Så förändrar AI det tidiga kandidatflödet (och vad det inte kan göra)
Effektivitetsvinster: AI förbättrar effektiviteten genom att automatisera rekryteringsuppgifter i ett tidigt skede, såsom kandidatsökning och schemaläggning av ansökningar.
Medvetenhet om partiskhet: Användning av AI kan förstärka befintlig partiskhet i rekryteringen om historiska data inte valideras noggrant.
Människans roll: Trots AI:s medverkan är mänsklig granskning fortfarande avgörande vid varje beslutspunkt i rekryteringsprocessen.
Transparens för kandidater: Tydlig kommunikation om AI:s roll i urvalet bidrar till att minska kandidaternas oro kring processen.
Tydliga kriterier: Det är avgörande att fastställa tydliga rekryteringskriterier; AI-verktyg är beroende av precisa definitioner för att vara effektiva.
För några år sedan ägnade vårt rekryteringsteam större delen av sin tid åt arbete som inte krävde deras omdöme. Schemaläggning, hantering av inkorgar och genomgång av ansökningar där grundkraven inte var uppfyllda. Teamet var bra på det, men det tog dem bort från de samtal som var viktigare.
Vi började använda AI i de tidiga stegen av kandidatprocessen för att hitta kandidater, sålla, schemalägga och göra en första bedömning. Inte för att det var något nytt, utan för att det var rätt användning av tekniken. Att hantera stora volymer, repetitiva och tidskrävande uppgifter var precis de förhållanden där AI gör sig förtjänt av sin plats.
Med AI som en del av processen blev det tydligt att det inte bara var effektiviteten som förändrades. Det handlade om vad våra rekryterare kunde göra med den tid de fick tillbaka.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Den del av AI som fungerar bra
Det är till största delen inte en process som kräver mycket omdöme. Det handlar om att sortera, filtrera och hantera logistik.
Innan något egentligt omdöme kan tillämpas måste någon utföra en hel del manuellt arbete. Beroende på rollen kan du behöva gå igenom hundratals ansökningar för att komma fram till en handfull samtal.
AI hanterar sökandet efter kandidater genom att lyfta fram kandidater som matchar rollens kriterier i flera kanaler, utan att en rekryterare behöver ägna timmar åt manuella sökningar. Den kan genomföra en första gallring för att flagga sökande som uppfyller grundkraven, vilket sparar timmar innan någon läser ett personligt brev.
Därefter kan schemaläggningen automatiseras nästan helt och hållet. Även om det kan låta trivialt skapar schemaläggning regelbundet flera dagar av kommunikation fram och tillbaka, så effekten här är betydande.
För bedömning på den första nivån kan AI-baserad rekryteringsprogramvara analysera svar på strukturerade screeningfrågor och poängsätta dem utifrån fastställda kriterier. Att följa specifika kriterier som tillämpas konsekvent, i stället för helhetsbedömningar, lägger grunden för allt som följer.
Den konsekvensen är ett av de starkaste argumenten för att använda AI här. Mänskliga granskare avviker från riktlinjerna. De påverkas av tiden på dagen, hur många ansökningar de redan har läst och om den senaste kandidaten påminde dem om någon.
Med AI tillämpas samma bedömningsmatris på den hundrade ansökan som på den första. Det spelar större roll än de flesta vill erkänna.
Vad vi lärde oss om var det brister
AI i de tidiga stegen av kandidatprocessen skapar en filtreringseffekt, och det som tas bort från din pipeline sker inte slumpmässigt. Om dina kriterier är snäva eller om dina historiska data återspeglar rekryteringsmönster som inte var helt representativa, återskapar AI dessa mönster.
Det här är inte teoretiskt. Det finns en dokumenterad historik av rekryteringsverktyg som tränats på historiska data och som slutade med att missgynna vissa grupper eftersom träningsdatan innehöll de fördomar som präglade dem som hade rekryterat tidigare. Vi insåg detta och tog det på allvar.
Vår metod var att tydligt definiera kriterierna innan vi satte upp någon automatiserad gallring. Vad innebär "kvalificerad" egentligen för den här rollen? Vilka signaler förutsäger prestation, och vilka är bara ersättningsmått för bekantskap? När du måste skriva ner det upptäcker du sådant som du annars inte skulle ha lagt märke till.
Vi behöll också mänsklig granskning i processen vid varje beslutspunkt, även när AI redan hade lämnat en rekommendation. Ingen går vidare utan att en person har tittat på deras ansökan. AI kan begränsa urvalet, men människor fattar alltid beslutet.
Vad det frigjorde tid för i vårt team
Det här är den del som får mindre uppmärksamhet än berättelsen om effektivitet, men i praktiken spelar den större roll.
När dina rekryterare inte ägnar den första halvan av arbetsdagen åt logistik och första gallring kan de lägga tiden på arbete som faktiskt kräver omdöme, till exempel kandidatupplevelsen, djupare samtal med finalisterna och att noggrant överväga rekryteringar på ledningsnivå, där inget AI-verktyg ändå kommer att vara ditt primära filter.
På DoorLoop ser vi roller som AI-förstärkta eller människostyrda. Inom rekrytering hör de tidiga stegen till det AI-förstärkta området: AI utför volymarbetet, men en person äger resultatet. Rekrytering i slutskedet och allt som rör kulturell passform är helt och hållet människostyrt.
Den klassificeringen är inte permanent. Vi ser över den. Allteftersom verktygen förbättras och vi samlar in mer data om vilka signaler i det tidiga skedet faktiskt förutsäger prestation längre fram kan gränsen förskjutas. Men just nu är det där den går.
Frågan om kandidatupplevelsen
Det finns en befogad oro kring hur det känns att vara mottagare i en AI-granskad process. Kandidater vet att de här verktygen finns och vissa är skeptiska till om en människa någonsin faktiskt kommer att läsa deras ansökan.
Vi bemöter detta med transparens. Från början är vi tydliga med att AI används i den tidiga granskningen. Vi berättar för kandidaterna vad vi utvärderar och att varje ansökan som går vidare efter den första omgången granskas av en person.
Om det räcker för att helt undanröja skepsisen är jag inte säker på. Men otydlighet hjälper ingen, och vi tror att kandidater kan hantera ett rakt svar om hur processen fungerar.
Den större risken är en process som känns tom i slutet. En kandidat tar sig igenom tratten, och det första riktiga samtalet de har känns som om ingen har förberett sig inför det. AI i början ursäktar inte en dålig upplevelse i slutet.
Det här löser inte
Om du använder AI i kandidatflödet för att kompensera för att du inte vet vem du faktiskt letar efter kommer det inte att hjälpa. Verktyget är bara så bra som de kriterier du ger det. Vaga arbetsbeskrivningar, odefinierade krav, rollbeskrivningar som kopierats från en mall någon annanstans – det ger dig en snabb, automatiserad process som producerar fel resultat.
Vi lade ner verklig tid på att klargöra vad vi skulle rekrytera till innan vi implementerade något verktyg. Det arbetet var skilt från tekniken. Det hade varit värt att göra oavsett.
AI i det tidiga kandidatflödet är inte en genväg till bättre rekrytering, men när det används på rätt sätt är det ett sätt att hantera arbete i stora volymer med mindre manuell tid och större konsekvens. Bedömningen ligger fortfarande hos ditt team. Frågan är bara hur mycket av deras tid som förbrukas innan de behöver använda den.
