채용 과정의 AI: 인공 지능이 채용 방식을 변화시키는 방법

인공 지능이라는 용어는 75년 동안 사용되었습니다.

컴퓨터 전문가가 데이터에서 인간과 같은 작업을 수행하는 방법을 학습하도록 소프트웨어를 설계하여 컴퓨터 전문가가 잠재력을 활용하기에 충분한 시간입니다.

우리는 차를 운전하고, "소유자"로서 우리가 필요로 하는지도 몰랐던 제품을 주문하고, 물론 우리가 간과했을 수도 있는 직원을 고용하는 것에 대해 이야기하고 있습니다.

Apple 또는 Google의 관리자가 채용 프로세스 기능에서 AI를 마케팅만큼 중요하게 생각하는지 여부는 결코 알 수 없습니다.

그러나 오늘날 인공 지능은 채용 및 지원 스캔, 분류 및 평가와 같은 HR 기능의 처리를 변화시키고 있습니다.

마케팅의 인공 지능과 관련하여 성공에 대해 질문이 있는 경우 Siri 또는 Alexa를 생각해 보십시오.

이 블로그는 AI 등에 대한 약간의 과학을 분석할 것입니다.

인공지능(AI)이란?

AI는 지능을 인간의 특성으로 정의하기 때문에 "인공"입니다.

계산기에 숫자를 입력하고 수학 문제에 대한 정답을 얻을 수 있지만 계산기는 답을 배울 수 없습니다. AI 프로세스는 가능합니다.

지식은 힘이며 데이터는 데이터를 통해 배우고 발견하도록 AI 설계 소프트웨어를 구동 합니다.

올바른 질문을 하기 위해 소프트웨어를 설계하려면 여전히 인간이 필요하지만 그들이 생산하는 프로그램은 피로 없이 몇 초 만에 대량의 고강도 작업을 수행할 수 있습니다.

AI는 채용 프로세스에 어떻게 적용됩니까?

AI는 HR 및 채용에서 애플리케이션을 스캔하고 경쟁이 치열한 후보자를 선택한 다음 성공 또는 실패에서 배울 수 있습니다.

매달 수천 명의 직원과 수만 개의 온라인 지원이 있는 HR 부서를 상상해 보십시오.

이러한 응용 프로그램을 검색하는 관리자는 경험과 교육을 가장 중요한 것으로 목표로 삼고 이 두 데이터 세트를 기반으로 고용할 수 있습니다.

동시에, 간단한 소프트웨어 프롬프트는 후보자를 각 애플리케이션에 부여된 일련의 점수로 분류하고 수치적으로 최고의 잠재 고객을 제공할 수 있습니다.

컴퓨터가 이 목록에서 학습할 수 있습니까? 아니요 . 매우 많은 수의 응용 프로그램을 기반으로 하는 HR 부서도 선택한 소수의 성공에서 배울 수 없습니다.

하지만 AI는 할 수 있습니다.

이력서 심사

AI를 사용하면 나이와 인구 통계, 소득, 업계 경험, 직위까지 심사하여 위의 예보다 후보자 정보를 더 깊이 끌어낼 수 있습니다.

교차 검사를 할 때 유사한 후보자에 대한 AI 소프트웨어의 "학습된" 경험을 통해 성공률을 외삽할 수 있습니다.

더 깊이 파고들면 AI 예측 분석은 후보자의 지원서나 이력서에서 부정확하거나 사실이 아닌 것을 찾아낼 수 있습니다 .

분석된 데이터가 많을수록 학습 프로세스가 향상되고 예측 점수의 정확도가 높아집니다.

성격 테스트

예측 분석은 또한 지원자의 외향성, 신경증, 업무 환경 변화에 대한 개방성에 대한 답변을 분석하여 성격을 이해하는 데 도움이 될 수 있습니다.

이러한 소프트 스킬은 다른 직원과 협업하는 데 필수적 이며 AI는 특정 후보자가 팀과 어떻게 어울릴지 예측하는 데 도움이 될 수 있습니다.

AI 후보 참여

인적 HR 개입 전에 AI 소프트웨어는 초기 지원을 기반으로 채용 가능한 사람과 챗봇을 통해 개인화된 상호 작용을 제공하고 AI가 학습한 핵심을 기반으로 자세한 질문을 하고 응답을 해석할 수 있습니다.

AI 챗봇 애플리케이션은 응답을 해석하는 동시에 인간 인터뷰에 침투할 수 있는 개인적 편견을 제거 할 수 있습니다.

채용 과정에서 AI 구현의 이점

신중하게 스크립팅되고 개발된 AI는 잠재적인 고용과 더 빠르고 성공적인 접근 방식을 제공합니다.

소프트웨어가 좋을수록 기업의 채용 프로세스와 채용 기능의 성공 또는 실패를 더 빨리 배울 수 있습니다.

성공을 위한 더 많은 시간

기업은 채용 프로세스에서 AI를 활용하여 이전에 시간이 많이 소요되었던 인적 작업을 통해 지원자의 범위를 좁힐 수 있으므로 채용 담당자가 최고의 후보자에게 노력을 집중할 수 있습니다.

해당 후보자에게 자동으로 연락하고 관련 질문을 하고 인터뷰를 예약할 수 있습니다 .

채용 상호 작용 개선

AI가 인간 접촉의 일부 측면을 제거할 수 있지만 신입 사원은 지원 과정에서 질문에 대한 즉각적인 응답을 기꺼이 받을 수 있습니다.

채용 상태에 대한 피드백은 예/아니오 응답을 포함하여 즉각적 으로 이루어질 수 있으며 추후 채용에 대한 지원을 제공할 수 있습니다.

편견 제거

인간으로서 우리는 삶의 경험을 바탕으로 무의식적인 편견을 가지고 있습니다.

우리는 이러한 태도와 고정 관념을 마음에 품고 다른 사람에게서 본 것 이상의 증거 없이 다른 사람의 탓으로 돌릴 수 있습니다.

AI는 채용 프로세스의 범위를 사실과 수치, 알고리즘이 학습된 결정을 내리기 위해 처리하는 복잡한 데이터로 좁힙니다 .

그렇게 함으로써 자격을 갖춘 후보자의 더 큰 그룹을 고려할 수 있습니다.

더 이상 놓칠 수 없는 인재

AI가 제공할 수 있는 비용 절감 외에도 인재를 다시는 놓치지 않을 것입니다.

편견을 제거하고 성격 테스트 및 예측 성공 점수에 대한 AI의 이해는 인재가 다른 직책에 지원한 경우에도 적합한 구직자를 대상으로 할 수 있습니다.

과거 지원자를 재심사함으로써 간과되었을 신입 사원이 새로운 자리를 채울 수 있습니다 .

또한 소셜 미디어 사용이나 후보자 데이터베이스 및 구인 게시판을 기준으로 범위를 좁힌 LinkedIn과 같은 사이트에서 인재를 끌어낼 수도 있습니다.

채용에 AI를 적용할 때의 4가지 과제

알고리즘은 어디까지나 AI 시스템을 설정하는 것이 어려울 수 있습니다.

1. 초기 비용 문제

일부 관리자는 이점에 관계없이 새 제품이나 검증되지 않은 제품에 대한 고비용 지출을 항상 주저합니다.

AI 설치 의 ROI 와 상관없이 가격이 문제가 될 것입니다.

2. 교육 및 참여 확보

AI를 채용 프로세스에 도입하면 긍정적인 결과를 얻을 수 있지만 지속적인 교육이 필요합니다.

HR 부서는 AI를 구현하면 현재의 노력이 무너지거나 직원을 교체할 수도 있다고 두려워할 수 있습니다. 그럴 가능성은 거의 없습니다.

그러나 새로운 기술에 직원을 참여시키는 것은 어려운 일입니다.

사전 통합과 단계별 변경을 철저히 설명하면 바이인(buy-in)이 증가합니다.

AI의 최적 성능을 위해서는 출력을 이해하는 것도 필요하며 HR 담당자가 새 시스템을 사용하도록 교육하는 데는 시간이 걸립니다.

3. 데이터의 필요성

AI는 순간적이지 않다. 데이터 수집은 AI의 일상적인 측면이며 알고리즘을 학습하도록 가르치는 데는 시간이 걸립니다.

관리자와 IT 전문가는 모집 프로세스에 도움이 되도록 수집된 데이터와 적절하게 상호 작용해야 합니다 .

수집할 데이터와 적절한 AI 학습 수준을 결정하는 것도 필수입니다.

4. 인간의 손길을 잃다

성공적인 AI 구현은 지원자 상호 작용의 경계를 확장할 수 있지만 학습 곡선이 있습니다.

신청자의 첫 챗봇 상호 작용은 복잡할 수 있으며 일부 사용자는 사람과의 의사 소통을 선호할 수 있습니다.

새로운 기술을 사용하는 것에 대한 두려움은 HR 업무를 더 어렵게 만들 수 있지만 후보자가 인간 관계를 느끼지 못한다면 부정적인 영향을 받을 수도 있습니다.

이는 양질의 인재를 잃을 수 있습니다.

채용 프로세스에 AI를 구현한 세 가지 성공 사례

전 세계의 많은 기업이 AI를 구현하여 채용 프로세스를 새로고침하고 속도를 높이고 개선했습니다. 10년 간의 결과는 주로 긍정적입니다.

AI로 강화된 유니레버

네덜란드-영국 소비재 회사인 Unilever는 후보자들이 온라인 게임에서 상호작용을 시작하도록 함으로써 극적인 채용 결과를 얻었습니다.

Pymetrics 플랫폼의 신경과학 기반 게임은 LinkedIn 프로필을 제출하여 액세스 권한을 얻는 후보자를 참여시킵니다.

결과가 사용 가능한 특정 작업과 일치하는지 확인하기에 충분한 데이터가 20분 동안 수집됩니다.

그렇게 하면 대면 상호 작용 전에 두 번째 심사 단계로 넘어갑니다.

Unilever의 북미 인사 담당 부사장인 Mike Clementi에 따르면 AI 프로세스가 구현된 후 처음 90일 동안 응용 프로그램이 15,000개에서 30,000개로 급증했습니다.

채용 담당자는 이전에 심사에 필요한 시간의 4분의 1만 사용하여 수백만 달러를 절약합니다.

IBM의 간소화된 평가

350,000명의 글로벌 직원을 보유한 IBM은 끝없는 채용 과제를 안고 있습니다.

그들의 AI 시스템은 올바른 위치에 적합한 사람을 찾는 프로세스를 우선시합니다.

채용 AI의 중요한 기능은 구직 시장 데이터와 구직자 정보를 사용하여 자리를 채우는 데 필요한 시간을 예측하는 것입니다.

이 데이터는 이력서에 설명된 필수 기술 세트와 지원자 기술을 연결하는 AI의 능력과 함께 흐릅니다.

합류점은 미래의 직무 성과를 예측하는 점수를 산출하여 최고의 채용 후보자를 제공합니다.

콘텐츠 제작 및 채용을 위한 Netflix 및 AI

Netflix는 스트리밍 엔터테인먼트 시스템으로 가장 잘 알려져 있으며 AI를 사용하여 시청자와 시청자 습관에 대한 최종 정보를 효과적으로 선별하여 가장 효율적인 콘텐츠를 제공합니다.

Netflix에서 이는 콘텐츠 비용이 회사의 시청 시간당 비용만큼 중요하지 않다는 것을 의미합니다.

Netflix는 HR 기능에서 AI를 사용하는 데 동일한 비용 분석을 적용합니다.

몇 년 동안 이 회사는 알고리즘이 사무, 관리, 심지어 콘텐츠 제작자에게 딱 맞는 사람을 찾을 수 있도록 하여 채용 속도를 높이고 전반적인 HR 채용 비용을 줄였습니다.

절감액은 HR 채용 시 HR 인공 지능 소프트웨어 비용과 관련된 비용보다 훨씬 큽니다.

요약: 채용 프로세스의 AI가 갈 길일 수 있음

시간 절약, 비용 절감, 최적의 후보자 찾기, 직원 승인 및 초기 비용 확보와 같은 몇 가지 문제와 같이 채용 프로세스에서 AI를 성공적으로 만드는 방법을 살펴보았으므로 이제 AI 사용에 대해 더 나은 결정을 내릴 수 있습니다. 직장에서.

IBM 및 Unilever와 같은 거대 기업의 성공으로 인해 모든 것이 AI가 비즈니스 세계의 더 많은 측면으로 계속 확장되고 있음을 나타냅니다.

비즈니스 애플리케이션의 AI에 대해 자세히 알아볼 준비가 되었다면 마케팅에서 AI의 역할에 대한 녹화된 웨비나를 확인하십시오.

PR 20/20 및 Marketing Artificial Intelligence Institute의 설립자이자 CEO인 Paul Roetzer의 특별 참여가 있습니다.