Case study: Wykorzystanie AI do przetwarzania i klasyfikacji CV

Wprowadzenie do projektu

Efektywność procesu rekrutacji nowych pracowników i skutecznej selekcji kandydatów staje się kluczowym elementem sukcesu organizacji. Wraz z rozwojem przedsiębiorstwa, rodzi się potrzeba nieustannej rekrutacji na nowo powstałe stanowiska. W obliczu rosnącej liczby aplikacji kandydatów, które firmy otrzymują każdego miesiąca, tradycyjne metody przetwarzania CV stają się niewystarczające. W odpowiedzi na te wyzwania, nasza firma podjęła się realizacji projektu mającego na celu automatyzację procesu selekcji CV z wykorzystaniem sztucznej inteligencji (AI).

Kontekst biznesowy

Wiele dużych i średniej wielkości przedsiębiorstw boryka się z problemami związanymi z ręcznym przetwarzaniem aplikacji przesłanych przez kandydatów. Czasochłonność tego procesu oraz ryzyko popełnienia błędów są znaczącymi przeszkodami w efektywnej rekrutacji. W przypadku naszego klienta, dział HR otrzymywał tysiące aplikacji miesięcznie, co sprawiało, że szybkie i dokładne przeglądanie CV stało się niemal niemożliwe i wiązało się z koniecznością poświęcania znaczących zasobów czasowych. Dodatkowo, brak spójnych kryteriów oceny kandydatów prowadził do niejednolitych wyników selekcji i nie zawsze udało się zrekrutować najbardziej odpowiedniego kandydata.

Wyzwania przed wdrożeniem AI

Przed rozpoczęciem projektu, zidentyfikowaliśmy kilka kluczowych wyzwań:

• Duża liczba aplikacji - tysiące CV do przetworzenia każdego miesiąca, wymagających ręcznej i żmudnej selekcji, na którą poświęcana była bardzo duża ilość czasu pracowników HR;
• Brak spójnych kryteriów oceny - ręczne metody oceny prowadziły do subiektywnych wyników, które powodowały, że wybrany kandydat nie zawsze był najlepszym kandydatem, którego można było wybrać;
• Ryzyko przeoczenia istotnych informacji - w natłoku znacznej ilości aplikacji łatwo było pominąć ważne szczegóły dotyczące kandydatów lub popełnić inne błędy, które niejednokrotnie blokowały procesowanie kandydata na dalszym etapie;
• Niewystarczający przesiew - pomimo, że klient stosował system ATS, proces skanowania CV nie był optymalny i miał wiele obszarów do dopracowania, które ciężko było zrealizować bezpośrednio w systemie ATS.

Eliminacja tych wyzwań mogła znacząco odblokować zasoby ludzkie w firmie oraz zwiększyć jakość i skuteczność przeprowadzanych rekrutacji.

Proponowane rozwiązanie

Aby sprostać tym wyzwaniom, zaproponowaliśmy wdrożenie systemu opartego na technologii AI, który wykorzystuje zaawansowane metody przetwarzania języka naturalnego (NLP oraz LLM) oraz optyczne rozpoznawanie znaków (OCR). System ten miał działać jako niezależny proces i wsparcie dla używanego systemu ATS klienta, jako system filtrujący i porządkujący dane z CV. Kluczowe elementy naszego rozwiązania obejmowały:

• przetwarzanie treści CV - automatyczne skanowanie i analiza dokumentów aplikacyjnych pod kątem kryteriów klasyfikacji oraz innych istotnych informacji,
• ustalenie spójnych kryteriów klasyfikacji - opracowanie jednolitych standardów oceny kandydatów dla poszczególnych rekrutacji,
• selekcję CV - aplikacje CV, które nie spełniają kryteriów, zostają automatycznie odrzucone i nie są dalej procesowane,
• integrację z systemem ATS - zapewnienie płynnego przepływu danych między systemami - przefiltrowane CV przekazywane są do docelowego systemu ATS klienta i dalszy proces przebiega już w systemie ATS.

Proces wdrożenia rozwiązania

Wdrożenie systemu AI wymagało starannego planowania i współpracy z zespołem rekruterów po stronie klienta. Proces ten obejmował kilka kluczowych kroków:

1. Warsztaty z rekruterami
   Na potrzeby realizacji projektu, przeprowadziliśmy jednodniowe warsztaty, gdzie nasz zespół spotkał się z działem HR klienta i oba zespoły wspólnie przeprowadziły omówienie działania procesu rekrutacyjnego. Dzięki warsztatom udało się zidentyfikować najczęstsze błędy w ręcznym przesiewie CV oraz występujące braki funkcjonalne w systemie ATS.
2. Wytypowanie kryteriów klasyfikacji
   Drugim krokiem było opracowanie standardów oceny, które byłyby zgodne z wymaganiami firmy i dopasowane do poszczególnych typów rekrutacji. Tutaj również dzięki ścisłej współpracy z działem HR klienta, udało się spisać założenia i ustalić wytyczne jakimi powinien się kierować system i modele AI w prawidłowej klasyfikacji CV oraz scoringu poszczególnych kandydatów.
3. Przygotowanie danych treningowych dla modelu AI
   Kolejnym krokiem było zebranie i anonimizacja danych CV na potrzeby treningu modelu AI. Istotnym czynnikiem tutaj było zachowanie prywatności danych osobowych - w tym celu anonimizowaliśmy kluczowe dane identyfikujące oraz stosowaliśmy lokalne modele AI, dzięki czemu żadne poufne dane nie wychodziły poza infrastrukturę klienta.
4. Trening modelu i ewaluacja skuteczności
   Po przygotowaniu danych, testowaliśmy poszczególne modele AI w celu wykrycia modelu, który najlepiej będzie realizował postawione założenia. Przeprowadziliśmy wiele iteracji testów oraz różnych konfiguracji modeli AI, aby porównać wyniki przedstawione przez system AI pomiędzy poszczególnymi modelami, które następnie były konfrontowane z ocenami rekruterów.
5. Budowa systemu
   Ostatnim etapem było zbudowanie systemu, który importował dostarczane CV (z skrzynki mailowej), przetwarzał treści za pomocą wcześniej przygotowanego modelu AI oraz przeprowadzał klasyfikację i scoring kandydatów. W zależności od wyniku, przesyłał dane (wraz z oryginalnym CV) do systemu ATS lub odrzucał daną kandydaturę. Całość została skonstruowana tak, że działa jako niewidoczny proces w tle.

Przedstawiając jako diagram, system działa w następujący sposób:

Rezultaty wdrożenia

Po zakończeniu procesu wdrożenia, nasz klient zauważył znaczące poprawy w efektywności selekcji CV. Kluczowe wyniki obejmowały:

• skrócenie czasu selekcji - automatyzacja procesu pozwoliła na znaczne przyśpieszenie przeglądania aplikacji;
• spójne kryteria klasyfikacji - ustalone standardy oceny przyczyniły się do bardziej obiektywnej selekcji kandydatów;
• wzrost trafności selekcji - system AI skutecznie identyfikował najbardziej odpowiednich kandydatów.

Statystyki i analiza skuteczności

W wyniku wdrożenia systemu AI, zebraliśmy dane, które potwierdziły jego skuteczność:

• Szybkość działania - automatyczne skanowanie CV i scoring kandydatów było znacznie szybsze niż ręczne przetwarzanie. Pozwoliło to zespołowi HR zwolnić swoje zasoby i skupić się na bardziej strategicznych zadaniach.

Przed wdrożeniem automatyzacji AI, rekruter poświęcał średnio 7 minut na przeanalizowanie jednego CV. Po wdrożeniu automatyzacji AI, czas ten zredukował się do średniej wartości 2 minut.

• Skuteczność działania - AI osiągnęło lepsze wyniki w identyfikacji odpowiednich kandydatów w porównaniu do tradycyjnych metod.

Przed wdrożeniem automatyzacji AI, skuteczność wyboru odpowiedniego kandydata wynosiła 77% - tyle osób z powodzeniem kończyło okres próbny. Po wdrożeniu automatyzacji skuteczność wzrosła do 89%.

• Zwiększenie satysfakcji kandydatów - szybszy proces klasyfikacji CV pozwolił na przeprowadzenie wydajniejszego procesu rekrutacyjnego, w wyniku czego szybsza odpowiedź na aplikacje poprawiła doświadczenia kandydatów, co przekładało się na ich decyzję co do wyboru finalnej oferty.

Przed wdrożeniem automatyzacji AI, 27% kandydatów, którzy zostali finalnie wybrani przez firmę, nie przyjmowała ostatecznie oferty. Po wdrożeniu automatyzacji ilość odrzuconych ofert przez kandydatów zmniejszyła się do 19%.

• Zmniejszenie błędnych klasyfikacji - system zredukował liczbę błędnych ocen kandydatów, co przyczyniło się do lepszej jakości rekrutacji.

• Poprawa jakości rekrutacji - dzięki spójnym kryteriom oceny, proces selekcji stał się bardziej obiektywny i mniej narażony na subiektywne odczucia poszczególnych rekruterów.

Plany na przyszłość

Z uwagi na sukces wdrożenia systemu AI do klasyfikacji CV w dziale HR klienta, od razu zrodziły się nowe potrzeby i pomysły, między innymi:

• rozszerzenie funkcjonalności systemu o nowe algorytmy do analizy CV, aby jeszcze lepiej dopasować kandydatów do wymagań;
• integracja z innymi systemami i narzędziami HR, które jeszcze bardziej optymalizują i poprawiają proces rekrutacyjny;
• automatyzacja procesu feedbackowania - system AI automatycznie tworzy feedbacki dla odrzuconych CV. Jeśli kandydat nie spełnia danego kryterium, AI jest w stanie napisać krótką notatkę, zawierającą informacje, dlaczego jego kandydatura została odrzucona już na etapie przesiewu CV.

Przedstawione pomysły są na etapie dalszej rozbudowy systemu i zacieśniania współpracy w zakresie automatyzacji AI z klientem.

Podsumowanie

Wdrożenie sztucznej inteligencji w procesie przetwarzania i klasyfikacji CV przyniosło znaczące korzyści dla działu HR naszego klienta. Dzięki automatyzacji, organizacja zyskała nie tylko oszczędność czasu, ale również poprawę jakości rekrutacji - firma rekrutuje lepszych pracowników. Nasza firma, jako specjalista w zakresie automatyzacji procesów i wdrażania rozwiązań AI, jest gotowa wspierać inne organizacje w osiąganiu podobnych sukcesów.

Sprawdź nasz artykuł, w którym pisaliśmy o tym, jak jeszcze AI może wspomóc procesy w dziale HR.

Dla firm, które chcą usprawnić swoje procesy rekrutacyjne, wdrożenie inteligentnej automatyzacji HR może przynieść realne korzyści. Zanim jednak rozpoczniesz projekt, warto dokładnie przeanalizować swoje potrzeby, skalę działań oraz cele, jakie chcesz osiągnąć. Jeśli widzisz potencjał w tego typu rozwiązaniach - skontaktuj się z nami. Przeprowadzamy kompleksowy proces wdrożeniowy, dopasowany do specyfiki Twojej organizacji, i pomożemy maksymalnie wykorzystać możliwości nowoczesnych narzędzi AI w HR.