Mit künstlicher Intelligenz existiert der passive Kandidat nicht

Arca24 organizes webinar for staffing agencies

AI Matching | 21.05.2020

Wir sind es seit jeher gewohnt, klar zu unterscheiden zwischen einem aktiven Kandidaten, d.h. einem, der sich auf ein Stellenangebot bewirbt, und einem passiven Kandidaten, d.h. einem, der zwar zur Verfügung steht, aber kein konkretes Interesse zeigt.

Um zu verstehen, wie die künstliche Intelligenz das Paradigma verändert, müssen wir zunächst die Handlungen nachvollziehen, die wir täglich im Management des aktiven und vor allem des passiven Kandidaten durchführen.
Unabhängig davon, ob wir an einem Portal oder einem Bewerbermanagementssystem arbeiten, führen wir zwei Aktionen durch:

  • Screening von Kandidaten, die sich auf das Stellenangebot beworben haben (aktive Kandidaten);
  • Suche nach Kandidaten, die wir für interessant halten (passive Kandidaten), in der CV-Datenbank.

Dies sind zwei getrennte Aktionen, die jedoch zu einem einzigen Prozess gehören.

Es ist klar, dass die Arbeit in zwei Umgebungen zur Durchführung einer einzigen strategischen Aktivität keine Optimierung unserer Energien darstellt. Die Situation kann sich verschlimmern, wenn wir zum Beispiel kein integriertes Multiposting-System zur Stellenverbreitung haben, sondern mit vielen verschiedenen und nicht kommunizierenden Arbeitsbereichen zu tun haben.
Wir wissen um die Bedeutung passiver Kandidaten, die oft die Profile darstellen, die unseren Bedürfnissen am ehesten entsprechen; die eigentliche Herausforderung besteht darin, sie zu fördern und ihr Potenzial voll auszuschöpfen.

Wenn das Problem leicht zu erkennen ist, ist die Lösung nicht so offensichtlich, so sehr, dass wir uns im Laufe der Jahre daran gewöhnt haben, auf diese Weise zu arbeiten. Das Problem zu erkennen und zu versuchen, etwas weiter zu gehen, liegt in der DNA von Arca24, die seit ihrer Gründung die Reduzierung der Auswahlzeit und die Prozessoptimierung in Aussicht gestellt hat.

Alle Produkte von Arca24 enthalten eine leistungsstarke CV-Matching-Engine, die auf semantischer künstlicher Intelligenz basiert und in der Lage ist, Lebensläufe und Stellenangebote zu lesen und zu vergleichen sowie ein automatisches Profil-Screening durchzuführen, um die mit der Suche am besten kompatiblen Profile zu identifizieren. Dieser Prozess wird nicht nur bei aktiven Kandidaten durchgeführt, sondern auch bei passiven Kandidaten, d.h. denjenigen, die bereits in unserer Lebenslauf-Datenbank vorhanden sind.

Was passiert, wenn wir ein Stellenangebot veröffentlichen oder eine Suche starten?

Sobald wir ein Stellenangebot veröffentlichen, durchsucht das Matching-System die Lebenslauf-Datenbank in Echtzeit, ordnet automatisch alle Kandidaten entsprechend der Suche zu und sortiert sie nach geografischem Gebiet und Fähigkeiten. Dies führt zu einer erheblichen Reduzierung von Zeitaufwand und Kosten, daher können wir sofort mit dem Screening der Profile beginnen, ohne auf Spontanbewerbungen warten zu müssen.

Sobald sich die Kandidaten auf das Stellenangebot bewerben, werden sie zusammen mit den in der Lebenslauf-Datenbank identifizierten Profilen in einer einzigen Liste aufgenommen: Es wird ein einziger Talentpool erstellt.

Dies wird es uns ermöglichen, die Arbeitszeit zu reduzieren, vor allem aber einen vollständigen und effektiven Auswahlprozess aufzubauen.

Der passive Kandidat wird immer auf diese Weise aktiviert, weil er oder sie immer dann Teil des Prozesses ist, wenn seine oder ihre Fähigkeiten von Interesse sind. Das gegenwärtige System, das die Suchoperationen replizieren muss, birgt die Gefahr, dass wichtige berufliche Fähigkeiten und wirksame Antworten für unsere Organisation verloren gehen.

Durch die Integration der beiden Phasen in einem einzigen Schritt sprechen wir nicht mehr vom Applicant Tracking System, d.h. Bewerbermanagementssystem, sondern vom Applicant Ranking System, d.h. Bewerberrankingssystem, einem innovativen neuen Instrument, das es uns ermöglicht, das Beste aus dem Kandidaten zu machen, der als passiver Kandidat immer eine aktive Ressource bleibt.

Im Allgemeinen haben auf künstlicher Intelligenz basierende Systeme eine komplexere und gegliedertere Entwicklung, aber deutlich geringere Fehlerraten als CV-Parsing. Beides wird sich weiter entwickeln, aber es ist ganz klar, dass, wenn das Verständnis eines einmal bearbeiteten Textes nur verfeinert werden kann, das CV-Parsing jedes Mal, wenn die Kandidaten sich entscheiden, neue Formate zu verwenden, Gefahr läuft, bei Null anzufangen.

Auch im Hinblick auf neue Technologien, wie z.B. Video-Lebensläufe, muss man sich fragen, wie die zukünftigen Trends aussehen werden. Vielleicht wird es kurzfristig nicht dazu kommen, aber schon heute tendiert der Großteil der Kommunikation zum Videoformat, so dass es nicht unwahrscheinlich ist, dass in nicht allzu ferner Zukunft der traditionelle Lebenslauf nach und nach durch einen Video-Lebenslauf ersetzt wird.

Der Text des Videos wird der künstlichen Intelligenz anvertraut, um die Professionalität der Kandidaten zu verstehen. Durch eine radikale Änderung der Methodik der Datenerhebung in Talentakquisitionsprozessen könnten wir beobachten, dass die Verwendung des CV-Parsing verschwindet.