فرز السير الذاتية بالذكاء الاصطناعي. مثال تطبيقي توضيحي وليس نتيجة عميل: الوكالة وكل رقم هنا مجرد افتراضات. فرز السير الذاتية بالذكاء الاصطناعي برنامج يقرأ السير الذاتية الواردة، ويقيّم كلًا منها وفق المتطلبات الأساسية للوظيفة، ثم يسلّم موظف التوظيف قائمة مختصرة مرتبة ليوافق عليها. لا يوظّف أحدًا ولا يرفض أحدًا من تلقاء نفسه؛ فموظف التوظيف يعتمد قبل أن يتقدم المرشح أو يتلقى رفضًا.
للتوضيح، تخيّل وكالة توظيف يستغرق فيها إعداد القائمة المختصرة وقتًا طويلًا. افترض أن كل وظيفة شاغرة تجذب نحو 100 سيرة ذاتية، وأن موظف التوظيف يقضي نحو 6 دقائق في القراءة الأولى لكل منها: البحث عن المعلومات، ومطابقة المتطلبات، وإعادة إدخالها في نظام تتبع المتقدمين. هذه افتراضات للمثال وليست قياسات من عميل.
لا يقف خلف هذا المقال مشروع حقيقي، فلا توجد نتيجة نبلّغ عنها. ما يمكننا عرضه هو التصميم. يقيّم خط المعالجة ويرتّب، لكنه لا يرفض تلقائيًا أبدًا. يوافق موظف التوظيف على كل قائمة مختصرة، ويحتفظ كل تشغيل بسجل تدقيق لما قيّمه النموذج ولماذا.
ما الذي يستهلك الوقت بين وظيفة شاغرة وقائمة مختصرة؟
فريق في هذا الوضع سيبدأ بالقياس لا بالبناء: يجلس مع موظفَي توظيف ويقيس زمن القراءة الأولى على عيّنة من الطلبات. الأحكام عادةً سريعة. البطيء هو البحث والقراءة وإعادة الإدخال.
- فتح كل سيرة ذاتية وتحديد سنوات الخبرة والمهارات المذكورة والموقع أو تصريح العمل، مضروبًا في كومة من السير الذاتية لكل وظيفة.
- مطابقة هذه المعلومات مع المتطلبات الأساسية لتلك الوظيفة تحديدًا، وهي تختلف في كل طلب توظيف.
- إعادة إدخال قائمة مختصرة في نظام تتبع المتقدمين وكتابة ملاحظة عن سبب اختيار كل مرشح، موزعًا بين المقاطعات.
- الانتظار. الكومة المقروءة نصفها تبقى حتى يعود موظف التوظيف إليها، فيبرد المرشحون الجيدون.
لذا لم يكن الهدف يومًا "القراءة أسرع". كان "التوقف عن جعل مسؤول التوظيف يُطارد حقائق موجودة أصلًا على الصفحة".
كيف يختصر فرز السير الذاتية بالذكاء الاصطناعي الوقت حتى القائمة المختصرة؟
كيف يُقلّص الذكاء الاصطناعي زمن إعداد القائمة المختصرة في التوظيف؟
يقرأ كل سيرة ذاتية واردة، ويستخرج المعلومات التي تتطلبها الوظيفة، ويقيّم المرشح وفق المتطلبات الأساسية، ويصيغ قائمة مختصرة مرتبة ليراجعها موظف التوظيف بدل أن يقرأ من الصفر. الوفر هو في القراءة الأولى الباردة، ويمكن للفريق قياسها قبل التطبيق وبعده. ويظل موظف التوظيف يوافق على كل قائمة مختصرة قبل أن يسمع أي أحد ردًا.
يعمل خط المعالجة عبر أربع خطوات: استخراج الحقائق من سيرة ذاتية غير منظَّمة، تقييم المرشح مقابل المتطلبات الأساسية المعلَنة للوظيفة، ترتيب الكومة مع إرفاق سبب كل تقييم، ثم توجيه القائمة المختصرة إلى طابور موافقة مسؤول التوظيف. لا يغادر شيء ذلك الطابور من دون أن ينقر إنسان على الموافقة.
يعيد التصميم استخدام نمط معالجة المستندات الذي تقوم عليه المطالبات واستقبال الفواتير، مع ضبطه للتوظيف. الشكل هو المذكور في صفحة حالات الاستخدام للعمليات: استخراج من مدخلات غير منظمة، ثم تقييم، ثم توجيه، ثم موافقة بشرية. سيُحدَّد نطاقه كمشروع تنفيذ الذكاء الاصطناعي، والشيفرة ملكك.
هل يرفض الذكاء الاصطناعي المرشحين من تلقاء نفسه؟
We are
تبني Stennir خط فرز يعتمد الصياغة والمراجعة، يُقيّم ويُرتّب، ثم يُسلّم كل قائمة مختصرة لمسؤول توظيف يوافق عليها.
We aren't
إنه ليس مرشِّح رفض تلقائي يُسقط المتقدّمين بصمت، وليس صندوقًا أسود يُقيّم من دون إظهار أسبابه.
لا. كل تقييم يحمل السبب الذي ذكره النموذج، ويُسجَّل كل تشغيل. في هذا التصميم يوافق موظف توظيف بشري على كل قائمة مختصرة تصل إلى مرشح، ولا يُرفض أحد تلقائيًا. وحين يخالف موظف التوظيف تقييمًا ما، تكون الملاحظة أمامه ليناقشها، وهذا يعطي أيضًا إشارة لضبط المتطلبات لكل وظيفة.
عمليًا يقوم النموذج بالقراءة الأولى ويتخذ موظف التوظيف القرار، منطلقًا من كومة مرتبة مرفقة بأسبابها بدل صندوق وارد بارد.
ماذا يمكن لموظفي التوظيف أن يفعلوا بالوقت الذي يستعيدونه؟
الجزء الذي لا يستطيعه النموذج: الاتصال بالمرشحين في القائمة المختصرة والسيرة الذاتية ما زالت طازجة. نقل العمل من القراءة إلى الحديث هو الهدف. اتصال سريع بمرشح قوي كثيرًا ما يصنع الفرق بين تعيين ومنافس سبقك إليه.
إن كنت تدير قسم المواهب أو العمليات وكانت القراءة الأولى تلتهم أسبوعك، فهذا النوع من الأعمال نصمّمه. نبدأ بقياس أين يذهب الوقت فعلًا، ثم نصمّم خط معالجة للمسودة والمراجعة يملكه فريقك. أخبرنا بما تبنيه، وسنقول لك إن كان هذا النمط مناسبًا قبل أن يكتب أحد سطرًا من الشيفرة.
