Gall deallusrwydd artiffisial helpu, ond dim ond os ydych chi'n ei drin fel offeryn pŵer, nid gwialen hud. Wedi'i ddefnyddio'n dda, mae'n cyflymu canfod ffynonellau, yn tynhau cysondeb, ac yn gwella profiad ymgeiswyr. Wedi'i ddefnyddio'n wael… mae'n lleihau dryswch, rhagfarn, a risg gyfreithiol yn dawel. Hwyl.
Gadewch i ni fynd drwy sut i ddefnyddio AI wrth Recriwtio mewn ffordd sy'n wirioneddol ddefnyddiol, yn canolbwyntio ar bobl, ac yn amddiffynadwy. (Ac nid yn frawychus. Peidiwch â bod yn frawychus, os gwelwch yn dda.)
Erthyglau y gallech fod eisiau eu darllen ar ôl yr un hon:
🔗 Offer recriwtio AI yn trawsnewid recriwtio modern
Sut mae llwyfannau AI yn cyflymu ac yn gwella penderfyniadau recriwtio.
🔗 Offer AI am ddim ar gyfer timau recriwtio
Yr atebion gorau am ddim i symleiddio ac awtomeiddio llifau gwaith recriwtio.
🔗 Sgiliau AI sy'n creu argraff ar reolwyr cyflogi
Pa sgiliau deallusrwydd artiffisial sy'n sefyll allan mewn gwirionedd ar CVs.
🔗 A ddylech chi optio allan o sgrinio CV AI
Manteision, anfanteision a risgiau osgoi systemau cyflogi awtomataidd.
Pam mae AI yn ymddangos mewn recriwtio o gwbl (a beth mae'n ei mewn gwirionedd ) 🔎
Mae'r rhan fwyaf o offer "cyflogi AI" yn disgyn i ychydig o fwcedi:
-
Ffynonellau : dod o hyd i ymgeiswyr, ehangu termau chwilio, paru sgiliau â rolau
-
Sgrinio : dadansoddi CVs, rhestru ymgeiswyr, nodi addasiadau tebygol
-
Asesiadau : profion sgiliau, samplau gwaith, efelychiadau swyddi, weithiau llifau gwaith fideo
-
Cymorth cyfweliadau : banciau cwestiynau strwythuredig, crynodeb o nodiadau, ysgogiadau cerdyn sgôr
-
Gweithrediadau : amserlennu, sgwrs Holi ac Ateb ymgeiswyr, diweddariadau statws, llif gwaith cynigion
Un gwiriad realiti: anaml y mae AI yn “penderfynu” mewn un foment lân. Mae'n dylanwadu… yn gwthio… yn hidlo… yn blaenoriaethu. Sy'n dal i fod yn beth mawr oherwydd yn ymarferol, gall offeryn ddod yn weithdrefn ddethol hyd yn oed pan fydd bodau dynol yn “dechnegol” yn y ddolen. Yn yr Unol Daleithiau, mae'r EEOC wedi bod yn glir y gall offer penderfynu algorithmig a ddefnyddir i wneud neu lywio penderfyniadau cyflogaeth sbarduno'r un hen gwestiynau effaith anghydradd/niweidiol - a bod cyflogwyr yn gallu parhau i fod yn gyfrifol hyd yn oed pan fydd gwerthwr wedi adeiladu neu'n rhedeg yr offeryn. [1]
Y drefniant recriwtio “da” lleiaf hyfyw â chymorth AI ✅
Mae gan drefniant cyflogi AI da ychydig o bethau na ellir eu trafod (ydw, maen nhw braidd yn ddiflas, ond mae diflas yn ddiogel):
-
Mewnbynnau sy'n gysylltiedig â'r swydd : gwerthuso signalau sy'n gysylltiedig â'r rôl, nid teimladau
-
Eglurhad y gallwch ei ailadrodd yn uchel : os yw ymgeisydd yn gofyn “pam,” mae gennych ateb cydlynol
-
Goruchwyliaeth ddynol sy'n bwysig : nid clicio seremonïol - awdurdod go iawn i oresgyn
-
Dilysu + monitro : canlyniadau profion, gwylio symudiadau, cadw cofnodion
-
Dyluniad sy'n gyfeillgar i ymgeiswyr : camau clir, proses hygyrch, lleiafswm o nonsens
-
Preifatrwydd trwy ddylunio : lleihau data, rheolau cadw, diogelwch + rheolaethau mynediad
Os ydych chi eisiau model meddyliol cadarn, benthycwch o Fframwaith Rheoli Risg AI NIST - yn y bôn ffordd strwythuredig o lywodraethu, mapio, mesur a rheoli risg AI ar draws y cylch bywyd. Nid stori amser gwely yw hon, ond mae'n wirioneddol ddefnyddiol ar gyfer gwneud y pethau hyn yn archwiliadwy. [4]
Ble mae AI yn ffitio orau yn y twndis (a ble mae'n mynd yn sbeislyd) 🌶️
Y lleoedd gorau i ddechrau (fel arfer)
-
Drafftio disgrifiad swydd + glanhau ✍️
Gall deallusrwydd artiffisial cynhyrchiol leihau jargon, cael gwared ar restrau dymuniadau chwyddedig, a gwella eglurder (cyn belled â'ch bod chi'n gwirio'ch synnwyr cyffredin). -
Cyd-beilotiaid recriwtwyr (crynodebau, amrywiadau allgymorth, llinynnau boolaidd)
Enillion cynhyrchiant mawr, risg gwneud penderfyniadau isel os yw bodau dynol yn parhau i fod wrth y llyw. -
Amserlennu + Cwestiynau Cyffredin ymgeiswyr 📅
Mae ymgeiswyr yn hoffi awtomeiddio mewn gwirionedd, pan gaiff ei wneud yn gwrtais.
Parthau risg uwch (cerdded yn ofalus)
-
Rhestru a gwrthod awtomataidd
Po fwyaf pendant y daw'r sgôr, y mwyaf y bydd eich baich yn symud o “offeryn braf” i “brofi bod hyn yn gysylltiedig â'r swydd, wedi'i fonitro, ac nid yn eithrio grwpiau'n dawel.” -
Dadansoddiad fideo neu “gasgliad ymddygiadol” 🎥
Hyd yn oed pan gânt eu marchnata fel rhai “gwrthrychol,” gallant wrthdaro ag anabledd, anghenion hygyrchedd, a dilysrwydd simsan. -
Unrhyw beth sy'n dod yn "awtomataidd yn unig" gydag effeithiau sylweddol
O dan GDPR y DU, mae gan bobl hawl i beidio â bod yn destun rhai awtomataidd yn unig gydag effeithiau cyfreithiol neu effeithiau sylweddol tebyg - a lle mae'n berthnasol, mae angen mesurau diogelwch arnoch hefyd fel y gallu i gael ymyrraeth ddynol a herio'r penderfyniad. (Hefyd: mae'r ICO yn nodi bod y canllawiau hyn yn cael eu hadolygu oherwydd newidiadau yng nghyfraith y DU, felly trin hyn fel maes i'w gadw'n gyfredol.) [3]
Diffiniadau cyflym (fel bod pawb yn dadlau am yr un peth) 🧠
Os mai dim ond un arferiad nerdy rydych chi'n ei ddwyn: diffiniwch dermau cyn i chi brynu offer.
-
Offeryn gwneud penderfyniadau algorithmig : term cyffredinol am feddalwedd sy'n gwerthuso/graddio ymgeiswyr neu weithwyr, weithiau gan ddefnyddio deallusrwydd artiffisial, i lywio penderfyniadau.
-
Effaith andwyol / effaith anghymesur : proses “niwtral” sy’n eithrio pobl yn anghymesur yn seiliedig ar nodweddion gwarchodedig (hyd yn oed os nad oedd neb yn bwriadu hynny).
-
Cysylltiedig â swydd + yn gyson ag angen busnes : y safon rydych chi'n anelu ati os yw offeryn yn sgrinio pobl allan ac mae canlyniadau'n edrych yn anghyson.
Mae'r cysyniadau hyn (a sut i feddwl am gyfraddau dethol) wedi'u nodi'n glir yng nghymorth technegol yr EEOC ar AI ac effaith andwyol. [1]
Tabl Cymharu - opsiynau cyflogi AI cyffredin (a phwy maen nhw ar eu cyfer mewn gwirionedd) 🧾
| Offeryn | Cynulleidfa | Pris | Pam mae'n gweithio |
|---|---|---|---|
| Ychwanegion AI mewn cyfresi ATS (sgrinio, paru) | Timau cyfaint uchel | Yn seiliedig ar ddyfynbrisiau | Llif gwaith canolog + adrodd… ond ffurfweddu'n ofalus neu mae'n dod yn ffatri gwrthod |
| Cyrchu talent + ailddarganfod deallusrwydd artiffisial | Sefydliadau sy'n drwm ar ffynonellau | ££–£££ | Yn dod o hyd i broffiliau cyfagos ac ymgeiswyr “cudd” - yn rhyfedd o ddefnyddiol ar gyfer rolau niche |
| Dadansoddi CV + tacsonomeg sgiliau | Timau'n boddi mewn PDFau CV | Yn aml wedi'i fwndelu | Yn lleihau triage â llaw; amherffaith, ond yn gyflymach na bwrw golwg dros bopeth am 11pm 😵 |
| Sgwrs ymgeisydd + awtomeiddio amserlennu | Bob awr, campws, cyfaint uchel | £–££ | Amseroedd ymateb cyflymach a llai o bobl ddim yn ymddangos - yn teimlo fel conscierge gweddus |
| Pecynnau cyfweliad strwythuredig + cardiau sgôr | Timau'n trwsio anghysondeb | £ | Yn gwneud cyfweliadau'n llai ar hap - buddugoliaeth dawel |
| Llwyfannau asesu (samplau gwaith, efelychiadau) | Recriwtio sy'n hyrwyddo sgiliau | ££ | Gwell signal na CVs pan fyddant yn berthnasol i'r swydd - dal i fonitro canlyniadau |
| Monitro rhagfarn + offer cymorth archwilio | Sefydliadau rheoleiddiedig / ymwybodol o risg | £££ | Yn helpu i olrhain cyfraddau dethol a symud dros amser - derbynebau, yn y bôn |
| Llifau gwaith llywodraethu (cymeradwyaethau, logiau, rhestr eiddo modelau) | Timau AD + cyfreithiol mwy | ££ | Yn atal “pwy gymeradwyodd beth” rhag dod yn helfa sborion yn ddiweddarach |
Cyffes bwrdd bach: mae prisio yn y farchnad hon yn llithrig. Mae gwerthwyr wrth eu bodd ag egni “gadewch i ni neidio ar alwad”. Felly trin cost fel “ymdrech gymharol + cymhlethdod contract,” nid label sticer taclus… 🤷
Sut i ddefnyddio AI wrth Recriwtio gam wrth gam (cyflwyniad na fydd yn eich brathu'n ddiweddarach) 🧩
Cam 1: Dewiswch un pwynt poen, nid y bydysawd cyfan
Dechreuwch gyda rhywbeth fel:
-
lleihau amser sgrinio ar gyfer un teulu rôl
-
gwella ffynonellau ar gyfer rolau anodd eu llenwi
-
safoni cwestiynau cyfweliad a chardiau sgôr
Os ceisiwch ailadeiladu cyflogi o'r dechrau i'r diwedd gyda deallusrwydd artiffisial ar y diwrnod cyntaf, byddwch yn cael proses Frankenstein. Bydd yn gweithio, yn dechnegol, ond bydd pawb yn ei gasáu. Ac yna byddant yn ei osgoi, sy'n waeth.
Cam 2: Diffinio “llwyddiant” y tu hwnt i gyflymder
Cyflymder sy'n bwysig. Felly nid yw cyflogi'r person anghywir yn gyflym 😬. Trac:
-
amser-i-ymateb-cyntaf
-
amser i lunio rhestr fer
-
cymhareb cyfweliad-i-gynnig
-
cyfradd rhoi’r gorau i ymgeiswyr
-
dirprwyon ansawdd cyflogi (amser ramp, signalau perfformiad cynnar, cadw staff)
-
gwahaniaethau cyfradd dethol ar draws grwpiau ym mhob cam
Os mai dim ond cyflymder rydych chi'n ei fesur, byddwch chi'n optimeiddio ar gyfer "gwrthod cyflym", nad yw'r un peth â "chyflogi da".
Cam 3: Cloi eich pwyntiau penderfyniad dynol (ysgrifennwch nhw i lawr)
Byddwch yn boenus o eglur:
-
lle gall AI awgrymu
-
lle mae'n rhaid i fodau dynol benderfynu
-
lle mae'n rhaid i bobl adolygu gor-reoliadau (a chofnodi pam)
Prawf arogl ymarferol: os yw cyfraddau gorbwyso yn sero yn y bôn, efallai mai sticer addurniadol yw eich "dyn yn y ddolen".
Cam 4: Rhedeg prawf cysgod yn gyntaf
Cyn i allbynnau AI ddylanwadu ar ymgeiswyr go iawn:
-
ei redeg ar gylchoedd cyflogi yn y gorffennol
-
cymharu argymhellion â chanlyniadau gwirioneddol
-
chwiliwch am batrymau fel “ymgeiswyr gwych wedi’u rhestru’n isel yn systematig”
Enghraifft gyfansawdd (oherwydd mae hyn yn digwydd llawer): mae model yn “caru” cyflogaeth barhaus ac yn cosbi bylchau gyrfa… sy'n israddio gofalwyr, pobl sy'n dychwelyd o salwch, a phobl â llwybrau anlinellol yn dawel. Ni wnaeth neb godio “byddwch yn annheg.” Gwnaeth y data hynny i chi. Cŵl cŵl cŵl.
Cam 5: Treialu, yna ehangu'n araf
Mae peilot gweddus yn cynnwys:
-
hyfforddiant recriwtwyr
-
sesiynau calibradu rheolwr cyflogi
-
negeseuon ymgeiswyr (beth sy'n awtomataidd, beth sydd ddim)
-
llwybr adrodd gwallau ar gyfer achosion ymyl
-
log newidiadau (beth newidiodd, pryd, pwy a'i cymeradwyodd)
Trin peilotiaid fel labordy, nid lansiad marchnata 🎛️.
Sut i ddefnyddio AI wrth Recriwtio heb ddifetha preifatrwydd 🛡️
Nid dim ond ticio blychau cyfreithiol yw preifatrwydd - mae'n ymddiriedaeth ymgeiswyr. Ac mae ymddiriedaeth eisoes yn fregus wrth recriwtio, gadewch i ni fod yn onest.
Symudiadau preifatrwydd ymarferol:
-
Lleihau data : peidiwch â hwfro popeth “rhag ofn”
-
Byddwch yn eglur : dywedwch wrth ymgeiswyr pryd mae awtomeiddio yn cael ei ddefnyddio a pha ddata sy'n gysylltiedig
-
Terfyn cadw : diffinio pa mor hir y mae data ymgeiswyr yn aros yn y system
-
Mynediad diogel : caniatâd seiliedig ar rôl, logiau archwilio, rheolaethau gwerthwyr
-
Cyfyngiad pwrpas : defnyddio data ymgeiswyr ar gyfer recriwtio, nid arbrofion ar hap yn y dyfodol
Os ydych chi'n cyflogi yn y DU, mae'r ICO wedi bod yn uniongyrchol iawn ynglŷn â'r hyn y dylai sefydliadau fod yn ei ofyn cyn caffael offer recriwtio AI - gan gynnwys gwneud DPIA yn gynnar, cadw prosesu'n deg/lleiafswm, ac egluro'n glir i ymgeiswyr sut mae eu gwybodaeth yn cael ei defnyddio. [2]
Hefyd, peidiwch ag anghofio hygyrchedd: os yw cam sy'n cael ei yrru gan AI yn rhwystro ymgeiswyr sydd angen addasiadau, rydych chi wedi creu rhwystr. Ddim yn dda yn foesegol, ddim yn dda yn gyfreithiol, ddim yn dda i'ch brand cyflogwr. Triphlyg ddim yn dda.
Rhagfarn, tegwch, a gwaith diflas monitro 📉🙂
Dyma lle mae'r rhan fwyaf o dimau'n tanfuddsoddi. Maen nhw'n prynu'r offeryn, yn ei droi ymlaen, ac yn cymryd yn ganiataol "mae'r gwerthwr wedi delio â rhagfarn." Mae honno'n stori gysurus. Mae hefyd yn aml yn un beryglus.
Mae trefn degwch ymarferol yn edrych fel hyn:
-
Dilysu cyn-leoli : beth mae'n ei fesur, ac a yw'n gysylltiedig â swydd?
-
Monitro effaith andwyol : cyfraddau dethol traciau ym mhob cam (ymgeisio → sgrinio → cyfweliad → cynnig)
-
Dadansoddi gwallau : ble mae negatifau ffug yn clystyru?
-
Gwiriadau hygyrchedd : a yw llety yn gyflym ac yn barchus?
-
Gwiriadau drifft : mae anghenion rôl yn newid, mae marchnadoedd llafur yn newid, mae modelau'n newid… dylai eich monitro newid hefyd
Ac os ydych chi'n gweithredu mewn awdurdodaethau sydd â rheolau ychwanegol: peidiwch ag ychwanegu cydymffurfiaeth yn ddiweddarach. Er enghraifft, mae Cyfraith Leol 144 Dinas Efrog Newydd yn cyfyngu ar ddefnyddio rhai offer penderfynu cyflogaeth awtomataidd oni bai bod archwiliad rhagfarn diweddar, gwybodaeth gyhoeddus am yr archwiliad hwnnw, a hysbysiadau gofynnol - gyda gorfodi'n dechrau yn 2023. [5]
Cwestiynau diwydrwydd dyladwy gwerthwyr (dwyn y rhain) 📝
Pan fydd gwerthwr yn dweud “ymddiried ynom ni,” cyfieithwch ef i “dangoswch i ni”.
Gofynnwch:
-
Pa ddata hyfforddodd hyn, a pha ddata a ddefnyddir adeg penderfynu?
-
Pa nodweddion sy'n gyrru'r allbwn? Allwch chi ei esbonio fel bod dynol?
-
Pa brofion rhagfarn ydych chi'n eu cynnal - pa grwpiau, pa fetrigau?
-
A allwn ni archwilio canlyniadau ein hunain? Pa adroddiadau a gawn ni?
-
Sut mae ymgeiswyr yn cael adolygiad dynol - llif gwaith + amserlen?
-
Sut ydych chi'n ymdrin ag addasiadau? Unrhyw ddulliau methiant hysbys?
-
Diogelwch + cadw: ble mae data'n cael ei storio, am ba hyd, pwy all gael mynediad iddo?
-
Rheoli newid: ydych chi'n hysbysu cwsmeriaid pan fydd modelau'n diweddaru neu'n sgorio sifftiau?
Hefyd: os gall yr offeryn sgrinio pobl allan, trinwch ef fel gweithdrefn ddethol - a gweithredwch yn unol â hynny. Mae canllawiau'r EEOC yn eithaf di-flewyn-ar-dafod nad yw cyfrifoldeb cyflogwyr yn diflannu'n hudol oherwydd "mae gwerthwr wedi'i wneud". [1]
Deallusrwydd Artiffisial cynhyrchiol wrth recriwtio - y defnyddiau diogel, synhwyrol (a'r rhestr na) 🧠✨
Yn ddiogel ac yn ddefnyddiol iawn
-
ailysgrifennu hysbysebion swyddi i gael gwared ar fluff a gwella eglurder
-
drafftiwch negeseuon allgymorth gyda thempledi personoli (cadwch hi'n ddynol, os gwelwch yn dda 🙏)
-
crynhoi nodiadau cyfweliad a'u mapio i gymwyseddau
-
creu cwestiynau cyfweliad strwythuredig sy'n gysylltiedig â'r rôl
-
cyfathrebu ymgeiswyr ar gyfer amserlenni, cwestiynau cyffredin, canllawiau paratoi
Y rhestr na (neu o leiaf “arafu ac ailfeddwl”)
-
defnyddio trawsgrifiad chatbot fel prawf seicolegol cudd
-
gadael i AI benderfynu “addasrwydd diwylliant” (dylai’r ymadrodd hwnnw achosi larwm)
-
crafu data cyfryngau cymdeithasol heb gyfiawnhad a chydsyniad clir
-
gwrthod ymgeiswyr yn awtomatig yn seiliedig ar sgoriau anhryloyw heb lwybr adolygu
-
gwneud i ymgeiswyr neidio trwy gylchoedd AI nad ydynt yn rhagweld perfformiad swydd
Yn fyr: cynhyrchu cynnwys a strwythur, ie. Awtomeiddio barn derfynol, byddwch yn ofalus.
Sylwadau Terfynol - Rhy Hir, Wnes i Ddim Ei Ddarllen 🧠✅
Os nad ydych chi'n cofio dim byd arall:
-
Dechreuwch yn fach, treialwch yn gyntaf, mesurwch ganlyniadau. 📌
-
Defnyddiwch AI i gynorthwyo bodau dynol, nid dileu atebolrwydd.
-
Dogfennu pwyntiau penderfyniad, dilysu perthnasedd swydd, a monitro tegwch.
-
Cymerwch gyfyngiadau preifatrwydd a phenderfyniadau awtomataidd o ddifrif (yn enwedig yn y DU).
-
Gofynnwch am dryloywder gan werthwyr, a chadwch eich trywydd archwilio eich hun.
-
Mae'r broses recriwtio AI orau yn teimlo'n fwy strwythuredig ac yn fwy dynol, nid yn oerach.
Dyna sut i ddefnyddio AI wrth Recriwtio heb orffen gyda system gyflym, hyderus sy'n hyderus o anghywir.
Cyfeiriadau
[1] EEOC -
Materion Dethol: Asesu Effaith Niweidiol mewn Meddalwedd, Algorithmau, a Deallusrwydd Artiffisial a Ddefnyddir mewn Gweithdrefnau Dethol Cyflogaeth o dan Deitl VII (Cymorth Technegol, Mai 18, 2023) [2] ICO -
Ydych chi'n ystyried defnyddio AI i gynorthwyo recriwtio? Ein prif ystyriaethau diogelu data (6 Tachwedd 2024) [3] ICO -
Beth mae GDPR y DU yn ei ddweud am wneud penderfyniadau awtomataidd a phroffilio? [4] NIST -
Fframwaith Rheoli Risg Deallusrwydd Artiffisial (AI RMF 1.0) (Ionawr 2023) [5] Adran Diogelu Defnyddwyr a Gweithwyr Dinas Efrog Newydd - Offer Penderfynu Cyflogaeth Awtomataidd (AEDT) / Cyfraith Leol 144