בימים אלה, כלים של מציאות מדומה הפכו לכלי עבודה מרכזיים עבור מחלקות משאבי אנוש  בהכשרות עובדים, תהליכי קליטת עובדים חדשים, סימולציות ניהוליות והערכת מועמדים.

אבל ההצלחה של שילוב מציאות מדומה בארגון תלויה בראש ובראשונה באיכות התוכן ובדיוק שלו לצורכי הארגון.

להלן 3 הצעדים הקריטיים לבחירת ספק תוכן מציאות מדומה מתאים

1 בחינת ההבנה הפדגוגית-התנהגותית ולא רק הטכנולוגית:

ספק תוכן מעולה למציאות מדומה אינו רק חברת פיתוח תוכנה או גרפיקה בתלת ממד.

יש לחפש ספק שמבין במתודולוגיות למידה, בפסיכולוגיה ארגונית ובחוויית משתמש מותאמת ללמידה אימרסיבית.

הספק צריך לדעת איך לתרגם תרחיש ניהולי מורכב (כמו שיחת משוב מאתגרת או הדרכת בטיחות) לחוויה אינטראקטיבית שמייצרת למידה חווייתית ואינה גורמת לעומס קוגניטיבי או עייפות חזותית.

2 גמישות המערכת ומנגנוני מדידה ואנליטיקה:

הערך האמיתי של תוכן מציאות מדומה טמון בדאטה. על הספק לספק פלטפורמה שנפתחת בקלות למערכות ניהול הלמידה הקיימות בארגון (LMS) ויודעת למדוד ביצועים בזמן אמת.

 החל בזמני תגובה, דרך קבלת החלטות בתרחישי קיצון, ועד למעקב אחר מיקוד מדדי תשומת לב. יש לוודא שהתוכן קל לעדכון ולשינוי בעתיד ללא צורך בפיתוח מחדש של כל הפרויקט.

3 מודל הטמעה ויכולת סקילביליות:

פיתוח תוכן מציאות מדומה עשוי להיות כרוך בהשקעה לא מבוטלת. ספק נכון יציע מודל עבודה הדרגתי: שלב פיילוט ממוקד לבדיקת האפקטיביות על קבוצת מדגם, ולאחר מכן הרחבה לכלל הארגון.

יש לבדוק האם לספק יש פתרונות להפצת התוכן במספר רב של משקפי מציאות מדומה במקביל והאם התוכן נתמך גם בפורמטים היברידיים (כמו לומדות דו-ממדיות במחשב) עבור עובדים מרחוק.

אימוץ מציאות מדומה במשאבי אנוש בישראל מול העולם:

החדירה של טכנולוגיות אימרסיביות למשאבי אנוש מציגה פער מעניין בין השוק העולמי לשוק הישראלי.

במחקר מקיף על אפקטיביות הלמידה שנערך על ידי PwC נמצא, כי עובדים שלמדו באמצעות כלים של מציאות מדומה היו מרוכזים פי ארבעה בהשוואה לעובדים שלמדו בלמידה פרונטלית, והפגינו ביטחון הגבוה בכ-275% בעת יישום המיומנויות שנרכשו.

בשווקים המערביים, בעיקר ארה"ב ואירופה, כ-34% מהחברות הגדולות כבר משלבות מציאות מדומה בתהליכי משאבי האנוש.

חברת המחקר גרטנר מדווחת, כי כ-40% מהתאגידים הגדולים (Enterprise) במערב ישלבו תרחישי מציאות מדומה ומציאות רבודה בהליך ההכשרה והקליטה של עובדים חדשים.

בישראל, השיעור עומד כיום על כ-18% בלבד, רובם בחברות הייטק ובתעשיות ביטחוניות.

בדו"ח ההון האנושי שנערך על ידי דלויט מצביעים החוקרים על כך שארגונים המשתמשים בכלים של מציאות מדומה להכשרות 'רכות', מדווחים על ירידה של כ-30% בזמן ההכשרה הנדרש.

החוקרים של דלויט מציינים כי בישראל, החסם העיקרי לאימוץ אינו הטכנולוגיה, אלא מחסור בספקי תוכן מקומיים המתמחים ביישומים של משאבי אנוש בעברית.

ממחקרים של מקינזי עולה, כי השקעות בתשתית מטאברס (Metaverse) ומציאות מדומה בארגונים, צמחו בשיעור חצי שנתי של כ-25% במערב.

בישראל האימוץ זהיר יותר, אבל חלה האצה בתחומי סימולציות בטיחות והדרכות טכניות מורכבות.

במחקרים של מכון גאלופ נמצא, כי חברות המשלבות סימולציות מתקדמות בשלב הגיוס והקליטה של עובדים חדשים, רושמות עלייה של כ-28% בשימור עובדים בשנה הראשונה.

נתון זה מדרבן כעת גם חברות ישראליות להדביק את הפער מול המערב.

The post 3 צעדים לבחירת ספק תוכן למציאות מדומה במשאבי אנוש first appeared on HRUS משאבי אנוש.

במילים אחרות, תחום הגיוס המודרני דורש תשובה אסטרטגית לשאלה מרכזית: מה צריך להיות היחס האופטימלי בין מעורבות הטכנולוגיה לבין מעורבות צוות משאבי האנוש בסינון מועמדים.

התשובה אינה טמונה במספר מסוים של אחוזים, אלא במודל דינמי שבו הטכנולוגיה מטפלת בנפח ועקביות, בעוד שצוות משאבי האנוש מתמקד בניואנסים ובהתאמה.

היחס האידיאלי נוטה לכיוון ממשק עתיר טכנולוגיה לסינון ראשוני, ועובר לגישה ממוקדת בצוות אנושי להערכה מעמיקה יותר.

החלוקה של 70/30 אחוזים – יעילות בשלבים המוקדמים:

בשלב הסינון הראשוני, הטכנולוגיה צריכה להוביל, ולהוות כ-70%-80% מהמאמץ.

זה כולל בעיקר מערכות מעקב אחר מועמדים וכלים המופעלים על ידי בינה מלאכותית שמבצעים את מהמשימות הבאות:

סינון נפח גבוה של מועמדים:

הטכנולוגיה יכולה לסנן באופן מיידי אלפי מועמדויות, לנתח קורות חיים תוך התמקדות במילות מפתח חיוניות, בכישורים ובמדדי ניסיון.

בשלב זה מסננת הטכנולוגיה את הרוב המכריע של המועמדים הלא מתאימים או אלה שהתאמתם אינה יעילה, וחוסכת שעות רבות של עבודה מצוות משאבי האנוש.

עקביות והפחתת הטיה:

אלגוריתמים פועלים לפי קריטריונים קבועים מראש, ואוכפים קו בסיס סטנדרטי עבור כל המועמדים.

גישה מובנית זו מסייעת להפחית הטיות אנושיות לא מודעות ראשוניות שעלולות 'להתגנב' לבדיקות קורות חיים ידניות.

טיפול בניהול:

תזמון אוטומטי, שאלות ותשובות ראשוניות בצ'אטבוט, הודעות דואר אלקטרוני וכדומה, שומרים על עדכון המועמדים, מנהלים את הנטל הלוגיסטי, ומספקים חוויה חלקה ומהירה.

בשלב זה, מעורבות של צוות משאבי האנוש עומד על כ-20-30 אחוזים. שיעור זה של מעורבות הצוות האנושי הינה קריטית.

הצוות האנושי של משאבי האנוש עוסק בהגדרת פרמטרי הסינון המדויקים, בניית מסנני מילות מפתח וביקורת קבועה של התוצאות שסופקו על ידי הטכנולוגיה, כדי להבטיח הוגנות ודיוק.

בשלבים המתקדמים – מעבר ל-30/70 אחוז – התמקדות בהתאמה ובאינטואיציה:

ככל שמגיעים לשבלים בהם מאגר המועמדים מצטמצם והצוות נותר עם רשימה מצומצמת, כך היחס חייב לעבור באופן חד משמעי למודל של 70% מעורבות של צוות אנושי, ו-30% מעורבות של הטכנולוגיה.

בשלב זה, הערך הייחודי של הצוות האנושי של משאבי אנוש הופך לערך החשוב ביותר.

בשלב זה האלמנט האנושי חייב להשתלט על מנת להעריך גורמים קריטיים שהטכנולוגיה אינה יכולה למדוד במדויק.

להלן 3 גורמים קריטיים שהטכנולוגיה לא יכולה להעריך במדויק:

1 התאמה תרבותית וצוותית:

רק מראיין אנושי יכול לאמוד אינטליגנציה רגשית, סגנון תקשורת, חשיבה ביקורתית תחת לחץ והתאמה לערכי החברה. מיומנויות רכות אלו מנבאות הצלחה ושימור לטווח ארוך.

2 שיפוט אינטואיטיבי:

מנהל גיוס או מנהל משאבי אנוש יכול לראות את הנרטיב מאחורי מסלול קריירה לא שגרתי, להבין את ההקשר של פער תעסוקתי, או לזהות פוטנציאל גולמי שאינו תואם בצורה מסודרת למילות המפתח. שיפוט מעמיק זה חיוני לאיתור כישרונות מגוונים ובעלי פוטנציאל גבוה.

3 חוויית המועמד:

תקשורת מותאמת אישית, ראיונות מעמיקים ומשוב אמפתי, כל אלה מונעים על ידי צוות משאבי אנוש. אלמנטים אלה בונים מותג מעסיק חיובי חזק, בין אם המועמד מתקבל לעבודה ובין אם לאו.

בשלב זה שהוא השלב המתקדם יותר, תפקידה של הטכנולוגיה, העומד על כ-30%, תומך בניהול הערכות אישיות או מיומנויות, בסיכום נתוני ראיונות לסקירת פאנל ובניהול יצירת ההצעה הסופית.

בשורה התחתונה, אסטרטגיית הסינון האופטימלית ממנפת את הטכנולוגיה כמסנן מהיר ועקבי ועוזר אדמיניסטרטיבי תומך, ומשחררת את אנשי צוות משאבי האנוש כדי שיוכלו להתמקד  במשימה החשובה ביותר: הערכה אנושית של הפוטנציאל של המועמד והתאמתו.

שותפות מאוזנת זו מניעה יעילות בלי להתפשר על איכות הגיוס הסופי.

The post סינון מועמדים: מה צריכה להיות החלוקה בין הטכנולוגיה לצוות משאבי אנוש first appeared on HRUS משאבי אנוש.

סקירות הביצועים השנתיות המסורתיות והפורמליות מפנות במהירות את מקומן למערכות רציפות ומבוססות נתונים.

המצב הנוכחי של מדידת ביצועים:

נתונים שעולים מסקרים ברחבי ארה"ב ואירופה מראים שינוי ברור בתחום הערכות הביצועים לעומת ההערכה השנתית המסורתית.

מחקרי השוק מראים כי חלה ירידה חדה באחוז החברות המסתמכות אך ורק על סקירות ביצועים שנתיות.

לפני עשור, יותר מ-80% מסקירות הביצועים בוצעות אחת לשנה, לעומת המצב כיום שבו כ-54 אחוזים ואף פחות מכך, מסקירות הביצועים מתבצעות אחת לשנה.

מהסקרים עולה עוד, כי יותר מ-55 אחוזים מהעובדים חשים שסקירות שנתיות אינן משפרות את ביצועיהם בפועל.

עליית קרנו של המשוב המתמשך:

הסטנדרט החדש הוא ניהול ביצועים מתמשך. ממחקרי השוק עולה, כי חברות נותנות עדיפות למשוב תכוף או מתמשך, כפי שהעידו יותר מ-60% ממנהלי משאבי האנוש, ולשיחות סדירות בין מנהלים לעובדים.

שינוי זה יעיל ביותר, שכן ארגונים המספקים משוב שבועי מדווחים על מעורבות עובדים גבוהה יותר ב-40% ושיפור של כ-26% בביצועים הכוללים.

אלא שלמרות המעבר למשוב מתמשך, כ-58% מהחברות עדיין מסתמכות על גיליונות אלקטרוניים ​​בסיסיים כדי לעקוב אחר נתוני הביצועים. זה יוצר פער משמעותי בין אסטרטגיית משאבי אנוש מודרנית לאימוץ טכנולוגיות.

מה צפוי בחמש השנים הבאות בתחום סקירות הביצועים:

במהלך חמש השנים הבאות, פיתוח טכנולוגיית מדידת ביצועים צפוי להישלט על ידי בינה מלאכותית, והפוקוס יעבור מהערכה רטרוספקטיבית לתמיכה חזויה בזמן אמת.

תובנות ביצועים המבוססות על בינה מלאכותית:

טכנולוגיית משאבי אנוש תשתמש יותר ויותר בבינה מלאכותית כדי לנתח זרם עצום של נתונים, החל באבני דרך בפרויקט ועד דפוסי תקשורת, כדי ליצור תמונות מצב אובייקטיביות של ביצועים.

זה יהפוך את המשימה המכבידה של סיכום סקירות לאוטומטית, יאפשר זיהוי בזמן אמת של פערים במיומנויות ויפחית משמעותית את ההטיה האנושית בהערכות.

ניהול חזוי ופרואקטיבי:

השלב הבא יתמקד באנליטיקה חזויה. מערכות בינה מלאכותית יוכלו לחזות את הסיכון של עובד לשחיקה, לתחושות ניתוק מהארגון ואף את הסיכון לרצון העובד לעזוב, על ידי זיהוי שינויים עדינים בפעילות או במדדי הרווחה שלו.

זה יאפשר למנהלים להתערב עם תמיכה או אימון לפני שהבעיה מחמירה.

שילוב מדידת ביצועים ורווחה:

מדידת ביצועים תשלב באופן רשמי מדדי ביצוע מרכזיים ​​של רווחה. הטכנולוגיה תשתמש בהתראות ונתונים, כמו למשל על עבודה במשך שעות ארוכות מאוד עד שעות הלילה המאוחרות, כדי לקשר ביצועים לבריאות העובדים, תוך שהבינה המלאכותית תוודא שתפוקה גבוהה לא תושג על חשבון הרווחה.

פיתוח מיומנויות תחילה:

המיקוד יעבור מתואר התפקיד והניסיון למיומנויות ויכולות מפורטות.

טכנולוגיית מדידת הביצועים תיצור באופן אוטומטי נתיבי פיתוח מותאמים אישית לכל עובד וגמישים, ותאפשר גישה מיידית של כל עובד לתוכן למידה והכשרה מחדש, הרלוונטי לעובד, המבוסס על נתוני ביצועים בזמן אמת.

בסיכומו של דבר, עתיד מדידת הביצועים הוא ממוקד אדם ומבוסס על נתונים, תוך מינוף הטכנולוגיה כדי לאפשר צמיחה מתמשכת ותמיכה פרואקטיבית במקום שיפוט שנתי עונשי.

The post איך צפויה להתפתח ולהשתנות טכנולוגית מדידת הביצועים first appeared on HRUS משאבי אנוש.

נתונים סטטיסטיים שעולים מסקרים אחרונים שנערכו בארה"ב ובאירופה חושפים מציאות כפולה: חברות מאמצות בהתלהבות בינה מלאכותית לניטור עובדים, בעוד שעובדים רואים את השינוי הזה בתערובת חזקה של חרדה ואופטימיות זהירה.

מה כולל פיקוח מבוסס בינה מלאכותית כיום:

פיקוח על עובדים המבוסס על בינה מלאכותית התקדם הרבה מעבר למעקב פשוט אחר כניסה או יציאה של עובד מהמחשב ומדידת זמן העבודה שלו.

כיום, הפיקוח כולל שיטות מתוחכמות ולעיתים קרובות בלתי נראות של ניטור ביצועים במשימות פיזיות וקוגניטיביות כאחד.

להלן 3 דרכי הפיקוח של רובוטים מבוססי בינה מלאכותית על עובדים אנושיים הצפויות בשנים הקרובות:

1 מעקב אחר פרודוקטיביות וביצועים:

מערכות בינה מלאכותית עוקבות באופן רציף אחר התפוקה, לעיתים קרובות על ידי ניתוח המהירות והאיכות של הזנת נתונים, כתיבת קוד או אינטראקציות עם שירות לקוחות.

בארה"ב, אחוז משמעותי מהחברות משתמשות בבינה מלאכותית כדי למדוד את פעילות העובדים, במיוחד עבור צוות של עובדים שעובדים מרחוק או עובדים אדמיניסטרטיבים.

2 ניטור התנהגותי וביומטרי:

זה כולל מעקב אחר תקשורת, לרבות דואר אלקטרוני, הודעות טקסט ומערכות תקשורת נוספות, לצורך סנטימנט ותאימות, או אפילו לניתוח תנועות פיזיות במחסנים כדי לייעל את היעילות והבטיחות.

3 קבלת החלטות אוטומטית:

הבינה המלאכותית מעורבת יותר ויותר בהחלטות הקשורות להקצאת עבודה, תזמון ותעדוף משימות, ומתפקדת למעשה כמנהלת משמרת אלגוריתמית.

אם כן, מהו עתיד הבינה המלאכותית בניהול. מחקרי שוק מצביעים על כך שבשנים הקרובות היקף הפיקוח על בינה מלאכותית יתרחב, ויתמקד בתפקידים קוגניטיביים בעלי כישורים גבוהים, ויבסס את עצמו כשכבת ניהול קבועה.

להלן 3 דרכי הניהול של הבינה המלאכותית את העובדים האנושיים הצפויות לשנים הקרובות:

1 אימון ומשוב בזמן אמת:

במקום לדווח רק על ביצועים קודמים, הבינה המלאכותית צפויה לספק משוב מיידי ומותאם אישית לעובדים, ולהדריך אותם בזמן אמת.

לדוגמה, המערכת עשויה להפריע לנציג שירות לקוחות כדי להציע ביטוי טוב יותר או לספק ניתוח של עיצוב בתהליך.

2 ניהול ניבוי:

הבינה המלאכותית תתפתח כדי לחזות את ביצועיו העתידיים של עובד, את הסיכון שלו לשחיקה או אפילו את סיכון שהוא יעזוב את החברה. זה יאפשר להנהלה לא רק להתמקד בתצפית תגובתית אלא להתערב באופן פרואקטיבי.

3 התמקדות בתפקידים בעלי מיומנות גבוהה:

תפקידים שנחשבו בעבר לכאלה שיכולים להתבצע אך ורק על ידי בני אדם, ושדורשים מיומנות גבוהה, כמו תכנות, מחקר משפטי ופיננסים, יזכו לשיפור וניטור משמעותיים של הבינה המלאכותית, שכן מודלים של שפה גדולה (LLMs) מפרקים משימות מורכבות לתת-משימות הניתנות לפיקוח.

ומה העובדים חושבים על כך שרובוטים מבוססי בינה מלאכותית יפקחו עליהם?

מבדיקת הסקרים את תחושות העובדים במדינות המערב לגבי הפיקוח על ידי הבינה המלאכותית עולה חשש עמוק לגבי הבינה המלאכותית כ"בוס" החדש.

להלן תחושות העובדים לגבי פיקוח על ידי רובוטים מבוססי בינה מלאכותית:

חרדה גבוהה:

סקרים בארה"ב מראים באופן עקבי שרוב העובדים, לעיתים קרובות יותר מ-70%, מודאגים מהבינה המלאכותית, כאשר שני שלישים מודאגים מכך שהיא תחליף את עבודתם או תשפיע לרעה על שכרם.

חרדה זו נובעת מתפיסת הבינה המלאכותית כתחליף אולטימטיבי חסר העדפות.

גם בארה"ב וגם באירופה, קיימת הסכמה גורפת בין העובדים, הכוללת יותר מכ-90% מהנשאלים בסקרים, שבינה מלאכותית היא טכנולוגיה הדורשת 'ניהול זהיר' כדי להגן על הפרטיות של העובדים ולהבטיח שקיפות.

אמון מפתיע של עובדים ברובוטים:

באופן פרדוקסלי, ממחקר גדול אחד עולה, כי רוב העובדים במדינות כמו ארה"ב ובריטניה הביעו אמון רב יותר ברובוט מאשר במנהל האנושי שלהם שיספק מידע אובייקטיבי וינהל עומסי עבודה.

ממצא זה מצביע על כך שאף על פי שהעובדים חוששים מכוחה של הבינה המלאכותית, הם מעריכים את הפוטנציאל שלה לאובייקטיביות על פני סובייקטיביות אנושית.

בסיכומו של דבר, האתגר של מעסיקים במדינות מערביות יהיה ליישם פיקוח על בינה מלאכותית תוך התמקדות בשקיפות, הוגנות ורווחת העובדים, כדי למנף את יכולותיה להגביר את הפרודוקטיביות, בלי לפגוע באמון הבסיסי ובמורל של כוח העבודה האנושי.

The post 3 דרכי הפיקוח של רובוטים מבוססי בינה מלאכותית על עובדים אנושיים first appeared on HRUS משאבי אנוש.

השאלות המרכזיות בעניין זה הן: האם יש לכך ביקוש מצד העובדים והאם האפשרות הזאת מועילה לארגון.

בסביבת העבודה הדינמית של ימינו, הרעיון של העצמת עובדים על ידי גישה ישירה לקבצי משאבי האנוש האישיים שלהם הוא כבר לא רק הטבה רצויה אלא צו ארגוני חיוני.

הטמעת טכנולוגיה המאפשרת לעובדים לצפות בכל הנתונים הנוגעים להם, לרבות הפרופיל הארגוני שלהם, הערכות ביצועים, משוב, הטבות, מועדי קידום, מסלולי קריירה ולוחות זמנים להעלאת שכר, היא לא רק מועילה, אלא היא הופכת במהירות לציפייה בסיסית מצד כוח העבודה. לא ניתן להפריז בחשיבותה של שקיפות כזו.

להלן 3 היתרונות המרכזיים של טכנולוגיה שמאפשרת לעובדים גישה לתיק האישי שלהם:

1 טיפוח תחושת אמון ופתיחות:

כאשר לעובדים יש גישה בלתי מוגבלת לנתונים שלהם, הם מרגישים שהארגון מכבד ומעריך אותם, בידיעה שאין אג'נדות נסתרות או מידע לא גלוי.

שקיפות זו מגבירה משמעותית את הביטחון הפסיכולוגי, מעודדת עובדים להיות יותר מעורבים במשימות, להציע משוב ולהרגיש בטוחים בתפקידם.

שקיפות זו גם מאותתת שהארגון מחויב להגינות ואחריות, מה שמוביל לתרבות ארגונית חיובית ובריאה יותר.

2 דרישה מצד העובדים:

יש דרישה ברורה לרמת גישה זו מצד עובדים. עובדים בעידן הנוכחי, במיוחד אלו מהדור הצעיר, רגילים לגישה מיידית למידע בכל היבטי חייהם.

הם מצפים לאותה רמת שירות עצמי ובהירות ממעסיקיהם. הם רוצים להבין את מעמדם בחברה, את התקדמותם ואת סיכויי העתיד שלהם, בלי לעבור שכבות של בירוקרטיה או להמתין לאנשי מחלקת משאבי אנוש שיספקו את המידע.

דרישה זו מונעת על ידי רצון לאוטונומיה ושליטה רבה יותר על הקריירה של העובדים.

היכולת לבדוק את מספר ימי החופשה שלהם, לסקור את משוב הביצועים האחרון שלהם, או להבין את הדרישות לקידום הבא שלהם בזמן שנוח להם, מעצימה אותם לנהל את ההתפתחות המקצועית שלהם בצורה יעילה יותר.

עבור הארגון, היתרונות הם משמעותיים ורחבי היקף. פורטל שירות עצמי לעובדים מפחית את הנטל האדמיניסטרטיבי על מחלקות משאבי אנוש.

במקום שאנשי משאבי אנוש יבזבזו זמן יקר בתגובה לפניות שגרתיות בנוגע להטבות, יתרות חופשה או סקירות שכר, העובדים יכולים למצוא מידע זה בעצמם בכל רגע נתון.

זה משחרר את אנשי משאבי אנוש להתמקד ביוזמות אסטרטגיות יותר כגון פיתוח כישרונות, תוכניות מעורבות עובדים וטיפוח תרבות ארגונית חיובית.

היעילות המשופרת מתורגמת לחיסכון בעלויות על ידי הפחתת הצורך בהזנת נתונים ידנית נרחבת ומזעור שגיאות.

3 שיפור מעורבות העובדים ושימורם:

מתברר שגישה שקופה לקבצים אישיים משפרת את מעורבות העובדים ושימורם.

כאשר עובדים מבינים מהי הערכת ביצועיהם, מהם הקריטריונים לקידום ומהי זכאותם להטבות, סביר יותר שהם ישקיעו יותר בתפקידם ובהצלחת החברה.

בהירות זו מטפחת גישה פרואקטיבית לפיתוח קריירה ומפחיתה את אי הוודאות, שהיא גורם נפוץ לחוסר שביעות רצון ותחלופה.

גישה זו מאפשרת לעובדים להתאים את המטרות האישיות שלהם ליעדי הארגון, מה שמוביל לכוח אדם מוטיבציוני ופרודוקטיבי יותר.

בסיכומו של דבר, הטכנולוגיה היעודית שמאפשרת לעובדים לקבל גישה ישירה ומאובטחת לקבצי משאבי אנוש האישיים שלהם, כבר אינה מותרות אלא הכרח אסטרטגי.

זה עונה על הדרישה הגוברת של העובדים לשקיפות ואוטונומיה, ובמקביל מספק יעילות תפעולית משמעותית וטיפוח ארגון מצליח יותר.

The post 3 יתרונות של טכנולוגיה שמאפשרת לעובדים גישה לכל התיק האישי שלהם first appeared on HRUS משאבי אנוש.

מינוף נתונים היסטוריים, אלגוריתמים סטטיסטיים וטכניקות למידת מכונה בהקשר של ניתוח תחזיות, מאפשר למנהלי משאבי אנוש לצפות מגמות בכוח העבודה, לזהות אתגרים פוטנציאליים ולקבל החלטות מושכלות.

בארגונים השואפים להישאר תחרותיים, היכולת לנתח תחזיות הופכת כלי חיוני, המשנה מקצה לקצה את עתיד תפקידו של מנהלי משאבי אנוש בכמה דרכים מרכזיות.

להלן 5 יתרונות הנובעים למנהל משאבי האנוש מהיכולת לנתח תחזיות:

1 שיפור רכישת כישרונות:

אחד התחומים המושפעים ביותר מהיכולת לנתח תחזיות הוא גיוס עובדים.

ניתוח נתונים ממחזורי גיוס קודמים, קורות חיים, הערכות ואפילו פרופילים ברשתות חברתיות, מאפשר למנהלי משאבי אנוש לזהות דפוסים המנבאים את סיכויי ההצלחה של המועמד בארגון.

זה מצמצם את זמן הגיוס ואת העלויות, משפר את איכות העובדים, ומבטיח התאמה תרבותית טובה יותר ומיומנויות טובות יותר.

2 הפחתת תחלופת עובדים:

שימור עובדים הוא אתגר קריטי עבור חברות רבות. ניתוח תחזיות מסייע לצוותי משאבי אנוש לזהות סימני אזהרה מוקדמים של התנתקות עובדים או תחלופה פוטנציאלית.

על ידי בחינת גורמים כמו סקרי שביעות רצון בעבודה, מדדי ביצועים, היעדרות והיסטוריית קידום, מודלים חיזויים יכולים לסמן עובדים שהינם בסיכון גבוה לעזוב.

זה מאפשר למנהלי משאבי האנוש להתערב באופן יזום עם אסטרטגיות שימור ממוקדות, כגון הזדמנויות לפיתוח קריירה או התאמות עומס עבודה.

3 ייעול תכנון כוח אדם:

בעזרת ניתוח תחזיות, מנהלי משאבי אנוש יכולים לחזות את צרכי כוח העבודה העתידיים על סמך צמיחה עסקית, מגמות שוק ונתונים היסטוריים.

זה עוזר בתכנון פערי מיומנויות, רצף איוש משרות ושינוי מבנה ארגוני – זמן רב מראש.

תכנון מדויק של כוח אדם מבטיח שלחברה יהיו האנשים הנכונים בתפקידים הנכונים בזמן הנכון, מה שמוביל להגברת הזריזות והיעילות.

4 שיפור ביצועי עובדים:

מודלים חזויים יכולים לנתח נתונים הקשורים לפרודוקטיביות עובדים, למעורבות ולדפוסי למידה, כדי להמליץ ​​על תוכניות פיתוח מקצועי מותאמות אישית.

מנהלי משאבי אנוש יכולים להשתמש בתובנות הללו כדי להתאים תוכניות הכשרה, להקצות פרויקטים מתאימים ולתמוך בשיפור מתמיד. זה מוביל לביצועים טובים יותר של העובד והצוות.

5 הנעת גיוון והכלה:

ניתוח תחזיות יכול גם לתמוך במאמצי גיוון והכלה על ידי גילוי הטיות נסתרות בגיוס עובדים, בהחלטות על קידום ובהערכות ביצועים.

ניטור נתונים דמוגרפיים וזיהוי אי-התאמות מאפשר לארגונים לנקוט פעולות מתקנות וליצור מקום עבודה שוויוני יותר.

בשורה התחתונה, היכולת לנתח תחזיות מעצבת מחדש את ניהול משאבי האנוש על ידי מתן אפשרות להחלטות מגובות נתונים, שיפור חוויות העובדים והתאמה של אסטרטגיות כוח אדם ליעדים העסקיים.

ככל שהטכנולוגיה ממשיכה להתקדם, כך יותר ארגונים המאמצים את היכולת לנתח תחזיות  יקבלו יתרונות תחרותיים.

כתוצאה מכך, מנהל משאבי האנוש הוא לא רק בעלת תפקיד שמיועד לתמיכה אלא למניע מרכזי להצלחה ארוכת טווח.

The post 5 יתרונות הנובעים למנהל משאבי האנוש מהיכולת לנתח תחזיות first appeared on HRUS משאבי אנוש.

מנהלי משאבי האנוש מטפלים בגיוס עובדים, בקליטת עובדים, בקשרי עובדים ופתרון סכסוכים, בפיתוח מדיניות ויוזמות של תרבות ארגונית ומשימות רבות נוספות, לרוב בעת ובעונה אחת.

כלי בינה מלאכותית כמו ChatGPT יכולים להיות בעלי ערך רב בהקלת העומס על עבודת מנהלי משאבי האנוש שכן הם מציעים פתרונות מהירים ומותאמים.

מנהלי משאבי אנוש יכולים לייעל משימות שחוזרות על עצמן, לעודד יצירתיות ולשפר את היעילות הכוללת.

להלן 10 שימושים מעשיים ב-ChatGPT שכל מנהל משאבי אנוש צריך לשמור בערכת הכלים שלו:

1 ניסוח תיאורי תפקיד מפורטים במודעות "דרושים", בעת חיפוש מועמדים כולל תחומי אחריות מרכזיים, כישורים נדרשים וכישורים רצויים:

כתיבת תיאורי תפקיד ברורים ומושכים במודעת הדרושים יכולה להיות משימה גוזלת זמן.

הנחיה מתאימה ל-ChatGPT מייצרת טיוטות במהירות, ולאחר מכן ניתן להתאים אותן לצרכים הארגוניים.

2 יצירת רשימה של שאלות ריאיון התנהגותי כדי להעריך את היכולות הספציפיות של המועמד, כמו למשל, יכולות פתרון בעיות:

ניתן לחסוך זמן בפיתוח שאלות ראיון המבוססות על בירור יכולות ומספקות תובנות מעמיקות יותר לגבי כישוריו והתנהגויותיו של המועמד.

3 הצעת דרכים חדשניות לשיפור מעורבות העובדים בסביבת עבודה היברידית או מרוחקת:

שמירה על רמות מחוברות ומעורבות גבוהות בצוותים מרוחקים היא אתגר שכמעט מנהל משאבי האנוש חייב להתמודד איתו.

כלי ה-ChatGPT יכול להציע רעיונות יצירתיים ומעשיים שחורגים מפתרונות שגרתיים ונפוצים.

4 התווית תוכנית קליטת עובד חדש של 30-60-90 יום, המותאמת לכל עובד חדש על פי שם ותפקיד:

תוכנית קליטה מובנית עוזרת לעובדים חדשים להתאקלם, להבין מה הציפיות מהם ולתרום מהר יותר מרגע הצטרפותם לחברה.

שימוש זה ב-ChatGPT מוודא שמנהלי משאבי אנוש לא יצטרכו להתחיל מאפס.

5 כתיבת תבנית הודעת דואר אלקטרוני מקצועית, למשל בעת הכרזה על מדיניות חדשה של החברה בנושא מסוים, כדי להבטיח בהירות וטון חיובי:

בין אם זה שינוי במדיניות החופשה או עדכונים של נהלים במקום העבודה, ה-ChatGPT יכול לעזור בניסוח תקשורת ברורה ועקבית.

6 הדרכה צעד אחר צעד, של שיטות עבודה מומלצות לגישור קונפליקטים בין עובדים:

פתרון קונפליקטים דורש גישה מתחשבת ושקולה. שימוש זה ב-ChatGPT מספקת למנהלי משאבי אנוש מדריך מהיר לטיפול בסכסוכים באופן דיפלומטי.

7 הצעת רעיונות לזיהוי עובדים טובים ומשמעותיים לארגון, לחיזוק המורל ושימור העובדים:

הכרה בהישגים לא תמיד דורשת תקציב גדול. כלי ה-ChatGPT יכול להמליץ ​​על דרכים יעילות להכרה בהישגי עובדים ולטיפוח נאמנות לארגון.

8 עדכונים לגבי המגמות האחרונות בענף בכל הנוגע להטבות לעובדים הרלוונטיים בשנה ספציפית:

ה-ChatGPT יכול לסייע למנהל משאבי האנוש בעדכונים שוטפים לגבי הצעת הטבות תחרותיות לעובדים.

זה מסייע להם להישאר בחזית שוק העבודה בכל הקשור למשיכה ושימור של כישרונות מובילים.

9 ניסוח שאלון סקר למדידת שביעות רצון העובדים, כולל שאלות על עומס עבודה, יחסים עם המנהלים והתרבות הארגונית:

משוב קבוע הוא המפתח לשיפור. ה-ChatGPT יכול לעזור לתכנן סקרים מקיפים בצורה טובה ובמהירות.

10 כתיבת פוסטים קצרים ברשתות החברתיות המציגים את התרבות הארגונית של החברה כדי למשוך מועמדים פוטנציאליים:

מיתוג מעסיק הוא קריטי. הנחיה זו ל-ChatGPT מאפשרת לייצר תוכן רלוונטי עבור פלטפורמות כמו לינקדאין, ועוזרת לצוותי משאבי אנוש להדגיש את מה שמייחד את מקום העבודה שלהם.

בסיכומו של דבר, שילוב הנחיות אלו ל-ChatGPT בתהליכי העבודה, מאפשר למנהלי משאבי אנוש לחסוך זמן ובה בעת לשפר את האיכות והיצירתיות של המשימות היומיומיות שלהם.

ה-ChatGPT פועל כעוזר אמין, ומאפשר לצוותי משאבי אנוש להתמקד יותר באסטרטגיה ובאנשים, ופחות בניירת שגרתית.

The post 10 שימושים מעשיים ב-ChatGPT למנהלי משאבי אנוש first appeared on HRUS משאבי אנוש.

עם זאת, מנהלי משאבי אנוש חייבים לקחת תפקיד פרואקטיבי בזיהוי יעדי הבינה המלאכותית של החברה שלהם מעבר לדיונים המקובלים הללו.

להלן 3 סיבות שפחות דנים בהן, לכך שמנהלי משאבי אנוש צריכים להגדיר יעדי הבינה המלאכותית באופן אסטרטגי:

1 התאמת אינטגרציה של הבינה המלאכותית עם חווית העובדים והתרבות הארגונית:

הבינה המלאכותית נתפסת לעתים קרובות ככלי להגברת היעילות, אבל ההשפעה שלה על חווית העובדים ועל התרבות הארגונית מקבלת פחות תשומת לב לעתים קרובות.

מנהלי משאבי אנוש חייבים לוודא שאימוץ הבינה המלאכותית תואם את ערכי החברה וצרכי ​​העובדים.

כלים מבוססי בינה מלאכותית יכולים לעזור להפחית הטיות במקום העבודה, אבל רק אם הם מכוילים כראוי עם הנחיות אתיות ופיקוח אנושי.

תקשורת שקופה לגבי הטמעת בינה מלאכותית עוזרת למנוע חרדה של עובדים והתנגדות לשינויים.

הבינה המלאכותית יכולה לשפר את שיתוף הפעולה בין העובדים על ידי התאמה אישית של חוויות למידה ואוטומציה של משימות שגרתיות, ולשחרר עובדים לעבודה משמעותית יותר.

מנהלי משאבי אנוש המשלבים בינה מלאכותית עם התמקדות בתרבות הארגונית מבטיחים בכך שהטכנולוגיה תשלים את המאמצים האנושיים במקום לשבש את המעורבות או האמון.

2 הכנה לאתגרים אתיים ומשפטיים בהטמעת הבינה המלאכותית:

שימוש בבינה מלאכותית בהחלטות משאבי אנוש מעורר חששות אתיים ומשפטיים, אך ארגונים רבים אינם מצליחים לטפל בהם באופן יזום.

מנהלי משאבי אנוש חייבים לזהות יעדי בינה מלאכותית ששומרים על הוגנות, ציות ואחריות תאגידית.

כלים מבוססי בינה מלאכותית חייבים להיבדק באופן קבוע כדי למנוע אפליה אלגוריתמית.

ניטור עובדים ואיסוף נתונים באמצעות בינה מלאכותית צריכים לכבד את תקנות הפרטיות וההנחיות האתיות.

שקיפות בקבלת החלטות בהקשר של בינה מלאכותית מטפחת אמון ומפחיתה סיכונים משפטיים הקשורים להטיה או הערכות לא הוגנות.

הגדרת יעדי הבינה המלאכותית תוך התחשבות בשיקולים אתיים, מאפשרת למנהלי משאבי אנוש להגן על החברה מפני חשיפה משפטית פוטנציאלית ושומרים על סביבת עבודה שוויונית.

3 פיתוח כוח עבודה מבטיח והתאמת מיומנויות:

בעוד שבינה מלאכותית צפויה לייעל תהליכים, חברות רבות מתעלמות מהאופן שבו היא תעצב מחדש את תפקידי העובדים ואת מערכי הכישורים הנדרשים.

מנהלי משאבי אנוש חייבים להגדיר יעדי בינה מלאכותית המיישרים קו עם פיתוח כוח העבודה העתידי.

זיהוי האופן שבו בינה מלאכותית תגדיר מחדש את תיאורי התפקידים מסייעת למנהלי משאבי אנוש לתכנן יוזמות ממוקדות של רכישת מיומנויות ושיפור מיומנות.

תובנות מבוססות בינה מלאכותית יכולות לחזות פערי מיומנויות ולהמליץ ​​על תוכניות הכשרה המותאמות לדרישות התעשייה המתפתחות.

עידוד אוריינות בינה מלאכותית בקרב עובדים מבטיח מעבר חלק יותר לתהליכי עבודה משופרים על בסיס בינה מלאכותית.

מנהלי משאבי אנוש שמתכננים באופן יזום פיתוח מיומנויות מבוססות בינה מלאכותית מבטיחים בכך שכוח העבודה שלהם יוכל להסתגל במהירות לשינויים, וישאר חדשני ותחרותי בשוק המשתנה במהירות.

בשורה התחתונה, זיהוי יעדי הבינה המלאכותית אינו קשור רק לאוטומציה.

מנהלי משאבי אנוש חייבים לקחת בחשבון את ההשפעה של הבינה המלאכותית על חווית העובדים, על הסיכונים האתיים ועל צרכי ​​כוח העבודה העתידיים.

הגדרה אסטרטגית של יעדי בינה מלאכותית מאפשרת למנהלי משאבי אנוש לוודא שהטכנולוגיה משפרת את הפוטנציאל האנושי במקום להחליף אותו, מה שמוביל לארגון גמיש יותר וחושב קדימה.

The post 3 סיבות לצורך בהגדרת יעדי הבינה המלאכותית באופן אסטרטגי first appeared on HRUS משאבי אנוש.

תוכנות אלה, המיועדות לסייע למנהל משאבי האנוש בעבודתו השוטפת, מאפשרות להגביר את היעילות והפרודוקטיביות של ניהול המשאב האנושי.

בעולם העסקים המהיר של היום, ארגונים חייבים לייעל תהליכים כדי לשפר את היעילות והפרודוקטיביות.

לתוכנות המיועדות למשאבי אנוש יש תפקיד מכריע בייעול פונקציות משאבי אנוש, הפחתת עומסים אדמיניסטרטיביים ושיפור ניהול כוח האדם.

להלן 3 דרכים שמאפשרות להגביר את היעילות והפרודוקטיביות של הארגון בעזרת תוכנות המיועדות למשאבי אנוש:

1 אוטומציה של משימות ניהוליות:

מחלקות משאבי אנוש עוסקות לעיתים קרובות בעבודה אדמיניסטרטיבית שחוזרת על עצמה וגוזלת זמן יקר.

תוכנת משאבי אנוש מעבירה רבות מהמשימות הללו לאוטומציה, ובכך מאפשרת למנהלי משאבי אנוש להתמקד ביוזמות אסטרטגיות:

2 ניהול שכר והטבות:

עיבוד שכר אוטומטי מבטיח תשלומים מדויקים ובזמן תוך ניהול הטבות ביעילות.

מעקב אחר שעות ונוכחות: מערכות תוכנה מבוססות בינה מלאכותית עוקבות אחר שעות העבודה של העובדים ושעות נוספות, ומפחיתות שגיאות ומאמצי מעקב ידני.

אוטומציה בקליטת עובדים ובעזיבת עובדים: פלטפורמות דיגיטליות לקליטת עובדים מייעלות את השלבים הביורוקרטיים, מקצרות את לוחות הזמנים של ההדרכה ומייעלות את דרישות הציות לדיני עבודה בגיוס עובדים חדשים.

תוכנות לביצוע המשימות הכרוכות בעזיבת עובד מוודאות שמתבצעים מעברים חלקים לעובדים העוזבים.

אוטומציה של משימות אלו מאפשרת לארגון לחסוך זמן, להפחית טעויות אנוש ולשפר את יעילות משאבי אנוש.

3 שיפור מעורבות עובדים וניהול ביצועים:

תוכנת משאבי אנוש משפרת את מעורבות העובדים על ידי מתן כלים לשירות עצמי, מעקב אחר ביצועים ומנגנוני משוב בזמן אמת.

פורטלים לשירות עצמי: תוכנת משאבי אנוש משפרת את היעילות במקום העבודה על ידי אוטומציה של משימות אדמיניסטרטיביות. היא משפרת את מחוברות העובדים ומאפשרת קבלת החלטות מבוססת נתונים.

חברות המטמיעות טכנולוגיית משאבי אנוש יכולות לצפות לפרודוקטיביות גבוהה יותר, לפחות עבודה ידנית ולחווית עובדים משופרת, שבסופו של דבר תוביל להצלחה עסקית ארוכת טווח.

להלן 6 משימות שיכולות להתבצע ביעילות רבה יותר באמצעות תוכנות משאבי אנוש:

1 ביקורות ביצועים בזמן אמת:

פלטפורמות תוכנה למשאבי אנוש המופעלות על ידי בינה מלאכותית עוקבות אחר ביצועי העובדים, מספקות משוב אוטומטי ומציעות תחומים לשיפור.

2 תוכניות לזיהוי עובדים:

תוכנת משאבי אנוש כוללת כלי זיהוי מובנים המאפשרים למנהלים להיות מודעים לתרומות העובדים, ולהכיר בהן, ובכך לטפח מוטיבציה ושביעות רצון בעבודה.

שיפור מעורבות העובדים ומעקב אחר ביצועים מאפשרים לארגון ליצור כוח עבודה מלא מוטיבציה, מה שמוביל לרמות פרודוקטיביות גבוהות יותר.

3 קבלת החלטות מבוססת נתונים וניהול תאימות:

תוכנת משאבי אנוש מספקת ניתוח נתונים, המסייע לארגונים לקבל החלטות מושכלות ולהישאר מתואם עם דיני העבודה והתקנות.

4 ניתוח כוח העבודה:

פלטפורמות תוכנה למשאבי אנוש מייצרות דו"חות על פרודוקטיביות עובדים, שיעורי שחיקה ורמות מעורבות, ועוזרות לעסקים לחדד את אסטרטגיות משאבי האנוש שלהם.

5 מעקב אחר ציות לדיני העבודה:

מערכות אוטומטיות מוודאות שמדיניות משאבי אנוש תואמת את חוקי העבודה, ומפחיתה סיכונים הקשורים להפרות ציות.

6 מדדי גיוון והכלה:

אנליטיקה מבוססת בינה מלאכותית מספקת תובנות לגבי מגוון כוח העבודה ומסייעת לארגונים ליצור מקומות עבודה מכילים יותר.

מינוף ניתוח תוכנת משאבי אנוש מאפשר לארגונים לקבל החלטות אסטרטגיות מבוססות נתונים המשפרות את היעילות וההוגנות במקום העבודה.

The post הדרכים להגברת היעילות והפרודוקטיביות של משאבי האנוש ע"י תוכנות first appeared on HRUS משאבי אנוש.

מינוף יכולות הבינה המלאכותית מאפשר לארגונים לייעל את אסטרטגיות המיקור (סורסינג), להרחיב את מאגרי הכישרונות ולזהות כישרונות מובילים, מהר יותר מאי פעם.

במילים אחרות, לבינה המלאכותית יש פוטנציאל לחולל מהפכה בסורסינג של המועמדים.

עם זאת, כדי לנצל באופן מלא את יתרונות הבינה המלאכותית, על מנהלי משאבי אנוש לשלב כלי בינה מלאכותית עם שיטות אתיות ופיקוח אנושי. על ידי כך, ארגונים יכולים ליצור תהליך גיוס יעיל יותר, מכיל ומוכן לקראת העתיד.

להלן 5 דרכים בהן הבינה המלאכותית מייעלת ומגדירה מחדש את סורסינג המועמדים:

1 התאמת כישרונות אוטומטית:

כלים המופעלים על ידי בינה מלאכותית יכולים לנתח תיאורי תפקידים ולהתאים אותם לפרופילי המועמדים, ולזהות את המועמדים המתאימים ביותר בתוך שניות.

מערכות אלו משתמשות באלגוריתמים של עיבוד שפה טבעית (NLP) ולמידת מכונה כדי להעריך מיומנויות, ניסיון וכישורים, ומפחיתות את הזמן שמנהלי גיוס ומנהלי משאבי אנוש  מקדישים לבדיקה ידנית של קורות חיים.

אוטומציה זו מאפשרת למנהלי הגיוס למקד את מאמציהם במעורבות של מועמדים בעלי פוטנציאל גבוה במקום לנפות בקשות עבודה לא רלוונטיות.

2 הרחבת מאגר כשרונות יזום:

הבינה המלאכותית מאפשרת למנהלי הגיוס ומנהלי משאבי אנוש להיכנס למאגרי המועמדים הפסיביים על ידי ניתוח נתונים ממקורות שונים, כולל מדיה חברתית, ומאגרים מקוונים אחרים.

זיהוי אנשי המקצוע המתאימים, גם כאשר הם אינם מחפשים עבודה באופן פעיל, מאפשר לבינה המלאכותית להרחיב את מאגר הכישרונות ולהגדיל את הסיכויים למצוא מועמדים ייחודיים וקשים לגישה.

כלים אלה יכולים גם לחזות את הסבירות של מועמד לרצות להחליף עבודה בזמן מסויים, ולאפשר למנהלי הגיוס ומנהלי משאבי האנוש להעסיק אותם בזמן הנכון.

3 ביטול מחסומים גיאוגרפיים:

בעזרת כלים של בינה מלאכותית ארגונים יכולים למצוא מועמדים בכל מקום בעולם, ולבטל מחסומים גיאוגרפיים.

כלי בינה מלאכותית יכולים לנתח שוקי עבודה אזוריים, להעריך את כישורי המועמדים במקומות שונים, ואפילו לסייע בעמידה בתקנות הגיוס הבינלאומיות.

זה מאפשר לחברות לבנות צוותים מגוונים ומפוזרים גיאוגרפית, תוך שיפור חדשנות ויכולת הסתגלות תרבותית.

4 גיוון משופר בסורסינג:

ניתן לתכנת מערכות בינה מלאכותית כדי למזער הטיות בסורסינג על ידי התמקדות אך ורק במיומנויות, ניסיון וכישורים.

על ידי ביטול גורמים כגון שם, גיל או מין מתהליך המיון הראשוני, הבינה המלאכותית יכולה לעזור לארגונים לבנות פייפליין של מועמדים מגוונים יותר. עם זאת, מנהלי משאבי אנוש חייבים לוודא שנתוני ההדרכה עצמם נקיים מהטיות כדי להשיג תוצאות שוויוניות באמת.

5 ניתוח ותובנות בזמן אמת:

הבינה המלאכותית מספקת למנהלי הגיוס תובנות הניתנות לפעולה לגבי אסטרטגיות הסורסינג.

לדוגמה, כלי בינה מלאכותית יכולים להדגיש מגמות בהעדפות המועמדים, לזהות פערים בתיאורי התפקיד ולהציע דרכים לייעל את החשיפה למועמדים מתאימים.

ניתוחים אלה מאפשרים למנהלי הגיוס לחדד את האסטרטגיות שלהם ללא הרף, מה שמבטיח שהם יישארו תחרותיים במשיכת כישרונות מובילים.

The post 5 דרכים בהן הבינה המלאכותית מייעלת ומגדירה מחדש את סורסינג המועמדים first appeared on HRUS משאבי אנוש.