인공 지능 은 채용을 번거 로움을 덜어줍니다.
구직 시장에 적극적으로 참여하지 않는 Sleuthing 지원자부터 검색에서 무의식적 인 편견을 제거하는 데 이르기까지이 새로운 인공 지능 도구는 HR 부서에 첨단 기술 업데이트를 제공합니다.
호기심 많은 지원자를받는 방법
AI 매치 메이커
- 두 명의 전직 Google 기술 임원이 기계 학습을 사용하여 이력서, 개인 가치 및 프로젝트 설명을 검토하여 수용 역할에 완벽한 지원자를 표시하는 플랫폼 인 Leap.ai를 구축했습니다. 70 % 이상의 사람들의 도약 장소가 인터뷰를 넘어서고 있습니다.
- Peloton, Netflix 및 ESPN과 같은 회사에서 사용하는 Vettery의 알고리즘은 데이터베이스에서 수만 명의 지원자의 일치를 나타냅니다. 기계 학습 덕분에 더 많은 채용 감독자가 이것과 상호 작용할수록 자체 AI가 조직에서 원하는 것을 정확하게 얻을 수 있습니다.
오프닝 홍보
- 몇 년 전, 여러 구인 게시판에 위치를 광고하는 것은 가이드 슬로 그로 바뀌 었습니다. 그러나 이제 PandoLogic은 예측 분석이 어려운 작업을 수행하도록합니다. 알고리즘 수많은 구인 광고와 수천 개의 웹 사이트에서 10 년 동안의 기록 데이터를 활용하여 목표를 달성합니다. 그 후 실시간으로 광고를 모니터링하여 입찰 및 예산 비율을 조정하여 애플리케이션과보기를 최대화 할 수 있습니다.
과거 신청 검토
일반적으로 회사는 개업 할 때마다 250 개의 이력서를받습니다. 그리고 그 공연을하지 않는 많은 Hopeful 고용인은 한 가지 더 많은 역할에 대한 훌륭한 경기가 될 수 있습니다.
- 지난 4 월 Google은 중소 기업을 대상으로하는 Hire by Google 채용 프로그램에서 Candidate Discovery라는 도구의 베타 테스트를 시작했습니다. 직관적 인 검색을 사용하여 과거 이력서와 다른 정보를 스캔하여 이전 지원자가 현재 기능에 대한 게임이 될 수 있는지 평가합니다.
수동적 인 지원자 찾기
실업률은 17 년 만에 최저 수준에 가깝지만 최근 Really 설문 조사에 따르면 70 % 이상의 근로자가 새로운 작업을 적극적으로 찾고 있거나 새로운 작업에 개방되어 있다고 말합니다.
그 부름을 수행
인증 된 후보자를 성공적으로 콜드 메시징하는 것은 기술을 선택하고 많은 아웃 리치가 청각 장애인의 귀에 떨어집니다. Textio 여론 조사에 따르면 미국인의 5 %만이 지난 3 개월 동안 일부 채용 담당자 메시지에 반응했습니다.
- Textio Hire의 증강 작성 플랫폼은 이전 메시지 (구문과 단어가 효과가 있었지만 그렇지 않은 메시지)에 대한 수만 개의 데이터 포인트를 활용하여 정렬 할 때 실시간 팁과 진홍색 플래그를 제공합니다. Zillow가 기기를 분석했을 때 기업은 Mail 채용으로 인한 반응률이 16 % 증가했다고 밝혔습니다.
- 기능을 수행하는 데 어려움을 겪는 사람들을 위해 Talenya 는 LinkedIn, GitHub, Stack Overflow 및 Dice와 같은 수만 개의 사이트를 다른 사람 페이지에 추가하여 참조하여 풍부한 후보자 프로필을 구성합니다. 그런 다음 사람들의 CV와 열린 장소를 대조하고 게임 확률을 평가합니다.
- 누가 직업 전망에 뛰어들 가능성이 있는지 아는 것이 멋지지 않습니까? AI stage Engage Talent는 비즈니스 성과, 직원 변경 및 정보 데이터와 같은 "예측 접근성 신호"를 활용하여 수동적 인 후보자가 곧 이력서에서 먼지를 털어 낼 가능성을 파악합니다.
훨씬 더 적은 시간에 채용
챗봇 활용
자연어 처리 및 기계 학습을 통해 챗봇은 후보자가 기본 자격 및 프로그램 인터뷰를 위해 표시하는 끈질긴 질문을 필드에 표시 할 수 있습니다.
구애 자동화
- Mya는 수동적이고 관심있는 후보자를 채팅 한 다음, 지원자 추적 시스템에 대한 대화 내용을 표시하고 자격을 부여하고 전송합니다. 회의를 승인하면 (또는 그녀가 실제로 수행하는 경우), 그녀는 그룹의 모든 사람을위한 기능을 수행하고 모든 낙천적 인 고용인과 함께 조직하고 모든 사람의 일정을 업그레이드하는 기간을 찾을 수 있습니다.
텍스트를 통해 Woo
- IBM의 Watson Technology는 TextRecruit의 챗봇 인 Ari를 추진합니다. 그러나 사람들은 또한 측정하고 개인화 된 문자 메시지를 대규모로 보낼 수 있습니다. 모든 지원자의 1/3 이상이 12 분 동안 텍스트에 반응합니다.
HR 도우미 구하기
- 아직 베타 모드 인 HiringSolved의 Rai 프로그램은 채용 담당자를 사용하여 커뮤니케이션하므로 채용 담당자가 채용 담당자를 찾고, 연구를 평가하고, 이메일을 통해 연락하여 업무에 활용할 수 있습니다.
봇이 자유롭게 방황하게하십시오
- Paradox의 Olivia 챗봇을 제쳐두고 개인이 그녀와 상호 작용하기 위해 신청자 도구를 유지할 필요가 없다는 것입니다. 그들은 그녀의 매너에 대해 질문을 던질 수 있습니다. 문화는 어떻습니까? 이것은? 휴가 보험? -웹, 셀룰러 또는 소셜 채널을 통해.
전문가를 찾는 훨씬 더 좋은 방법
최고의 연기자를 복제하려고 시도하십시오
- Pymetrics는 위험 감수, 집중력 및 형평성과 같은 특성 평가에 문자열 신경 과학 일치를 통해 최고의 직원을 이끌고 지원자가 속도를냅니다. 알고리즘은 자신의 특성이 높은 팀원의 특성과 얼마나 밀접하게 일치하는지 점수를 매 깁니다. Tesla, Unilever 및 LinkedIn은이 게임 화 된 AI 플랫폼으로 뛰어 들었습니다.
미래의 날을 예측
- 추가 기본 도구는 재시작을 스캔 할 수 있습니다. 그러나 2 월에 베타에서 전환 된 Uncommon 에는 AI 플랫폼이 프로필을 생성하는 후보의 과거 전문 지식과 함께 이름, 연령 및 대학을 수정하는 예측 구성 요소가 포함됩니다. 이력서에 주어진 능력이 포함되지 않은 경우에도 개인이 직무 요구 사항을 얼마나 잘 충족하거나 초과 하는지를 결정합니다. 특이하게 시작하기 전에 그룹은 6 백만 개의 프로젝트 설명과 함께 5 천만 개 이상의 이력서에 대한 무대를 훈련했습니다. 그 후 Amazon, Lyft 및 Etsy와 같은 회사가 탑승했습니다. 인간이 시스템의 선택을 조사했을 때 98 % 일치했습니다.
자신의 편견 눈 가리개를 넣어
많은 채용 관리자는 Ivy Leaguers에 기본을 두거나 비즈니스의 시대 또는 문화적 구성과 유사하지 않은 기능을 가진 사람을 제거합니다. 그들이 당신처럼 보이지 않는다고해서 믿을 수없는 예술을 테이블 위에 두지 마십시오.
- 무엇보다도 Airbnb와 Twitter는 Blendoor를 분석했습니다. Blendoor는 사용중인 후보 추적 시스템에서 후보자 정보를 포착 한 다음 제목, 사진, 날짜와 같은 정보를 제거합니다. 인종, 나이, 성별과 같은 세부 정보를 제거합니다.
- 여성의 목소리 나 외국 악센트가 채용 결정에 영향을 미칠 수 있습니까? 엄격한 모의 인터뷰를 통과 한 기술 지원자를 위해 음성 마스킹 도구를 사용하여 인터뷰를 수행하는 Interviewing.io가 아닐 수도 있습니다. Twitch, Lyft 및 Asana는 고대의 포용 자입니다.
그들의 말이 아닌 능력을 조사하십시오
- 기본에서 고급에 이르기까지 수만 개의 연습으로 구성된 Filtered의 데이터베이스를 사용하여 (코드 작성 방법을 이해하지 못하는 경우에도) 예약 인터뷰를 설정할 수 있습니다.
- GapJumpers 는 "fire"및 "team player"와 같은 추상 Filler에서 작업 설명을 조정하고 4,000 개 이상의 능력 도전에서 철수하는 후보자에 대한 객관적인 평가를 생성합니다. Kedar Iyer CEO는 "이것은 채용 관리자가 품질 기준을 떨어 뜨릴 수 있다는 불안감에서 발생합니다. 개인을 볼 때까지 구경을보기 때문에"라고 말합니다.