのように役立つか

AI ベースの自動化ツールは、応募者のデータを収集して処理し、候補者の調達、スクリーニング、多様性、その他の人事機能を迅速化および合理化できます。

退職の波が収まる気配がない中、採用担当者は従業員に資格のある人材を補充するためにできる限りの支援を求めています。人材管理市場 (人材獲得ソフトウェアおよびサービスを含む) は現在、200 億ドル近くの価値があります。

採用および人事業務の継続的なデジタル化と自動化を背景に、2028 年まで年率 12% 以上の成長が見込まれています。

世界中の企業は、最も優秀で聡明で多様性に富んだ従業員を創出し、維持することに重点を置いています。人工知能、機械学習、予測モデリングの進歩により、業界の根本的な変化に対処しながらも、中小企業だけでなく企業にも採用を自動化する前例のない機会が提供されることが予想されます。リモートおよびハイブリッド勤務を含む職場の慣行。

実際、ある調査で調査を受けた採用担当者の 5 人中 4 人は、候補者の採用プロセスが完全に自動化できれば生産性が向上すると考えています。彼らは、より多くのデータがあれば、候補者の適格性を判断し、候補者プールを評価し、アウトリーチを改善し、採用ワークフローを改善するのに役立つことに同意しました。それにもかかわらず、採用担当者の 42% は、データを分析情報に変換することはおろか、分析を実装したり掘り下げたりするためのデータや時間を持っていません。

採用自動化とは何ですか?また、どのように役立ちますか?

人事機能または人事管理は、採用から始まります。毎日、求人が埋まっていないと、企業の収益と生産性が犠牲になります。スマート AI ベースのツールは、候補者に関する関連データを収集して採用担当者に提供し、それを正確に処理して、候補者の調達、スクリーニング、ダイバーシティとインクルージョン、面接、応募者の追跡などの複数のサブプロセスを高速化および合理化できます。

人材フィード ソリューション プロバイダーであるジュンコの CEO、イリット ラズ氏は、過小評価されている経歴の候補者を紹介するために使用されていた「何百もの履歴書を整理し、すべての役員の職務内容を掲載する時代は終わった」と述べました。 。 「何らかの形の自動化や HR テクノロジーがなければ、特に採用において常に競合他社に一歩後れを取ることになります。」と彼は言いました。 SaaS (Software as a Service) アプリケーションの配信と、企業が従業員のあらゆる側面を管理するために使用できる人工知能の活用が増えています。その主な目標は次のとおりです。

採用タスクとワークフローを自動化する

• 採用あたりのコストを削減します。
• 人事スタッフと採用担当者の生産性を向上させます。
• 空席の補充を促進します。
• 偏見のない採用。
• 企業全体の人材状況を改善します。
• 一般的な AI ベースの採用自動化テクノロジーは、採用担当者がこれらの目標を達成するのにどのように役立ちますか? 重要な役割を果たすことができるさまざまな機能を次に示します:

• 求人広告: 求人ソフトウェアは、求人プラットフォームやその他の Web サイト上の広告を自動的に購入できます。プログラマティック広告とブランド コンテンツを活用して、ターゲットとなる候補者が頻繁に利用する業界固有の Web サイトに求人情報を掲載します。また、採用担当者が求人広告予算を最適化し、採用コストを削減するのにも役立ちます。
• Application Tracking System (ATS): ATS は、企業の採用と雇用のサイクル全体を自動化するソフトウェアです。求人情報の管理、履歴書の並べ替え、応募のフィルタリング、空きポジションに最適な候補者の特定を行うための一元的な場所を提供します。こうすることで、人事マネージャーは組織化された状態を維持し、候補者が採用プロセスのどの段階にあるかについての詳細に簡単にアクセスできるようになります。
• 履歴書のスクリーニング: 履歴書の手動によるスクリーニングは、採用において最も時間がかかる部分の 1 つです。 AI ベースのソフトウェアは、リストに基づいて職務要件を「学習および理解」し、候補者が使用したキーワード、用語、フレーズに基づいて履歴書をフィルタリングします。
• 事前資格のある応募者: インテリジェントなアルゴリズムにより、スキル、経験、その他の特性を以前の採用担当者や宣伝されている職務の特性と比較して評価することで、候補者を特定できます。また、採用プロセスを進める際に、これらの候補者をランク付けしたり、スコアを付けたりすることもできます。 AI ベースのチャットボットは、候補者との会話を開始することで基本情報を収集し、候補者についてさらに詳しく知ることができます。これらのアルゴリズムは、ユーザーの LinkedIn、Twitter、Facebook、その他のソーシャル プロフィールや、ユーザーが活動している業界固有のプラットフォーム (開発者向けの StackOverflow など) をスキャンして、ユーザーの性格、知識、能力、資格をより深く理解することもできます。

採用自動化がうまくいかないのはどんなときですか?

採用自動化ソフトウェアは進歩していますが、採用の課題を解決する万能薬ではありません。面倒な採用プロセスを処理できるテクノロジーはありません。データの過負荷は重大な問題です。現在、採用担当者は (候補者や職務に関する) 大量のデータを持っているため、それを分析して正しい決定を下すための時間もスキルもありません。多くの場合、このデータにアクセスして検証するコストと複雑さは法外に高くなります。

もう一つの長年の問題は偏見です。採用プロセス自体は偏っていることが多いのですが（企業が従業員の紹介に依存する傾向が主な原因です）、採用における AI と自動化の使用により、問題がさらに複雑になることがあります。

IEEE フェローでニューヨーク大学タンドン工学部学部長のエレナ・コヴァチェヴィッチ氏は、次のように述べています。一例として、Amazon は、10 年間にわたって受け取った履歴書のパターンを分析し、最終的に女性応募者に対する差別につながった AI ベースの採用ツールを開発しました。 Amazon は最終的にこのツールを放棄しました。

データと AI が直面する最大の課題は、多様性、公平性、包括性 (DEI) をどのように維持するかです。自動化や機械学習によって悪化する、採用活動における多様性に関連した間違いには次のようなものがあります。

求人情報における無神経、エリート主義的、またはあまり包括的ではない言葉遣い (多様な候補者に応募を断念させる)。

• 限られた人材と限られた応募者プール (他の地域からの応募者や特定の学校に通っていない応募者を除く)。
• リモートワーク禁止ポリシー (障害や交通手段に困難がある候補者の排除)
• 最低限の規制または業界基準を満たすことを目的とした DEI への興味深いアプローチ。
• 自動化の欠如。
• AI は問題を引き起こす可能性がありますが、分析が解決策です

人工知能は確かに人材採用の特効薬ではありませんが、Amazon が開発した採用プログラム以来、大きな進歩を遂げてきました。失敗しました。大きな進歩です。調査によると、データドリブンの採用チームはすでに他のチームよりも優れたパフォーマンスを発揮しています。さらに、採用担当者の 84% は、日々のワークフローで人工知能と機械学習を使用する能力に高い自信を持っています。

問題は、採用自動化テクノロジーは、人間の偏見を追加 (増幅) せずに、採用プロセスで人工知能アルゴリズムをどのように使用できるかということです。

答えは、企業固有のパフォーマンス ベンチマークを確立して、採用の客観的な尺度、候補者の能力の主要な指標、人材分析を使用して採用活動の成功と効率を測定します。

アルゴリズムが構築された目的を達成することができるのは、最大かつ最も広範なデータ セットを処理できるためです。これらのデータ ポイントを収集し、企業の人材パイプラインや採用自動化ソフトウェアにフィードするのは企業の責任です。実装時にはプロセスが逆になります。これは、企業の実際の採用ソリューションとして使用する前に、少数の (ただし多様な) 候補者のセットでアルゴリズムをテストし、その出力を手動でレビューすることをお勧めします。

以上が採用担当者が適格な人材を大規模に特定するのに自動化テクノロジーがどのように役立つかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。