คุณเป็นผู้ประกอบการที่ประสบความสำเร็จ คุณได้รับเงินทุนเมื่อเร็วๆ นี้ และตอนนี้คุณจำเป็นต้องจ้าง “คน” อย่างรวดเร็วเพื่อให้บรรลุเป้าหมายการเติบโตตามที่นักลงทุนคาดการณ์ไว้ เป็นไปได้มากว่า ขั้นตอนแรกที่คุณต้องทำคือการจ้างผู้นำฝ่ายทรัพยากรบุคคลที่ช่ำชองเพื่อดูแลการจ้างงานและการเติบโตของบุคลากร นอกจากนี้ คุณยังคาดหวังว่าผู้นำฝ่ายทรัพยากรบุคคลจะใช้เทคโนโลยีเพื่อเพิ่มความเร็ว
ประสิทธิภาพ และประสิทธิผลให้กับกระบวนการทั้งหมด
อย่างไรก็ตาม มีอันตรายร้ายแรง 3 ประการที่แฝงตัวอยู่เบื้องหลังการนำเทคโนโลยีมาใช้
เป็นข้อเท็จจริงที่คาดว่าฟังก์ชันการสรรหาจะไม่เชื่อเรื่องพระเจ้าในอุตสาหกรรม หรืออีกนัยหนึ่งคือฟังก์ชันแนวนอน พื้นฐานทางวิชาการของคนส่วนใหญ่ในสายงานการสรรหามักจะเป็นสังคมศาสตร์หรือการจัดการทรัพยากรมนุษย์ และไม่ค่อยมีความรู้ด้านวิทยาศาสตร์และเทคโนโลยี ดังนั้นบุคลากรในสายงานการสรรหาจึงต้องพึ่งพาทีมการจ้างเพื่อประเมินด้านเทคนิคและการทำงานอยู่เสมอ
นอกเหนือไปจากลักษณะทั่วไปที่ไม่ใช่ด้านเทคนิคและลักษณะแนวนอนของคนในสายงานการสรรหา มีการจู่โจมด้วยโซลูชั่นการเรียนรู้ของเครื่องและ AI ที่ใช้ศัพท์เฉพาะ ขอแนะนำให้คุณเข้าใจข้อเสนอที่มีข้อบกพร่องสามข้อที่ผู้ให้บริการโซลูชันเสนอ
1. การจับคู่เครื่องระหว่างรายละเอียดงานและเรซูเม่
บทกวีสองบทอาจมีคำศัพท์และจำนวนคำเหมือนกัน แต่ความหมายของบทกวีทั้งสองอาจแตกต่างกันโดยสิ้นเชิง ในทำนองเดียวกัน มนุษย์มีความแตกต่างกันโดยกำเนิดและแสดงคุณสมบัติเชิงนามธรรมผ่านประวัติย่อของพวกเขา แม้จะมีทักษะที่คล้ายคลึงกันก็ตาม ความพยายามที่จะจับคู่คำที่พบใน CV กับคำในรายละเอียดงานอย่างจริงจังคือการสูญเสียสาระสำคัญของทั้งสองอย่าง
สำหรับตัวอย่าง หากคำอธิบายงานกำลังมองหาม้าที่สามารถวิ่งบนดาร์บี้ได้ โซลูชันนี้จะจับคู่สัตว์เลี้ยงลูกด้วยนมสี่ขาจำนวนมากที่ไม่เกี่ยวข้องตามบริบท เช่น ล่อจากมองโกเลีย ม้าลายจากแอฟริกา ม้าจากเคนตักกี้และอะไรที่ไม่ใช่ .
เหตุผลคือการพูดทางคณิตศาสตร์ คุณสมบัติที่เป็นนามธรรมแต่สำคัญที่สุดของผู้สมัครนั้นไม่มีนัยสำคัญทางสถิติ โดยปกติแล้วจะมีเพียงแค่ 1 หรือ 2 คำใน CV ทั้งหมด!
แม้ว่าวิธีนี้จะให้ความรู้สึกเหมือนมีความคืบหน้า แต่จะโหลดฟังก์ชันการสรรหาและว่าจ้างผู้จัดการเพื่อกำจัดล่อและม้าลายผ่านการคัดกรองหลายรอบ ซึ่งมีค่าใช้จ่ายสูงและทำให้เกิดความล่าช้า
2. การคาดการณ์ตามแนวโน้มการจ้างงานในอดีต
สัญชาตญาณตามปกติบอกว่า “ทำไมไม่จ้างคนประเภทที่เราต้องจ้าง” และวิธีแก้ปัญหาจะดูที่ CV ของคนที่ได้รับการว่าจ้างก่อนหน้านี้และพยายามค้นหาสิ่งที่คล้ายกันในกลุ่มผู้มีโอกาสเป็นลูกค้า นักเศรษฐศาสตร์คนใดจะชี้แจงว่าการประมาณการตามแนวโน้มทางประวัติศาสตร์นั้นถูกต้องก็ต่อเมื่อตัวแปรสภาพแวดล้อมทั้งหมดในอดีตนั้นถูกต้องโดยไม่ต้องสงสัยในยุคปัจจุบันเช่นกัน
เมื่อพิจารณาจากการเติบโตทางเศรษฐกิจ การแข่งขัน
และการมาถึงของเทคโนโลยีใหม่ ผู้สมัครทั้งสอง ตลอดจนบริษัทและบทบาทของพวกเขา ต่างอยู่ในสถานะวิวัฒนาการอย่างต่อเนื่อง บิ๊กดาต้าหรือไม่มีบิ๊กดาต้า ความคิดที่ว่าจะใช้วิธีนี้ต้องมีการวางแผนอย่างรอบคอบหรือปฏิเสธโดยสิ้นเชิง เกรงว่าใครจะแปลกใจกับปัญหาเช่นการเลือกปฏิบัติทางเพศที่ Amazon
3. เปรียบเทียบผู้มีโอกาสเป็นลูกค้าใหม่กับนักแสดงปัจจุบันที่ดีที่สุด 10 คนในบทบาทนี้
ในทางโต้แย้ง วิธีการจับคู่ CV ของผู้มีโอกาสเป็นลูกค้าใหม่กับผู้ปฏิบัติงานปัจจุบันที่ดีที่สุด 10 คนในบทบาทนี้ดูเหมือนจะเป็นแนวทางที่มั่นคงและเป็นแนวคิดที่ดีในการค้นหาโซลูชันอัตโนมัติ ข้อบกพร่องร้ายแรงบางอย่างคืบคลานเข้ามาในขณะที่ดำเนินการ
บ่อยครั้งที่บริษัทต่าง ๆ มีเรซูเม่ตามที่ได้รับจาก 10 บุคคลที่มีผลงานดีที่สุดซึ่งอาจมีอายุมากกว่า 2, 4, 5 ปีหรือมากกว่านั้น ในขณะที่สิ่งที่ 10 คนนี้กำลังทำอยู่นั้นแทบจะไม่มีให้เห็นในรูปแบบเอกสาร ในสถานการณ์สมมตินี้ วิธีการนี้มีข้อบกพร่องร้ายแรงพอๆ กับ “การคาดการณ์ตามแนวโน้มในอดีต” ที่อธิบายไว้ข้างต้น
มนุษย์แต่ละคนมีเอกลักษณ์เฉพาะตัวและถูกกำหนดโดยบริบทของเธอที่มีต่อความสามารถในการวางแผน ดำเนินการ และส่งมอบผลลัพธ์ แม้จะใช้เครื่องมือและสิ่งประดิษฐ์ที่เหมือนกัน (นักว่ายน้ำในมหาสมุทรเป็นคนละคนกับนักว่ายน้ำในสระ) ดังนั้น เหตุผลอีกประการหนึ่งที่ทำให้สงสัยว่าวิธีนี้คือแม้ว่าวิธีนี้อาจทำงานได้ดีพอสมควรในด้านทักษะและเครื่องมือ แต่ก็ไม่สนใจการผสมรวมตามบริบทของนักแสดงที่ดีที่สุด 10 คนและเปรียบเทียบกับผู้มีโอกาสเป็นลูกค้าใหม่
Credit : สล็อตเว็บตรง100 / ดูหนังฟรี / 50รับ100
