Az AI-alapú toborzási rendszerek számos oldalról támogatják a HR munkáját, gyorsítják és egyszerűsítik az előszűrés folyamatát. De felmerül a kérdés: mi történik akkor, ha egy diák vagy pályakezdő jelentkezik, akinek még nincs többéves szakmai tapasztalata? Vajon az algoritmus észreveszi az ígéretes potenciált, vagy automatikusan a „nem megfelelő” kategóriába sorolja?
Hogyan gondolkodik az AI a tapasztalatról?
Az AI-rendszerek jellemzően minták alapján dolgoznak. Ha az alapul vett munkavállalók CV-jében gyakran szerepel 2-3 év releváns tapasztalat, akkor a gép ezt tekinti ideálisnak. Ezzel egy diák vagy friss diplomás azonban indokolatlan hátrányba kerülhet, hiszen ő életkorából adódóan nem rendelkezik ezzel. Erősségei – a tanulmányok során megszerzett tudás, a gyors tanulási képesség, a rugalmas hozzáállás – nem érvényesülhetnek.
Ha nem figyelünk tudatosan arra, hogy az AI alapú előszűrés figyelembe vegye mindezt, akkor a pályakezdő jelentkező igazságtalanul kizárásra kerülnek. Ez a cégnek is veszteség, egyrészt mert agilis jelentkezőket veszíthetnek el, másrészt pedig a Z generáció tagjainak sokszor frissebb szemléletétől, digitális készségeiktől eshetnek el. Ha a rendszer „láthatatlanná” teszi a friss diplomásokat, a vállalat lemarad a jövő munkavállalóinak utánpótlásáról.
Hogyan lehet jól alkalmazni az automatizált CV-szűrést?
A megoldás az, ha a rendszert nem kizárólagos döntéshozóként, hanem előszűrő segédként használjuk, és folyamatos munkát fektetünk a tanításába. Különösen a bevezetés során érdemes emberi munkával is felügyelni, kontrollálni az AI ajánlásait, hogy úgy tudjuk betanítani a rendszert, hogy később tényleg önállóan tudjon működni.
Érdemes beállítani olyan paramétereket, amelyek súlyozzák a munkatapasztalatot, a soft skilleket és a megszerzett végzettséget, és figyelembe veszik a jelentkező életkorát is. Így elérhetjük, hogy az AI ne „várja el” egy pályakezdőtől a több év tapasztalatot, és például a diákmunkák vagy az önkéntes tapasztalatok is értékes információt jelentsenek számára a pályázó hozzáállásáról és képességeiről.
Hogyan értékelheti az AI a soft skilleket és tanulmányokat?
Az AI-rendszerek fejlődésével ma már a tanulmányokhoz és soft skillekhez kapcsolódó információkat is figyelembe lehet venni. Például ha egy diák motivációs levelében hangsúlyozza a csapatmunkát, a gyors tanulási képességet vagy a rugalmasságot, a mesterséges intelligencia kulcsszavas elemzéssel ezeket is értékelheti. Így az algoritmus nem csak azt látja, hány év munkatapasztalata van a jelentkezőnek, hanem a fejlődési potenciált is.
Ugyanígy a tanulmányok során szerzett eredmények, ösztöndíjak vagy versenyeken való részvétel is releváns jelzés lehet a cégek számára. Egy jól beállított AI képes felismerni, hogy ezek az elemek valós kompetenciákra utalnak, például kitartásra, problémamegoldó képességre vagy kreativitásra. Ezáltal a diákok eredményei láthatóvá válnak a toborzási folyamatban.
Milyen beállításokkal kerülhetők el a hibás kizárások?
Az egyik leggyakoribb hiba az AI-alapú rendszereknél a túl szigorú minimumkövetelmények alkalmazása. Ha a szűrésnél például kötelező feltételként szerepel a három év munkatapasztalat, az automatikusan kizárja a pályakezdőket, akkor is, ha minden más szempontból kiválóak lennének a pozícióra. Ehelyett érdemes rugalmas beállításokat használni, ahol a szakmai tapasztalat mellett más tényezők is súlyt kapnak.
Például a rendszer súlyozhatja a tanulmányok, nyelvtudás, önkéntes munka vagy diákmunkás tapasztalatok szerepét. Ez lehetővé teszi, hogy az AI ne csak a „klasszikus” karrierutat ismerje el, hanem azoknak a fiataloknak is lehetőséget adjon, akik most indulnak. Így a HR-esekhez olyan jelöltek kerülnek, akik bár nem rendelkeznek hosszú múlttal a szakmában, de a képességeik alapján ígéretesek.
Hogyan egészítheti ki az AI-t az emberi kontroll?
Az AI kiválóan alkalmas arra, hogy a nagyszámú jelentkezést gyorsan átnézze és előszűrje. Egy algoritmus pár másodperc alatt képes kiszűrni azokat, akik nem felelnek meg az alapfeltételeknek, így a HR-esek ideje felszabadul a valódi értéket jelentő feladatokra. Azonban a végső döntést érdemes mindig embernek meghoznia, hiszen a személyes benyomások, a motiváció és a kulturális illeszkedés csak így mérhető fel igazán.
Az emberi kontroll segít abban is, hogy a hibás kizárások elkerülhetők legyenek. Egy HR-es észreveheti azt, amit az algoritmus figyelmen kívül hagyott: például a diák lelkesedését egy rövid telefonbeszélgetésben, vagy azt, hogy egy önkéntes projektben szerzett tapasztalat mennyire értékes a munkáltató számára. Az AI tehát gyorsít és támogat, de az ember adja hozzá azt a döntési finomságot, amely valódi versenyelőnyt biztosít a toborzásban.
Az AI-alapú CV-szűrés hatékony, de nem kockázatmentes: ha kizárólag a tapasztalatot veszi alapul, a legtehetségesebb pályakezdők kieshetnek a rostán. A siker kulcsa a rendszer alapos beállítása, folyamatos finomhangolása és az emberi kontroll, amely biztosítja, hogy az ígéretes fiatalok lehetőséget kapjanak a bemutatkozásra.
