תחום גיוס העובדים הוא התחום שבו מנהלי משאבי אנוש במדינות מערביות אימצו את הבינה המלאכותית בצורה הנרחבת והמתקדמת ביותר.
ממחקרים שבוצעו בארגונים במדינות מערביות עולה, כי האתגרים הגדולים ביותר של מנהלי משאבי האנוש, כמו זמן איוש משרה ארוך, עלות גיוס גבוהה וצורך בשיפור חווית המועמד, מטופלים כיום באמצעות פתרונות בינה מלאכותית.
להלן היקפי השימוש בבינה מלאכותית בגיוס עובדים במדינות מערביות:
שיעור אימוץ גבוה:
יותר מ-50% מהארגונים הגדולים בארה"ב ובאירופה משתמשים כיום בצורה כלשהי של אוטומציה או בינה מלאכותית בתהליכי הגיוס שלהם. בחברות טכנולוגיה ופיננסים מגיע שיעור האימוץ לכ-70% או יותר.
ההשקעה בבינה מלאכותית הולכת וגדלה:
ההוצאה העולמית על פתרונות בינה מלאכותית לתחום גיוס העובדים צפויה להמשיך ולצמוח בקצב שנתי ממוצע של כ-20% עד סוף העשור הנוכחי.
מידת ההשפעה על היעילות:
ממחקרים שבוצעו בארגונים במדינות מערביות עולה, כי השימוש בבינה מלאכותית יכול לקצר את זמן איוש המשרה בכ-20% עד 40% בממוצע, ובכך להפחית את עלויות ההשבתה של תפקידים קריטיים.
פתרון בעיות ליבה באמצעות בינה מלאכותית בגיוס עובדים:
הבינה המלאכותית היא לא רק כלי לחיפוש עובדים, אלא מערכת המסייעת בתיקון כשלים מבניים בתהליך הגיוס המסורתי.
להלן 4 הדרכים בהן מערכת הבינה המלאכותית מסייעת בתיקון כשלים מבניים בהליך הגיוס המסורתי:
1 סינון והתאמה אוטומטיים של מועמדים:
זוהי הפונקציה המאומצת ביותר. הבינה המלאכותית משמשת לניתוח מהיר של אלפי קורות חיים ומיון אוטומטי בהתבסס על מילות מפתח, דרישות תפקיד וניסיון רלוונטי.
צוותי הגיוס מוצפים במספר עצום של בקשות, מה שמוביל לבזבוז זמן רב על סינון ידני ולא מדויק.
הפתרון: אלגוריתמים מזהים את המועמדים בעלי הפוטנציאל הגבוה ביותר, ובכך מגדילים את איכות המועמדים שמגיעים לשלבים הסופיים.
2 שיפור חווית המועמד והמענה המיידי:
צ'אטבוטים (Chatbots) מבוססי בינה מלאכותית משולבים באתרים ובפורטלי קריירה.
המועמדים מצפים למענה מיידי ולמידע זמין 24/7. השהיה בתגובה פוגעת במוניטין המעסיק וגורמת למועמדים טובים לנשור.
הפתרון: הצ'אטבוטים עונים על שאלות נפוצות, מסייעים בתהליך הגשת הבקשה, ואף מתזמנים ראיונות ראשוניים, מה שיוצר חוויה חלקה וידידותית יותר.
3 הפחתת הטיות:
הפחתת הטיות על ידי בינה מלאכותית הינה פתרון קריטי להתמודדות עם גיוס לא מגוון.
הטיות אנושיות, בין אם מודעות או לא מודעות, לרבות העדפה לגיל, מגדר או רקע אקדמי מסוים, משפיעות על יכולת המועמד לעבור לשלב הבא ובפרט לשלב הריאיון.
הפתרון: פלטפורמות בינה מלאכותית מסוימות משתמשות באלגוריתמים לטשטוש פרטים מזהים, או מנתחות שפה, כדי לוודא שתיאורי המשרות וההערכות יהיו ניטרליים ככל האפשר.
בכך מקדמת הבינה המלאכותית גיוס מגוון ושוויוני יותר.
4 חיזוי הצלחה ותחלופה:
מערכות למידת מכונה מנתחות נתונים היסטוריים של עובדים, לרבות ביצועים, משוב, משך העסקה וכו, ומשוות אותם לפרופילי מועמדים חדשים.
גיוס עובד שאינו מתאים לתפקיד או לארגון מוביל לעזיבה מהירה ולעלויות גיוס חוזרות.
הפתרון: הבינה המלאכותית מחשבת את מידת ההתאמה לתפקיד, ומסייעת לחזות את ההסתברות להישארות המועמד בארגון. בכך היא משפרת את איכות הגיוס לטווח הארוך.
אתגרים וחששות:
למרות היתרונות, מסקרים שבוצעו בארגונים במדינות מערביות עולה, כי מנהלי משאבי האנוש ממשיכים להיות מוטרדים משני נושאים עיקריים:
1 הטיה אלגוריתמית:
אם הבינה המלאכותית 'אומנה' על נתונים היסטוריים המכילים הטיות, כמו למשל, העדפת גברים למשרות ניהול, היא תשכפל ואף תעצים הטיות אלו. לכן יש צורך מתמיד בניקוי ואימות של מערכי הנתונים.
2 אובדן המגע האנושי:
קיים חשש ששימוש מופרז בבינה מלאכותית יפגע ביכולת ליצור קשר אישי ואמפתי עם מועמדים, דבר שהינו קריטי למותג המעסיק.
בסיכומו של דבר, הבינה המלאכותית הפכה במדינות המערב לכלי הכרחי בגיוס עובדים, כאשר הדגש עובר משימוש בסיסי בהליך הגיוס, לניתוח חכם ופתרון בעיות מורכבות.
אלא שכדי שהבינה המלאכותית תצליח בכך, זה דורש השקעה מתמדת בפיקוח אתי ואיכות נתונים
