כמו בכל דבר אחר בעולם, יש יתרונות וחסרונות לשימוש בינה מלאכותית (AI) כלים להשלמת ניהול משאבי אנוש (HRM). נראה כי בינה מלאכותית נכנסת לכל תעשייה שניתן להעלות על הדעת כיום, ממכוניות אוטונומיות ועד לאבחון גנומי.
נתונים מניעים הכל, אך כפי שאתה יכול לדמיין, בעיות נוטות להתעורר בעת שימוש בכלי AI בסביבה נייטרלית באמת. הם עיוורים ממקורם לנושאים שנראים מושפעים יתר על המידה מהחברה כיום, מה שגורם להתנגשות פוטנציאלית עם תקנות או אתיקה.
היום נבחן כמה מהיתרונות והחששות לקראת פריסת בינה מלאכותית משמעותית יותר בתעשייה הזו שמגלגלת מיליארדי דולרים.
היתרונות של AI בגיוס עובדים
לפני שנתחיל, צריך להיות ברור שהדיון הזה נוטה למעורבות פנימית עם עובדים במשרה מלאה. לעיסוק זמני בכישרון, באמצעות קיים פלטפורמה עצמאית יהיה חסכוני ויעיל יותר.
פחות פוטנציאל להטיה אנושית
ללא קשר להנחיות, מדיניות או גורמים אחרים, הבטחת תהליך גיוס נטול הטיות לחלוטין יכולה להיות קשה להפליא. זו תכונה אנושית להיות מוטה כלפי היבטים מסוימים - למעשה, מאפיין מגדיר.
AI, לעומת זאת, מונעת נתונים בלבד. כל עוד הכוונה אינה קיימת בכלי הבינה המלאכותית, היא לא תכניס מאפיינים מיותרים לתהליך הגיוס. אמנם הערכה מונעת נתונים עשויה להישמע קצת קרה, אבל היא חסרת פניות.
מאיץ את תהליך הגיוס
גיוס הזמנים משתנים מאוד בהתאם לתפקיד, תעשייה וגורמים אחרים. עם זאת, אין להכחיש שאתה יכול להאיץ לפחות חלק מהתהליך באמצעות כלי AI. לדוגמה, אתה יכול להשתמש בהם כדי ליצור או לשפר עבודה תיאורים, התאמת יישומים לדרישות, ביצוע מיון מועמדים ועוד.
לוקח יותר מדי זמן להתחבר לכישרון פוטנציאלי זה משהו שעלול לעלות לך ביוקר. זכור, בעוד שיש מספיק מועמדים, כמעט כולם יפנו למספר חברות. אם תהליך הגיוס שלך נמשך, אנשים מוכשרים עשויים להיתפס במהירות על ידי המתחרים.
צמצום הוצאות משאבי אנוש
מההתחלה ועד הסוף, גיוס כישרונות חדשים הוא יקר. מספר הולך וגדל של משימות משאבי אנוש יכול להוביל במהירות להגדלת עלויות הצוות רק עבור רכישת כישרונות. על ידי הצגת כלי בינה מלאכותית, לא רק שתוכל להאיץ את התהליך (כפי שנדון לעיל), אלא שניתן להרחיק משימות שחוזרות על עצמן מאנשי משאבי אנוש יקרים ולהפחית עלויות.
זכור כי העלות של כלי בינה מלאכותית היא לרוב הרבה פחות בהקשר של חברות גדולות. ככל שהארגון שלך גדל, הגיוני הרבה יותר כלכלי להחליף משימות רוטינה באוטומציה. אתה עשוי להיות מופתע מההשפעה הכוללת על החזר ה-ROI.
מוריד את הסיכויים לדליפות כישרונות
כאשר משאבי אנוש מגייסים, ההתמקדות היא לעתים קרובות בתפקידים ספציפיים הדורשים מילוי. בעוד שחברות מסוימות שומרות יישומים בקובץ, התאמה צולבת לא תמיד מתרחשת מסיבות שונות. חסרון זה יכול בקלות להוביל לדליפות כישרונות שבהן מועמד המתאים לתפקיד חלופי אובד.
התאמה צולבת מוזנחת לעתים קרובות עקב כמות הזמן הנצרכת בניסיון להתאים מספר מועמדים ותפקידים. במקום להכניס יותר משאבי אנוש כדי למלא את הפער הזה, אתה יכול למנף AI לתוצאות מהירות הרבה יותר.
התאמת כישרון שעלול לדלף לתפקידים חלופיים חוסך גם את הצורך העתידי להעסיק אותו במיוחד למטרה זו. שמור את הכישרונות המזוהים האלה בקובץ, או פשוט שכור אותם מוקדם בציפייה למלא צורך.
שפר את תהליך המקור
תהליך הגיוס המסורתי עושה שימוש נרחב בסוכנויות עבודה או דירקטוריונים. למרות שזה עוזר לחסוך זמן וכסף, כלי בינה מלאכותית יכולים לתת לך רבות מהיכולות שהערוצים האלה מציעים. לדוגמה, מגרד בינה מלאכותית יכול לאסוף נתונים ממקורות רבים ולהעריך את התאמתם.
בעזרת כלי יחיד, אתה מקבל גישה למאגר כשרונות פוטנציאלי עצום, שאולי לא יגיש מועמדות ישירה למשרה פנויה בחברה. בהיבט הזה, כלי בינה מלאכותית חשובים עוד יותר בהתחשב במידת היעילות של אנשים כיום לצמצם את טביעת הרגל הדיגיטלית שלהם.
החסרונות של AI בהעסקת עובדים
הגברת הרגולציה
כמו אלמנטים רבים אחרים הקשורים ל-IT, AI נשאר אך כלי בתהליך הגיוס. אלא אם כן תקפידו מאוד על בחירת הכלים הללו, צורה כלשהי של הטיה עלולה להישאר. המציאות היא שרגולציה לא מבקשת לבטל את ההטיה אלא לכוון אותה לתוצאה הרצויה.
בשל כך, במדינות רבות יש לעתים קרובות צורה כלשהי של אפליה מובנית במערכות רגולטוריות - למשל, מנדטים על פרופורציות ספציפיות של מגדר, עבודה מקומית מול גולה, או יחסי מנדט אחרים.
דוגמה אחת לכך היא הצעת החקיקה של ניו יורק לווסת אלגוריתמי AI מותר לשימוש בתהליך הגיוס. הצעות דומות קיימות גם באיחוד האירופי, כאשר מסגרות משפטיות ראשוניות כבר נמצאות בטיוטה.
ישנן גם הנחיות כלליות משתנות בהזדמנויות, כגון פְּרָטִיוּת חוקים הנוגעים לראיונות וידאו, פעילויות איסוף נתונים וכדומה. מאז 2019 מדינת אילינוי האמריקאית מסדירה את השימוש ב AI בראיונות וידאו מחייב גילוי ואיסורים ספציפיים.
קיימים תחומי אתגר ספציפיים
בינה מלאכותית ונתונים לרוב עובדים היטב יחד ויכולים להציג גם אלמנטים של ניתוח ביעילות. עם זאת, זה לא מושלם, וכאשר מעריכים אנשים, עשויים להיות כמה תחומים שמאתגרים לקחת בחשבון ולהתאים.
גורמים לא מוחשיים בולטים במיוחד בתחום זה ויכולים לכלול תרבות חברה, ערכים ולכידות המשימה. אם מושם משקל רב מדי על תחומי ניתוח מוחשיים, חוסר התאמה בתחום זה עדיין יכול לגרום לשכירים גרועים.
הסיכון שזה יקרה הוא גבוה במיוחד אם אלגוריתמי הבינה המלאכותית הנפרסים הם פחות אינטליגנטיים מאופטימליים. לדוגמה, חלק מהאלגוריתמים של AI אינם עושים יותר מאשר התאמת שדה והם גרועים ביותר בהקשר של יחסי אנוש.
חוסר שקיפות בתעשיית הבינה המלאכותית
רוב החברות יסתמכו על מקורות חיצוניים עבור אלגוריתמי AI המשמשים בתהליך הגיוס. למרבה הצער, כמו מוצרים מסחריים רבים, האופן שבו הם פועלים נחשב לרוב קנייני. התוצאה היא סיכון גבוה מכיוון שהם עלולים להכניס תחומים מנוגדים לתרבות החברה או לחקיקה.
מאי תדמית החברה הנמוכה
לאנשים יש לעתים קרובות עמדות שונות לגבי השימוש בכלים טכנולוגיים. גישות משתנות אלו עשויות להיות הרחקת חלק מהמועמדים הפוטנציאליים המעדיפים אינטראקציה אנושית ישירה יותר עם פוטנציאל מעסיק.
מה שמחמיר את המצב הוא שרכיבי AI משמשים לעתים קרובות בשורה הראשונה של תהליך הגיוס. רק לאחר מיון הנתונים מסופקות תוצאות למגייסים אנושיים כדי לבצע את השיפוט הסופי.
ניכור פוטנציאלי זה עלול להוביל להתרשמות ירודה של המותג בקרב עובדים פוטנציאליים, דבר שעלול להתפשט בקהילה וקשה להתמודד עם שינויים בתהליכים בעתיד.
כלי גיוס בינה מלאכותית זמינים כעת
אם תרצה לנסות כמה מכלי הגיוס הזמינים בינה מלאכותית, החדשות הטובות הן שפע הבחירה. יש הרבה רעש בתעשייה, כך שהבחירה הנכונה יכולה להיות תהליך ארוך עבור כל חברה.
חלק מהזמינים הם;
XOR - אתה יכול לעצב את הצ'אטבוט הזה של AI כך שיתאים בצורה מושלמת למותג שלך ולשמש קו ראשון של אינטראקציה עם עובדים פוטנציאליים. זה יכול להיות מותאם אישית מאוד כדי לשקף מיתוג, שאילתות אפשריות ועוד. מותגים גדולים רבים כבר משתמשים ב-XOR, כולל איקאה, מקדונלד'ס ומאדים.
אריא – למשהו יותר מקיף, אריה משמשת כפלטפורמת גיוס שלמה שיכולה לעבוד באופן עצמאי יחסית. במקביל, הוא מציע למגייסים את התכונות הנחוצות כדי להגיע למועמדים ישירות דרך הפלטפורמה. אריה דואגת למיון עובדים ויכולה לסייע בהוזלה דרסטית של עלות הגיוס.
לחפש - אם החברה שלך צריכה לפנות כדי להרחיב את טווח ההגעה של משאבי אנוש, אז Seekout היא בחירה מוצקה. זוהי פלטפורמה לאיסוף כישרונות המסוגלת לסרוק מסד נתונים עצום כדי למצוא מועמדים על סמך תיאורי התפקיד. ההיקף וההיקף של Seekout הופכים אותו למתאים יותר למשתמשים בקנה מידה ארגוני.
פימטרים - אנשי מקצוע כיום משתמשים לעתים קרובות ב-gamification במספר רב מקצועי הגדרות. Pymetrics עושה זאת עבור גיוס עובדים ומוסיפה מדעי התנהגות לתמהיל. התוצאה היא כלי מודרני מאוד שרוב אנשי המקצוע הצעירים יכולים להתייחס אליו בקלות כשהם עוברים מבחני פימטריה.
HireVue – במקור תוכנת וידאו, HireVue נכנסה לתחום הגיוס בינה מלאכותית מאוחרת יחסית, בשנת 2020. היא מציעה חבילת צ'טבוט של משאבי אנוש המסוגלת לסייע מקצה לקצה בתהליך הגיוס. הפלטפורמה עוזרת למקור, לסנן ולפעול באופן טבעי כמערכת ראיונות וידאו.
מחשבות אחרונות: האם בינה מלאכותית תחליף את המגייסים האנושיים
כמו ברוב הענפים החדשים באימוץ הטכנולוגיה, משאבי אנוש נמצאים כעת במצב של תנופה. מצב זה נובע בחלקו מטכנולוגיה חולפת יחד עם תקנות מתפתחות. בסך הכל, AI כרגע לא יחליף מגייסים אנושיים.
במקום זאת, יש לראות בהם נכסים יקרי ערך המסוגלים להפחית באופן כללי עלויות גיוס ושיפור תהליכים.
קרדיט תמונה: צילום של אלכס נייט מפקסלס
PlatoAi. Web3 מחדש. מודיעין נתונים מוגבר.
לחץ כאן לגישה.
מקור: https://datafloq.com/read/pros-cons-using-ai-your-hiring-process/18105
