Nie tylko kolejny score: co powinno oferować przydatne narzędzie AI dla rekrutera

Wyobraźmy sobie prostą sytuację.

Przesyłasz CV kandydata, dodajesz wymagania stanowiska i po kilku sekundach otrzymujesz wynik: 82/100.

Brzmi wygodnie. Ale co właściwie oznaczają te 82 punkty?

Dlaczego jeden score nie wystarcza

Które doświadczenia kandydata rzeczywiście odpowiadają stanowisku? Które wymaganie jest potwierdzone konkretną informacją z CV? Czego brakuje? A gdzie system po prostu nie znalazł wystarczających danych?

Jedna liczba nie odpowiada na te pytania.

Właśnie tutaj, naszym zdaniem, przebiega różnica między AI, która jedynie przedstawia wynik, a AI, która rzeczywiście pomaga rekruterowi w pracy.

Taki sam score może oznaczać coś zupełnie innego

Dwóch kandydatów może otrzymać taki sam score 82/100 z całkowicie różnych powodów.

Pierwsza osoba może mieć bogate i odpowiednie doświadczenie, ale w jej CV nie ma wzmianki o jednej ważnej technologii.

Druga może zawrzeć prawie wszystkie wymagane słowa kluczowe, ale z CV nie wynika, jak głęboko rzeczywiście pracowała z tymi technologiami.

Score jest taki sam. Decyzja rekrutera może być jednak zupełnie inna.

Przydatna AI powinna wyjaśniać wynik

Nie wystarczy, aby narzędzie AI powiedziało: „Ten kandydat pasuje do stanowiska w 82%”.

Powinno pomóc zrozumieć, co kryje się za tym wynikiem:

• które wymagania potwierdzają konkretne informacje z CV;
• które elementy wydają się niepewne lub wymagają wyjaśnienia;
• których wymagań system nie odnalazł;
• gdzie brakuje informacji pozwalających na wyciągnięcie pewnego wniosku;
• na jakich danych opiera się końcowy score.

Dzięki temu score przestaje być abstrakcyjną liczbą i staje się wynikiem, który rekruter może zweryfikować oraz wykorzystać w swojej pracy.

„Nie znaleziono w CV” nie oznacza „Kandydat tego nie potrafi”

To nie są takie same wnioski.

Jeśli określona umiejętność lub doświadczenie nie zostały wymienione w CV, nie dowodzi to, że kandydat ich nie posiada. Informacja mogła zostać opisana innymi słowami, przedstawiona bez szczegółów albo całkowicie pominięta.

AI nie powinna tworzyć pozorów dokładności tam, gdzie jej nie ma. Jeśli brakuje informacji, system powinien jasno o tym powiedzieć, zamiast zastępować brakujące dowody pewnie brzmiącym założeniem.

Od wyniku do weryfikowalnej analizy

Dla rekrutera znacznie bardziej przydatne jest zobaczenie nie tylko wyniku, ale również logiki, która do niego doprowadziła.

AI nie jest wtedy systemem, któremu trzeba po prostu zaufać, ale narzędziem, którego wynik można sprawdzić.

Rekruter może wrócić do konkretnego wymagania, porównać wniosek z oryginalnym CV, dodać własny kontekst i określić, które pytania warto zadać kandydatowi.

Nasze podejście w Qualex

Takie podejście staramy się stosować w Qualex.

Nie chcemy jedynie pokazywać score, ale umożliwić sprawdzenie, które wymagania zostały potwierdzone, gdzie występują braki, gdzie jest za mało informacji i na czym opiera się analiza.

Bo znacznie ważniejsze jest zrozumienie, dlaczego wynik wynosi właśnie 82, prawda? ;)