תהליך הגיוס הפך לצוואר בקבוק. זמן האיוש חצה את רף ה-70 יום, והמערכת הישנה סיננה לפי מילות מפתח מדויקות, כך שמהנדס חזק שכתב "פיתוח צד-שרת" נפסל אוטומטית כי בדרישות המשרה נכתב "back-end", בעוד שמועמדים חלשים יותר שתמרנו את הניסוח עברו בקלות.
הסינון היה שטחי והתבסס על מילות מפתח בלבד. המערכת חיפשה התאמה מדויקת לתיאור התפקיד, וכך פסלה מועמדים מעולים בגלל שימוש במילים נרדפות, בזמן שמועמדים בינוניים שידעו אילו ביטויים לשתול עברו בקלות. בסופו של דבר, המגייסים עדיין נאלצו לעבור ידנית על ערימות של קורות חיים לא רלוונטיים.
העבודה הידנית הסיזיפית הזו גבתה מחיר כבד. המגייסים בזבזו כ-60% מזמנם על קריאת קורות חיים לא רלוונטיים, בעוד שהמועמדים המבטיחים באמת הלכו לאיבוד בתוך הערימה.
במקביל, הטיות אנושיות חלחלו לכל שלב בתהליך. המגייסים הושפעו, לרוב באופן לא מודע, מפרטים כמו מוסד הלימודים, גיל או מקום מגורים, מה שפגע משמעותית בגיוון התעסוקתי של המועמדים שהתקבלו.
המטרה הייתה לייצר התאמה על בסיס היכולות המקצועיות האמיתיות של המועמד, לנטרל פרטים שאינם רלוונטיים להחלטה ולהציג למגייסים את המועמדים המובילים ביותר כבר בהתחלה.
החלפנו את סינון מילות המפתח במנוע עיבוד שפה טבעית שמבין הקשר, מזהה כישורים מקבילים ומסיק מה המועמד באמת עשה מתוך האופן שבו הוא מתאר תפקידים קודמים, כך ש"צד-שרת" ו-"back-end" נחשבים סוף סוף לאותו הדבר.
מודל הכישורים ממפה יכולות חופפות ומשלימות, ומאפשר למועמד לקבל הערכה מלאה על הניסיון המשתמע מעבודתו, ולא רק על הביטויים הספציפיים שהוא בחר לכתוב.
מנגנון ייעודי מסתיר מעיני המגייס פרטים מזהים כמו שם, מגדר, גיל, תמונה ומוסד לימודים, ומציג פרופיל מועמד המבוסס כולו על כישורים והתאמה לדרישות התפקיד.
המערכת מדרגת כל מועמד לפי מידת ההתאמה ומציפה את המועמדים המובילים ישירות לראש הרשימה של המגייס לפנייה מהירה, במקום להשאיר אותם קבורים בערימה.
המודל מדרג ומציף את המועמדים המתאימים, אך המגייסים ומנהלי הגיוס הם שמקבלים כל החלטה לגבי ראיון או הצעת עבודה. המערכת מסננת את העומס ומאפשרת להקדיש את שיקול הדעת האנושי למועמדים הראויים לכך.
הודות לכך שהמגייסים פוגשים רק את המועמדים המתאימים ביותר, כל תהליך הגיוס מתקדם מהר יותר, ומשרות פתוחות אינן מעכבות עוד את היחידות העסקיות שממתינות לאיושן.
קיצור זמן האיוש בחצי, ראיונות איכותיים יותר ומאגר מועמדים רחב ומגוון יותר.
זמן האיוש הממוצע ירד מ-70 יום ל-38 בלבד, מה שמנע ממשרות פתוחות לעכב פרויקטים שהיו תלויים בהן, ויחס הראיונות-להצעות עלה ב-35% מאחר שהמגייסים פגשו רק את המועמדים המתאימים ביותר.
הסרת פרטים מזהים בשלב הסינון הראשוני העלתה את הגיוון בכוח האדם ב-20%, כאשר המועמדים התקדמו על בסיס כישורים והתאמה בלבד, ללא השפעה של גורמים מטים.
סינון מילות מפתח בוחן מי כתב את המילים הנכונות, ולא מי מסוגל לבצע את העבודה, ומחדיר הטיות אנושיות ישירות לרשימת המועמדים הסופית. הערך כאן הוא בניתוח קורות חיים לפי כישורים אמיתיים, נטרול פרטים לא רלוונטיים ודירוג לפי התאמה, כך ששיקול הדעת של המגייס מופנה למקומות שבהם הוא באמת נחוץ. זוהי בדיוק אותה גישת ניקוד ודירוג שעומדת מאחורי פרויקט דירוג הלידים שלנו, רק שכאן היא מיושמת על מועמדים וכישורים במקום על לידים של מכירות.
נציגים בזבזו זמן על לידים שמעולם לא הומרו. העשרה מבוססת-AI ודירוג חזוי עם מיון שיחתי העלו המרת ליד-לעסקה ב-47.6% וחתכו את זמן התגובה לליד אסטרטגי מ-48 שעות לכ-5 דקות.
לפרויקט המלא ← קליטה והדרכה · SaaSעובדים חדשים בחברת SaaS הגיעו לתפוקה מלאה רק אחרי ארבעה חודשים, כשהידע קבור במסמכים ישנים ובסרטונים. AI הפך את הקליטה להדרכה מסתגלת ומותאמת-תפקיד עם אישור מנהל, קיצר את ההגעה לתפוקה לשישה שבועות והעלה שימור ב-25%.
לפרויקט המלא ←
Reef TRH