Indhold
Q:
Hvad er nogle måder, hvorpå maskinlæringssystemer kan være nyttige for menneskelige ressourcer?
EN:
Uanset hvor du ser, er maskinlæring at transformere brancher. En af de senere adoptører er området menneskelige ressourcer - til at begynde med blev maskinlæring i vid udstrækning anvendt til marketing og kunde-vendende software, men nu udvides det til at tilbyde menneskelige ressourcechefer bedre måder at holde øje med at styre et kontor af enhver art .
En af de mest hyppige og populære måder, hvorpå maskinlæring bruges i menneskelige ressourcer, er at hjælpe ukrudt gennem et stort antal genoptagelser fra ansøgere. Det er et veletableret problem hos mange virksomheder, at ethvert jobtilbud får en oversvømmelse af applikationer. En del af dette vedrører historisk høj arbejdsløshed efter finanskrisen i 2008, men selv i flush-tider ender mange mennesker med at have de samme job og positioner.
Maskinlæring kan hjælpe med at gøre screeningsprocessen meget mindre arbejdskrævende. I en Techopedia-artikel om tendenser inden for teknologi taler Cristian Rennella, administrerende direktør og medstifter af MejorTrato.com.mx, om, hvordan hans virksomhed bruger kunstig intelligensværktøj til at gennemgå cv'er fra forskellige kandidater. Dette, sagde han, tog størstedelen af personaleafdelingens tid før overgangen til software, og det gøres nu hurtigt og nemt med automatiseringsværktøjer.
Maskinlæringssystemer kan også gennemgå genoptagelser på mere dybe og intelligente måder. De kan kigge efter specifikke kvalifikationssæt og ting som den geografiske placering af ansøgeren. På nogle måder kan maskinindlæringssystemer endda overtage meget af interviewprocessen. Hvis en første samtale kun er at skabe en grov match med hensyn til færdigheder og logistik, kan meget af dette nu gøres med sofistikerede maskinlæringsprodukter.
Afdelinger for menneskelige ressourcer kan også bruge maskinindlæringssystemer til at holde øje med omsætning eller slid. I for mange tilfælde bemærkes disse problemer kun, når bemandingsmodellen bliver anstrengt, eller når huller udvikler sig i en tidsplan. Men på det tidspunkt er det ofte for sent at virkelig lave et hurtigt og smidigt comeback og få flere mennesker involveret. Ved at have et fugleperspektiv af organisationen gennem en maskinlæringsplatform, forstår menneskelige ressourcer tendensen, før den kommer for langt ned ad vejen.
Samtidig kan menneskelige ressourcer også bruge maskinlæring til talentindsamling. Maskinlæringssystemer kan sortere gennem tidligere interaktioner for at finde, hvad der gør virksomheden attraktiv for talent, så forfattere kan promovere disse ting i fremtidige stillinger.
Som påpeget af mange erhvervseksperter er nutidens jobannoncer ikke kun formelle intentioner. De forskes og optimeres på samme måde som virksomheder forsker og optimerer direct mailers og andet kundemateriale. Det skyldes, at talent er så vigtigt i nutidens virksomhed - og maskinlæring hjælper menneskelige ressourcer med at gå derude og konkurrere i et højtryksmiljø.
Derudover hjælper maskinlæring med det generelle ansvar for kommunikation med menneskelige ressourcer. Genstande som lønningsliste, fordele, ferietid og mere kan spores, analyseres og kontrolleres gennem en form for central grænseflade. Alt dette hjælper med at strømline det arbejde, som menneskelige ressourceafdelinger udfører regelmæssigt, og det er en anden grund til, at så mange virksomheder ser på maskinlæringsapplikationer til HR.