V náborové agendě nejen českých firem hrají čím dál důležitější roli stroje. Umí číst životopisy, domlouvat pohovory a případně i provádět nové pracovníky onboardingem. Kromě firem však pomáhá automatizace na trhu práce i uchazečům.

Poradíme, jak toho využít a napsat strukturovaný životopis tak, aby z něj robot vyčetl co nejvíc. Díky tomu vám pak nabídne i pozice, které byste navzdory vhodné kvalifikaci či zkušenostem sami přehlédli.

‚‚Je poptávka jak po profesích, které doposud neexistovaly, nebo se podoba stávajících pozic vlivem technologií tak mění, že jsou k nim potřeba nové dovednosti,” popisuje Jiří Halbrštát z ManpowerGroup.

Orientace ve smršti novinek na trhu práce může být problémem jak pro ty, kdo neměnili zaměstnání několik let, tak pro pracující, kteří nemají jasnou představu o svém příštím působišti – nebo naopak jasnou až příliš. Všem pomůžou personalizovaná doporučení na základě párování jejich dovedností s nabízenými pozicemi.

‚‚Lidé často sami sebe zařadí do poměrně úzké škatulky. Třeba účetní, hledající pouze pozice účetních. Nevidí, že jinak nazvaná pozice s podobnou sadou nároků a kompetencí by pro něj byla také vhodná,“ vysvětluje Tomáš Ervín Dombrovský, analytik společnosti LMC, provozující portály Jobs.cz nebo Prace.cz.

Uchazečům proto nabízí i pozice, kterých by si sami nejspíš nevšimli. Systém umělé inteligence generuje doporučení na základě velkých dat, sbíraných od uživatelů, kteří ke sběru udělí souhlas. Kromě informací ze životopisů je důležitá i aktivita na stránkách – na které inzeráty klikají a kolik u nich tráví času.

‚‚Během posledního půl roku upřednostňujeme kvalitu matchingu před kvantitou. Kandidátům posíláme o pětinu méně pozic, ale generujeme stejný počet odpovědí,“ tvrdí Alfred Simuna, který má v LMC na starost inovace a produkty. Společnost podle něj zvládá automatizovaně vyřídit necelou třetinu odpovědí.

75%

zvýšení konverze uchazečů díky strojovému doporučení

Projíždění pracovních portálů či kariérních stránek velkých firem naslepo může být vyčerpávající. Doporučení, byť strojové, zvyšuje pravděpodobnost, že se uchazeč na nabízenou pozici skutečně přihlásí. Softwarový gigant SAP tvrdí, že jeho automatizovaný nástroj zvyšuje míru této konverze o sedmdesát pět procent.

‚‚Pokud systém pozici nabídne přímo uchazeči s tím, že by se na ni hodil, je zde mnohem vyšší šance, že se skutečně přihlásí. Hlavně u žen se zvyšuje pravděpodobnost, že zareagují na nabídky, na které by si jinak netroufly,“ uvádí Lenka Nedzelská, senior recruiter v SAP.

Poměrně rozšířenou pomůckou jsou i nejrůznější chatboti. ‚‚Pomáhají s náborem, onboardingem, ale také pravidelnou zpětnou vazbou od stávajících zaměstnanců,“ líčí personální ředitelka Sodexo Benefitů Martina Machová relativně jednoduchý strom otázek a odpovědí.

Kromě chatbotů se však začínají využívat i takzvaní voiceboti, kde interakce probíhá místo psaní mluvením. Pro velké firmy s desítkami či stovkami otevřených pozic je pak užitečným nástrojem automatické přetváření příchozích životopisů do použitelné databáze s fulltextovým vyhledáváním.

Nástroje tohoto typu mohou pomoct například s prvotní selekcí uchazečů podle nejzákladnějších dovedností, přes které ‚‚nejede vlak“. Jsou rovněž zdrojem dat pro doporučování vhodných pozic, které by díky strojovému učení mělo být čím dál propracovanější. Jak tomu jít naproti?

‚‚Ideální je vypsat do životopisu co nejvíc dovedností a zkušeností. Kde člověk pracoval, co a kde studoval, jakými prošel školeními, co má za certifikáty,“ vyjmenovává Simuna, co by měl zahrnovat vzorový životopis.

Z vizuálně zahlcených životopisů systém nedokáže vyčíst text.

Životopis je zjednodušeně řečeno potřeba „naboostovat“ co nejvíce klíčovými slovy, která pak mohou algoritmy lovit. Například u předchozích pracovních zkušeností se hodí kromě názvu pozice uvádět v CV i podrobný popis náplně práce.

„Je také potřeba se vyhnout přehnané grafice a vizualizacím. Tam se stává, že z příliš zahlcených CVček systém nedokáže vyčíst text. Pozor i na překlepy hlavně u názvů předchozích zaměstnavatelů – stačí jedno písmeno špatně a robot už jej neidentifikuje,“ varuje Nedzelská. 

Kromě dovedností uchazeče (takzvaný skill match) je stejně důležité i to, jak do nové firmy a týmu zapadne (culture match). Zde mají stroje oproti lidem značné mezery.

„V automatizaci HR procesů v okamžiku reakce kandidáta, popřípadě během prescreeningu či administrace, není problém. Rizikem je, pokud by si firma myslela, že celý náborový proces vyřeší chatbotem. Člověk je totiž v tomto ohledu skutečně nezastupitelný,“ připomíná Jitka Součková, marketingová ředitelka Grafton Recruitment.

Stroj nedokáže dostatečně spolehlivě otestovat například komunikaci kandidáta, jeho hodnotovou orientaci či určit potenciál růstu. „Vidět lidi naživo, jak například pod tlakem zvládají spolupracovat s ostatními, je pro personalisty nenahraditelná zkušenost. Tyto stránky se ze strukturovaných dat posuzují strašně těžko,“ dodává Tomáš Dombrovský.

Finální slovo u náboru tak má a nejspíš ještě dlouho bude mít člověk. V debatě o automatizaci se zároveň často skloňuje téma diskriminace, jelikož každý lidský náborář podléhá určitým předsudkům. U strojového čtení životopisů lze algoritmy nastavit tak, aby ignorovaly data, jako je věk, pohlaví či jméno, a zaměřily se čistě na dovednosti.

I to však může být dvousečnou zbraní. „Problém nastává ve chvíli, kdy se robot naučí hledat a pozitivně hodnotit například vlastnosti a dovednosti připisované hlavně mužům. Takto může docházet ke skryté diskriminaci žen,“ upozorňuje Machová.

A její slova potvrzuje příkladem i Dombrovský. „Ve výběrových řízeních častěji uspějí mladší lidé. Pokud by se algoritmus na základě těchto výběrek učil stylem, že kdo pravděpodobněji uspěje, takového si budeme vybírat, tak se diskriminace, stereotypy a předsudky budou výrazně prohlubovat,“ uzavírá.