Vicepresident för talang delar hur AI kan integreras genom hela rekryteringslivscykeln

När Greg Russell började på Cover Genius som VP för talang var verksamheten överoptimerad för effektivitet. Han använde AI för att omforma deras talangprocesser, med ”kvalitet vid rekrytering” som det viktigaste måttet.

Vi pratade med Greg för att ta reda på hur detta ser ut i praktiken. Här är vad han hade att säga.

Att göra ”kvalitet vid rekrytering” till det viktigaste måttet

Jag heter Greg Russell och är VP för talang på Cover Genius, ett globalt försäkringsteknikföretag som bäddar in skydd i de plattformar människor redan använder. Mitt jobb är att bygga teamet som förverkligar den visionen.

Precis som de flesta inom rekrytering halkade jag in i det. Men det som fick mig att stanna kvar, och som jag verkligen kom att uppskatta, var att rekrytering i grunden handlar om historieberättande. De bästa rekryterarna berättar en autentisk historia om ett företag och en roll på ett sätt som berör exakt rätt person vid exakt rätt tidpunkt.

Jag tillbringade fyra år på Snapdocs med att vara besatt av företagskultur, kandidatupplevelse, rekryterarhantverk och hur man coachar någon till att bli en fantastisk rekryteringspartner.

När jag började på Cover Genius tog jag över en funktion som var överoptimerad för effektivitet och snabbhet. Det hjälpte oss att skala upp i början, men för att bygga det företag vi verkligen ville vara insåg jag att snabbhet inte skulle räcka på egen hand. Därför gjorde vi en medveten förändring: ”kvalitet vid rekrytering” (QoH) blev vårt viktigaste mått. Vi byggde om processen från grunden och sa: ”Vi kommer att rekrytera mer medvetet, och det kommer att vara värt det.”

Den här processen, där vi blev mer rigorösa, öppnade dörren till AI för mig. När man kartlägger hela sin rekryteringstratt och identifierar friktionspunkterna börjar man se alla ställen där manuella processer skapar onödiga hinder eller gör att man går miste om värdefull information. Sedan dyker AI upp och säger: ”Jag kan hjälpa till med det.”

Resan fram till den här punkten gick från hantverk till systemtänkande och vidare till teknik. Jag slutade aldrig bry mig om den mänskliga sidan av rekrytering. Jag började däremot bry mig betydligt mer om huruvida infrastrukturen runt omkring var värdig de människor som fattar besluten.

Att bedriva global talangrekrytering med ett litet team

Cover Genius är ett företag med 600 personer, men teamet för talangrekrytering är medvetet litet. Jag har sju rekryterare utspridda över våra huvudregioner: Nordamerika, APAC med bas i Sydney, EMEA med bas i London samt två rekryterare för kundorganisationen och en koordinator baserade i Uruguay.

Vi skalar upp med inbäddade kontraktsresurser under perioder med många rekryteringar i stället för att lägga till fast personal som vi senare skulle behöva säga upp. Under det här räkenskapsåret (10,5 månader) har vi gjort omkring 230 rekryteringar med det teamet, och vår bästa månad landade på 38 rekryteringar.

När det gäller ansvarsområdet äger jag allt från strategi och processdesign till den dagliga rekryteringsverksamheten. Stöd till rekryterande chefer, utveckling av rekryterare, verktyg och arbetsgivarvarumärke ligger alla hos mig. Jag rapporterar till vår personalchef och arbetar nära ledningsgruppen med personalplanering och prioriteringar.

Kort sagt: litet team, stort uppdrag, global räckvidd.

Så är AI integrerat i hela rekryteringscykeln

Vår rekryteringsprocess börjar innan det första samtalet med en kandidat. När en rekryterande chef startar en ny rekrytering hjälper AI till att skriva och förfina arbetsbeskrivningen. Det låter kanske grundläggande, men en väl utformad arbetsbeskrivning är grunden för allt som följer, inklusive effektiviteten hos verktyget för AI-bedömning. Dålig information in, dåliga resultat ut.

När rollen är publicerad och ansökningarna börjar komma in använder vi vårt AI-baserade ATS, Kula, och dess AI-bedömningsfunktion för att hjälpa oss att prioritera kandidatflödet. Jag vill vara tydlig med hur detta fungerar, eftersom jag tror att det är lätt att missförstå.

Det här är inte AI som självständigt rangordnar kandidater. Rekryterare och rekryterande chefer bygger iterativt ett mycket finjusterbart filter som exakt återspeglar vad de söker. Det lyfter fram de bäst kvalificerade kandidaterna baserat på de kriterier vi anger. Det vidtar inga självständiga åtgärder. Det är ett verktyg för att tillämpa vårt omdöme i stor skala, inte en ersättning för det.

Sedan går vi vidare till intervjuerna. AI-antecknaren körs under varje telefonscreening och panelintervju och tillhandahåller ordagranna transkriberingar, AI-genererade anteckningar och kandidatsammanfattningar.

Det skapar en mycket rikare signal om varje kandidat än vi hade tidigare. Eftergenomgångarna blir mer substantiella eftersom alla utgår från samma detaljerade dokumentation i stället för ofullständiga personliga anteckningar.

När det gäller erbjudanden, om vi rekryterar utanför ett av våra etablerade kontorsnav använder vi AI för att hjälpa till att samla in och sammanställa data om marknadsmässig ersättning. Och vi står inför en fullständig uppdatering av våra ersättningsintervall, där AI kommer att utföra en stor del av analysen.

Efter att vi har gjort en rekrytering rapporterar vi med hjälp av Kulas konversationsfunktion. I stället för att bygga frågor eller navigera i ett BI-verktyg ställer du bara en fråga på vanligt språk. "Vilken var vår genomsnittliga tid till tillsättning för ingenjörsroller under Q1?" Sedan visas svaret. Det är en betydande förändring av hur tillgängliga data är för personer som inte är dataspecialister.

Så förbättrar ett AI-baserat ATS intervjuerna

Jag vill gå in lite närmare på hur Kulas AI förändrar våra intervjuer.

Den inbyggda intervjuinspelnings- och anteckningsfunktionen har gjort störst skillnad för oss. För dem som känner till liknande verktyg är det som om BrightHire vore direkt inbyggt i verktyget. För dem som inte känner till sådana verktyg kan man tänka på Gong, men för intervjuer. AI spelar automatiskt in, transkriberar och sammanfattar varje intervju. Den här enda funktionen har skapat ringar på vattnet genom hela vår process:

1. Intervjuare kan vara närvarande i samtalet. Tidigare klottrade någon frenetiskt ner anteckningar medan de halvt lyssnade på kandidaten. Nu är de engagerade, ställer bättre följdfrågor och har ett verkligt samtal. AI fångar allt.
2. Rekryterande chefer kan granska inspelningen. Det låter enkelt, men det förändrar allt. När ni diskuterar ett gränsfall under en eftergenomgång kan ni titta på intervjun i stället för att förlita er på någons minne eller en sammanfattning i punktform. Kvaliteten på dessa samtal förbättras avsevärt.
3. Det här entusiasmerar mig mest som TA-ledare: Det ger en aldrig tidigare skådad insyn i intervjuarnas prestationer. Nu kan vi se vad som händer i rummet. Ställer människor rätt frågor? Säljer de in företaget på ett bra sätt? Ger de kandidaterna en bra upplevelse? Vi kan coacha utifrån detta med specifik, riktad återkoppling. Det här är en genuint ny möjlighet för de flesta TA-team.

När det gäller resultaten är vår intervju om ledarskap och värderingar (L&V) vår slutintervju för att testa kulturell överensstämmelse och den inkluderar en inbyggd vetorätt. Kulas AI-inspelare möjliggör denna vetorätt. Om någon får ett "Nej" läser jag transkriberingen och tittar på de mest relevanta delarna av intervjun. Sedan diskuterar vi.

På samma sätt ber en intervjuare mig att titta på den delen av intervjun och säga vad jag tycker om de är osäkra på något. Under de första två månaderna efter att vi stärkte den processen med inspelningar som grund ledde L&V till åtta beslut att inte anställa, av totalt 56 rekryteringar. Det är inte brus. Det är filtret som fungerar.

Signal är den röda tråden i allt detta. Vår filosofi kring kvaliteten på våra rekryteringar bygger på idén att bättre signaler leder till bättre beslut. Kulas AI-verktyg ger fler och bättre signaler samt fler sätt att agera utifrån dem. Förändringen handlar inte bara om systemet; systemet förändrade hur människor deltar.

Så förändrar AI det strategiska arbetet

En annan sak som påverkas är mitt strategiska arbete. Att skriva ett beslutsunderlag eller strategidokument brukade ta dagar, ibland veckor, över flera utkast och arbetstillfällen. Nu slutför jag det arbetet på ett par timmar. Att sammanställa bilder, diagram och infografik för presentationer för ledningen brukade vara en heldagsuppgift, nu tar det minuter. Det är ingen överdrift, det är helt enkelt det som hände.

Eftersom AI-verktyg ansluter till våra system — Slack, Gmail, Google Dokument — kan jag be dem hämta sammanhang från alla dessa samtidigt. De kan sammanfatta aktuella samtal om ett ämne, hitta ett dokument och korsreferera en tråd. Det arbetet krävde tidigare att jag letade igenom fyra flikar; nu räcker det med en fråga.

Ärligt talat har jag ännu inte sett några betydande, kvantifierbara nackdelar med att integrera AI. Vi behövde få vissa rekryterande chefer att sluta förlita sig för mycket på AI när de bildade sig uppfattningar, men det var enkelt att upptäcka och åtgärda.

Jag vet att det här låter för bra för att vara sant, och det är fortfarande tidigt. Jag håller noggrann uppsikt efter problem som att signalkvaliteten försämras om människor slutar förhålla sig kritiskt till resultatet. Det finns verkliga risker, men vi har ännu inte stött på dem i någon större utsträckning.

Var AI måste begränsas vid rekrytering

Greg delar med sig

AI kan hjälpa oss att matcha profiler, lyfta fram de starkaste kandidaterna och sammanfatta vad som hände under en intervju. Men AI kan inte fatta beslutet.

Jag vill vara tydlig med var vi drar gränsen, eftersom jag känner starkt för den.

Utvärdering och urval förblir alltid helt mänskliga. AI kan hjälpa oss att matcha profiler, lyfta fram de starkaste kandidaterna och sammanfatta vad som hände under en intervju. Men AI kan inte fatta beslutet.

Vår regel för anteckningsverktyget är tydlig: AI kan fylla i anteckningar, men den mänskliga intervjuaren måste poängsätta kandidaten och skriva sin egen återkoppling som förklarar resonemanget. AI kommer aldrig att automatiskt avvisa en kandidat på Cover Genius. Punkt slut.

Anledningen är inte teknikrädsla. Att anställa är ett mänskligt beslut om en människa. Vi beslutar vem som ska börja på det här företaget, vem som ska bli en del av den här kulturen och vem som ska få den här möjligheten. Det är inte ett beslut som ska överlämnas till en algoritm, oavsett hur bra den blir.

AI är ett otroligt användbart verktyg, och det kommer bara att bli kraftfullare. Men i slutändan är det människor som utgör det här företaget. Människor bör besluta vilka andra människor som ska bli en del av det.

Så skapar du skyddsräcken för AI i rekryteringsprocesser

Jag underskattade hur lätt vissa människor skulle lämna över sitt omdöme till AI. Inte på något dramatiskt sätt, utan tyst och gradvis, vilket är lätt att missa om man inte är uppmärksam på det.

Vi såg det först med platsannonser. Vissa tenderar att ta AI:s resultat, snabbt skumma igenom det och publicera det. Om man ska vara rättvis är det förmodligen samma instinkt som fick dessa personer att helt enkelt kopiera ett annat företags platsannons före AI-eran. Verktyget förändrades, men beteendet gjorde det inte.

En mer betydelsefull variant dök upp med intervjusammanfattningar. Kort efter att vi lanserat AI-antecknaren märkte vi att många var bekväma med att låta AI fylla i inte bara anteckningarna, utan även den övergripande kandidatsammanfattningen och bedömningen. I praktiken lade de ut rekommendationen om vem som skulle anställas på verktyget.

Vi upptäckte det snabbt och införde skyddsräcken. Regeln är nu tydlig: AI kan hjälpa till med anteckningar, men den mänskliga intervjuaren måste skriva sin egen bedömning och själv sätta poängen. Icke förhandlingsbart.

Men det som faktiskt överraskade mig var att jag över huvud taget behövde säga det. För mig känns det så grundläggande att människan alltid är beslutsfattaren; jag antog att det var en allmänt delad instinkt. Det visade sig att den inte är så universell som jag trodde.

Jag skulle ha satt upp de skyddsräckena före lanseringen, inte efter. Och jag skulle ha varit mycket mer tydlig från början med vad AI stöder och vad det aldrig ersätter. Den tydligheten är viktig, och det är bättre att etablera den innan vanor uppstår än att försöka korrigera dem i efterhand.

Så förändrar AI granskningen av CV:n

AI skapar också nya utmaningar.

Här är ett bra exempel. Vi ser en flod av vad jag kallar ”perfekta” CV:n. Kandidater använder AI för att skräddarsy sina ansökningar exakt efter vår platsannons. Vi får 100 sökande, och 50 får 95 poäng eller mer av 100 i Kulas system. Exakta matchningar, allihop.

Så hur bestämmer man vem man ska ringa först? Det går inte. CV-granskningen som urvalsverktyg håller på att dö ut.

Och du kan inte telefonintervjua 50 eller 100 personer för varje roll. Matematiken går inte ihop.

Vi löser ett AI-problem med AI. Vi utvärderar AI-intervjuare som kan granska varje sökande omedelbart och konsekvent. Alla får samma första intervju, oavsett när de ansökte eller vem som granskar deras CV. Ärligt talat är det mer rättvist för kandidaterna, inte mindre. Vi börjar med roller inom kundsupport med hög volym, där användningsområdet är tydligast, men vi ser det här problemet även inom teknik.

Kommer ingenjörer att vara entusiastiska över att intervjuas av AI? Förmodligen inte till en början. Men jag tror att det förändras snabbare än människor förväntar sig. Min ärliga förutsägelse är att du om 12 till 18 månader inte kommer att kunna se skillnad mellan en AI-intervjuare och en mänsklig intervjuare. Kanske ännu tidigare. Så det obehag människor känner inför detta i dag är sannolikt en mycket kortare period än det verkar.

Varför ledare bör omfamna AI med eftertanke

Greg delar med sig

Så kasta dig in. Men gör det med öppna ögon … Var inte som Chicken Little. Men gå inte heller omkring som en sömngångare.

Engagera dig i AI-transformationen. Var inte rädd. Jag vet att det är lättare sagt än gjort. Oron är berättigad. Det är inte svårt att följa tråden till en värld där hela yrkeskategorier automatiseras bort snabbare än någon hinner anpassa sig, eller där AI bara förstärker de fördomar och bristfälliga system som vi redan har. Det är inte irrationella farhågor. De är verkliga.

Men saken är den: den är här. Den kommer inte att försvinna. Alla yrkesverksamma, oavsett funktion, måste kliva på tåget eller bli överkörda av det, och jag skulle hävda att det gäller ledare minst lika mycket som alla andra.

Ledare kan känna sig relativt trygga tack vare sin erfarenhet och senioritet, och jag tror att det delvis stämmer. AI kan inte enkelt automatisera det omdöme som kommer av att under en karriär ha hanterat verkliga utmaningar, verkliga misslyckanden och verklig komplexitet. Någon måste vägleda AI. Någon måste bestämma vad den ska riktas mot och om resultatet är tillförlitligt. Det är ett ledaransvar.

Men att vara relativt säkrare är inte samma sak som att vara trygg. Och ännu viktigare: att spela försvar är helt fel utgångspunkt. De ledare som blomstrar i det här ögonblicket kommer inte att vara de som skyddar sin position. De kommer att vara de som greppade tag i det här med båda händerna och gav sig själva superkrafter. Och möjligheten att göra det finns nu. Utvecklingen går för snabbt för att vänta på ett mer bekvämt tillfälle.

Så kasta dig in. Men gör det med öppna ögon.

Det är här jag skulle ta upp mindfulness, och jag menar det uppriktigt, inte som ett modeord. Närma dig varje interaktion med AI, varje idé den genererar och varje omvälvande ögonblick den möjliggör med tydlighet, disciplin och avsikt. Förstå vad du ber om och varför. Granska det du får tillbaka.

Argumentet för den typen av medvetna engagemang är starkare med AI än i rent mänskliga sammanhang, eftersom resultatet kommer snabbare, kan skalas längre och kan gå fel på sätt som inte alltid är omedelbart uppenbara.

Var inte som Chicken Little. Men gå inte heller omkring som en sömngångare.

Så omformar du talanganskaffningen med AI

Jag skulle hävda att talanganskaffning, även om man bortser från min uppenbara partiskhet, verkligen är ett av de bästa områdena för alla organisationer att fokusera på just nu. Inte bara TA-team. Alla företag som anställer människor.

Förmågan finns där. Det är det som har förändrats. Det här är inte längre teoretiskt. AI är i dag tillräckligt bra för att åstadkomma betydande, påtagliga förbättringar av hur företag anställer, och de flesta organisationer använder fortfarande en process som i princip ser likadan ut som för fem år sedan.

Ramverket för att göra om talanganskaffningen är enkelt:

1. Identifiera först och automatisera allt rutinmässigt och repetitivt i er rekryteringsprocess. Skriva arbetsbeskrivningar, schemaläggning, efterforskning och aktiv kandidatanskaffning, granskning av cv:n, inledande urval, anteckningar och grundläggande rapportering. Ta bort så mycket som möjligt av detta från era rekryterares bord, eller gör dem åtminstone många gånger mer effektiva än de är i dag.
2. Tänk noga på de delar av processen som ger störst hävstång – där bättre signaler leder till bättre beslut – och fråga hur AI kan hjälpa er att gå djupare.
3. Var medveten om vad ni frigör era rekryterare till att göra med den tid och mentala kapacitet de får tillbaka, eftersom målet inte är effektivitet för effektivitetens egen skull. Målet är att göra dem till genuint rådgivande partner till verksamheten i stället för processadministratörer.

När ni gör det på rätt sätt händer tre saker. Ni får starkare, bredare och djupare signaler om varje kandidat. Era rekryterare får tid och verktyg att ge råd till rekryterande chefer i stället för att bara slussa kandidater genom ett processflöde. Och kandidatupplevelsen förbättras eftersom processen är snabbare, mer konsekvent och mer mänsklig där det verkligen räknas.

Allt detta är möjligt redan i dag. Inte om två år. Nu.

Följ med

Du kan få kontakt med Greg Russell på LinkedIn eller besöka Cover Genius för att läsa mer.

Fler expertintervjuer kommer på People Managing People!