Hva er AI-rekruttering og hvorfor er det viktig å være oppmerksom på?
Hvorfor finnes det AI-rekrutteringsverktøy?
Hvem bruker for øyeblikket kunstig intelligens i rekrutteringen?
Utviklingen av rekrutteringsautomatisering
Hvilke vanlige bruksområder er det?
Hvorfor og når AI-rekruttering er hensiktsmessig
Hvordan vil kandidatopplevelsen være?
Hva er de største hindringene for å ta i bruk AI-rekruttering?
I hvilke sektorer brukes AI-rekruttering i dag?
Hvordan vil AI endre rekrutteringspraksis?
Vil økt AI-adopsjon bety at mange rekrutterere blir arbeidsledige?
De siste årene har programvareløsninger for kunstig intelligens blitt mer og mer tatt i bruk på en rekke forskjellige områder. Bedrifter sparer hundrevis av millioner dollar årlig ved å implementere maskinlæring på alle slags oppgaver. Med inngangen til ChatGPT har teknologien tatt store fremskritt og er i stand til å hjelpe en betydelig større brukergruppe.
Med mange repeterende, tidkrevende og datadrevne oppgaver, er rekrutteringssektoren et forretningsområde med et enormt potensial for en AI-revolusjon.
Den siste store teknologiske transformasjonen innen Human Resources var inngangen til søkersporingssystemer (ATS). Det betydde et stort produktivitetsløft for rekrutteringsteam, men mange tror at AI-rekruttering og tilgang til store språkmodeller (LLM) vil multiplisere resultatene mange ganger.
AI-rekruttering er en undergruppe av rekrutteringsautomatisering og tar sikte på nøyaktig det samme — strømlinjeforme rekrutteringsarbeidet. Men ettersom tradisjonell automatisering har begrensninger når det gjelder å forstå naturlig språk, analysere store mengder komplekse, ustrukturerte data og finne mønstre på egen hånd, er det der AI utmerker seg. Selv relativt komplekse oppgaver kan automatiseres på grunnlag av å ta inn enorme mengder data og trekke ut reell verdi, så lenge det er nok treningsdata til å mate systemet.
Generelt sett passer alle verktøy som på en eller annen måte bidrar til å gjøre rekruttering mer effektiv, og baserer sin automatisering på stadig forbedrende maskinlæringsmodeller, under paraplyen som er AI-rekrutteringsprogramvare. Fra noe så enkelt som å forstå den beste tiden på dagen for å sende ut en oppsøkende e-post til en potensiell kandidat til futuristiske AI-drevne intervjuer. Grensene for hva som er mulig for maskiner og AI kan gjøre i HR har nettopp blitt flyttet frem — med mye.
Eksperter på feltet forventer at AI vil endre selve grunnlaget for rekruttering og HR. Som rekrutterer, bedriftsleder eller HR-sjef er det viktig å holde tritt med denne trenden for å holde seg konkurransedyktig i et stadig økende våpenkappløp for talenter.
Fortsett å lese for å få en dypere forståelse og se hva kunstig intelligens kan oppnå ved rekruttering.
Mange oppgaver innenfor rekruttererens ansvarsområde er allerede helt eller delvis automatisert for å øke effektiviteten. Med neste generasjon automatiseringsverktøy, drevet av AI, gjenstår målet å spare tid og penger, samtidig som resultatene optimaliseres. Forskjellen er at mange oppgaver ikke kan løses ved hjelp av tradisjonelle binære automatiseringsverktøy.
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 i Forbes
Det kan høres ut som et paradoks, men å introdusere AI-drevne verktøy kan faktisk bidra til å humanisere rekrutteringsprosessen i større grad. Denne nye teknologien kan brukes på oppgaver med høyere kompleksitet og kan tilpasse prosesser i stor skala samtidig som den støtter menneskelige rekrutterere og HR-fagfolk.
I tillegg, og i tillegg til de økonomiske insentivene, har mange tilbydere som mål å øke resultatene av eksisterende rekrutteringstiltak, for eksempel å forutsi fremtidige prestasjoner til kandidater eller redusere utvelgelsesskjevhet.
Ved å outsource det innledende screeningsarbeidet til AI-systemer, reduseres menneskelig skjevhet under de første prosesstrinn. Ubevisst skjevhet i rekruttering kan føre til en rekke problemer, og jo lenger du kan holde utvelgelsesprosessen objektiv, jo lenger kan kandidatene vurderes nøyaktig basert på deres ferdigheter og erfaring. AI-verktøy vil ha en positiv effekt, men må trenes på et diversifisert datasett for ikke å introdusere noen skjevhet eller skjevhet i maskinlæringsmodellene deres.
Ved å støtte overbelastede rekrutterere med AI, setter du dem i stand til å bruke sin kunnskap og erfaring på oppgaver som krever medmenneskelighet og ekspertise, samtidig som de fyller ledige stillinger raskt.
I en fersk undersøkelse administrert av Oracle, sier bare rundt 10 % av selskapene at de bruker AI mye i ansettelsesprosessen i dag. 36 % oppgir imidlertid at de forventer en stor bruksøkning de neste årene.
Overgangen til AI-drevet rekruttering startet der behovene var størst. Etablerte rekrutterings- og bemanningsselskaper med høyt søkepress og ekstremt kunnskapsintensive bransjer har tradisjonelt brukt enorme ressurser på rekruttering og går nå i bresjen for en endring.
Ettersom ytelsen til disse systemene fortsetter å øke og bruken utvides, forventes mange flere selskaper å ta sine første skritt mot en mer AI-automatisert prosess.
Rekrutteringsautomatisering er ikke noe nytt og har blitt utviklet over mange år. Fremkomsten av Internett hadde vidtrekkende effekter på rekrutteringsbransjen og forårsaket en stor boom da det begynte å bli brukt mer og mer.
Her er bare noen av eksemplene på hvordan et mer mobilt arbeidsmarked og økt nivå av internettadopsjon har endret rekrutteringssektoren:
- Fysiska anslagstavlor & tidningar → Platsannonser på Internet
- Excel-ark & egenutvecklade lösningar → Rekryteringssytem
- Arbetsmässor och personligt relationsbyggande → Linkedin
- Överskott av arbetskraft → Employee branding blir allt viktigare
- Passiv rekrytering → Social rekrytering för passiva kandidater
I løpet av de siste årene har teknologien forbedret seg mer og mer, og ny funksjonalitet som triggerspørsmål, videointervjuplattformer og CV-databaser med søkeordmatching gjør livet til rekrutterere mye enklere.
Problemet med teknologidrevet rekruttering har alltid vært datamaskinens manglende evne til å forstå menneskelig språk. Og siden rekruttering i høy grad er et menneskesentrisk felt, er det en forskjell mellom binærtenkende maskiner og menneskers filosofiske og fargerike sinn.
Det er her AI spiller inn.
Som et eksempel når det kommer til knock-out spørsmål. De brukes ofte i rekrutteringsprosessen og eliminerer søkerne som ikke oppfyller kravene.
Riktignok en god måte å slippe å bruke tid på en jobbsøker som uansett ikke er kvalifisert, er det ikke?
La oss si at et knock-out-spørsmål er formulert slik:
- Har du 5 års ledererfaring?
Ja → Bra, du er fortsatt en del av utvalget.
Nei → Beklager, du er ikke det vi ser etter.
Et svært binært resultat uten rom for fleksibilitet, noe som reiser et par spørsmål.
Hvor mange gode kandidater med 4 års ledererfaring og ekstremt høye ambisjoner går tapt? Er noen uten lidenskap for arbeidet sitt, men med 10 års ledererfaring per definisjon et bedre valg?
En smartere løsning kan være et AI-drevet screeningintervju der drivkraft, lidenskap og motivasjon utgjør en viktig del av den samlede vurderingen av hver potensiell kandidat.
Og med LLM-er som ChatGPT, er det garantert utallige nye banebrytende teknologiske innovasjoner som baner vei for store endringer på HR-teknologiscenen.
Fortsett å lese for flere eksempler på hvordan kunstig intelligens forenkler ansettelser.
Praktisk talt alle løsninger på markedet er bygget for å spare tid og penger, og/eller øke kvaliteten på ansettelsen. Sluttresultatet kan imidlertid variere mye.
La oss gå gjennom noen av de mest interessante måtene rekrutterere bruker AI på i sitt daglige arbeid i dag.
Sourcing
Sourcing av kandidater er en av de vanskeligste og mest tidkrevende aspektene ved en rekrutterers daglige jobb. I dag oppnås dette ved å finne og tiltrekke seg nye talenter gjennom ulike taktikker. Organisk, ved å bygge et godt arbeidsgivermerke eller ved å få anbefalinger fra nåværende eller tidligere ansatte. Eller ved å kontakte passive kandidater på e-post, telefon eller betalt stillingsannonser.
Dette er et område hvor mange rekrutterere bruker mye tid på å prøve å innovere, finne nye metoder og senke kostnadene sine. Og noen taktikker er ganske smarte. Som å legge ut stillingsannonser i HTML-kilden der bare utviklere vil søke.
AI kan hjelpe med sourcing på en rekke måter. For eksempel:
- Søk og analyser automatisk LinkedIn, Facebook og mange andre plattformer for å finne kvalifiserte kandidater med riktig bakgrunn.
- Send personlige e-poster.
- Enklere rangering av matchende kandidater (vanskelig med boolske søk).
- Forutsi sannsynligheten for at en kandidat ønsker å bytte jobb.
Screening
I følge Gartner bruker rekrutterere omtrent en fjerdedel av tiden sin på screening av kandidater, for eksempel å lese gjennom en rekke CVer.
Ettersom søknadsprosessene beveger seg lenger og lenger mot en ett-klikks-applikasjon, ser det ut til at haugene aldri slutter å vokse. Den store mengden gir ofte lang saksbehandlingstid og gir et varig dårlig inntrykk på arbeidssøkere.
Det er akkurat her AI-drevne verktøy kommer til unnsetning.
På den ene siden er det alltid greit i utgangspunktet å søke bredt etter en jobbkandidat, men kvaliteten og den faktiske interessen fra mange søkere kan være svært lav når en søknad kun tar 30 sekunder. Og å identifisere de kandidatene som faktisk er kvalifisert, interessert i stillingen som tilbys og har alle forutsetninger på plass, er som å lete etter høy i en stabel med nåler.
Her er en liste over verktøy som kan redusere arbeidsmengden med screening:
AI-drevet CV-analyse og semantisk matching
Parsing er ikke noe nytt, men forståelsen av ustrukturert informasjon har fått en renessanse gjennom den progressive utviklingen av NLP (Natural Language Processing) teknologi. Fordi CV-er og CV-er ikke har noen fast standard og det er over hundre forskjellige måter å strukturere bare én dato på, fungerer tradisjonell, regelbasert tolkning dårlig.
For eksempel kan begrepet "Davies" referere til enten søkerens navn, Davies college eller Davies Group-selskapet. Kontekstanalyse er nødvendig for å analysere informasjonen riktig.
NLP-basert CV-parsing har vist seg å oppnå opptil 87 % nøyaktighet som kommer ganske nær den gjennomsnittlige menneskelige nøyaktigheten på 96 %.
AI-drevet CV-parsing - Viktige fordeler:
- Eliminerer behovet for at enten kandidaten eller rekruttereren manuelt legger inn informasjon i strukturerte skjemaer (bedre brukeropplevelse og mindre manuelt arbeid)
- Reduserer risikoen for at interessante kandidater faller gjennom sprekkene som følge av store mengder søknader.
Hva du bør passe på og tenke på:
- Det er mange forskjellige måter å analysere CVen på, sørg for å undersøke tilnærminger før du velger en leverandør.
- NLP er i stadig utvikling og er ennå ikke perfekt. Det er alltid en sjanse for at kvalifiserte kandidater vil bli filtrert ut på grunn av skrivestil, utelatelse av visse nøkkelord og andre feilkonfigurasjoner.
- Språkstøtte utover engelsk kan være begrenset
AI-drivna intervjuer
AI-drivna intervjuer hänvisar antingen till en videointervju som därefter rankas automatiskt via AI, eller en intervju som direkt hanteras av en konversations-baserad AI (ofta kallad chatbot).
A. AI-videovurdering
I AI-vurderte videointervjuer blir kandidatene bedt om å svare på et sett med spørsmål mens de filmer seg selv. Intervjuene analyseres deretter ved hjelp av et vurderingsverktøy hvor kandidatene automatisk rangeres før noen menneskelig interaksjon finner sted.
Det er vanlig å først trene en maskinlæringsmodell på eksisterende ansatte og deretter bruke teknikker som ansiktsgjenkjenning og språk/kontekstanalyse for å forutsi fremtidige jobbprestasjoner for kandidater.
Disse systemene har skapt mye hype, spesielt i USA hvor de både blir hyllet som en stor tidsbesparer, men også ekstremt kritisert for ikke å være transparente nok og introdusere ytterligere skjevheter i rekrutteringsprosessen.
B. Chatbotintervjuer
I AI-drivna chatbotintervjuer övervakas och organiseras processen direkt av en artificell rekryterare som är specialbyggd för att screena kandidater. Den vanligaste applikationen sker via ett webbinterface och chattmeddelanden där kandidater dynamiskt uppmanas att svara på frågor av olika natur. Detta är ofta inte det första steget i processen, och intervjun kan innebära att man kontrollerar kandidatens inställning till obekväma arbetstid eller följer upp oegentligheter från ett automatiskt analyserat CV.
AI-intervjuer - fördelar
- Lukk automatisk ut uinteressante kandidater før du går over til en manuell prosess.
- Fremskynder rekrutteringsprosessen betydelig
- Kan redusere bias
Hva du skal passe på
- Kan føre til økt skjevhet på grunn av tvilsomme AI-modeller
- AI-modeller krever opplæring fra mange intervjuer
Testing
Testing for personlighetstype, kognitiv evne og domenekunnskap har vært vanlig i enkelte bransjer i ganske mange år, for eksempel i utviklings- eller høyere lederstillinger er tester vanlig. Men i andre yrker har testing tradisjonelt vært sparsomt på grunn av høye kostnader.
Med anvendt AI er det mulig å bruke testing som en screeningsmetode i en mye bredere skala samtidig som validiteten i resultatene opprettholdes. Flere arbeidsgivere velger nå også å gjennomføre tester også på den eksisterende arbeidsstyrken for å identifisere eventuelle hull og bygge mer diversifiserte og varierte team.
AI-testing - hovedfordeler
- Finn ut hvilke personligheter laget ditt mangler, og fyll gapet.
- Forutse fremtidig jobbytelse
Hva du skal passe på
- Å gjennomføre tester med høyt konfidensnivå tar lang tid
- Sørg for at leverandøren din har en god måte å eliminere juks på.
Reduser skjevhet i seleksjonsarbeid
Forutsatt at du bruker et AI-basert rekrutteringssystem som er bias-nøytralt, kan du unngå menneskelig interaksjon i de tidlige stadiene av rekruttering og derfor redusere effekten av ubevisst skjevhet tidlig i prosessen. Og det høres bra ut.
Problemet er bare at det er vanskelig å bygge et system som er åpent fra starten. Bias kan introduseres enten av dataene som brukes til å trene systemet eller av begrensningene du setter når du designer det.
Hvis ubevisst skjevhet er et viktig problem for deg, må du undersøke nøye hvordan leverandøren din håndterer disse problemene.
Automatisk shortlist
Automatisk shortlisting er en kombinasjon av screeningmetoder i tidlig og midtre del av rekrutteringstrakten, for eksempel CV-screening og AI-drevne intervjuer i kombinasjon.
Tanken er å la en AI-applikasjon håndtere store deler av prosessen og til slutt presentere en menneskelig rekrutterer med noen interessante kandidater å se nærmere på.
Det er imidlertid viktig å holde tritt med de nye retningslinjene som omhandler AI-rekruttering. Det nye regelverket omhandler i hovedsak åpenhet i systemet. Bedrifter bak AI-programvare må kunne vise logikken bak beslutninger til både arbeidstaker og arbeidsgiver for å gi innsikt i prosessen og forstå hvor forbedring er mulig.
Les mer om USAs politikk for AI i rekruttering her og i EU her.
AI shortlist - fordeler
- En stor tidsbesparing
- Minskar mänsklig interaktion och därmed omedveten bias
Hva du skal passe på
- Overholdelse av de nye reglene
- Gjensidig vekting av rangeringsfaktorer
Kandidatdatabasebehandling
Å ha en oppdatert kandidatdatabase kan spare enorme mengder tid når det er på tide å legge til en ny spiller til laget. En kandidat har kanskje ikke passet perfekt for den forrige rollen, men kan være helt riktig neste gang.
Før du kontakter kandidaten på telefon, vil det være greit å vite om hans/hennes nåværende arbeidssituasjon, hvilke nye ferdigheter han/hun kan ha tilegnet seg, eventuelle nye sertifikater eller gjennomførte kurs, ikke sant?
AI gjør det mulig å automatisere store deler av databaseadministrasjonen og holde den oppdatert og ren ved kontinuerlig å søke etter utdatert eller manglende informasjon og deretter automatisk kontakte riktig kandidat for å fylle de tomme plassene. Avhengig av hvor mye data AI-systemene kan samle for hver kandidat, er det til og med mulig å forutsi atferdsmønstre som korrelerer med et ønske om å bytte jobb og deretter sammenligne informasjonen med tilgjengelige stillinger.
Databasehåndtering med AI - fordeler
- Hold databasen i perfekt form
- Tilpass tilbud med etterspørsel nøyaktig
Hva du bør tenke på
- Potensielle kandidater ønsker ikke å bli kontaktet hele tiden uten en annen god grunn enn å oppdatere databasen. Ikke be om informasjon for ofte for å forhindre at arbeidsgivermerket ditt får en knekk.
- Sørg for at ledelsen av talentpoolen din er så smart som mulig og dra nytte av mulighetene som er tilgjengelige i atferdsprediksjon.
AI-analyse av kandidat sosiale medier
Folk viser sitt sanne jeg på sosiale medier. Å feste 5 dager i uken kan føre til en viss type suksess på Instagram, men er kanskje ikke den typen oppførsel som korrelerer med en ansatt med høy ytelse. Og hva med annen, enda mer tvilsom oppførsel? Hatytringer, nettmobbing, trusler om vold og uanstendig språk? Sannheten er at analyse av sosiale medier før ansettelse allerede er vanlig praksis, bare ikke helt offisiell i alle henseender. AI gjør det mulig å vurdere store mengder søkere og gjennomføre grundige analyser raskt og uten den sosiale skjevheten som kan oppstå hvis en kandidat for eksempel gikk på samme skole som deg.
Analyse av sosiale medier - fordeler
- Få et mer realistisk bilde av kandidaten og en bedre forståelse av hvem de egentlig er.
- Redusere risikoen for sosial skjevhet knyttet til analyse av sosiale medier
Å tenke på
- Juridiske problemer. Sjekk nøye hvilke regler som gjelder i ditt land.
- Ikke alle bruker sosiale medier, og det betyr ikke at de ikke er gode kandidater. Andre har kontoer, men oppdaterer sjelden og falske kontoer forekommer også.
Hvorfor og når AI-rekruttering er hensiktsmessig
Å bruke AI på riktig måte i rekrutteringsprosessen kan gi store fordeler. Ansettelsesfeil koster bedrifter hundrevis av millioner dollar hvert år, og forbedring av bunnlinjen kan bane vei for langsiktig suksess for deg og din bedrift.
De fleste virksomheter kan dra nytte av å bruke passende AI-applikasjoner, men det er noen områder hvor fordelene er utrolig høye:
A. Høyvolumsrekruttering
Ansetter du hundrevis eller til og med tusenvis hvert år? Storskala rekruttering av lav- og middels kvalifisert arbeidskraft innebærer nærmest uendelig mange søknader. Faktisk har Glassdoor vist at nybegynnerjobber tiltrekker seg i gjennomsnitt 250 søknader per ledig stilling. Mange av disse er på langt nær kvalifisert for jobben.
I disse situasjonene kan AI være en reell livredder fordi den gjør det mulig å håndtere tusenvis av CVer per dag og raskt foreta en vurdering av om en kandidat oppfyller kravene og bør sendes til neste trinn eller ikke. Og hvorfor ikke henvise kandidaten videre til å bestille en intervjutid direkte i rekruttererens kalender? Både du og kandidatene får raskt beskjed om neste steg i prosessen. Å redusere ventetidene ved rekruttering har en enorm innvirkning på kandidatopplevelsen, så utbetalingen er mangefasettert.
B. Høye krav til kandidater og time-to-fill
Å stille høye krav til personene som ansettes bør være sentralt i enhver bedrifts rekrutteringsstrategi. Men noen må vurdere alle disse kandidatene, og det tar tid. Riktignok kan en AI ikke fullt ut gjenskape resultatene til en virkelig god rekrutterer, men den kan komme ganske nær når omstendighetene er riktige. Det AI er utrolig god på er å finne mønstre i store mengder ustrukturert data. Får du tak i et system som er opplært på et par tusen plasseringer for stillingen du ansetter til, er sjansen stor for at et slikt system vet godt hvilke egenskaper en skal se etter hos en kandidat. Og så kan du få høy kvalitet på rekordtid.
Dersom man ikke stoler på mønstrene identifisert av systemet, er en annen mulighet å kombinere med testing av både kognitiv evne og personlighet for å oppnå en enda høyere grad av kvalitetssikring.
C. Tids- og kostnadsspørsmål / nedbemannet rekrutteringsteam
HR- og rekrutteringsteam fyller utvilsomt en svært viktig funksjon, men i mange selskaper blir de fortsatt sett på som en støttefunksjon til kjernevirksomheten. Derfor er personalavdelingen ofte underfinansiert med for mange problemer å løse i en altfor optimistisk tidsramme.
Å outsource noen av de mest tidkrevende jobbene til automatiserte systemer betyr at HR kan gjøre mer med tiden sin og fortsette å holde kostnadene lave.
Hva med ChatGPT?
Plutselig har verdens forente hat mot chatbots raskt blitt til munter forundring over hvor nyttig chat-teknologi har blitt.
ChatGPT og lignende LLM-er har mange nyttige triks i ermene og kan utføre de fleste tekstrelaterte oppgaver du kaster på dem med anstendige resultater. For rekrutterere betyr dette for eksempel å generere utkast til stillingsannonser, kandidatkommunikasjonsmeldinger, oppsøkende e-poster, generere relevante intervjuspørsmål, oppsummere CV og mange andre oppgaver som er nødvendige på en gitt rekrutteringsdag.
For kandidater åpner det også interessante alternativer. For eksempel, generering av umiddelbare CVer med en god sjanse for å bli shortlistet eller bestå en kodetest for en lønnsjobb på $183k per år for deg.
Den første iterasjonen av de fleste tekster er ofte litt intetsigende, men å bruke fantasien for å finpusse forespørselen din kan gjøre resultatet overraskende bra. Å følge opp med flere forespørsler kan levere nøyaktig riktig type stemning. Men dens evner stopper ikke ved å generere tekst. Den kan også analysere og forenkle informasjon for deg.
For eksempel, hvis du har samlet inn mange åpne svar fra en tilbakemeldingsundersøkelse for ansatte, kan du bruke ChatGPT til å identifisere de mest tilbakevendende tilbakemeldingene på en mye bedre måte enn de fleste undersøkelsesverktøy kan.
Andre brukstilfeller inkluderer å utarbeide forretningsplaner, skrive poesi, generere ideer og for eksempel gi sentimentanalyse.
Gjør ingen feil om det. Store språkmodeller og generativ AI som ChatGPT og dets fremtidige iterasjoner vil ha vidtrekkende effekter på samfunnet, sysselsettingen og menneskelige stillingsbeskrivelser. Hvordan vi jobber vil mest sannsynlig endres drastisk etter hvert som mer sofistikerte AI-modeller dukker opp og nye brukstilfeller fortsetter å dukke opp.
Mennesker som kan utnytte ChatGPT for å være mer effektive har mye å vinne. Faktisk kan det å samarbeide med denne typen modeller bli en nødvendighet snarere enn en ettertraktet ferdighet raskere enn forventet.
Hvordan virker det?
Fordi det finnes mange forskjellige typer applikasjoner, er det ingen generell måte å beskrive hvordan systemene fungerer på. En viktig differensierende faktor er hvordan AI-modeller trenes. De kan forhåndstrenes på eksterne data, skreddersydd med dine egne data eller en kombinasjon av begge. Alle alternativer har sine egne fordeler og ulemper.
Fortrente systemer bruker historiske data fra leverandørers tidligere prosjekter. Det er flott så lenge dataene er relevante for brukssaken din. For eksempel, hvis systemet er opplært til å screene 10 millioner bankfunksjonærer og du ønsker å bruke det til å legge til en butikkmedarbeider, er det en viss risiko for feil. Men hvis du i stedet ønsker å bruke systemet til å screene bankfunksjonærer for en annen bank, vil et stort sett med bankspesifikk opplæringsdata være uvurderlig selv om tjenestene ikke er helt like.
Det andre alternativet, som er vanlig i AI-vurdering av videointervjuer, er å trene AI-modellene på eksisterende ansatte. Dette betyr å teste hver enkelt ansatt i teamet og gi systemet manuelle innspill om egenskapene til høypresterende. Ved å gjøre dette vil du bygge din egen tilpassede maskinlæringsmodell basert på arbeidsstyrken din, noe som gir mindre rom for datarelaterte feil. Du får også en oversikt over hvilke ferdigheter/personligheter som kan mangle i teamet ditt. Men for at maskinlæringsmodellene skal gjøre sitt, trengs det et stort antall ansatte, gjerne noen tusen.
Hvordan vil kandidatopplevelsen være?
Det varige inntrykket fra ansettelsesprosessen er en ekstremt viktig faktor ved rekruttering. Det har vist seg å påvirke merkeoppfatning, salg, lønnsomhet og flere andre viktige områder.
Mange hevder at omfattende bruk av AI gjennom rekrutteringsprosessen kan føre til en rigid og statisk type rekruttering som ikke tar hensyn til menneskelige følelser.
Men de fleste tilbydere vet hvor viktig kandidatengasjement er, og erfaringen er at mange AI-drevne applikasjoner faktisk gir en stor forbedring til den generelle opplevelsen. Det er ikke bare rekrutterere som lider i en overbelastet rekrutteringsprosess, kandidater gjennomgår også en kjedelig opplevelse når de tar seg tid til å lage och forbedre CV-ene sine til nesten perfeksjon, for så å sende dem inn med høye forventninger og til slutt høre ingenting på flere uker. Hvis noensinne.
Visst, et automatisert intervju er ikke like hyggelig som ekte vare, men en typisk rekrutteringsprosess involverer flere hundre søkere. Det realistiske alternativet for de aller fleste i dag er ikke noe intervju i det hele tatt.
"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
Selv om tilbakemeldingen som kandidatene får er datagenererte meldinger, er det ofte mye bedre enn å ikke motta noe i det hele tatt. Forestillingen om å bruke AI i rekruttering fører til en robotprosess som begynner å vaskes bort.
”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
I tillegg til tidsaspektet kan kandidater som er planlagt til et AI-drevet jobbintervju selv velge både når og hvor intervjuet skal finne sted, og sette dem ansvarlige for neste trinn.
Rekruttering er, og har alltid vært, et område med mennesker i sentrum. Selvfølgelig, som med de fleste teknologiske revolusjoner, er det en viss motstand mot å automatisere arbeidsoppgaver.
Det er helt sant at maskiner mangler mange av de egenskapene som vi mennesker i stor grad bruker i rekruttering. Empati, kreativitet og følelser er alle viktige for å finne den ultimate kandidaten til en jobb og kan knapt erstattes fullt ut av programvare.
Men du kan være sikker på at en verden der rekruttering er helautomatisert, fortsatt er et stykke unna. AI-programmene er utviklet for å hjelpe menneskelige rekrutterere med å gi rammer for enklere beslutningstaking og eliminere repeterende oppgaver, ikke for å erstatte rekrutterere fullt ut.
Likevel er det et par ting som holder selskaper tilbake fra storskala utrullinger.
1. Bias
De fleste leverandører av AI-verktøy hevder å redusere skjevhet eller til og med fjerne det helt. Men i historien til AI-rekruttering er det noen ganske ikoniske eksempler på når skjevhet faktisk ble forsterket i stedet for minimert.
Vårt råd er å stole på enhver leverandør som hevder å fjerne skjevhet fullstendig. Sørg for at de har solide svar på følgende spørsmål:
- Hvordan trenes systemet deres? Egne data? Kjøpte data?
- Hva slags data er systemet deres trent på? Hvilke sektorer, hvilke spesifikke posisjoner, hvilken grad av mangfold, er dataene diversifisert og representativ?
- Hvordan evaluerer de systematisk treningsdata for å begrense skjevhet?
- Lever systemet deres opp til de fremlagte regningene i både EU og USA?
- Er systemene helt transparente og kan alle beslutninger spores?
Det første skrittet mot å redusere skjevhet er å være klar over at det eksisterer. Praktisk talt ethvert sett med treningsdata har en form for skjevhet, det er ingen unnslippe. Det er menneskelig natur å ha skjevheter som hjelper oss å ta beslutninger, men ved rekruttering kan disse skjevhetene noen ganger gjøre mer skade enn nytte.
Det som trengs er en god egenvurdering som pålitelig sikrer at programvaren kan ta beslutninger basert på eksisterende mønstre og ikke merkelige tilfeldigheter.
2. Ingen tid igjen til å effektivisere prosesser
HR-avdelingen er utvilsomt utrolig viktig for enhver virksomhet, men den fungerer som en støttefunksjon til kjernevirksomheten.
Og, som du sikkert er klar over, betyr det at rekrutterere og andre HR-funksjoner ofte er under stort press for å møte budsjetter mens de yter sitt beste med begrensede ressurser.
AI har potensial til å gjøre livet enklere for de fleste rekrutterere og HR-avdelinger, men det er vanskelig å finne tid til testing og implementering i et stadig rullende maskineri.
3. Kunnskap og forståelse for hvordan det fungerer
En av de vanligste innvendingene mot å bruke AI-teknologi i rekruttering er at "AI dehumaniserer rekrutteringsprosessen". Men som du kan lese lenger opp i denne guiden, er kandidatopplevelsen ofte sentral i de fleste AI-rekrutteringsverktøy. Det som ofte mangler er effektiv kommunikasjon fra leverandørene kombinert med begrenset forståelse av plattformene.
I følge Oracle føler bare 12 % at de har tilstrekkelig kunnskap om emnet til å effektivt bruke kunstig intelligens for å forbedre prosessene sine.
4. Dataoverbelastning
AI-systemer skal forenkle vanskelig arbeid, ikke gjøre det enda mer komplisert. I følge en fersk undersøkelse skylder flertallet av de som hevder at AI faktisk har gjort jobbene deres vanskeligere for dataoverbelastning.
Det er ingen hemmelighet at AI-systemer både kan produsere og analysere store mengder data. Men å finne verdifull innsikt i denne informasjonen er det som virkelig betyr noe.
Å gi rekrutterere og ledere transparente råd om hvilke kandidater som kan vurderes nærmere gjennom et brukervennlig grensesnitt er nøkkelen til adopsjon og økt bruk.
De siste 2-3 årene har mange innsett potensialet og hoppet på toget mot bedre rekruttering. Her er noen eksempler og hva de har å si om opplevelsen.
Kundeservice
Amendo har vokst raskt til å bli et av de mest kjente rekrutteringsselskapene for kundestøtte på den svenske scenen. Med et tydelig fokus på roller av CS-typen, betjener de en rekke kunder fra de største bankene til skalering av oppstart. Hvert år fyller de godt over 600 stillinger. Ikke bare stoler på av deres mange kunder, Amendo er en ettertraktet arbeidsgiver. Anerkjent av jobbsøkere som en karrieremuliggjørende bedrift som tar vare på sine konsulenter Amendo tiltrekker seg en jevn strøm av jobbsøkere. Arbeid med AI-drevet screening har vist svært lovende effekter. Målet for Amendo ved bruk av AI-screening var å øke effektiviteten og samtidig styrke kandidatopplevelsen og støtte DEI-innsatsen.
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 av Sveriges ledende merkevarer når det gjelder rekruttering av lager. Takket være deres lange og vellykkede employer branding-kampanje, tiltrekker den gjennomsnittlige stillingsannonsen nå oppmerksomhet fra hundrevis av søkere.
En drøm som går i oppfyllelse i mange aspekter, men også et logistisk mareritt når det gjelder å holde tritt med den massive tilstrømningen av søknader.
”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 Sveriges desidert største matleveringstjeneste med over 4500 tilknyttede restauranter. I nybegynnere der erfaring ikke er en avgjørende faktor, når volumene lett opp i 200 søknader per jobb eller mer.
Ved å bruke en AI-drevet rekrutteringsprosess har Foodora taklet lange ventetider og overarbeidet rekrutterere samtidig som de har beholdt en god brukeropplevelse.
“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
Skjønnhet og kosmetikk
Med omtrent en million søknader per 15 000 åpne stillinger, har L’Oreal rettet oppmerksomheten mot AI som et middel til å effektivisere rekrutteringen. Og det har lønnet seg stort.
“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 fikk spørsmål knyttet til rekruttering alle døgnets 24 timer og hadde ingen mulighet til å følge med på forespørslene. Svaret var en AI-chatbot trent på vanlige spørsmål fra historiske data som førte til en suksessrate på 74 % i å svare på spørsmål.
“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 endre rekrutteringspraksis?
Bortsett fra det åpenbare at mer tid kan brukes på kvalifiserte oppgaver, er det et par mindre åpenbare måter AI vil påvirke rekrutteringsvirksomheten på lang sikt.
Økt produktivitet
Et flertall av brukerne hevder at de har økt produktiviteten med mellom 25–60 % bare ved å begrense fokuset til rekrutterere.
Stiller tydeligere krav
Å få gode resultater ut av AI-basert programvare krever en krystallklar retning fra brukerne. Mer tid brukt på å stille kravene vil øke resultatene eksponentielt.
Fremtidige rekrutterere bør forberede seg på mye mer forskning på hvilke egenskaper, ferdigheter, egenskaper og personligheter hver spesifikk stilling krever, da så mye av sluttresultatet avhenger av det.
Økt fokus på teamsammensetning
Teamforskning viser at en stor del av en gruppes produksjon avhenger av den faktiske sammensetningen. Siden AI-systemer kan hjelpe i prosessen med å kartlegge individuelle styrker og svakheter, er det rom for mennesker til å forske dypt inn i teamkonfigurasjon for forskjellige funksjoner. Fremtidstenkende ledere beveger seg raskt mot denne retningen og gjør det til deres konkurransefortrinn.
Nye roller å fylle: Bias og svindel aversjon offiserer
Etter hvert som flere selskaper har større tillit til AI-modeller, blir behovet for å sikre deres gyldighet sterkere. Å unngå feil og svake punkter i ansettelsesalgoritmene vil spille en stor rolle for bedrifters suksess i fremtiden. Å sikre at spor av skjevhet fra opplæringsdata reduserer effektene i den endelige ansettelsen krever også tilsyn av kompetente fagfolk.
Som Manpower SVP Kate Donovan sier det:
"Competitive advantage doesn’t come from technology alone. It also comes from the people who manage it."
AI-automatisering kan høres ut som noe ut av en futuristisk film, og vi er sikkert ikke der ennå. Men legg merke til; AI vil sveipe gjennom verdens økonomi som en flodbølge med store endringer som resultat. Og akkurat nå er den beste tiden å begynne å forberede seg på det skiftet.
I følge SHRM vil over 90 % av nåværende rekrutteringsoppgaver bli automatisert av AI i de kommende årene. Men som erfaringen viser, dukker det opp nye oppgaver fra økt teknologiadopsjon som må fylles.
Så lenge rekrutterere er villige til å tilpasse seg det nye landskapet, oppdatere nødvendige ferdigheter og ta på seg nye utfordringer, vil det være åpne stillinger. Men dette er fremtiden vi snakker om. Foreløpig er det bare de med lavt nivå repeterende jobber som står overfor en umiddelbar trussel fra teknologi. Den høyeste effektiviteten, uten tvil, oppnås fortsatt gjennom den vakre symbiosen mellom mennesker og maskiner som samarbeider.
AI rekrutteringsverktøy har et enormt potensial til å transformere en stor del av rekrutteringssektoren ved å automatisere oppgaver som er for komplekse for tradisjonell automatisering. Over tid vil disse systemene sannsynligvis spare verdifulle ressurser samtidig som de øker effektiviteten og resultatene.
AI-drevne verktøy bygges ofte på toppen av eksisterende automatisering og utvider mulighetene når det gjelder å løse de samme problemene, men på en langt mer raffinert måte. I motsetning til hva mange tror, har kandidaterfaringen mye å hente på AI-automatisering. Nei, et automatisert intervju vil ikke komme i nærheten av et menneske-til-menneske-intervju, men når søknadene går i hundrevis for en enkelt stilling, er alternativet ikke noe intervju i det hele tatt for de aller fleste.
Potensialet for å redusere skjevhet er også meget plausibelt, men et råd er å være forsiktig med leverandører som hevder at skjevheten er fullstendig fjernet. Sannheten kan være langt unna, og svært komplisert å finne ut av.
Etter hvert som flere selskaper innser potensialet og adopsjonen øker, følger reguleringsbyråer med og jobber med retningslinjer som vil begrense graden av avhengighet av nevnte systemer. Hvis du kjøper et AI-assistert system, sørg for at leverandøren du velger, er komplimentert med gjeldende retningslinjer, og helst også de som fortsatt er under vurdering.
Når du introduserer AI-rekrutteringsverktøy i bedriften din, sørg for at du tar opp aspekter som bias management, distribusjonstid, kunnskap og har en plan for hvordan du bruker data. Disse faktorene har vist seg å være de største hindringene i adopsjon.
Enten du velger å distribuere et system nå eller senere, er det liten tvil om at du en gang i nær fremtid må bli venner med AI-systemer. Teknologien vil fortsette å marsjere fremover, lønnsomheten vil råde og du må velge mellom å ta i bruk nye systemer eller bli etterlatt i støvet. Og Corona vil mest sannsynlig øke adopsjonsraten.
Når du bestemmer deg for å ta steget, vet at du er langt fra alene. Et bredt spekter av selskaper fra kontaktsentre til banker og detaljhandel bruker AI-drevet teknologi for å forbedre rekrutteringsprosessen.
Ja, AI vil endre måten vi jobber på, men det vil helt sikkert gå mot det bedre. Med mer fokus på kreativitet og sosiale ferdigheter og mindre repeterende arbeid.
Når du føler deg klar, snakk med oss om å sette opp en demo, så vil vi veilede deg gjennom alle ins og outs ved AI-rekruttering.
