As maneiras incríveis de usar IA para criar um companheiro de carreira

Nos 18 anos de existência, o Even evoluiu de um simples quadro de avisos de empregos para uma plataforma automatizada de correspondência e contratação. A cada minuto, são feitas mais de 20 contratações por meio da plataforma, que é visitada por 300 milhões de pessoas todos os meses.

Este crescimento (que duplicou nos últimos três anos) foi conseguido face a tempos económicos turbulentos, com eventos globais a impactar as tendências e a actividade de contratação de forma dramática. Ao longo disto, a estratégia de negócios centrou-se no desenvolvimento de novas soluções tecnológicas sofisticadas baseadas em inteligência artificial e aprendizagem de máquina.

Como aprendi com Raj Mukherjee, vice-presidente executivo e gerente geral de empregadores do Even, quando ele se juntou a mim para uma discussão em podcast, o foco disso tem sido compreender e atender aos requisitos individuais do candidato e dos funcionários para criar soluções mais personalizadas e bem-sucedidas. conexões.

Então, vamos dar uma olhada em como o Even tem usado IA e ML, bem como mergulhar em algumas das ideias de Mukherjee sobre como isso transformará seu setor (assim como muitos outros):

O companheiro de carreira

Companheiro de carreira é uma frase que Mukerjee menciona durante nossa conversa e serve como uma descrição perfeita das ambições de IA do Even. Em termos gerais, os objetivos de negócio enquadram-se em categorias abrangentes. Isso inclui alinhar o serviço mais de perto com as preferências do usuário ou melhorar a velocidade de seus processos.

Mukherjee me disse: “Nossos princípios fundadores giravam em torno do aprendizado de máquina.

“Usamos técnicas padrão de aprendizado de máquina, também usamos aprendizado profundo… e agora estamos aproveitando… IA generativa ou grandes redes de idiomas.”

O conceito de companheiro de carreira decorre do desenvolvimento da compreensão de que uma plataforma de emprego ponta a ponta não será útil apenas para os candidatos quando estiverem procurando o primeiro emprego. Hoje, eles podem estar procurando emprego e amanhã será uma promoção. Depois disso, eles próprios podem começar a se envolver na contratação de pessoal.

Compreender as preferências é fundamental para isso – o Even coleta mais de 140 milhões de pontos de dados todos os dias, o que chamamos de “qualificações”. Eles são usados para desenvolver um conhecimento profundo dos candidatos e como eles se enquadram nas funções anunciadas na plataforma.

Descrevendo como a tecnologia de IA permitiu novas possibilidades de uso para impulsionar a experiência do cliente, Mukherjee diz: "Podemos ter um currículo que compartilhei com você, e esse currículo contém muitos dados sobre mim, minhas experiências anteriores, onde trabalhei , que tipo de habilidades eu tinha nisso.

“Vamos entender isso. Usando tecnologia de análise, mas também começando a usar o aprendizado de máquina em um nível muito profundo para extrair as habilidades certas.”

Correspondência instantânea

A velocidade também é essencial. Por isso, as métricas sobre a rapidez com que consegue preencher as vagas estão entre as mais monitoradas.

Mukherjee me disse: “Sabemos que os empregadores querem contratar rápido... se você usar nosso produto pago, isso resultará em contratações 19% mais rápidas”.

Isto se deve ao fato de que as funções são ativamente atribuídas aos candidatos por meio da IA, que são então convidados a se candidatar assim que as vagas são publicadas no site.

Nos bastidores, no entanto, muitas partidas complicadas estão acontecendo. Os algoritmos do Even revelam insights baseados tanto em preferências “declaradas” quanto em preferências não declaradas. As preferências declaradas são fornecidas pelo usuário – como uma indicação de que está interessado em vagas em Londres ou Paris.

Uma preferência não declarada, por outro lado, é aquela determinada pela análise dos dados. Por exemplo, se eles procuram emprego consistentemente em Londres, isso pode determinar que é onde desejam trabalhar.

Descobriu-se que a combinação dessas preferências declaradas e não declaradas acelera com eficiência as métricas críticas de tempo de preenchimento.