I de senere år er softwareløsninger til kunstig intelligens blevet mere og mere udbredt på en række forskellige områder. Virksomheder sparer hundredvis af millioner af dollars årligt ved at implementere maskinlæring på alle mulige opgaver. Med indgangen til ChatGPT har teknologien taget store fremskridt og er i stand til at hjælpe en betydeligt større brugergruppe.

Med mange gentagne, tidskrævende og datadrevne opgaver er rekrutteringssektoren et forretningsområde med et enormt potentiale for en AI-revolution.

Den sidste store teknologiske transformation inden for Human Resources var indgangen til ansøgersporingssystemer (ATS). Det betød et stort produktivitetsløft for rekrutteringshold, men mange tror, at AI-rekruttering og adgang til store sprogmodeller (LLM'er) vil mangedoble resultaterne mange gange.

AI-rekruttering er en delmængde af rekrutteringsautomatisering og sigter mod nøjagtig det samme —  at strømline din rekrutteringsindsats. Men da traditionel automatisering har begrænsninger i forhold til at forstå naturligt sprog, analysere store mængder af komplekse, ustrukturerede data og finde mønstre på egen hånd, er det her AI udmærker sig. Selv relativt komplekse opgaver kan automatiseres på basis af at tage enorme mængder data ind og udvinde reel værdi, så længe der er nok træningsdata til at fodre systemet.

Generelt set passer alle værktøjer, der på en eller anden måde hjælper med at gøre rekruttering mere effektiv og baserer deres automatisering på stadigt forbedrede maskinlæringsmodeller, under paraplyen, som er AI-rekrutteringssoftware. Fra noget så simpelt som at forstå det bedste tidspunkt på dagen til at sende en opsøgende e-mail til en potentiel kandidat til futuristiske AI-drevne interviews. Grænserne for, hvad der er muligt for maskiner og AI kan gøre i HR, er netop blevet rykket meget frem — meget.

Eksperter på området forventer, at AI vil ændre selve grundlaget for rekruttering og HR. Som rekrutterer, virksomhedsleder eller HR-manager er det afgørende at følge denne tendens for at forblive konkurrencedygtig i et stadigt stigende våbenkapløb om talenter.

Fortsæt med at læse for at få en dybere forståelse og se, hvad kunstig intelligens kan opnå ved rekruttering.

‍

En række opgaver blandt rekruttererens ansvarsområder er allerede automatiseret for at øge effektiviteten. Med den næste generation af automatiseringsværktøjer, drevet af AI, er målet stadig at spare tid og penge, samtidig med at resultaterne optimeres. Men mange opgaver kan ikke løses ved hjælp af traditionelle, binære automatiseringsværktøjer.

”If you think about the smartest, most switched-on person you've ever worked with, and then think about the biggest slacker and do-nothing person you've ever worked alongside, the contrast between those two people is obvious. Yet no ATS in the world could distinguish between them, as long as the two people worked at the same job in the same company at the same time. Applicant tracking systems don't inquire about what you learned at a job, what you left in your wake or what you view as your greatest accomplishment.”

‍Liz Ryan in Forbes

Det lyder måske som et paradoks, men at introducere AI kan faktisk hjælpe med at humanisere rekrutteringsprocessen. Denne nye teknologi kan anvendes på opgaver med et større kompleksitetsniveau og kan personalisere processer i stor skala og samtidig øge støtten til menneskelige arbejdere.

Derudover, og tilføjer de økonomiske incitamenter, sigter mange leverandører på at øge resultaterne af deres rekrutteringsindsats, såsom at forudsige fremtidige præstationer for kandidater eller reducere skævhed i udvælgelsesprocessen.

Ved at outsource den indledende screening til AI, bliver menneskelige fordomme løsrevet fra den indledende screening. Ubevidst bias i rekruttering kan føre til en række problemer, og jo længere du kan holde udvælgelsesprocessen objektivt, jo længere kan kandidater blive korrekt vurderet baseret på deres færdigheder og erfaringer. AI-værktøjer kommer for at hjælpe, men de skal trænes i overensstemmelse hermed for ikke at introducere menneskelig bias i deres deep learning-modeller.

Vigtigst er det dog at støtte overbelastede rekrutterere og sætte dem i stand til at bruge deres viden og erfaring på opgaver, der kræver et menneskeligt berøring og ekspertise, samtidig med at de skærer tid til udfyldning.

‍

I en nylig undersøgelse administreret af Oracle hævder kun omkring 10 % af virksomhederne, at de bruger kunstig intelligens i vid udstrækning gennem hele ansættelsesprocessen i dag. Mens 36 % angiver, at de forventer en høj stigning i brugen i de kommende år.

Naturligvis startede skiftet mod at styrke rekruttering med kunstig intelligens, hvor behovene er størst. Etablerede højvolumenlejere og industrier med en undertjent kandidatpulje har traditionelt brugt uendelige ressourcer på rekruttering og leder nu angrebet mod en forandring.

Men efterhånden som ydeevnen fortsætter med at stige og use cases udvides, forventes det, at mange flere vil følge efter.

‍

Rekrutteringsautomatisering er ikke noget nyt og har været under udvikling i mange år. Introduktionen af internettet havde vidtrækkende virkninger for rekrutteringssamfundet og forårsagede en stor stigning i tempoet i teknologivedtagelsen.
Her er blot nogle af eksemplerne på, hvordan et mindre snævert arbejdsmarked og øget internetadoption og teknisk support har ændret rekrutteringssektoren:

• Opslagstavler & aviser → Internet jobtavler
• Excel-ark & tilpassede løsninger → Ansøgersporingssystemer
• Jobmesser & personlig relationsopbygning → Linkedin
• Overbetjent efterspørgsel efter arbejdskraft → Employer branding bliver afgørende
• Ikke-påtrængende rekruttering → Social rekruttering til passive kandidater

I de seneste år er teknologien blevet mere og mere raffineret, og ny funktionalitet såsom knock-out-spørgsmål, videointerviewplatforme og CV-databaser med søgeordsmatching gør livet for rekrutterere meget lettere.

Problemet med computerstøttet rekruttering har altid været computerens manglende evne til at forstå det menneskelige sprog. Og da rekruttering i høj grad er et område, hvor mennesker er i fokus, er der et misforhold mellem binært tænkende maskiner og menneskers filosofiske og farverige sind.

Det er her AI kommer ind i billedet.

For eksempel i tilfælde af knock-out spørgsmål. De er meget brugt i rekrutteringsprocessen og eliminerer alle ansøgere, der ikke opfylder kravene. Det er helt sikkert en fantastisk måde at ikke spilde tid på en jobsøger, der alligevel ikke er kvalificeret, ikke?

Nå, lad os sige, at et knock-out-spørgsmål beder om:

Har du 5 års ledelseserfaring?

• Ja → Fantastisk, du er stadig en del af udvalget.
• Nej → Beklager, du er ikke det, vi leder efter.

Et meget binært resultat uden plads til fleksibilitet, hvilket rejser et par spørgsmål.
Hvor mange gode kandidater med 4 års ledelseserfaring og ekstremt høje ambitioner går tabt? Er en person uden passion for deres arbejde, men med 10 års ledelseserfaring som standard et bedre valg?

En smartere løsning kunne være et AI-drevet screeningsinterview, hvor grid, passion og motivation udgør en vigtig del af den overordnede bedømmelse af hver potentiel kandidat.

Og med LLM'er som ChatGPT er der helt sikkert utallige nye banebrydende teknologiske innovationer, der baner vejen for store ændringer på HR-teknologiscenen.

Fortsæt med at læse for flere eksempler på, hvordan kunstig intelligens forenkler ansættelser.

‍

Stort set alle løsninger er bygget for at spare tid og penge og/eller øge kvaliteten af ansættelsen. Slutresultatet kan variere betydeligt.

Lad os gennemgå nogle af de mest interessante måder, rekrutterere bruger AI på i deres daglige arbejde.

Sourcing

Sourcing af kandidater er en af de sværeste og mest tidskrævende aspekter af rekrutteringsarbejderens job. I dag opnås det at finde og tiltrække nye talenter gennem forskellige taktikker. Organisk gennem opbygning af et godt employer brand, eller ved at modtage anbefalinger fra nuværende eller tidligere medarbejdere. Eller ved at skaffe passive kandidater gennem kold e-mail, opkald eller udsendelse af en betalt jobannonce.

Dette er et område, hvor mange rekrutterere bruger meget tid på at prøve at innovere, finde nye metoder og reducere omkostningerne. Og nogle taktikker er ret smarte. Såsom at sende jobannoncer i HTML-kildekoden, hvor kun udviklere vil kigge.

AI kan hjælpe med sourcing på en række måder. For eksempel:

• Analyser og søg på LinkedIn, Facebook og mange andre platforme for at finde kvalificerede kandidater med den rette baggrund.
• Afsendelse af personlige opsøgende e-mails.
• Nemmere rangordnede matchende kandidater (svært med boolesk søgning).
• Forudsige sandsynligheden for en kandidat til at foretage et træk.

Screening

Ifølge Gartner bruger rekrutterere cirka en fjerdedel af deres tid på kandidatscreeningsaktiviteter, såsom at læse en stor bunke af CV'er igennem.

Efterhånden som ansøgningsprocesserne bevæger sig længere og længere mod et-klik-oplevelser, ser bunken aldrig ud til at stoppe med at stige. Rekrutterere har helt sikkert mange andre opgaver ud over at læse CV'er, men den enorme mængde forårsager ofte en endeløs ventetid på kandidater og et varigt dårligt indtryk.

Det er her AI-drevne værktøjer kommer til undsætning.

På den ene side er det altid en god start at kaste et bredt net, når man leder efter en jobkandidat, men kvaliteten og den faktiske interesse fra mange ansøgere kan være meget lav, når ansøgningen kun tager 30 sekunder. Og at komme til de kandidater, der rent faktisk er kvalificerede, interesserede i stillingen, og som har alle forudsætninger på plads, er som at lede efter hø i en stak nåle.

Her er en liste over værktøjer, der kan lette byrden ved screening:

AI-drevet CV-parsing og semantisk matchning

Parsing er ikke noget nyt, men forståelsen af udvundet information har haft et stort opsving gennem avanceret Natural Language Processing (NLP) teknologi. Da CV'er ikke har nogen fast standard, og der er over hundrede forskellige måder at skrive datoen på, fungerer regelbaseret parsing ikke rigtig.

For eksempel kan udtrykket Davies referere til enten navnet på ansøgeren, Davies college eller virksomheden Davies Group. Kontekstanalyse er nødvendig for at parse oplysningerne korrekt.

NLP-baserede CV-parsere har vist sig at opnå op til 87 % nøjagtighed, hvilket kommer ret tæt på den gennemsnitlige menneskelige nøjagtighed på 96 %.

AI-resume-parsing —  vigtigste fordele:

• Eliminerer behovet for, at enten kandidater eller rekrutterere genindsætter oplysninger i faste formularer (bedre brugeroplevelse og mindre manuelt arbejde)
• Reducerer risikoen for, at interessante kandidater falder gennem sprækkerne på grund af træthed ved genoptagelse af læselæsning.

Hvad du skal være opmærksom på og huske på:

• Der er mange forskellige muligheder for at analysere CV'er, sørg for at lave nogle undersøgelser, før du vælger en bestemt leverandør.
• NLP er under hård udvikling og ikke perfekt. Der er altid en chance for, at kvalificerede kandidater bliver sorteret fra på grund af skrivestil, uden at nævne visse søgeord og andre fejlkonfigurationer.
• Sprogstøtte ud over engelsk kan være begrænset

AI-drevne interviews

AI-drevne interviews refererer til enten et videointerview, der vurderes af AI, eller et interview direkte faciliteret af en samtale-AI.

AI vurderinger
I AI-vurderede interviews bliver kandidaterne bedt om at svare på et sæt spørgsmål, mens de filmer sig selv. Interviewene analyseres derefter ved hjælp af et AI-rekrutteringsværktøj, og kandidaterne rangeres automatisk, før nogen menneskelig interaktion finder sted.

Normen er at træne en model på eksisterende medarbejdere og derefter bruge teknikker som ansigtsgenkendelse og sprog/indholdsanalyse til at forudsige fremtidige præstationer for interviewede kandidater.

Disse systemer har skabt en del hype, især i USA, hvor de både bliver fejret som en stor tidsbesparelse, men også ekstremt kritiseret for ikke at være gennemsigtige nok og indføre yderligere bias.

AI-faciliterede interviews
‍
I AI-faciliterede interviews er processen direkte overvåget og orkestreret af en kunstig rekrutterer, der er bygget specifikt til at screene kandidater og er ofte forstærket af LLM'er såsom ChatGPT. Den mest almindelige anvendelse er via chatbeskeder, hvor kandidater dynamisk bliver bedt om at svare på spørgsmål af forskellig karakter. Dette er ofte ikke det første trin i processen, og interviewet kan involvere kontrol af kandidatens holdning til ubehagelige arbejdstider eller opfølgning af uregelmæssigheder fra et automatisk analyseret og analyseret CV.

AI-interviews — vigtigste fordele

• Sorter eventuelle forvirringer, før du går ind i den manuelle proces
• Fremskynder påfyldningstiden
• Kan reducere ubevidst bias

Hvad du skal være opmærksom på og huske på:

• Kan føre til øget bias på grund af tvivlsomme AI-modeller
• AI-vurderinger kræver træning fra mange eksisterende medarbejdere

Kognitiv og personlighedstest

Test har været almindeligt i visse fag i en del år, f.eks. i udvikling eller højere ledelse er tests udbredt. Men for andre erhverv har test traditionelt været ret sparsomt.

Når AI går ind i evalueringerne før ansættelsen, kan test udføres i meget større skala og med stadig mere pålidelige resultater. Ved at teste hele dit team kan du finde ud af, hvor du kan have et hul, enten domænemæssigt eller personlighedsmæssigt. Brug disse oplysninger, når du ansætter til at opbygge et mere mangfoldigt team.

AI-test —  vigtigste fordele

• Find ud af, hvilke personligheder dit team mangler, og udfyld hullet
• Forudsige fremtidige arbejdspræstationer

Hvad du skal være opmærksom på og huske på:

• At gennemføre test med et højt konfidensniveau tager tid
• Sørg for, at din udbyder har en god måde at sikre sig, at den rigtige person rent faktisk tager testen.

Reducer skævhed i udvælgelsen

Forudsat at du bruger et AI-baseret rekrutteringssystem, der er bias-neutralt, kan du fokusere menneskelig interaktion mod de sene stadier i rekrutteringen og derfor reducere virkningen af ubevidst bias tidligt i processen.

Problemet er bare, at det er svært at konstruere et system, der er fri for menneskelig skævhed til at starte med. Bias kan indtastes gennem enten de data, der bruges til at træne systemet eller ved de begrænsninger, du opsætter, når du designer det.

Hvis ubevidst bias er et stort smertepunkt for dig, skal du sørge for grundigt at undersøge, hvordan din udbyder håndterer disse problemer.

Automatiseret shortlisting

Automatiseret shortlisting er en kombination af tidlige og mellemste rekrutteringstragtscreeningsmetoder, for eksempel CV-screening og AI-drevne interviews i kombination.

Ideen er at lade en AI-applikation håndtere hele processen og i sidste ende præsentere en menneskelig rekrutterer med et par interessante kandidater, som du kan se nærmere på.

Du bør være på vagt over for nye regler, der er begyndt at komme på plads omkring AI-rekruttering. Ændringen vedrører primært systemgennemsigtighed. Leverandører skal være i stand til at vise logikken bag beslutninger til både medarbejder og arbejdsgiver for at give indsigt i processen og forstå, hvor forbedring er mulig.

Læs mere om USA's politik om AI på rekrutteringsområdet her og i EU her.

AI-shortlisting —  fordele

• En stor tidsbesparelse
• Reduktion af menneskelig interaktion og derfor ubevidst bias

Hvad du skal være opmærksom på og huske på:

• Overholdelse af nye regler
• Hvordan vægtes rangeringsfaktorerne?

Kandidatdatabasestyring

At have en opdateret database med kandidatprofiler kan spare enorme mængder tid, når det er tid til at tilføje et nyt hoved til holdet. De havde måske ikke passet perfekt til den sidste åbning, men de passer måske lige denne gang.

Før du kontakter kandidaten, ville det være godt at vide om hans/hendes nuværende arbejdssituation, hvilke nye kompetencer han/hun kunne have opnået, eventuelle nye certifikater eller gennemførte kurser, ikke?

AI gør det muligt at automatisere hele databasestyringen og holde den opdateret og ryddelig ved løbende at tjekke for forældede eller manglende informationer og derefter automatisk nå ud til den rigtige kandidat for at udfylde de tomme pletter. Afhængigt af hvor meget data AI-systemerne kan opnå om hver kandidat, er det endda muligt at forudsige, hvornår nogen ønsker en flytning og derefter korrelere denne information med tilgængelige positioner.

Database-styring med AI —  fordele

• Hold din database i perfekt stand
• Kunne nøje afstemme udbuddet med efterspørgslen

Hvad du skal være opmærksom på og huske på:

• Ansøgere ønsker ikke at blive generet hele tiden uden nogen klar årsag udover at opdatere din database. Undlad at plage kandidater for ofte for at forhindre dit employer brand fra at få et hit.
• Sørg for, at din talentpuljestyring er så smart som muligt, og udnyt de muligheder, der findes i forhold til forudsigelse af adfærd.

Sociale medier analyse af kandidater

Folk viser, hvem de virkelig er på sociale medier. At feste 5 dage om ugen kan være et nemt salg på Instagram, men måske ikke den type adfærd, der korrelerer med en højtydende medarbejder. Og hvad med anden, endnu mere, tvivlsom adfærd? Hadefulde ytringer, cybermobning, trusler om vold og uanstændigt sprog? Sandheden er, at analyse på sociale medier før ansættelse allerede er almindelig praksis, bare ikke officielt i enhver forstand. AI gør det muligt at vurdere store mængder af ansøgere og foretage grundige analyser hurtigt og uden anerkendelsesbias, der kan finde sted, hvis en kandidat gik på samme skole som dig.

Sociale medier analyse — fordele

• Få et mere realistisk billede af kandidaten og få en bedre forståelse af, hvem de er.
• Reducer risikoen for social skævhed i forbindelse med analyser på sociale medier

Hvad du skal være opmærksom på og huske på:

Juridiske problemer. Sørg for at tjekke grundigt, hvilke regler der gælder i din stat/dit land.
Ikke alle bruger sociale medier, og det betyder ikke, at de ikke er gode kandidater. Andre har konti, men laver sjældent nogen opdateringer, og endelig har nogle falske konti.

Brug af AI på den rigtige måde gennem hele din ansættelsesproces giver store fordele over hele bredden. Dårlige ansættelser koster virksomhederne hundredvis af millioner af dollars hvert år, og forbedring af slutresultaterne kan understøtte langsigtet succes for dig og din virksomhed.

Alle virksomheder kunne drage fordel af at bruge en passende AI-opsætning, men der er nogle applikationer, hvor det giver endnu mere mening:

Høj volumen rekruttering

Leder du efter at ansætte hundredvis eller endda tusindvis hvert år? Når du leder efter lavt til mellemuddannede arbejdere i denne skala, vil du helt sikkert have uendelige mængder af ansøgninger, der strømmer ind. Faktisk har Glassdoor vist, at virksomhedsjob tiltrækker 250 ansøgninger pr. åbning i gennemsnit. Mange af dem er ikke kvalificerede til jobbet på nogen måde.

Tids- og omkostningsproblemer/ nedskaleret rekrutteringsteam

HR og ansættelsesteamet udfylder uden tvivl en utrolig vigtig funktion, men i mange virksomheder ses det stadig som en understøttende funktion til kerneforretningen. Derfor er personaleafdelingen ofte underfinansieret med alt for mange problemer til at løse i en alt for optimistisk tidsramme.

Outsourcing af nogle af de mest tidskrævende job til automatiserede systemer betyder, at HR kan gøre mere ud af deres tid og holde udgifterne lave.

‍

Hvad med ChatGPT?
Pludselig er verdens forenede had mod chatbots hurtigt blevet til munter forundring over, hvor nyttig chatteknologi er blevet.

‍

ChatGPT og lignende LLM'er har en masse praktiske tricks i ærmet og kan udføre de fleste tekstrelaterede opgaver, du kaster efter dem, med anstændige resultater. For rekrutterere betyder det for eksempel at generere udkast til jobannoncer, kandidatkommunikationsmeddelelser, opsøgende e-mails, generere relevante interviewspørgsmål, opsummere CV'er og mange andre opgaver, der er nødvendige på en given rekrutteringsdag.

‍

For kandidater åbner det også interessante muligheder. For eksempel, generere øjeblikkelige CV'er med en god chance for at blive shortlistet eller bestå en kodningstest for et lønjob på $183k om året for dig.

Den første iteration af de fleste tekster er ofte lidt intetsigende, men at bruge din fantasi til at finpudse din anmodning yderligere kan gøre resultatet overraskende godt. Opfølgning med yderligere prompter kan levere den helt rigtige slags stemning. Men dens muligheder stopper ikke ved at generere tekst. Det kan også analysere og forenkle information for dig.

For eksempel, hvis du har samlet masser af åbne svar fra en medarbejderfeedback-undersøgelse, kan du bruge ChatGPT til at identificere den mest tilbagevendende feedback på en meget bedre måde, end de fleste undersøgelsesværktøjer kan.

Andre anvendelsesmuligheder omfatter udformning af forretningsplaner, skrivning af poesi, generering af ideer og for eksempel sentimentanalyse.

Tag ikke fejl af det. Store sprogmodeller og generativ kunstig intelligens som ChatGPT og dets fremtidige iterationer vil have vidtrækkende effekter på samfundet, beskæftigelsen og menneskelige jobbeskrivelser. Hvordan vi arbejder vil højst sandsynligt ændre sig drastisk, efterhånden som mere sofistikerede AI-modeller dukker op, og nye use cases bliver ved med at dukke op.

Mennesker, der kan udnytte ChatGPT til at være mere effektive, har meget at vinde. Faktisk kunne et succesfuldt samarbejde med denne slags modeller blive en nødvendighed snarere end en efterspurgt færdighed hurtigere end forventet.

‍

Da der er mange forskellige slags applikationer, er der ingen generel måde at beskrive hvordan systemerne fungerer på. En væsentlig differentierende faktor er, hvordan AI-modellerne trænes. De kan være fortrænede på eksterne data, specialtrænede på dine egne data eller en kombination af begge.

Alle muligheder ovenfor kommer med deres egne fordele og ulemper.

Foruddannede systemer fungerer på basis af historiske data fra leverandørernes tidligere projekter. Dette er fantastisk, så længe dataene er relevante for din use-case. Hvis systemet er blevet trænet i at screene f.eks. 10 millioner bankfolk, og du vil bruge det til at screene en købmandsmedarbejder, er der risiko for fejl. Men hvis du vil bruge systemet til at screene bankfolk for en anden bank, vil et stort sæt bankspecifikke træningsdata være uvurderlige, selvom positionerne ikke er helt ens.

Den anden mulighed, som er almindelig i AI-vurdering af videointerviews, er at træne AI-modellerne på dine eksisterende medarbejdere. Det betyder, at man tester hver enkelt medarbejder i teamet og giver systemet input, såsom karakteristika for højt ydende medarbejdere. Ved at gøre dette vil du bygge din egen tilpassede model fra din arbejdsstyrke, som giver mindre plads til fejl relateret til mismatchende data. Du får også et overblik over, hvilke kompetencer/personligheder der kunne mangle i din arbejdsstyrke. Men for at maskinlæring kan gøre sit, har du brug for et ret stort sæt medarbejdere, helst et par tusinde.

‍

‍

Det varige indtryk af ansættelsesprocessen er en uhyre vigtig faktor i rekrutteringsspillet. Det har vist sig at påvirke mærkeopfattelse, salg, rentabilitet og mange andre vigtige områder.

Mange hævder, at omfattende brug af AI gennem hele rekrutteringsprocessen kan føre til en statisk samlebåndstype af rekruttering uden nogen opmærksomhed på menneskelige følelser.
Men de fleste udbydere ved, hvor vigtigt kandidatengagementet og erfaringen er, og tilføjer faktisk store forbedringer til den overordnede opfattelse. Det er ikke kun rekrutteringsmedarbejderne, der lider under en overbelastet rekrutteringsproces, kandidater har forfærdelige oplevelser, når de tager sig tid til at lave og perfektionere deres CV, sender det ind med høje forventninger og derefter ikke hører tilbage i flere uger. Hvis nogensinde.

En automatiseret samtale er bestemt ikke så behagelig som den ægte vare, men en typisk rekrutteringsproces involverer flere hundrede ansøgere. Den realistiske mulighed for langt de fleste i dag er slet ingen samtale.

”The possibility of interviewing all candidates that apply is not only helping us build a very detailed database, it also gives the candidates the opportunity to stand out and express themselves in a whole new way. And we save a ton of time by not having to call as many candidates.”

- Cassandra Mastenstrand, foodora Recruiter

Selvom den feedback, som kandidater modtager, er computergenererede beskeder, er det ofte meget bedre end slet ikke at modtage noget. Forestillingen om at bruge AI i rekruttering fører til en robotproces er begyndt at skylle væk.

”AI is one of the core smart solutions that can, in combination with richer data sets and better employee and manager insights, really augment to better and faster decisions and provide employees and managers with better, more integrated, and personalized experiences to meet their long time needs.”

- Nico Orie, VP People & Culture Coca-Cola

For at tilføje tidsaspektet kan kandidater, der er planlagt til en AI-drevet jobsamtale, selv vælge, hvornår og hvor samtalen skal finde sted, hvilket giver dem ansvaret for det næste trin.

Rekruttering er og har altid været et menneskecentreret område. Som med de fleste teknologiske revolutioner er der naturligvis en vis modstand mod at automatisere arbejdsopgaver.

Det er helt rigtigt, at maskiner mangler mange af de kvaliteter, som vi mennesker i høj grad bruger i rekruttering. Empati, kreativitet og følelser er alle vigtige for at finde den ultimative kandidat til et job og kan næppe fuldt ud erstattes af software.

Men du kan være sikker på, at en verden, hvor rekruttering er fuldautomatiseret, stadig er et stykke væk. AI-programmerne er designet til at hjælpe menneskelige rekrutterere med at skabe rammer for lettere beslutningstagning og eliminere gentagne opgaver, ikke for fuldt ud at erstatte rekrutterere.

Alligevel er der et par ting, der holder virksomheder tilbage fra storstilede udrulninger.

1. Bias

De fleste AI-værktøjsleverandører hævder at reducere skævhed eller endda fjerne det helt. Men i historien om AI-rekruttering er der nogle ret ikoniske eksempler på, hvornår bias faktisk blev forstærket i stedet for minimeret.

Vores råd er at stole på enhver leverandør, der hævder at fjerne bias fuldstændigt. Sørg for, at de har solide svar på følgende spørgsmål:

• Hvordan er dit system trænet? Egne data? Købte data?
• Hvilken slags data er dit system trænet i? Hvilke sektorer, hvilke specifikke positioner, hvilken grad af diversitet, er data diversificeret og repræsentativt?
• Hvordan evaluerer de systematisk træningsdata for at begrænse bias?
• Lever dit system op til de regninger, der præsenteres i både EU og USA?
• Er systemerne fuldstændig gennemsigtige og kan alle beslutninger spores?

Det første skridt mod at reducere bias er at være opmærksom på, at den eksisterer. Stort set ethvert sæt træningsdata har en eller anden form for bias, det er ikke til at komme udenom. Det er menneskets natur at have skævheder, der hjælper os med at træffe beslutninger, men ved rekruttering kan disse skævheder nogle gange gøre mere skade end gavn.

Det, der skal til, er en god selvevaluering, der pålideligt sikrer, at softwaren kan træffe beslutninger baseret på eksisterende mønstre og ikke mærkelige tilfældigheder.

2. Ingen tid tilbage til at strømline processer

HR-afdelingen er uden tvivl utrolig vigtig for enhver virksomhed, men den fungerer som en støttefunktion til kerneforretningen.

Og, som du sikkert er klar over, betyder det, at rekrutterere og andre HR-funktioner ofte er under et enormt pres for at overholde budgetter, mens de gør deres bedste med begrænsede ressourcer.

AI har potentialet til at gøre livet lettere for de fleste rekrutterere og HR-afdelinger, men det er svært at finde tid til test og implementering i et konstant rullende maskineri.

‍

3. Viden og forståelse for, hvordan det fungerer

En af de mest almindelige indvendinger mod at bruge AI-teknologi i rekruttering er, at "AI dehumaniserer rekrutteringsprocessen". Men som du kan læse længere oppe i denne guide, er kandidatoplevelsen ofte central for de fleste AI rekrutteringsværktøjer. Det, der ofte mangler, er effektiv kommunikation fra leverandørerne kombineret med en begrænset forståelse af platformene.

Ifølge Oracle føler kun 12 %, at de har tilstrækkelig viden om emnet til effektivt at bruge kunstig intelligens til at forbedre deres processer.

‍

4. Dataoverbelastning

AI-systemer skal forenkle vanskeligt arbejde, ikke gøre det endnu mere kompliceret. Ifølge en nylig undersøgelse skylder flertallet af dem, der hævder, at AI faktisk har gjort deres job sværere, dataoverbelastning.

Det er ingen hemmelighed, at AI-systemer både kan producere og analysere store mængder data. Men at finde værdifuld indsigt i denne information er det, der virkelig betyder noget.

At give rekrutterere og ledere gennemsigtige råd om, hvilke kandidater der kan vurderes nærmere gennem en brugervenlig grænseflade er nøglen til adoption og øget brug.

‍

‍

De sidste 2-3 år har mange indset potentialet og hoppet på toget mod en bedre rekruttering. Her er nogle eksempler og hvad de har at sige om oplevelsen.

Kundeservice

Amendo er vokset hurtigt til at blive et af de bedst kendte rekrutteringsfirmaer for kundesupport på den svenske scene. Med et klart fokus på CS-lignende roller betjener de en række kunder fra de største banker til skalering af nystartede virksomheder. Hvert år besætter de godt 600 stillinger. Ikke kun deres mange kunder har tillid til, Amendo er en eftertragtet arbejdsgiver. Anerkendt af jobsøgende som en karrieremuliggørende virksomhed, der tager sig af sine konsulenter, tiltrækker Amendo en lind strøm af jobsøgende. Arbejdet med AI-drevet screening har vist meget lovende effekter. Målet for Amendo med at bruge AI-screening var at øge effektiviteten og samtidig forbedre kandidatoplevelsen og støtte DEI-indsatsen.

"In our competitive industry we are a well-known brand. Our focus has always been to be the personal brand in which both our customers and job seekers can trust. Not being able to maintain the high quality due to growth and popularity hurts. Hubert helps us stay on track supporting a growing business without sacrificing our employer brand."

Erica Gjälby — CEO, Amendo

Logistikk

Storesupport er et af Sveriges førende varemærker, når det kommer til lagerrekruttering. Takket være deres lange og succesrige employer branding-kampagne tiltrækker den gennemsnitlige jobannonce nu hundredvis af ansøgeres opmærksomhed.En drøm, der går i opfyldelse i mange aspekter, men også et logistisk mareridt, når det kommer til at følge med i den massive tilgang af ansøgninger.

”We save tremendous amounts of time screening candidates as we can focus our full attention on the candidates that we know meet, and are a good match to our criteria.”

Magnus de Woul  —  CEO, Storesupport Warehouse & Logistics

‍

Levering og transport

Foodora er uden sammenligning Sveriges største madleveringstjeneste med over 4.500 tilknyttede restauranter. Hos begyndere, hvor erfaring ikke er en afgørende faktor, når mængderne nemt op på 200 ansøgninger pr. job eller mere.

Ved at bruge en AI-drevet rekrutteringsproces har Foodora tacklet lange ventetider og overbebyrdede rekrutterere og samtidig bevaret en god brugeroplevelse.

“For us, it’s often more important to find candidates who are motivated and driven rather than ticking every box on our wishlist. Evaluating these soft values have traditionally been hard without calling the candidates. With Hubert, candidates are being rated based on soft and hard skills. That helps us find and reach out true stars much earlier than before.”

Olivia Winkvist, foodora Recruiter

‍

Skønhed og kosmetik

Med cirka en million ansøgninger pr. 15.000 åbne stillinger, har L'Oreal rettet sin opmærksomhed mod kunstig intelligens som et middel til at strømline rekruttering. Og det har givet stort udbytte.

“We really wanted to save time and focus more on quality, diversity and candidate experience. And AI solutions were — for us — the best way to go faster on these challenges”

Eva Azoulay —  global vice-president HR, L’Oreal

‍

Luftfartssektoren

Airbus modtog spørgsmål i forbindelse med rekruttering 24 timer i døgnet og havde ingen mulighed for at følge op på anmodningerne. Svaret var en AI-chatbot trænet på almindelige spørgsmål fra historiske data, der førte til en succesrate på 74 % i besvarelsen af ​​spørgsmål.

“One of the biggest changes we’ve seen is that they [the recruiters] don’t have to answer the same question”

Dave Mills, Recruitment Innovation & Airbus Chatbot Product Leader

‍

Hvordan vil AI ændre rekrutteringspraksis?

Bortset fra det åbenlyse, at der kan bruges mere tid på kvalificerede opgaver, er der et par mindre indlysende måder, hvorpå AI vil påvirke rekrutteringsvirksomheden på lang sigt.

Øget produktivitet

Et flertal af brugere hævder at have øget deres produktivitet med mellem 25-60% blot ved at indsnævre deres fokus til rekrutterere.

Stiller tydeligere krav

At få gode resultater ud af AI-baseret software kræver krystalklar vejledning fra brugerne. Mere tid brugt på at stille kravene vil øge resultaterne eksponentielt.

Potentielle rekrutterere bør forberede sig på meget mere forskning i, hvilke kvaliteter, færdigheder, egenskaber og personligheder hver specifik stilling kræver, da så meget af bundlinjen afhænger af det.

Øget fokus på teamsammensætning

Teamforskning viser, at en stor del af en gruppes output afhænger af dens faktiske sammensætning. Da AI-systemer kan hjælpe i processen med at kortlægge individuelle styrker og svagheder, er der plads til, at mennesker kan dykke dybt ned i teamkonfigurationen for forskellige funktioner. Fremadrettede ledere bevæger sig hurtigt i denne retning og gør det til deres konkurrencefordel.

Nye roller at udfylde: Bias og svindel aversion officerer

Efterhånden som flere virksomheder har større tillid til AI-modeller, bliver behovet for at sikre deres gyldighed stærkere. At undgå fejl og svagheder i ansættelsesalgoritmerne vil spille en stor rolle for virksomhedernes succes i fremtiden. At sikre, at spor af bias fra uddannelsesdata reducerer effekterne i den endelige ansættelse, kræver også supervision af kompetente fagfolk.

Som Manpower SVP Kate Donovan udtrykker det:

"Competitive advantage doesn’t come from technology alone. It also comes from the people who manage it."

Vil øget AI-adoption betyde, at mange rekrutterere bliver arbejdsløse?

AI-automatisering kan lyde som noget ud af en futuristisk film, og vi er helt sikkert ikke der endnu. Men læg mærke til; AI vil feje gennem verdens økonomi som en tidevandsbølge med store ændringer til følge. Og lige nu er det bedste tidspunkt at begynde at forberede sig til det skifte.

Ifølge SHRM vil over 90% af de nuværende rekrutteringsopgaver blive automatiseret af AI i de kommende år. Men som erfaringen viser, opstår der nye opgaver fra øget teknologiadoption, som skal løses. Så længe rekrutterere er villige til at tilpasse sig det nye landskab, opdatere de nødvendige færdigheder og påtage sig nye udfordringer, vil der være ledige stillinger.

Men det er fremtiden, vi taler om. I øjeblikket er det kun dem med gentagne job på lavt niveau, der står over for en umiddelbar trussel fra teknologien. Den højeste effektivitet opnås uden tvivl stadig gennem den smukke symbiose mellem mennesker og maskiner, der arbejder sammen.

‍

Konklusion

AI rekrutteringsværktøjer har et enormt potentiale til at transformere en stor del af rekrutteringssektoren ved at automatisere opgaver, der er for komplekse til traditionel automatisering. Over tid vil disse systemer sandsynligvis spare værdifulde ressourcer, mens de øger effektiviteten og resultaterne.

AI-drevne værktøjer bygges ofte oven på eksisterende automatisering og udvider mulighederne i forhold til at løse de samme problemer, men på en langt mere raffineret måde. I modsætning til hvad mange tror, har kandidaterfaringen meget at vinde ved AI-automatisering. Nej, en automatiseret samtale vil ikke komme i nærheden af et menneske-til-menneske-interview, men når ansøgningerne går i hundredvis til en enkelt stilling, er alternativet slet ingen samtale for langt de fleste mennesker.

Potentialet for at reducere bias er også meget plausibelt, men et råd er at være forsigtig over for leverandører, der hævder, at bias er fuldstændig fjernet. Sandheden kan være langt væk, og meget kompliceret at finde ud af.

Efterhånden som flere virksomheder indser potentialet, og adoptionen stiger, følger regulerende agenturer tæt på og arbejder på politikker, der vil begrænse graden af afhængighed af nævnte systemer. Hvis du er på udkig efter et AI-assisteret system, skal du sørge for, at din valgte leverandør er komplimenteret med gældende politikker, og helst også dem, der stadig er under revision.

Når du introducerer AI-rekrutteringsværktøjer i din virksomhed, skal du sørge for at tage fat på aspekter såsom bias management, implementeringstid, viden og have en plan for, hvordan du bruger data. Disse faktorer har vist sig at være de største hindringer for adoption.

Uanset om du vælger at implementere et system nu eller senere, er der næppe tvivl om, at du engang i den nærmeste fremtid bliver nødt til at blive venner med AI-systemer. Teknologien vil blive ved med at marchere fremad, rentabiliteten vil sejre, og du bliver nødt til at vælge mellem at tage nye systemer i brug eller blive efterladt i støvet. Og Corona vil højst sandsynligt øge adoptionshastigheden.

Når du beslutter dig for at tage springet, skal du vide, at du langt fra er alene. En bred vifte af virksomheder fra kontaktcentre til banker og detailhandel bruger AI-drevet teknologi til at forbedre rekrutteringsprocessen.

Ja, AI vil ændre den måde, vi arbejder på, men det vil helt sikkert være mod det bedre. Med mere fokus på kreativitet og sociale kompetencer og mindre gentaget arbejde.

Når du føler dig klar, så tal med os om at konfigurere en demo, og vi vil guide dig gennem alle ins og outs af AI-rekruttering.

‍

‍

‍