Tại một công ty giới thiệu nhân sự lớn, kết nối giáo viên và giảng viên với các trường học trên khắp Nhật Bản, nhân viên lựa chọn ứng viên từ hơn 50.000 người đã đăng ký dựa trên bằng cấp, môn học có thể giảng dạy, điều kiện làm việc, kinh nghiệm và nguyện vọng.
Càng có nhiều ứng viên, lựa chọn càng đa dạng, nhưng việc tìm đúng người cũng trở nên phức tạp hơn. Trong dự án này, chúng tôi đã xây dựng một hệ thống tận dụng dữ liệu hiện có để giúp lựa chọn ứng viên hiệu quả hơn và giảm sự khác biệt trong đánh giá giữa các nhân viên.
Ứng viên rất nhiều, nhưng mất thời gian để tìm đúng người.
Dù có hơn 50.000 người đăng ký, phần lớn công việc kiểm tra giấy phép giảng dạy, cấp học, môn học, điều kiện làm việc và kinh nghiệm theo từng vị trí tuyển dụng vẫn phụ thuộc vào xử lý thủ công.
Chỉ lọc theo các điều kiện đơn giản khiến việc tìm ra những ứng viên phù hợp hơn, xét cả kinh nghiệm lẫn nguyện vọng, trở nên khó khăn. Vì vậy, công tác lựa chọn vẫn phụ thuộc nhiều vào đánh giá của những nhân viên kỳ cựu.
Hồ sơ thiếu và không nhất quán hạn chế chất lượng ghép nối.
Hồ sơ đăng ký hiện có chứa giá trị bị thiếu, thông tin lỗi thời, thuật ngữ không thống nhất và mô tả dạng văn bản tự do. Quá trình làm việc và nguyện vọng hiện tại đôi khi lẫn vào nhau.
Doanh nghiệp cần khai thác được thông tin hiện có mà không phải thay thế hệ thống vận hành đã dùng lâu năm. Điều phối viên cần một cơ sở so sánh chung giúp đánh giá kinh nghiệm và nguyện vọng dễ dàng hơn.
Tách điều kiện bắt buộc khỏi đánh giá mức độ phù hợp.
Technica trích xuất thông tin liên quan từ văn bản tự do và hồ sơ không nhất quán, chuyển thuộc tính ứng viên và yêu cầu vị trí thành cấu trúc dễ so sánh hơn.
Điều phối viên có thể phân biệt điều kiện bắt buộc như chứng chỉ và môn dạy với kinh nghiệm, hình thức làm việc và nguyện vọng. Quy tắc chung về điều kiện và chấm điểm tạo cơ sở nhất quán để so sánh ứng viên, với AI đảm nhiệm việc tổ chức thông tin phục vụ đánh giá.
Cách tiếp cận này tạo danh sách ứng viên rút gọn để nhân viên rà soát; không thay thế quyết định tuyển dụng hay bố trí của con người.
Khoảng 90% chính xác trong các trường hợp thử nghiệm.
Đội ngũ kiểm tra liệu thông tin ứng viên đã được diễn giải có hỗ trợ đánh giá nhất quán hay không. Việc tách trích xuất thông tin khỏi tính điểm đã khắc phục tình trạng kết quả số không nhất quán ở giai đoạn thử nghiệm đầu.
Sau khi tách phần trích xuất bằng AI khỏi phần chấm điểm theo quy tắc cố định, dự án ghi nhận khoảng 90% trường hợp thử nghiệm được đánh giá là chính xác. Chỉ số đánh giá và cỡ mẫu chưa được công bố, và chưa có số liệu hiệu quả sau triển khai.
Dự án giúp hồ sơ hiện có trở nên hữu ích hơn cho việc so sánh ứng viên. Bước đánh giá tiếp theo là xác nhận danh sách rút gọn đáp ứng tốt đến đâu yêu cầu hiện tại của trường học và quy trình của điều phối viên.
Danh sách rút gọn nhất quán hơn, không thay thế phán đoán của con người.
-
Lập danh sách rút gọn nhanh hơn
Thông tin có cấu trúc giúp điều phối viên sàng lọc cơ sở dữ liệu ứng viên lớn.
-
Đánh giá nhất quán hơn
Tiêu chí chung về điều kiện và mức độ phù hợp giúp giảm những khác biệt không đáng có giữa người đánh giá.
-
Khai thác tốt hơn hồ sơ hiện có
Văn bản tự do và dữ liệu không nhất quán trở nên dễ dùng hơn cho việc so sánh.
-
Tiêu chí kinh doanh linh hoạt
Quy tắc chấm điểm có thể điều chỉnh khi yêu cầu của khách hàng hoặc trường học thay đổi.
Độ chính xác của việc ghép nối bằng AI không chỉ được quyết định bởi thuật toán.
Dự án mang lại cho điều phối viên một cơ sở chung để so sánh nguồn ứng viên lớn mà không cần thay thế hệ thống vận hành hiện có. Kinh nghiệm, chứng chỉ và nguyện vọng được tổ chức thành tài liệu hỗ trợ quyết định, trong khi quyết định bố trí cuối cùng vẫn thuộc về con người.