Recruiting IA: guida ai principali strumenti

Il recruiting è uno degli ambiti delle risorse umane in cui l’intelligenza artificiale è applicata da più tempo e con maggiore frequenza.

Questo è dovuto in parte ai volumi di dati con cui un recruiter è solito interagire. Se nella gestione dei dipendenti informazioni e documenti diventano numerosi soltanto nelle grandi aziende, infatti, nel recruiting anche una piccola impresa può trovarsi a dover analizzare migliaia di CV.

La recruiting IA è una realtà già da molti anni e come tutti gli altri settori sta vivendo un periodo di grande fermento a seguito del rilascio dei primi algoritmi di intelligenza artificiale generativa.

L’applicazione dell’IA alla gestione delle risorse umane e al recruiting non ha seguito un percorso indolore ed è ancora al centro di forti discussioni di natura etica.

Uno dei casi più famosi riguarda Amazon, che nel 2018 ha dovuto ritirare uno strumento di recruiting IA in quanto soggetto a bias di genere ereditati dal dataset utilizzato per l’addestramento.

La tecnologia sta però continuando a migliorare negli anni, così come l’attenzione ai dilemmi etici e alla tipologia di dati su cui basare le decisioni degli algoritmi.

Una spinta data anche dal fiorire di normative sul corretto utilizzo di queste tecnologie, la più famosa delle quali – almeno in Italia – è quella approvata dal Parlamento Europeo, ma che sono presenti anche in numerose nazioni degli Stati Uniti.

Oggi, quindi, gli algoritmi per il CV matching sono molto più attenti a tutelare la diversità e a basare le decisioni su fattori meritocratici e oggettivi. L’algoritmo che utilizza Altamira Recruiting, per esempio, valuta l’affinità di un candidato a una posizione basandosi esclusivamente sulle sue competenze e le sue esperienze lavorative.

La maggior parte delle soluzioni di recruiting IA sono contenute negli ATS (applicant tracking system) aziendali o integrate a essi, in modo da permettere ai recruiter di gestire tutti i processi con un solo strumento.

In questo articolo analizziamo le più comuni.

Resume parsing

Una delle prime tecnologie di recruiting a essere stato dotato di algoritmi di intelligenza artificiale è stato il resume parsing, o CV parsing.

Si tratta di uno strumento pensato per “leggere” i CV e organizzarne le informazioni al posto del recruiter.

Un professionista della ricerca e selezione è infatti perfettamente in grado di riconoscere rapidamente le informazioni più importanti nel curriculum di un candidato, ma ciò richiede diversi minuti per ciascuno di essi.

Grazie a questa tecnologia di recruiting IA, invece, si possono analizzare migliaia di CV nel giro di poco tempo, potendo poi sfruttare l’organizzazione e la strutturazione delle informazioni per attività di ricerca mirate e di confronto tra candidati e requisiti delle posizioni.

Il resume parsing esisteva già prima dell’avvento dell’IA, ma consentiva soltanto l’estrazione del testo. L’intelligenza artificiale ha migliorato di molto le sue prestazioni, permettendo di trasformare un contenuto in informazioni strutturate e di analizzare con successo anche documenti dalla struttura complessa come i curriculum vitae.

Alla base del suo funzionamento c’è la tecnologia di Elaborazione del Linguaggio Naturale (NLP, Natural Language Processing), che consente a una macchina di comprendere, interpretare e manipolare il linguaggio umano.

Utilizza, inoltre, modelli di machine learning per apprendere dai dati storici e migliorare le proprie prestazioni nel tempo.

Il resume parsing lavora tipicamente seguendo questa sequenza di azioni:

1. Riceve un CV in ingresso, che può essere di diversi formati (PDF, DOCX, TXT, HTML ecc.).
2. Converte il documento in testo semplice, suddividendolo nelle sezioni più rilevanti (informazioni personali, formazione, esperienze lavorative, competenze ecc.).
3. Analizza il testo, “taggandolo” secondo diversi criteri.
4. Estrae le informazioni desiderate.
5. Struttura i dati per renderli più facili da ricercare e analizzare.

Proprio la capacità di estrarre i dati desiderati consente di utilizzare il resume parsing anche durante il processo di candidatura.

Grazie a esso è infatti possibile ridurre il numero di campi da fare compilare al candidato, potendo idealmente richiedergli soltanto il caricamento del suo CV. Sarà poi il resume parsing a estrarre le informazioni e a compilare in automatico i diversi campi.

La raccomandazione, quando si utilizza questo sistema, è quella di sottoporre a una verifica del candidato i campi compilati e non archiviarli subito.

Sia per assicurarci che il lavoro di estrazione sia stato eseguito in maniera corretta, sia per maggiore compliance verso la normativa privacy che vuole che il candidato sappia esattamente quali informazioni ha conferito all’azienda.

Il resume parsing è in grado di leggere svariati formati e in alcuni casi anche di estrarre il testo da file di immagine (lettura OCR). Può capitare ancora, infatti, che un curriculum venga fornito in questa versione o che, recapitato in formato cartaceo, venga sottoposto a scansione e caricato sull’ATS.

Si tratta, comunque, di eventi ormai rari anche nel settore più sensibile a questo fenomeno, il retail.

Come tutti gli strumenti di parsing, compresi quelli che non sono basati sull’intelligenza artificiale, questo sistema di recruiting IA incontra maggiori difficoltà quando il curriculum da processare ha un layout grafico complesso e fa ampio utilizzo di immagini e grafici. Per esempio, utilizzando una serie di icone per rappresentare le competenze o il loro livello. Questo tipo di CV è utilizzato soprattutto in alcuni settori come quello del design, del videomaking e della fotografia. Anche per questo è sempre una buona norma permettere ai candidati di rivedere quali informazioni sono state estratte prima di portare a termine il processo di candidatura, in modo che possano colmare eventuali lacune o correggere errori.

Questa tecnologia di recruiting IA non ha invece problemi a ignorare refusi ed errori di battitura e a gestire i sinonimi.

Il resume parsing può essere utile ad aziende di ogni dimensione, ma i vantaggi aumentano con il numero dei CV da processare.

Tra i leader mondiali di questa tecnologia c’è Textkernel, che offre un sistema di parsing multilingua integrabile agli ATS (tra cui Altamira Recruiting), con un servizio di continuo aggiornamento dei modelli di analisi ed estrazione dei dati e dei dizionari e thesauri utilizzati.

CV matching

Questa tecnologia di recruiting IA sfrutta il lavoro di strutturazione dei dati compiuto dal resume parsing per mettere in relazione i profili dei candidati con le posizioni aperte da una azienda.

Questa funzionalità può essere applicata in due aree:

• Nel career site, per permettere ai candidati di individuare gli annunci di lavoro più in linea con il proprio profilo.
• Nel backoffice dell’ATS, per fornire subito ai recruiter la lista dei CV più pertinenti per la ricerca di personale che stanno svolgendo.

La prima applicazione, che viene spesso denominata anche job matching, è molto utile per job board, agenzie del lavoro, società di selezione ed headhunting e grandi aziende che hanno decine o centinaia di posizioni di lavoro aperte contemporaneamente.

Anche utilizzando un sistema di filtri, infatti, per un candidato potrebbe essere difficoltoso orientarsi tra le tante opportunità di lavoro elencate sul sito dell’azienda.

Grazie al job matching, si può chiedere al candidato di caricare subito il proprio curriculum, così che il sistema possa identificare e mostrare le posizioni di lavoro più in linea con il suo profilo.

Allo stesso modo, dato che molti candidati arrivano sul career site direttamente da un annuncio di lavoro su una job board, si può decidere di mostrare alla fine del percorso di candidatura tutte le altre posizioni aperte che ben si allineano alle competenze ed esperienze contenute nel CV appena allegato.

Il job matching ha quindi lo scopo di migliorare l’esperienza di candidatura e portare profili più in linea con le posizioni aperte.

Lato recruiter, il CV matching è forse ancora più utile. Il confronto tra le informazioni strutturate dell’annuncio e quelle contenute nei CV dei tanti candidati ha infatti tantissime applicazioni.

Alcune dei principali supporti offerti al recruiter da questo strumento sono:

• La lista – in ordine di pertinenza – dei candidati presenti nel database aziendale che più si avvicinano ai requisiti di un annuncio di lavoro.
• La classifica dei profili più interessanti per ricoprire una posizione aperta tra quelli che hanno risposto all’annuncio.
• La possibilità di visualizzare, all’interno della scheda di un candidato, la lista dei profili con caratteristiche simili che fanno parte del database aziendale.
• La possibilità di mostrare a un candidato la lista degli annunci per il quale sarebbe più compatibile.

Tutti questi strumenti permettono quindi da un lato di avere una classifica affidabile dalla quale partire per lo screening “umano” dei CV ricevuti, fondamentale quando per una posizione si ricevono decine, centinaia o migliaia di candidature.

Dall’altro, consentono di sfruttare a fondo il database di candidati posseduto dall’azienda, incrociando al meglio la domanda e l’offerta di lavoro. Un boost che può risultare fondamentale nelle ricerche di personale più complesse.

Tra le cose interessanti che questa tecnologia di recruiting IA può fare c’è l’incrocio tra annunci e CV scritti in lingue diverse.

Per effettuare il matching, è necessario che sia gli annunci che i curriculum vitae siano scansionati da un sistema di resume parsing, che ne converta i contenuti in informazioni strutturate. A questo punto l’algoritmo di matching effettua un confronto basato su uno o più di questi approcci:

• Confronto tra parole chiave nel CV e nelle posizioni.
• Comprensione del contesto in cui sono state sviluppate competenze ed esperienze lavorative, sfruttando l’elaborazione del linguaggio naturale.
• Utilizzo di algoritmi di machine learning che apprendono dalle selezioni passate per migliorare di continuo la capacità di matching.
• Identificazione di corrispondenze semantiche tra i due contenuti.

A seguito di questo confronto, ogni candidato riceve un punteggio influenzato da diversi fattori.

Perché questi sistemi funzionino al meglio e non ereditino bias tipici della selezione umana, una buona norma è utilizzare come parametri solo valori oggettivi e pertinenti. Nel caso del matching utilizzato da Altamira Recruiting, per esempio, lo scoring è fondato esclusivamente sulle esperienze lavorative e sulle competenze.

Il CV matching abbatte notevolmente i tempi di screening dei CV, orientando i recruiter verso i profili migliori e favorendo la meritocrazia.

Anche quando i CV ricevuti sono migliaia, infatti, consente ai selezionatori di dare un ordine allo screening, partendo da quelli più promettenti. Il rischio, in assenza di questa tecnologia, è che lo screening segua un altro ordine e si interrompa una volta raggiunto un numero sufficiente di candidati da portare avanti nel processo di selezione, privando l’azienda di potenziali dipendenti di valore.

Al tempo stesso, il suo utilizzo richiede ancora cautela. La precisione dei suggerimenti dipende fortemente dalla qualità dei dati estratti, che a volte possono essere di difficile interpretazione. I risultati vanno sempre comprovati con un’analisi umana e bisogna fare attenzione che l’algoritmo – nel caso si usi l’approccio basato sul machine learning – non erediti bias presenti nei dati d’addestramento.

La situazione normativa rimane in evoluzione e spinge a usare la massima prudenza e a non lasciare il comando esclusivo delle decisioni all’IA.

Ricerca semantica

Un’altra funzionalità di recruiting IA di sicuro appeal sui professionisti delle Risorse Umane è la ricerca semantica.

Tradizionalmente, i recruiter hanno interrogato le grandi basi di dati dei loro ATS grazie a ricerche per parole chiave combinate tramite operatori booleani. Un metodo abbastanza funzionale – soprattutto se si utilizzano ATS come Altamira Recruiting che sono in grado di ricercare anche nel CV allegato – ma perfettibile.

Basta, infatti, che un candidato abbia utilizzato un termine diverso rispetto a quello ricercato dal recruiter perché non compaia tra i risultati.

La ricerca semantica fondata sull’IA va oltre questo limite e consente delle ricerche più mirate. Ancora una volta, il punto di partenza per questa funzionalità di recruiting IA è il resume parsing.

Questo strumento ha infatti già provveduto a categorizzare le informazioni contenute nei curricula – e in particolare competenze ed esperienze lavorative – riconducendo tutti i sinonimi a una unica espressione.

Per compiere una ricerca su questi temi al recruiter basterà quindi digitare una parola e selezionare una delle possibilità suggerite dal suo ATS.

A questo punto il sistema di ricerca semantica identificherà tutti i candidati che presentano questa espressione o un suo sinonimo nel proprio CV, ignorando gli errori di battitura.

Cercando “teamwork”, insomma, troveremo tra i risultati anche candidati che si sono detti abili nel gioco di squadra e nel lavoro di team, mentre una ricerca per “developer Java” farà emergere anche chi ha inserito esperienze come sviluppatore Java e programmatore Java nel proprio CV.

In ATS come Altamira Recruiting la ricerca semantica è integrata con quella tradizionale, in modo da poter incrociare più parametri. Si potrà quindi, per esempio, cercare uno sviluppatore Java che abbia inserito il nome di una determinata azienda nel CV o che abbia lavorato in uno specifico paese.

Grazie alla ricerca semantica, per i professionisti della ricerca e selezione interrogare grandi database di candidati è un processo molto più rapido ed efficace.

Un’evoluzione della ricerca semantica è quella in linguaggio naturale. In questo tipo di ricerca per interrogare il database si possono utilizzare query in linguaggio naturale, come se stessimo utilizzando un tool di IA generativa come ChatGPT. Potresti, quindi, porre al sistema quesiti come questo: “Trovami i candidati con competenze tecniche nella saldatura e soft skill legate all’autonomia e al problem solving”.

Chatbot

L’utilizzo di chatbot nel recruiting non è recente e precede l’arrivo di strumenti di recruiting IA.

Si tratta di software pensati per simulare una conversazione umana, conducibile tramite testo o voce. Nel recruiting, il loro scopo primario è quello di dare assistenza in tempo reale ai potenziali candidati, aiutandoli a completare il processo di candidatura e a interagire con il processo di selezione.

I chatbot basati su intelligenza artificiale sono in grado di ottenere risultati molto superiori al passato, senza oltretutto necessitare dello stesso lavoro di configurazione dei sistemi precedenti, che richiedevano di creare manualmente una serie di percorsi che rispondessero alle domande più frequenti degli utenti.

Questi sistemi si fondano su tre tecnologie, due delle quali già incontrate in questo articolo:

• Elaborazione del Linguaggio Naturale (NPL)
• Machine learning
• Reti neurali

Le applicazioni di questa tecnologia di recruiting IA sono numerose. Alcuni esempi includono:

• Screening iniziale dei candidati. I chatbot possono essere utilizzati in sostituzione delle killer question per comprendere se il candidato è in possesso o meno dei requisiti minimi per procedere con la candidatura. Attraverso domande pertinenti al ruolo e l’analisi delle risposte, il sistema può “decidere” se permettere o meno al candidato di proseguire con la candidatura.
• Interazione con i candidati. Il chatbot può essere utilizzato anche per rispondere alle domande dei candidati sull’azienda e la sua offerta, dando risposte precise e aggiornate a interrogativi sul processo di assunzione, i benefit offerti, gli orari di lavoro, le policy aziendali ecc.
• Pianificazione dei colloqui. Alcuni sistemi di recruiting utilizzano i chatbot anche per organizzare i colloqui con i candidati. In questo caso l’IA si occupa di incrociare le disponibilità dei rispettivi calendari e recapitare inviti e promemoria per l’appuntamento.
• Feedback. I chatbot possono essere utilizzati anche per raccogliere l’opinione dei candidati sul processo di selezione o per fornire aggiornamenti sul suo andamento.

I chatbot sono uno strumento utile per il recruiting anche perché riescono a interagire con i candidati 24 ore al giorno, sette giorni su sette e in maniera istantanea, una cosa impossibile per qualunque team di recruiter.

Non sono però ancora perfetti e incontrano difficoltà nel comprendere domande complesse o ambigue. Inoltre, tendono a non essere troppo apprezzati dagli utenti, soprattutto se utilizzati oltre le fasi iniziali del percorso di candidatura.

Questi problemi dovrebbero però continuare a ridursi nei prossimi anni via via che l’interazione con questi sistemi diventerà più agile (per esempio con l’uso dei comandi vocali) e le risposte fornite più accurate e comprensibili.

IA generativa

L’IA generativa è una branca dell’intelligenza artificiale giunta alla ribalta da alcuni anni, soprattutto a seguito del successo di ChatGPT. La sua specialità è quella di creare contenuti (non solo testuali: anche immagini, video, musica ecc.) a partire da richieste dell’utente (prompt).

Un esempio molto diffuso di questa tecnologia sono i Large Language Model (LLM), in grado di produrre contenuti partendo da un dataset utilizzato per il loro addestramento. C’è da scommettere che nei prossimi anni i software per i recruiting punteranno soprattutto su funzionalità basate sull’intelligenza artificiale generativa.

La produzione e l’analisi di contenuti, nonché la creatività, supportate così bene da ChatGPT & affini, sono infatti una parte importante del lavoro dei recruiter.

L’IA generativa è entrata a far parte di tante tecnologie per il recruiting, alcune delle quali già citate (per esempio i chatbot). Nella sua forma più pura, viene oggi utilizzata per questi e altri scopi.

Scrittura degli annunci

Ancora oggi, il successo di un’attività di ricerca e selezione dipende strettamente dalla qualità dell’annuncio pubblicato.

Scrivere un annuncio di lavoro dettagliato, esaustivo e inclusivo non è però facile per tutte le aziende. Richiede competenze di scrittura avanzate, conoscenza del settore di riferimento e tanto tempo a disposizione.

In questa attività l’IA generativa può sicuramente dare una mano, sia attraverso l’uso di LLM generici come ChatGPT che tramite strumenti integrati nell’ATS aziendale. I primi offrono maggiore libertà nella costruzione dei prompt, mentre i secondi danno il vantaggio di poter svolgere anche questa attività dalla stessa interfaccia.

Gli annunci prodotti, se pur solitamente di ottima qualità, vanno comunque rivisitati per personalizzarli maggiormente sulla cultura e sull’offerta aziendale.

Oltre che per la stesura della job description, nel recruiting l’IA generativa può essere utilizzata anche per produrre la prima bozza delle domande da rivolgere ai candidati.

Produzione di materiale per l’employer branding

Anche predisporre una ricca sezione del sito aziendale dedicata ai percorsi di carriera e alla cultura aziendale richiede tempo e competenze spesso difficili da trovare in un team HR ristretto.

L’IA generativa può aiutare l’azienda a produrre i contenuti necessari (video e immagini comprese) per il blog aziendale, la pagina Instagram, il percorso di onboarding e tanto altro ancora.

Può anche supportare i singoli recruiter nella creazione di post per i propri account social e nell’interazione con i candidati, facilitando la scrittura di email e messaggi su LinkedIn.

Raccolta e organizzazione del feedback

Tutte le fasi di interazione con i candidati – colloqui, test, scambio di comunicazioni – permettono ai recruiter di raccogliere feedback di varia natura.

Grazie al supporto dell’IA generativa è possibile raccogliere e organizzare tutti questi dati e ottenere un resoconto testuale sintetico che includa punti di forza e di debolezza del candidato, la sua compatibilità con il ruolo per il quale si è candidato e indicazioni per il proseguimento della selezione.

Tutto questo permette di risparmiare tempo nell’analisi dei profili e di disporre di una scheda esaustiva e organizzata per ogni candidato con cui orientare le proprie decisioni.

Videocolloqui

Il formato video ha iniziato a essere utilizzato nel recruiting soprattutto a seguito della pandemia, quando molte aziende hanno dovuto rinunciare alla possibilità di sostenere i colloqui in presenza.

Dopo poco tempo, i sistemi di video colloquio – soprattutto quelli on-demand, in cui ai candidati viene richiesto di rispondere ad alcune domande registrando le proprie risposte – hanno iniziato a essere corredati da algoritmi di intelligenza artificiale in grado di valutare i candidati su una serie di parametri e restituire una classifica delle interviste “migliori”.

Le applicazioni di questa tecnologia di recruiting IA sono moltissime. Un esempio è il sistema ideato alla startup italiana Joule, che analizza una presentazione di 40 secondi di un candidato passando in rassegna contenuti, tono di voce, linguaggio non verbale ecc. e produce una serie di risultati, tra cui la lista di soft skill e di caratteristiche personali.

Anche in questo caso l’IA nel recruiting è utilizzata per fornire ulteriori elementi di valutazione ai selezionatori, mettendo in campo competenze di psicologia e di lettura del linguaggio del corpo che potrebbero essere assenti nel team interno.

Gamification

Test e giochi vengono utilizzati da anni nel recruiting – seppure non in maniera diffusa e quasi esclusivamente da multinazionali e grandi aziende – per valutare i candidati in maniera dinamica, moderna e gradevole.

L’applicazione dell’intelligenza artificiale ha permesso di migliorare ulteriormente questi strumenti, soprattutto nella loro capacità di personalizzare il test per ciascun candidato e nell’abilità di interpretare risposte e risultati.

Un esempio di queste soluzioni è dato da Pymetrics, una società specializzata in giochi neuroscientifici che permettono di valutare le capacità cognitive e cogliere i tratti della personalità dei candidati.

Crediti fotografici: ©Vadym/Adobe Stock.