Il recruiting \u00e8 uno degli ambiti delle risorse umane in cui l\u2019intelligenza artificiale \u00e8 applicata da pi\u00f9 tempo e con maggiore frequenza.<\/p>\n
Questo \u00e8 dovuto in parte ai volumi di dati con cui un recruiter \u00e8 solito interagire<\/strong>. Se nella gestione dei dipendenti informazioni e documenti diventano numerosi soltanto nelle grandi aziende, infatti, nel recruiting anche una piccola impresa pu\u00f2 trovarsi a dover analizzare migliaia di CV.<\/p>\n La recruiting IA \u00e8 una realt\u00e0 gi\u00e0 da molti anni<\/strong> e come tutti gli altri settori sta vivendo un periodo di grande fermento a seguito del rilascio dei primi algoritmi di intelligenza artificiale generativa.<\/p>\n L\u2019applicazione dell\u2019IA alla gestione delle risorse umane e al recruiting non ha seguito un percorso indolore ed \u00e8 ancora al centro di forti discussioni di natura etica<\/strong>.<\/p>\n Uno dei casi pi\u00f9 famosi riguarda Amazon, che nel 2018 ha dovuto ritirare uno strumento di recruiting IA<\/a> in quanto soggetto a bias di genere ereditati dal dataset utilizzato per l\u2019addestramento.<\/p>\n La tecnologia sta per\u00f2 continuando a migliorare negli anni<\/strong>, cos\u00ec come l\u2019attenzione ai dilemmi etici e alla tipologia di dati su cui basare le decisioni degli algoritmi.<\/p>\n Una spinta data anche dal fiorire di normative <\/strong>sul corretto utilizzo di queste tecnologie, la pi\u00f9 famosa delle quali \u2013 almeno in Italia \u2013 \u00e8 quella approvata dal Parlamento Europeo<\/a>, ma che sono presenti anche in numerose nazioni degli Stati Uniti.<\/p>\n Oggi, quindi, gli algoritmi per il CV matching sono molto pi\u00f9 attenti a tutelare la diversit\u00e0 e a basare le decisioni su fattori meritocratici e oggettivi. L\u2019algoritmo che utilizza Altamira Recruiting<\/a>, per esempio, valuta l\u2019affinit\u00e0 di un candidato a una posizione basandosi esclusivamente sulle sue competenze e le sue esperienze lavorative<\/strong>.<\/p>\n La maggior parte delle soluzioni di recruiting IA sono contenute negli ATS<\/strong> (applicant tracking system) aziendali o integrate a essi, in modo da permettere ai recruiter di gestire tutti i processi con un solo strumento.<\/p>\n In questo articolo analizziamo le pi\u00f9 comuni.<\/p>\n <\/a><\/p>\n Una delle prime tecnologie di recruiting a essere stato dotato di algoritmi di intelligenza artificiale \u00e8 stato il resume parsing, o CV parsing.<\/p>\n Si tratta di uno strumento pensato per \u201cleggere\u201d i CV e organizzarne le informazioni<\/strong> al posto del recruiter.<\/p>\n Un professionista della ricerca e selezione \u00e8 infatti perfettamente in grado di riconoscere rapidamente le informazioni pi\u00f9 importanti nel curriculum di un candidato, ma ci\u00f2 richiede diversi minuti per ciascuno di essi.<\/p>\n Grazie a questa tecnologia di recruiting IA, invece, si possono analizzare migliaia di CV nel giro di poco tempo<\/strong>, potendo poi sfruttare l\u2019organizzazione e la strutturazione delle informazioni per attivit\u00e0 di ricerca mirate e di confronto tra candidati e requisiti delle posizioni.<\/p>\n Il resume parsing esisteva gi\u00e0 prima dell\u2019avvento dell\u2019IA, ma consentiva soltanto l\u2019estrazione del testo. L\u2019intelligenza artificiale ha migliorato di molto le sue prestazioni, permettendo di trasformare un contenuto in informazioni strutturate<\/strong> e di analizzare con successo anche documenti dalla struttura complessa come i curriculum vitae.<\/p>\n Alla base del suo funzionamento c\u2019\u00e8 la tecnologia di Elaborazione del Linguaggio Naturale (NLP, Natural Language Processing), che consente a una macchina di comprendere, interpretare e manipolare il linguaggio umano.<\/p>\n Utilizza, inoltre, modelli di machine learning per apprendere dai dati storici e migliorare le proprie prestazioni nel tempo.<\/p>\n Il resume parsing lavora tipicamente seguendo questa sequenza di azioni<\/strong>:<\/p>\n Proprio la capacit\u00e0 di estrarre i dati desiderati consente di utilizzare il resume parsing anche durante il processo di candidatura<\/strong>.<\/p>\n Grazie a esso \u00e8 infatti possibile ridurre il numero di campi da fare compilare al candidato<\/strong>, potendo idealmente richiedergli soltanto il caricamento del suo CV. Sar\u00e0 poi il resume parsing a estrarre le informazioni e a compilare in automatico i diversi campi<\/strong>.<\/p>\n La raccomandazione, quando si utilizza questo sistema, \u00e8 quella di sottoporre a una verifica del candidato<\/strong> i campi compilati e non archiviarli subito.<\/p>\n 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\u2019azienda.<\/p>\n \n<\/div>\n Il resume parsing \u00e8 in grado di leggere svariati formati<\/strong> e in alcuni casi anche di estrarre il testo da file di immagine (lettura OCR). Pu\u00f2 capitare ancora, infatti, che un curriculum venga fornito in questa versione o che, recapitato in formato cartaceo, venga sottoposto a scansione e caricato sull\u2019ATS.<\/p>\n Si tratta, comunque, di eventi ormai rari anche nel settore pi\u00f9 sensibile a questo fenomeno, il retail.<\/p>\n Come tutti gli strumenti di parsing, compresi quelli che non sono basati sull\u2019intelligenza artificiale, questo sistema di recruiting IA incontra maggiori difficolt\u00e0 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 \u00e8 utilizzato soprattutto in alcuni settori come quello del design, del videomaking e della fotografia. Anche per questo \u00e8 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.<\/p>\n Questa tecnologia di recruiting IA non ha invece problemi a ignorare refusi ed errori di battitura e a gestire i sinonimi<\/strong>.<\/p>\n Il resume parsing pu\u00f2 essere utile ad aziende di ogni dimensione, ma i vantaggi aumentano con il numero dei CV da processare.<\/p>\n Tra i leader mondiali di questa tecnologia c\u2019\u00e8 Textkernel<\/strong>, che offre un sistema di parsing multilingua integrabile agli ATS (tra cui Altamira Recruiting<\/a>), con un servizio di continuo aggiornamento dei modelli di analisi ed estrazione dei dati e dei dizionari e thesauri utilizzati.<\/p>\n <\/a><\/p>\n 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.<\/p>\n Questa funzionalit\u00e0 pu\u00f2 essere applicata in due aree:<\/p>\n La prima applicazione, che viene spesso denominata anche job matching<\/strong>, \u00e8 molto utile per job board, agenzie del lavoro, societ\u00e0 di selezione ed headhunting e grandi aziende che hanno decine o centinaia di posizioni di lavoro aperte contemporaneamente.<\/p>\n Anche utilizzando un sistema di filtri, infatti, per un candidato potrebbe essere difficoltoso orientarsi tra le tante opportunit\u00e0 di lavoro elencate sul sito dell\u2019azienda.<\/p>\n Grazie al job matching, si pu\u00f2 chiedere al candidato di caricare subito il proprio curriculum, cos\u00ec che il sistema possa identificare e mostrare le posizioni di lavoro pi\u00f9 in linea con il suo profilo<\/strong>.<\/p>\n Allo stesso modo, dato che molti candidati arrivano sul career site direttamente da un annuncio di lavoro su una job board, si pu\u00f2 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.<\/p>\n Il job matching ha quindi lo scopo di migliorare l\u2019esperienza di candidatura e portare profili pi\u00f9 in linea con le posizioni aperte<\/strong>.<\/p>\n Lato recruiter, il CV matching \u00e8 forse ancora pi\u00f9 utile. Il confronto tra le informazioni strutturate dell\u2019annuncio e quelle contenute nei CV dei tanti candidati ha infatti tantissime applicazioni.<\/p>\n Alcune dei principali supporti offerti al recruiter da questo strumento sono:<\/p>\n Tutti questi strumenti permettono quindi da un lato di avere una classifica affidabile dalla quale partire per lo screening \u201cumano\u201d dei CV ricevuti<\/strong>, fondamentale quando per una posizione si ricevono decine, centinaia o migliaia di candidature.<\/p>\n Dall\u2019altro, consentono di sfruttare a fondo il database di candidati<\/strong> posseduto dall\u2019azienda, incrociando al meglio la domanda e l\u2019offerta di lavoro. Un boost che pu\u00f2 risultare fondamentale nelle ricerche di personale pi\u00f9 complesse.<\/p>\n Tra le cose interessanti che questa tecnologia di recruiting IA pu\u00f2 fare c\u2019\u00e8 l\u2019incrocio tra annunci e CV scritti in lingue diverse<\/strong>.<\/p>\n Per effettuare il matching, \u00e8 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\u2019algoritmo di matching effettua un confronto basato su uno o pi\u00f9 di questi approcci:<\/p>\n A seguito di questo confronto, ogni candidato riceve un punteggio influenzato da diversi fattori<\/strong>.<\/p>\n Perch\u00e9 questi sistemi funzionino al meglio e non ereditino bias tipici della selezione umana, una buona norma \u00e8 utilizzare come parametri solo valori oggettivi e pertinenti<\/strong>. Nel caso del matching utilizzato da Altamira Recruiting<\/a>, per esempio, lo scoring \u00e8 fondato esclusivamente sulle esperienze lavorative e sulle competenze.<\/p>\n Il CV matching abbatte notevolmente i tempi di screening dei CV<\/strong>, orientando i recruiter verso i profili migliori e favorendo la meritocrazia.<\/p>\n Anche quando i CV ricevuti sono migliaia, infatti, consente ai selezionatori di dare un ordine allo screening, partendo da quelli pi\u00f9 promettenti. Il rischio, in assenza di questa tecnologia, \u00e8 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\u2019azienda di potenziali dipendenti di valore.<\/p>\n Al tempo stesso, il suo utilizzo richiede ancora cautela<\/strong>. La precisione dei suggerimenti dipende fortemente dalla qualit\u00e0 dei dati estratti, che a volte possono essere di difficile interpretazione. I risultati vanno sempre comprovati con un\u2019analisi umana e bisogna fare attenzione che l\u2019algoritmo \u2013 nel caso si usi l\u2019approccio basato sul machine learning \u2013 non erediti bias presenti nei dati d\u2019addestramento.<\/p>\n La situazione normativa rimane in evoluzione e spinge a usare la massima prudenza e a non lasciare il comando esclusivo delle decisioni all\u2019IA.<\/p>\n <\/a><\/p>\n Un\u2019altra funzionalit\u00e0 di recruiting IA di sicuro appeal sui professionisti delle Risorse Umane \u00e8 la ricerca semantica.<\/p>\n 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 \u2013 soprattutto se si utilizzano ATS come Altamira Recruiting che sono in grado di ricercare anche nel CV allegato \u2013 ma perfettibile.<\/p>\n Basta, infatti, che un candidato abbia utilizzato un termine diverso rispetto a quello ricercato dal recruiter perch\u00e9 non compaia tra i risultati.<\/p>\n La ricerca semantica fondata sull\u2019IA va oltre questo limite e consente delle ricerche pi\u00f9 mirate<\/strong>. Ancora una volta, il punto di partenza per questa funzionalit\u00e0 di recruiting IA \u00e8 il resume parsing.<\/p>\n Questo strumento ha infatti gi\u00e0 provveduto a categorizzare le informazioni contenute nei curricula \u2013 e in particolare competenze ed esperienze lavorative \u2013 riconducendo tutti i sinonimi a una unica espressione.<\/p>\n Per compiere una ricerca su questi temi al recruiter baster\u00e0 quindi digitare una parola e selezionare una delle possibilit\u00e0 suggerite dal suo ATS.<\/p>\n A questo punto il sistema di ricerca semantica identificher\u00e0 tutti i candidati che presentano questa espressione o un suo sinonimo nel proprio CV, ignorando gli errori di battitura<\/strong>.<\/p>\n 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” far\u00e0 emergere anche chi ha inserito esperienze come sviluppatore Java e programmatore Java nel proprio CV.<\/p>\n In ATS come Altamira Recruiting la ricerca semantica \u00e8 integrata con quella tradizionale, in modo da poter incrociare pi\u00f9 parametri. Si potr\u00e0 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.<\/p>\n Grazie alla ricerca semantica, per i professionisti della ricerca e selezione interrogare grandi database di candidati \u00e8 un processo molto pi\u00f9 rapido ed efficace<\/strong>.<\/p>\n Un\u2019evoluzione della ricerca semantica \u00e8 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: \u201cTrovami i candidati con competenze tecniche nella saldatura e soft skill legate all\u2019autonomia e al problem solving\u201d.<\/p>\n \n<\/div>\n <\/a><\/p>\n L\u2019utilizzo di chatbot nel recruiting non \u00e8 recente e precede l\u2019arrivo di strumenti di recruiting IA.<\/p>\n Si tratta di software pensati per simulare una conversazione umana<\/strong>, conducibile tramite testo o voce. Nel recruiting, il loro scopo primario \u00e8 quello di dare assistenza in tempo reale ai potenziali candidati<\/strong>, aiutandoli a completare il processo di candidatura e a interagire con il processo di selezione.<\/p>\n 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 pi\u00f9 frequenti degli utenti.<\/p>\n Questi sistemi si fondano su tre tecnologie<\/strong>, due delle quali gi\u00e0 incontrate in questo articolo:<\/p>\n Le applicazioni di questa tecnologia di recruiting IA sono numerose. Alcuni esempi includono:<\/p>\n I chatbot sono uno strumento utile per il recruiting anche perch\u00e9 riescono a interagire con i candidati 24 ore al giorno, sette giorni su sette<\/strong> e in maniera istantanea, una cosa impossibile per qualunque team di recruiter.<\/p>\n Non sono per\u00f2 ancora perfetti e incontrano difficolt\u00e0 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.<\/p>\n Questi problemi dovrebbero per\u00f2 continuare a ridursi nei prossimi anni via via che l\u2019interazione con questi sistemi diventer\u00e0 pi\u00f9 agile (per esempio con l\u2019uso dei comandi vocali) e le risposte fornite pi\u00f9 accurate e comprensibili.<\/p>\n <\/a><\/p>\n L\u2019IA generativa \u00e8 una branca dell\u2019intelligenza artificiale giunta alla ribalta da alcuni anni, soprattutto a seguito del successo di ChatGPT. La sua specialit\u00e0 \u00e8 quella di creare contenuti<\/strong> (non solo testuali: anche immagini, video, musica ecc.) a partire da richieste dell\u2019utente<\/strong> (prompt<\/em>).<\/p>\n Un esempio molto diffuso di questa tecnologia sono i Large Language Model<\/strong> (LLM), in grado di produrre contenuti partendo da un dataset utilizzato per il loro addestramento. La produzione e l\u2019analisi di contenuti, nonch\u00e9 la creativit\u00e0, supportate cos\u00ec bene da ChatGPT & affini, sono infatti una parte importante del lavoro dei recruiter<\/strong>.<\/p>\n L\u2019IA generativa \u00e8 entrata a far parte di tante tecnologie per il recruiting, alcune delle quali gi\u00e0 citate (per esempio i chatbot). Nella sua forma pi\u00f9 pura, viene oggi utilizzata per questi e altri scopi.<\/p>\n Ancora oggi, il successo di un\u2019attivit\u00e0 di ricerca e selezione dipende strettamente dalla qualit\u00e0 dell\u2019annuncio pubblicato<\/strong>.<\/p>\n Scrivere un annuncio di lavoro dettagliato, esaustivo e inclusivo non \u00e8 per\u00f2 facile per tutte le aziende. Richiede competenze di scrittura avanzate, conoscenza del settore di riferimento e tanto tempo a disposizione.<\/p>\n In questa attivit\u00e0 l\u2019IA generativa pu\u00f2 sicuramente dare una mano<\/strong>, sia attraverso l\u2019uso di LLM generici come ChatGPT che tramite strumenti integrati nell\u2019ATS aziendale. I primi offrono maggiore libert\u00e0 nella costruzione dei prompt, mentre i secondi danno il vantaggio di poter svolgere anche questa attivit\u00e0 dalla stessa interfaccia.<\/p>\n Gli annunci prodotti, se pur solitamente di ottima qualit\u00e0, vanno comunque rivisitati per personalizzarli <\/strong>maggiormente sulla cultura e sull\u2019offerta aziendale.<\/p>\n Oltre che per la stesura della job description, nel recruiting l\u2019IA generativa pu\u00f2 essere utilizzata anche per produrre la prima bozza delle domande da rivolgere ai candidati<\/strong>.<\/p>\n 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.<\/p>\n L\u2019IA generativa pu\u00f2 aiutare l\u2019azienda a produrre i contenuti necessari (video e immagini comprese) per il blog aziendale, la pagina Instagram, il percorso di onboarding e tanto altro ancora.<\/p>\n Pu\u00f2 anche supportare i singoli recruiter<\/strong> nella creazione di post per i propri account social e nell\u2019interazione con i candidati, facilitando la scrittura di email e messaggi su LinkedIn.<\/p>\n Tutte le fasi di interazione con i candidati \u2013 colloqui, test, scambio di comunicazioni \u2013 permettono ai recruiter di raccogliere feedback di varia natura.<\/p>\n Grazie al supporto dell\u2019IA generativa \u00e8 possibile raccogliere e organizzare tutti questi dati e ottenere un resoconto testuale sintetico<\/strong> che includa punti di forza e di debolezza del candidato, la sua compatibilit\u00e0 con il ruolo per il quale si \u00e8 candidato e indicazioni per il proseguimento della selezione.<\/p>\n Tutto questo permette di risparmiare tempo nell\u2019analisi dei profili e di disporre di una scheda esaustiva e organizzata per ogni candidato con cui orientare le proprie decisioni.<\/p>\n <\/a><\/p>\n Il formato video ha iniziato a essere utilizzato nel recruiting soprattutto a seguito della pandemia, quando molte aziende hanno dovuto rinunciare alla possibilit\u00e0 di sostenere i colloqui in presenza.<\/p>\n Dopo poco tempo, i sistemi di video colloquio \u2013 soprattutto quelli on-demand<\/strong>, in cui ai candidati viene richiesto di rispondere ad alcune domande registrando le proprie risposte \u2013 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 \u201cmigliori\u201d<\/strong>.<\/p>\n Le applicazioni di questa tecnologia di recruiting IA sono moltissime. Un esempio \u00e8 il sistema ideato alla startup italiana Joule<\/a>, 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.<\/p>\n\n
Resume parsing<\/h2>\n
\n
CV matching<\/h2>\n
\n
\n
\n
Ricerca semantica<\/h2>\n
Chatbot<\/h2>\n
\n
\n
IA generativa<\/h2>\n
\nC\u2019\u00e8 da scommettere che nei prossimi anni i software per i recruiting punteranno soprattutto su funzionalit\u00e0 basate sull\u2019intelligenza artificiale generativa.<\/p>\nScrittura degli annunci<\/h3>\n
Produzione di materiale per l\u2019employer branding<\/h3>\n
Raccolta e organizzazione del feedback<\/h3>\n
Videocolloqui<\/h2>\n