Tegenwoordig is technologie overal waar we kijken. In bedrijven over de hele wereld zijn er echter nog steeds afdelingen die hun efficiëntie en doeltreffendheid moeten verbeteren, zoals Human Resources, dat werving en selectie, voordelen, compensatie, werknemersrelaties, opleiding en salarisadministratie combineert.
Rekrutering is essentieel voor IT-bedrijven zoals Polarising: het afgelopen jaar hebben we gewerkt aan een beslissingsondersteunende tool die een revolutie teweeg zal brengen in de manier waarop deze bedrijven binnenkomende kandidaten evalueren, en het is zeer uitdagend en lonend geweest! Door de integratie van machine learning-technieken in Polarising's wervingsproces te bestuderen, zijn de resultaten veelbelovend.
U kent de term vast wel, maar voor het geval u het zich afvraagt: machine learning is een toepassing van kunstmatige intelligentie (AI) die systemen het vermogen geeft om automatisch te leren en te verbeteren op basis van ervaring, zonder dat ze expliciet worden geprogrammeerd.
Het kernidee van deze tool is heel eenvoudig; het verwerken van elk cv van een medewerker om inzicht te krijgen in zijn algemene kenmerken, een lijst van vergelijkbare medewerkers, rangschikking van open posities en groepsindeling. De algemene eigenschappen vertegenwoordigen de belangrijkste kenmerken van de kandidaat, die worden vergeleken met de lijst van soortgelijke medewerkers die op de geëvalueerde kandidaat lijken. De ranglijsten analyseren hoe geschikt een kandidaat is voor een bepaalde functie en de groepsindeling tenslotte geeft aan in welke groep de kandidaat op basis van zijn/haar kenmerken het meest geschikt is.
Vanuit het perspectief van een recruiter, in plaats van de kandidaat alleen op basis van zijn cv te analyseren en een beslissing te nemen op basis van zijn/haar inzicht, zal extra en waardevolle informatie beschikbaar zijn om een solide mening te vormen en het beslissingsproces van het kiezen van de beste kandidaat te ondersteunen. Met deze tool hoeft de recruiter alleen maar de technische vaardigheden en werkervaring van de kandidaat in te vullen in de webapplicatie van het systeem, waarna hij onmiddellijk een reeks outputs ontvangt die door het systeem zelf worden gegenereerd.
Dit gezegd zijnde, is het voor Polarising duidelijk dat ons wervingsproces baat heeft bij machine learning, omdat het de efficiëntie ervan verbetert. Het uitvoeren van een meer deterministische procedure en het vinden van structuur en patronen in gegevens, is de droom van elke goede recruiter op dit gebied en wij gaan alleen voor het beste! Ik hoop dat dit korte artikel het potentieel van machine learning kan overbrengen om ook uw bedrijfsprocessen te maximaliseren, het heeft mij en mijn team zeker uitgedaagd.
Henrique Delgado
Polarising Adviseur
Is er een gepubliceerd artikel dat meer details geeft over de aanpak? Ik doe een doctoraat over werkaanbevelingen en ik vind deze aanpak heel interessant.
Hallo, dank u voor uw opmerking! Stuur een e-mail naar marketing@polarising.com voor meer details. Bedankt!