E’ possibile trovare il candidato ideale grazie ad una macchina? I sistemi di Intelli-Match Recruiting sfruttano gli algoritmi per analizzare i curriculum e predire il successo di un’assunzione, dalla candidatura fino a coprire l’intero percorso in azienda

Anche se l’ultima parola spetta al recruiter in carne ed ossa, i sistemi artificiali di Recruiting sono sempre più presenti nell’iter di selezione. La Machine Learning e gli algoritmi predittivi guidano non solo le fasi iniziali di reclutamento dei candidati, ma anche la valutazione delle skills prima e durante l’assunzione. 

Intelli-Match Recruiting per individuare parole chiave e incoerenze nei curriculum

Nel primo approccio con il candidato, ai sistemi di Intelli-Match Recruiting viene passato il compito più gravoso dal punto di vista del tempo: lo smistamento dei curriculum per parole chiave e l’assimilazione dei dati anagrafici come nome e cognome, numero di telefono e data di nascita. In questa fase la macchina riconosce un curriculum idoneo al ruolo lavorativo in gioco come quello dotato di tali caratteristiche:

Chiaro nell’identificazione di parole chiave. Quelle più efficaci sono associate a concetti che richiamo il ruolo lavorativo ricercato, seguite da quelle associate a skills peculiari del candidato.

Coerente nell’esposizione dei contenuti. I testi devono essere dotati di una consequenzialità logica, cioè privi di interferenze tra l’esposizione di un concetto e quello successivo. Nella pratica, questo significa procedere e concludere con un argomento prima di iniziarne un altro, eliminando per quanto possibile salti temporali e disgressioni. Un testo idoneo a questo scopo è lineare e non lascia troppo spazio alla creatività espositiva.

Elementare nella formattazione del testo. La forma più machine-friendly è quella in formato word e similare, senza troppe immagini e privo di grafici, illustrazioni e tabelle. Questo perchè, al momento, i sistemi di Intelli-Match Recruiting non sono dotati di una sensibilità estetica e approvano senza indugi i contenuti privi di elementi grafici che possano distogliere l’attenzione dal testo. Un altro consiglio è quello di suddividere il testo almeno in due settori: intestazione e corpo del testo, dove inserire anche i dati personali del candidato.  

Quelle appena descritte sono delle linee guida utili affinchè le macchine deputate ad una prima scrematura dei curriculum possano scegliere quelli, almeno nella forma scritta, più idonei. Se si ha intenzione di arricchire di una vivacità grafica il proprio curriculum scritto, è consigliabile, almeno in questa fase, allegare nel fondo del testo un link ad un contenuto web – portfolio, sito web etc. – con la versione “arricchita” del proprio curriculum. 

“Tra le tipologie di software più conosciute in ambito di Automation Recruitment troviamo gli Applicant Tracking System, software in grado di estrapolare dai testi curriculari parole chiave e parametri utili ad una prima scrematura. Esempi di Applicant Tracking System sono Taleo, SuccessFactors, iCIMS, BrassRing e Workday

I curriculum aumentano di numero insieme alla varietà dei processi di screening

L’abbinamento di sistemi automatizzati di lettura del cv, insieme alla valutazione umana delle risorse HR favorisce la velocità dei processi di allineamento tra skill richieste e prospettate nel candidato, oltre che la gestione di una mole di curriculum sempre maggiore, cresciuta anche grazie all’introduzione delle piattaforme digitali che collegano candidato e azienda.

Come ogni strumento di intelligenza artificiale, anche quello utilizzato per smistare i curriculum deve essere inserito e saper funzionare in contesti differenti. In questo caso, in una infrastruttura che fa coincidere la formazione pre e post assunzione e la misurazione delle performances durante tutto il percorso professionale del candidato all’interno del progetto di assunzione. 

Un esempio di integrazione dei sistemi di Automation Recruitment che stavolta, però, si prospetta come uno strumento sia per aziende che per professionisti, è Flexa, una piattaforma creata da MIP che non solo fornisce ai recruiter strumenti di automazione per la selezione dei candidati, ma elabora un archivio frutto di un pregresso e continuo processo di screening. La potenzialità di Flexa risiede infatti in un rapporto diretto con i professionisti – tra i quali il sistema troverà i candidati ideali per le future posizioni di lavoro. 

Il database è quello che proviene dagli alunni del Politecnico di Milano e, più in genere, da tutti i professionisti del settore. Insomma, una community professionale che si autoalimenta grazie a iniziative social e skilling on demand. 

L’intelligenza artificiale riesce a introdurre la soft skills availabilty del candidato all’attenzione del recruiter

I recruiter nella maggioranza dei casi vedono di buon occhio i sistemi di Intelli-Match Recruiting, se non altro per evitare un lungo lavoro di screening che richiede diverse ore prima di riuscire a predisporre un colloquio di persona. In tal modo il tempo da dedicare ad azioni strategiche e di studio sui processi di selezione risulta maggiore.

Un altro vantaggio risiede nel fatto che l’intelligenza artificiale, nei curriculum testuali (ancor di più in quelli video) è capace di individuare anche alcune skills che verranno testate in maniera più accurata nel colloquio di persona. A sorpresa si tratta proprio di soft skills. 

Author: Claudia Sistelli

© Riproduzione Riservata