نقش الگوریتمها در جذب و حفظ کارکنان بااستعداد
انتشار: 1401-06-13 11:42:00
دسته‌بندی: مقالات آموزشی
مزایای هوش مصنوعی در منابع انسانی
مترجم: مهدی نیکوئی منبع: European Business Review فراگیری کووید-19 باعث شد که بسیاری از شرکت‌ها اقدام به استفاده از فناوری‌‌‌های دیجیتال کنند. در این بین، هوش مصنوعی هم به تدریج کاربرد بیشتری یافت و حتی به حوزه مدیریت منابع انسانی راه یافت جست‌وجو، استخدام و نگه‌داشت کارکنان با کارآیی و اثربخشی بیشتری انجام شود. در شماره هفته گذشته به مزایای بهره‌‌‌گیری از هوش مصنوعی در منابع انسانی پرداختیم. در این مطلب، اجزای مختلف هوش مصنوعی و کاربرد دقیق هر کدام از آنها را در حوزه منابع انسانی تشریح می‌‌‌کنیم.
هوش مصنوعی و اجزای آن
اگر واحد منابع انسانی به این نتیجه برسد که باید تغییراتی در فرآیندهای خود ایجاد کند، در گام نخست باید اطلاعات مقدماتی نسبت به هوش مصنوعی به دست آورد. همچنین مشکلات احتمالی در زمان استخدام استعدادهای سازمانی، فناوری‌‌‌های موجود برای هرکدام از مراحل انتخاب و موجودی و به‌‌‌صرفه‌‌‌ترین پیشنهادهای موجود در بازار را باید بشناسد. مفهوم هوش مصنوعی که بسیار گسترده است و شامل چند اصطلاح دقیق‌‌‌تر می‌شود از این جمله‌‌‌اند:
یادگیری خودکار یا یادگیری ماشینی
پردازش زبان طبیعی
یادگیری عمیق
شبکههای عصبی
هوش مصنوعی را به طور کلی می‌توان «قاعده علمی ایجاد برنامه‌‌‌های کامپیوتری قابل اجرا و قابل قیاس با فرآیندهای مغز انسان مانند یادگیری یا استدلال منطقی» تعریف کرد. یادگیری ماشینی نوعی از هوش مصنوعی است که به کامپیوترها توانایی یادگیری بدون برنامه‌‌‌نویسی مستقیم انسان را می‌دهد. پردازش زبان طبیعی به توانایی کامپیوتر برای درک زبان گفتاری انسانی گفته می‌شود. الگوریتم‌‌‌های پردازش زبان طبیعی همچنین از یادگیری ماشینی برای آموختن دستور زبان رایج از طریق بررسی حجم انبوهی از نمونه گفتارها را می‌دهد. یادگیری ماشینی را می‌توان مجموعه‌‌‌ای از تصمیمات یادگیری ماشینی دانست. نتایج یک تصمیم به تحلیل تصمیم بعدی منجر می‌شود. تعداد بالای لایه‌‌‌های پردازشی موردنیاز برای یک فرآیند باعث استفاده از واژه «عمیق» شده است. برای دستیابی به دقت یادگیری ماشینی، برنامه‌‌‌های یادگیری عمیق باید امکان دسترسی به میزان بالایی از داده‌‌‌های آموزشی و قدرت پردازش را دارا باشند. شبکه عصبی یک سیستم سخت‌‌‌افزاری و نرم‌‌‌افزاری است که با الهام‌‌‌گیری از سیستم عصبی بدن انسان ساخته شده است. این شبکه مجموعه‌‌‌ای از نورون‌‌‌های عصبی است که از طریق مجموعه‌‌‌ای از اتصالات به یکدیگر وصل شده‌‌‌اند.
اگر پیاده‌سازی کلیت هوش مصنوعی را بخواهیم در صنایع مختلف بررسی کنیم، متوجه می‌‌‌شویم که در صنایع مخابراتی، فناوری برتر (های‌تک) و خدمات مالی بیشترین میزان استفاده از این فناوری‌‌‌ها را شاهد هستیم. با این حال، از نظر کاربرد در حوزه منابع انسانی، به ترتیب صنایع فناوری برتر، خدمات و محصولات پزشکی یا سلامتی و مخابراتی بیش از همه به خودکارسازی و واگذاری وظایف تکراری به ماشین‌‌‌ها اقدام کرده‌‌‌اند. یکی از دلایلی که شرکت‌های فناوری برتر و مخابراتی مانند گوگل، آمازون، تلفونیکا و نتفلیکس اقدام به استفاده گسترده از ابزارهای خودکار کرده‌‌‌اند، دشواری در پیدا کردن و نگه‌داشت کارکنان بااستعداد به عنوان دانشمندان داده و توسعه‌‌‌دهندگان وب و برنامه‌‌‌هاست. در حوزه‌‌‌های پزشکی و سلامت، مهم‌ترین عامل ترویج هوش مصنوعی، افزایش میانگین عمر کارکنان در سازمان است. همزمان با افزایش سن پزشکان، بسیاری از پرستاران هم به سن بازنشستگی خود نزدیک می‌‌‌شوند و مرخصی‌‌‌های غیرمنتظره بیشتری می‌‌‌گیرند که بار مسوولیت دیگران را افزایش می‌دهد. در صنایع فناوری برتر، خدمات حرفه‌‌‌ای و خدمات مالی نیاز به کارکنانی با مهارتهای هوش مصنوعی نیز افزایش یافته است. گرایش این صنایع به جذب کارکنانی با این مهارت‌‌‌ها، مرتبط با سطح بالای سرمایه‌گذاری‌‌‌های آنها، لزوم نگه‌داشت نقدینگی بالاتر و سرمایه‌گذاری بیشتر در تحقیقات و توسعه است. طبیعی است که همزمان با این سرمایه‌گذاری‌‌‌ها باید توجه بیشتری به توسعه زیرساخت‌‌‌ها، مهارتهای کارکنان و فرآیندهای عملیاتی خود داشته باشند.
سیستم‌های هوش مصنوعی در استخدام
دسترسی به ابزارهای دیجیتال و تسهیل ارسال رزومه برای شرکت‌های مختلف، باعث شده در سال‌های گذشته میزان متقاضیان مشاغل به‌طور نمایی(Exponential growth) افزایش یابد. در این شرایط، می‌توان از خودکارسازی فرآیندها به وسیله هوش مصنوعی بهره گرفت و با سرعت بیشتری این حجم انبوه متقاضیان شغلی را بررسی و ارزیابی کرد. در سال 2018، حدود 70 نوع فناوری مختلف قابل استفاده برای خودکارسازی استخدام وجود داشت. دو سال پس از آن، تعداد فناوری‌‌‌ها از شمار خارج شد. آن دسته از سیستم‌های هوش مصنوعی بیشترین اثر را بر واحدهای منابع انسانی داشته‌‌‌اند که برای انطباق نامزدهای مشاغل از طریق گردآوری و تحلیل داده‌‌‌ها قابل استفاده هستند. فناوری‌‌‌های استعدادیابی، تشخیص چهره، تحلیل احساسات، ارتباطات و تعاملات زبانی، روبات‌‌‌های چت و بات‌‌‌های گفت‌وگو از این دست هستند.
های مرتبط در رزومه آنها صورت پذیرفته است. این بررسی را کامپیوترها به راحتی می‌توانند انجام دهند و هوش مصنوعی هم به آموزش ماشین‌‌‌ها کمک می‌کند. با این حال، نیاز است که ملاحظات بیشتری برای ارزیابی توانایی‌‌‌های واقعی نامزدها صورت گیرد. ابزارهایی مانند تشخیص ویدئو وجود دارد که به استخدام‌‌‌کنندگان امکان تحلیل تن صدا، استفاده از واژگان و حتی تماس چشمی متقاضیان را می‌دهد. از نظر فنی، سیستم‌هایی وجود دارند که قادر به ارزیابی سریع نامزدهای مشاغل هستند. به عنوان مثال، در کوتاه‌ترین زمان می‌توانند تمام متقاضیان یک شغل را که با یک زبان برنامه‌‌‌نویسی خاص آشنا هستند، جدا کنند. با این حال، از آنجا که رزومه‌‌‌ها مانند داستان‌‌‌های شخصی هرکدام از افراد است و الگوی یکسانی در نگارش آنها رعایت نمی‌شود، یک متخصص باید به ارزیابی نهایی و شناسایی مهارت‌‌‌هایی که در رزومه قابل تشخیص نیست، بپردازد. تجربه نیز نشان می‌دهد هر چقدر به مراحل تصمیم‌گیری در مورد متقاضیان نزدیک‌‌‌تر می‌‌‌شویم، وظایف ماشینی کمتر شده و مداخله انسانی برای اطمینان خاطر نیاز است. نمونه‌‌‌ای از دستیاران ماشینی منابع انسانی که اطلاعات موردنیاز متقاضیان شغلی را برای متناسب‌‌‌سازی تجربیات و مهارتهای آنها ارائه می‌دهند، می‌توان در شرکت آی‌‌‌بی‌‌‌ام مشاهده کرد (IBM Watson Candidate Assistant). در گذشته، نخستین ارتباط بین استخدام‌‌‌کنندگان و متقاضیان شغلی در جلسه مصاحبه صورت می‌‌‌گرفت. اما امروزه، طی مرحله جست‌وجوی شغل، متقاضیان می‌توانند از روبات‌‌‌های چت اطلاعات شخصی‌‌‌سازی شده فراوانی درباره شغل و مهارتهای موردنیاز دریافت کرده و حتی از این روبات‌‌‌ها مشاوره‌‌‌هایی برای متناسب‌‌‌سازی خود با شرح شغل دریافت کنند. نتیجه پیاده‌سازی این سیستم هوش مصنوعی، افزایش نرخ شناسایی و جذب متقاضیان با استعداد برای شغل‌‌‌های پیشنهادی آی‌‌‌بی‌‌‌ام بوده است. در حال حاضر 7هزار رزومه به طور روزانه به دست این شرکت می‌رسد و 36درصد از متقاضیان با استفاده از فناوری جدید می‌توانند شغل‌‌‌های متناسب با تجربیات و مهارتهای خود را پیدا کنند. این رقم در گذشته و با سیستم استخدامی سنتی فقط 12درصد بود. از طرف دیگر، به‌دلیل شناسایی افراد مناسب برای هر شغل، زمان جست‌وجو تا استخدام به شدت کاهش یافته است.
گردآوری و تحلیل داده
گردآوری و تحلیل داده‌‌‌ها امکان دسترسی به تعداد بیشتری از نامزدهای شغلی را فراهم آورده است. این داده‌‌‌ها ممکن است از بنگاه‌‌‌های کاریابی یا به طور مستقیم از داده‌‌‌های بازار کار به دست آمده باشند. در هر صورت، استخدام‌‌‌کنندگان را قادر به شناسایی نامزدهای بالقوه و تماس سریع‌‌‌تر با آنها می‌کند. ابزارها می‌توانند پایگاه‌‌‌های داده داخلی یا بیرونی شرکت باشد. به عنوان مثال، یک ابزار جست‌وجوی هوشمند می‌تواند از کلید‌‌‌واژه‌‌‌هایی برای یافتن نامزدهای متناسب با نیازهای شرکت استفاده کند. در حال حاضر، مهم‌ترین پایگاه داده مورد استفاده شرکت‌ها، لینکدین است که طیف گسترده‌‌‌ای از نامزدها و استخدام‌‌‌کنندگان را برای بنگاه‌‌‌های کاریابی ارائه می‌دهد. ابزار استخدامی لینکدین از یادگیری ماشینی برای بهبود ماشین پیشنهادها بهره می‌‌‌برد. یکی از فناوری‌‌‌های مورد استفاده در این محصول، پاسخگویی نامزدهاست و باعث می‌شود افرادی که پاسخگویی سریع‌‌‌تر به پیام‌‌‌ها دارند، در رتبه‌‌‌های بالاتر پیشنهادها قرار بگیرند. یکی از سوالاتی که این الگوریتم به آن توجه می‌کند، این است که نامزد شغلی مدنظر چقدر پذیرای پیام استخدام‌‌‌کنندگان پیشین بوده و با چه سرعت و اهمیتی به پیام‌‌‌های آنها پاسخ داده است؟ نامزد مدنظر چقدر پاسخگوی استخدام‌‌‌کنندگان، شرکت‌ها یا صنایع بوده است؟ آیا به تازگی وضعیت شغلی خود را به‌‌‌روز کرده است؟ از دیگر شرکت‌هایی که الگوریتم‌‌‌های انتخاب و جست‌وجوی نامزدهای شغلی ارائه می‌دهند، می‌توان به گوگل و مایکروسافت اشاره کرد. در سال 2016، ساتیا نادلا، مدیرعامل مایکروسافت ادغام سیستم هوش مصنوعی کورتانا با داده‌‌‌های لینکدین را اعلام کرد. با این محصول جدید، برگزارکنندگان یک کنفرانس یا وبینار می‌توانند از طریق بازدید صفحات حرفه‌‌‌ای شرکت‌کنندگان، شناخت بیشتری از آنها کسب کرده و محتوای متناسب با نیازها و علاقه‌‌‌مندی‌‌‌های آنها را ارائه دهند. در طرف دیگر، گوگل در محصولات خود موتور جست‌وجوی شغل ارائه کرده است که از یادگیری ماشینی برای بهبود نتایج جست‌وجو بهره می‌گیرد. این ابزارها مدت‌‌‌هاست که برای متخصصان منابع انسانی قابل استفاده است. با این حال، ممکن است ماشین‌‌‌ها برخی از نامزدهای شغلی مناسب را از قلم بیندازند. به عنوان مثال، اگر به دنبال توسعه‌‌‌دهندگان نرم‌‌‌افزار باشید، به دلیل تنوع حوزه فعالیت آنها، ممکن است جست‌وجوی برخی کلیدواژه‌‌‌های بسیار خاص این حوزه را فراموش کنید. زمانی که ماشین به بررسی انتخاب‌‌‌های پیشین شما و کلیدواژه‌‌‌های مرتبط بگردد، ممکن است برای چنین افرادی که کلیدواژه‌‌‌های گسترده‌‌‌تر را استفاده نکرده‌‌‌اند، شغل‌‌‌هایی نزدیک اما نه چندان دقیق پیشنهاد دهند. از دیگر کاربردهایی که سیستم‌های هوش مصنوعی می‌توانند داشته باشند، جست‌وجوی سریع نامزدهای شغلی بلافاصله پس از انتشار شرح شغل و پست‌‌‌های خالی است. آنها می‌توانند حتی پیامی خودکار برای نامزدهای بالقوه ارسال کنند.
اگر یک فرد بخواهد این مسوولیت را انجام دهد، برای هر پست سازمانی باید بین 8 تا 30 ساعت زمان بگذارد. در ابزار استخدامی آی‌‌‌بی‌‌‌ام (IBM Watson Recruitment)، سیستم شناختی ماشینی، کارآیی استخدامی را از طریق برجسته‌‌‌سازی مهم‌ترین اولویت‌‌‌های شغلی موردنیاز به شدت افزایش می‌دهد. این ابزار با آمارهای شغلی کار می‌کند و می‌تواند صلاحیت خودکار متقاضیان را هم تایید کند. معیارهای بررسی و تحلیل آن عبارتند از: میزان تجربه افراد در شغل‌‌‌های مرتبط، اندازه شرکت‌هایی که آنها را استخدام کرده‌‌‌اند و اعتبار دانشگاه و مدرک تحصیلی آنها.
بازکشف استعدادها
بازکشف استعدادها به معنای استفاده مجدد از آن دسته پایگاه‌‌‌های داده است که پیش از این ثبت شده‌‌‌اند. مزیت این کار آن است که امکان دارد پس از چند سال مشخص شود که برخی از نامزدهای باصلاحیت پیشین، در سال‌های اخیر مهارت‌‌‌ها و تجربیات جدیدی کسب کرده و قابلیت ایفای نقش در برخی پست‌‌‌های سازمان را داشته باشند. واقعیت آن است که همواره حجم انبوهی از رزومه در شرکت‌ها جمع می‌‌‌شوند که مورد بازنگری مجدد قرار نمی‌‌‌گیرند. اگر به عنوان مثال، شرکتی در چند سال گذشته برای 100 پست سازمانی خود آگهی منتشر کرده باشد، هم‌‌‌اکنون ممکن است 25هزار نامزد شغلی بررسی نشده داشته باشد. بسیاری از این رزومه‌‌‌ها منقضی و منسوخ شده‌‌‌اند اما برخی الگوریتمها می‌توانند به بررسی به‌‌‌روزرسانی‌‌‌های اخیر نامزدها پرداخته یا الگوهای موفقیت در فرآیند انتخاب افرادی را که در نهایت استخدام نشده‌‌‌اند، بررسی کنند. بازکشف همچنین به معنای آن است که تمام افراد متقاضی همکاری با شرکت، پاسخی دریافت می‌کنند. اگر این صمیمیت مجازی حفظ شود، ممکن است افراد در آینده باز هم با شرکت تماس بگیرند. 80درصد از متقاضیان شغلی عنوان کرده‌‌‌اند که اگر شرکتی به درخواست‌‌‌های آنها توجه نکند یا پاسخ نهایی به آنها ندهد، دیگر درخواستی برای آنها ارسال نمی‌‌‌کنند.
تشخیص چهره
تشخیص چهره از طریق الگوریتمها، به استخدام‌‌‌دهندگان توانایی پردازش محتوای ویدئویی مصاحبه‌‌‌ها را می‌دهند. یکی از مواردی که هوش مصنوعی به سادگی قادر به شناسایی آن است، نگاه کردن متقاضی شغل به دوربین یا خواندن متنی پیش‌‌‌نویس شده توسط آنهاست. با تعیین موقعیت چشم و مسیر نگاه آنها، سیستم می‌تواند احتمال تقلب آنها را هم بررسی کند. مهم‌تر آنکه، این ابزارها می‌توانند برای نظارت بر امتحانات مجازی بدون حضور یک مراقب استفاده شوند. موضوع دیگر، بررسی کوچک‌ترین تغییرات در حالات چهره و زبان بدن نامزدهاست. حالات چهره زودگذر و غیرآگاهانه‌‌‌ای که روی چهره افراد ظاهر می‌شود، روبات‌‌‌ها را قادر به شناسایی شخصیت و سبک فکری فرد مصاحبه‌‌‌شونده می‌کند. همچنین به استخدام‌‌‌کنندگان کمک می‌کند که واکنش‌‌‌های احساسی افراد به هرکدام از پرسش‌‌‌های مصاحبه را بررسی کنند. شرکت‌هایی مانند یونیلور هم‌‌‌اکنون نیز از این ابزارها استفاده می‌کنند و قادر به مصاحبه با حجم انبوهی از افراد شده‌‌‌اند که در غیراین‌صورت گفت‌وگو با آنها ممکن نبود. این سیستم‌ها فقط برای شرکت‌ها استفاده نمی‌‌‌شوند. متقاضیان شغلی نیز می‌توانند از آنها بهره ببرند تا از طریق پرسش‌‌‌های مشخص برای مصاحبه آماده شوند یا حالات چهره و سبک شخصیت خود را اصلاح کرده و عملکرد خود را در مصاحبه نهایی بهبود دهند. ارزیابی نهایی نامزدها توسط هوش مصنوعی می‌تواند مقایسه متقاضیان با بهترین کارکنان شرکت باشد. بر اساس میزان تناسب ویژگی‌‌‌ها و مهارتهای این افراد با کارکنان موفق کنونی می‌توانند پیش‌بینی کنند که عملکرد آتی آنها در کدام سطح قرار می‌گیرد. به عنوان مثال، اگر فردی برای یک پست مدیریت فروش درخواست دهد، حالات چهره او را می‌توان با حالات چهره موفق‌‌‌ترین مدیران فروش ناحیه مقایسه کرد. این روش اطمینان می‌دهد که عملکرد شرکت سطح کنونی خود را حفظ کرده یا حتی از طریق جذب استعدادهای جدید، بهبود می‌‌‌یابد.
ارتباطات زبانی و تعامل با هوش مصنوعی
کامپیوترها و روبات‌‌‌های چت می‌توانند به پرسش‌‌‌های پرتکرار متقاضیان پاسخ دهند. آنها همچنین می‌توانند بر اساس ویژگی‌‌‌ها و به عنوان مثال مهارت‌‌‌ها و تجربیات افراد یا شرح شغل مورد درخواست آنها پیشنهادهایی برای بهبود تناسب یا ارتقای عملکردشان ارائه دهند. در این صورت، زمان متخصصان منابع انسانی آزاد شده و می‌توانند وقت خود را صرف مسائل مهم‌تر کنند. همزمان این مزیت را هم دارد که 24 ساعته و در تمام طول هفته در اختیار متقاضیان شغلی باشد.
اشتراک‌گذاری در شبکههای اجتماعی
