W skrócie
Dopasowywanie kandydatów przez AI to proces szeregowania osób znajdujących się już w Twojej bazie danych względem danego stanowiska na podstawie znaczenia, a nie słów kluczowych. Spott tworzy kryteria wyszukiwania na podstawie notatek z rozmowy wstępnej, skanuje każdy rekord kandydata i zwraca uszeregowaną krótką listę wraz z pisemnym uzasadnieniem każdego wyniku.
Spott analizuje więcej niż CV. Notatki z rozmów kwalifikacyjnych, podsumowania rozmów telefonicznych, transkrypcje spotkań, wiadomości e-mail, zaimportowane profile i notatki dodane ręcznie trafiają do tego samego indeksu.
Kandydaci wracają uszeregowani według wyniku i ocenieni kryterium po kryterium względem karty oceny — od bardzo mocnego dopasowania po słabe.
Każdy wynik jest wyjaśniony prostym językiem, włącznie z negatywnymi aspektami. Jeśli ktoś ma zbyt wysokie kwalifikacje, system to zaznacza.
Wyszukiwanie według słów kluczowych i wyszukiwanie boolowskie nadal są dostępne. Dopasowywanie jest alternatywą, a nie zamiennikiem.
Rekruter nadal podejmuje decyzję. Dopasowywanie tworzy długą listę wartą przeczytania, a nie decyzję o zatrudnieniu.
Dlaczego „dopasowywanie przez AI” wymaga definicji
Niemal każda platforma rekrutacyjna na rynku reklamuje dziś dopasowywanie przez AI. Bardzo niewiele z nich rozumie przez to samo, a spora część ma na myśli „dodaliśmy listę synonimów do naszego wyszukiwania według słów kluczowych”.
Najważniejsze rozróżnienie dotyczy tego, czego system szuka. Tradycyjne bazy danych rekrutacyjnych są relacyjne: wiersze, kolumny, tagi i pole wyszukiwania, które szuka wpisanego ciągu znaków. Jeśli w rekordzie widnieje „trener piłki nożnej”, a wyszukujesz „football”, nic nie znajdziesz. Jeśli cztery lata temu Twój konsultant oznaczył kogoś jako „menedżera ds. rozwoju biznesu”, a Ty wyszukujesz „opiekuna klienta”, również nic nie znajdziesz, mimo że to oczywiście ta sama osoba, której szukasz.
Ten sposób działania ma dobrze znaną konsekwencję. Rekruterzy przestają ufać bazie danych i wracają na LinkedIn, aby ponownie znaleźć osoby, które firma już zna. Jeden z dyrektorów agencji, z którym rozmawialiśmy, ujął to dosadnie: pierwszym miejscem, do którego badacze zaglądają po otrzymaniu wyszukiwania, jest LinkedIn, a nie CRM, za który firma płaci. Opisał to jako postawienie spraw na głowie — i miał rację.
Spott podchodzi do tego inaczej. Rekordy kandydatów są wektoryzowane, co oznacza, że są indeksowane według znaczenia, a nie dokładnego ciągu znaków. Opisujesz to, czego potrzebujesz, zwykłymi zdaniami, a system analizuje cały rekord. To mechanizm leżący u podstaw wszystkiego, co opisujemy poniżej.
Krok 1: Kryteria są tworzone na podstawie rozmowy wstępnej, a nie pustego pola
Dopasowywanie zaczyna się, zanim ktokolwiek wpisze wyszukiwanie.
Gdy przeprowadzasz rozmowę wstępną z menedżerem ds. rekrutacji, narzędzie Spott do sporządzania notatek dołącza do spotkania, nagrywa je i transkrybuje, a następnie tworzy uporządkowane podsumowanie rozmowy w szablonie używanym przez Twoją firmę. To podsumowanie jest automatycznie przypisywane do stanowiska i osoby kontaktowej po stronie klienta.
Gdy następnie otwierasz narzędzie dopasowywania, Spott proponuje kryteria wyszukiwania, czerpiąc je z opisu stanowiska i rozmowy wstępnej. Na ekranie otrzymujesz zestaw kryteriów zapisanych językiem naturalnym, a nie puste pole wyszukiwania.
Od tego momentu możesz je edytować. Możesz przeredagować dowolne kryterium, dodać te, które system pominął, usunąć te, które okazały się nieistotne, oraz zmienić wagi tak, aby na przykład doświadczenie w danym sektorze liczyło się bardziej niż poziom starszeństwa. To część pomijana podczas większości prezentacji, a zarazem ta, na której najbardziej zależy doświadczonym rekruterom: wyszukiwanie jest tworzone na podstawie wyodrębnionych kryteriów, które możesz zobaczyć i zmienić, a nie ukrytego polecenia.
Want to learn more about Spott ATS?
Krok 2: Opisz stanowisko tak, jak opisałbyś je współpracownikowi
Kryteria to zdania zapisane prostym językiem. Na przykład:
„Inżynier oprogramowania z co najmniej trzyletnim praktycznym doświadczeniem w Javie i Pythonie, obecnie mieszkający w Belgii, pracujący przy oprogramowaniu B2B”.
Albo cztery czy pięć zdań opisujących profil przywódczy w zniuansowany sposób, w jaki konsultant ds. rekrutacji kadry kierowniczej rzeczywiście poinstruowałby badacza.
Możesz dodać twarde filtry dotyczące kwestii, które rzeczywiście są binarne: lokalizacji, dostępności, prawa do pracy i przedziału wynagrodzenia. Wyszukiwanie semantyczne zajmuje się oceną; twarde filtry — faktami.
Nie musisz już tworzyć ciągów boolowskich. Wyszukiwanie boolowskie nadal jest dostępne w Spott w przypadkach, w których jest właściwym narzędziem, a wielu rekruterów nadal używa go do szybkich wyszukiwań. Jednak gdy chcesz „znaleźć osoby w naszej własnej bazie danych, które mogłyby wykonać
tę pracę”, opisanie stanowiska jest lepsze niż składanie zapytania.
Krok 3: Skanowanie odczytuje wszystko, co jest przypisane do danej osoby
Stąd bierze się głębia analizy. To także element, który najtrudniej odtworzyć, jeśli platforma została zbudowana na relacyjnej bazie danych piętnaście lat temu.
Gdy skanowanie zostanie uruchomione, Spott analizuje każdy element kontekstu dołączony do rekordu kandydata:
- CV lub życiorys przeanalizowane i przekształcone w uporządkowane informacje o doświadczeniu i wykształceniu
- Dane profilowe zaimportowane przy pierwszym dodaniu kandydata
- Notatki z rozmów kwalifikacyjnych i notatki własne sporządzone przez dowolnego konsultanta w firmie
- Podsumowania rozmów i transkrypcje spotkań zarejestrowane przez narzędzie do sporządzania notatek
- Korespondencja e-mail przechowywana przy rekordzie
- Dane wzbogacające dodane do profilu
Wszystkie te informacje trafiają do tego samego indeksu. Oznacza to, że szczegół odnotowany przez współpracownika podczas rozmowy wstępnej dwa lata temu — taki, który nigdy nie trafił do uporządkowanego pola, bo nikt nie miał na to czasu — nadal można dziś wyszukać. Na tym polega praktyczna różnica między bazą danych a pamięcią instytucjonalną.
Krok 4: Ranking: długa lista oceniana kryterium po kryterium
Skanowanie zwraca bazę danych uszeregowaną według kryteriów, przy czym każdy kandydat otrzymuje ogólny wynik oraz osobną ocenę dla każdego kryterium w karcie oceny — od bardzo mocnego do słabego dopasowania.
To właśnie ta druga część sprawia, że lista jest czytelna. Pojedynczy łączny wynik mówi bardzo niewiele, ponieważ dwóch kandydatów z wynikiem 75% może osiągać te 75% z zupełnie różnych powodów. Wyświetlenie kryteriów w kolumnach od razu pokazuje, który kandydat jest mocny we wszystkich obszarach, a który skrywa poważną lukę za przyzwoitą średnią.
Warto zrozumieć kilka kwestii dotyczących odczytywania tej listy.
Słabe dopasowanie nadal jest dopasowaniem. Nie jest to nieudany wynik, lecz kandydat, który spełnia część wymagań, ale nie pozostałe. W przypadku trudnych do obsadzenia stanowisk właśnie dolna połowa listy często staje się punktem wyjścia do interesujących rozmów.
Kolejność na liście można zmieniać. Jeśli spojrzysz na jej początek i zorientujesz się, że wymagania zostały określone niewłaściwie — co w rzeczywistych procesach rekrutacyjnych zdarza się nieustannie — możesz zmienić kryterium lub jego wagę i uruchomić wyszukiwanie ponownie. Pętla jest wystarczająco szybka, aby proces miał charakter iteracyjny, a nie był jednorazowym zapytaniem.
Przeszukuje Twoją bazę danych, a nie pobraną pulę profili. Spott nie sprzedaje Ci zakupionego zbioru profili. Założenie jest takie, że własna sieć kontaktów firmy, odpowiednio zindeksowana, stanowi zasób, który obecnie się marnuje.
Krok 5: Każdy wynik wyjaśnia się sam
To właśnie ta funkcja decyduje o tym, czy narzędzie do dopasowywania będzie używane, czy po cichu porzucone.
Kliknij dowolnego kandydata, a Spott w prostym języku pokaże Ci, dlaczego system umieścił go na danym miejscu. Przechodzi kryterium po kryterium przez kartę oceny: mocne strony w jednym obszarze, umiarkowane dopasowanie w innym, a także konkretne dowody w rekordzie potwierdzające każdą ocenę.
Co najważniejsze, informuje Cię również o złych wiadomościach. Jeśli kandydat ma jedenaście lat doświadczenia na stanowisku, dla którego określono pięć lat, wyjaśnienie wskazuje, że może mieć zbyt wysokie kwalifikacje. Jeśli spełnia wymagania techniczne, ale działa w sektorze pokrewnym, a nie dokładnie tym samym, również zostaje to zaznaczone.
Nie ma tu czarnej skrzynki, a ma to znaczenie z dwóch powodów wykraczających poza zaufanie rekrutera. Po pierwsze, musisz uzasadnić klientowi wybór krótkiej listy, a „algorytm ich wybrał” nie jest uzasadnieniem. Po drugie, wyjaśnienie pokazujące dowody pozwala zauważyć, kiedy jest ono błędne.
Krok 6: Zaakceptuj, odrzuć, przejdź dalej
W widoku wyników możesz zaakceptować kandydatów i przenieść ich do procesu rekrutacyjnego dla danego stanowiska albo ich odrzucić. Po jednej stronie znajduje się panel z uzasadnieniem, a po drugiej pełny profil. Zaakceptowani kandydaci trafiają do etapów procesu skonfigurowanych przez Twoją firmę. Następnie przechodzisz do kontaktu, wstępnej selekcji i przedstawienia kandydatów.
Założenie projektowe całego procesu jest proste: jak najszybciej doprowadzić rekrutera do możliwej do obrony krótkiej listy, aby czas można było poświęcić na rozmowę z kandydatem, a nie na jego wyszukiwanie.
Czego nie robi dopasowywanie oparte na AI
Warto otwarcie mówić o ograniczeniach, ponieważ to przesadzone obietnice sprawiły, że ta kategoria narzędzi w pierwszej kolejności straciła wiarygodność.
Nie podejmuje decyzji. Tworzy ranking i wyjaśnia wyniki. Rekruter czyta, ocenia i podnosi słuchawkę. Wyjaśnienie istnieje właśnie po to, aby człowiek mógł je podważyć.
Jest ono tylko tak dobre, jak dobry jest kontekst, którym dysponuje. Firma, która migruje bazę danych zawierającą jedynie rekordy z imieniem i adresem e-mail, uzyska mniej pełny wynik niż firma mająca przy profilach notatki z rozmów z wielu lat. To uczciwe zastrzeżenie dotyczące każdej warstwy AI nakładanej na dane rekrutacyjne i właśnie dlatego narzędzie do sporządzania notatek jest równie ważne jak mechanizm dopasowywania. Jedno zasila drugie.
Nie zastępuje pozyskiwania kandydatów. Jeśli odpowiednia osoba na dane stanowisko nigdy nie rozmawiała z Twoją firmą, nie ma jej w Twojej bazie danych i żadne wyszukiwanie semantyczne jej nie wyczaruje. Dopasowywanie odpowiada na pytanie: „kogo już znamy?”, które różni się od pytania: „kto istnieje?”.
Sprawdź to na własnej bazie danych
Powyższe twierdzenia można zweryfikować podczas jednego spotkania. Umów 30-minutową prezentację Spott, przedstaw aktualną rekrutację i zobacz, jak długa lista kandydatów zostanie uszeregowana oraz objaśniona na podstawie Twoich własnych danych.
