Ferramentas baseadas em IA podem recolher e processar dados de candidatos para acelerar e simplificar a procura, triagem e diversidade de candidatos.
Por Dipti Parmar
Com a Grande Demissão a não mostrar sinais de abrandamento, os recrutadores estão à procura de toda a ajuda que possam obter para reabastecer o seu número de funcionários com talentos qualificados. O mercado de gestão de recursos humanos (HRM) – incluindo o software e serviços de aquisição de talentos – está atualmente avaliado em 18,7 mil milhões de euros.
Espera-se que cresça a uma taxa de mais de 12% ao ano até 2028, com a contínua digitalização e automação das operações de recrutamento e RH.
Em todo o mundo, as empresas estão a colocar ênfase na criação e retenção do melhor, mais brilhante e mais diversificado grupo de funcionários. Espera-se que os avanços em inteligência artificial (IA), machine learning (ML) e modelagem preditiva estejam a dar às empresas – bem como às pequenas e médias empresas – uma oportunidade nunca antes vista de automatizar o seu recrutamento, mesmo que lidem com mudanças radicais no local de trabalho, envolvendo trabalho remoto e híbrido.
Na verdade, quatro em cada cinco recrutadores, segundo um estudo da Entelo, acreditam que a produtividade aumentaria se eles pudessem automatizar completamente o sourcing de candidatos. Os inquiridos foram unânimes na opinião de que ter mais dados os ajudaria a qualificar candidatos, avaliar grupos de candidatos, melhorar o alcance e aperfeiçoar os fluxos de trabalho de contratação. Apesar disso, 42% não tinham os dados ou tempo para implementar ou explorar analytics, muito menos transformar os dados em insights.
O que é automação de recrutamento e como pode ajudar?
A gestão de recursos humanos ou de pessoas começa com a contratação. Todos os dias, uma função em aberto permanece não preenchida, com custos para o lucro e a produtividade das empresas. Ferramentas inteligentes baseadas em IA podem recolher dados relevantes sobre os candidatos, disponibilizá-los aos recrutadores e processá-los com precisão para acelerar e simplificar vários subprocessos, incluindo seleção de candidatos, triagem, diversidade e inclusão, entrevistas e rastreio de candidatos.
“Os dias de classificar fisicamente centenas de currículos e postar as suas descrições de trabalho num quadro individual acabaram”, observa Ilit Raz, CEO da Joonko, uma solução de feed de talentos para apresentar candidatos de origens sub-representadas. “Sem nenhuma forma de automação ou RH tech, o recrutador estará sempre um passo atrás dos seus concorrentes, especialmente quando se trata de recrutamento”.
A automação de recrutamento é uma categoria de tecnologia – fornecida como aplicações de software como serviço (SaaS) e cada vez mais alimentada por IA – que uma organização pode usar para gerir todos os aspetos da sua força de trabalho. Os seus objetivos centrais incluem:
– Automatizar tarefas e fluxos de trabalho de recrutamento
– Reduzir custo por locação
– Aumentar a produtividade do pessoal de RH e recrutadores
– Acelerar o preenchimento de vagas
– Contratar sem preconceitos
– Melhorar o perfil geral de talentos da empresa
Como uma tecnologia típica de automação de recrutamento baseada em IA ajuda a atingir esses objetivos? Aqui estão as diferentes funções onde pode desempenhar um papel fundamental:
Anúncios de emprego: O software de recrutamento pode automatizar a compra de anúncios em plataformas de empregos, bem como noutros sites. Ele aproveita a publicidade programática e o conteúdo de marca para colocar anúncios de emprego em sites específicos do setor que os seus candidatos-alvo frequentam. Também pode ajudá-lo a otimizar o orçamento de publicidade e reduzir o custo por candidato.
Sistema de rastreamento de aplicativos (ATS): Um ATS é um software que automatiza o ciclo completo de contratação e recrutamento para uma organização. Fornece um local centralizado para gerir anúncios de emprego, classificar currículos, filtrar inscrições e identificar os candidatos mais adequados para vagas em aberto. Dessa forma, os gestores de RH podem manter-se organizados e ter acesso fácil a detalhes sobre o estágio em que um candidato está no processo de contratação.
Triagem de currículos: A triagem manual de currículos é uma das partes mais demoradas do recrutamento. O software baseado em IA “aprende e entende” os requisitos do trabalho com base na listagem e filtra currículos com base em palavras-chave, termos e frases usadas pelos candidatos.
Candidatos pré-qualificados: Algoritmos inteligentes podem determinar candidatos prováveis avaliando as suas habilidades, experiência e outras características comparando com as de contratações anteriores e o cargo publicado. Também podem classificar ou categorizar esses candidatos à medida que avançam no processo de contratação. Os chatbots baseados em IA podem recolher informações básicas iniciando conversas com candidatos e “aprender” mais sobre eles. Os algoritmos também podem varrer perfis do LinkedIn, Twitter, Facebook e outros perfis sociais, bem como plataformas específicas do setor em que estão ativos (como Stack Overflow para desenvolvedores) para uma melhor ideia da sua personalidade, conhecimento, habilidades e aptidões.
Quando a automação de recrutamento pode correr mal?
Apesar dos avanços no software de automação de recrutamento, ele não é uma panaceia para os desafios de contratação. Não há cura tecnológica para processos de recrutamento interrompidos. A sobrecarga de dados é um problema crítico. Atualmente, os recrutadores têm tantos dados (sobre candidatos e cargos) que não têm tempo nem habilidades para os analisar e tomar as decisões corretas. Muitas vezes, o custo e a complexidade de aceder e verificar esses dados tornam-se proibitivos.
Outro problema de longa data é o preconceito. Embora o próprio processo de recrutamento seja frequentemente tendencioso (devido em grande parte à propensão das empresas a confiar nas indicações de funcionários), o uso de IA e automação na contratação às vezes pode agravar o problema.
“Se não tiver um conjunto de dados representativo para qualquer número de características que decidir, é claro que não encontrará e avaliará adequadamente os candidatos”, diz Jelena Kovačević, IEEE Fellow e Dean da NYU Tandon School of Engineering.
“Por exemplo”, continua, “se os negros foram sistematicamente excluídos no passado ou se não tinha mulheres no pipeline e cria um algoritmo baseado nisso, não há como o futuro ser previsto adequadamente. Se contrata apenas de escolas da Ivy League, então realmente não sabe como um candidato de uma escola menos conhecida se sairá, então, há várias camadas de preconceito”.
Num caso infame, a Amazon desenvolveu uma ferramenta de recrutamento baseada em IA que analisava padrões em currículos recebidos ao longo de um período de dez anos e acabou a discriminar mulheres. Desnecessário será dizer que a descartaram.
A maior área em que os dados e a IA falharam é Diversidade, Equidade e Inclusão (DEI). Alguns dos maiores erros relacionados com diversidade no recrutamento amplificados pela automação e machine learning são:
– Linguagem insensível, elitista ou menos inclusiva nos anúncios
de emprego (afasta diversos candidatos)
– Fornecimento limitado e pools de candidatos restritos (deixa de fora
candidatos de outra região ou aqueles que não frequentaram determinadas
escolas)
– Nenhuma política de trabalho remoto (impede candidatos com deficiência e
falta de transporte)
– Uma abordagem jocosa ao DEI destinada a atender aos padrões mínimos
regulatórios ou do setor
– Falta de automação
A última merece atenção especial.
IA como o problema, analytics como a cura
Embora a IA certamente não seja uma bala de prata para o recrutamento, ela percorreu um longo caminho desde o fiasco da Amazon. O estudo da Entelo descobriu que as equipas de recrutamento orientadas por dados já estão a superar os seus pares. Além disso, 84% dos recrutadores estão bastante confiantes na sua capacidade de usar IA e machine learning no seu fluxo de trabalho diário.
A pergunta de um milhão de dólares é: Como a tecnologia de automação de recrutamento pode usar algoritmos de IA no processo de contratação sem adicionar (e amplificar) o viés humano à mistura?
A resposta está em estabelecer benchmarks de desempenho específicos da empresa, identificar métricas-chave para medir objetivamente a competência dos candidatos e usar a análise de talentos para medir o sucesso e a eficiência de seus esforços de recrutamento.
Algoritmos que atendem à finalidade para a qual foram criados, frequentemente, fazem-no porque os conjuntos de dados maiores e mais amplos estão disponíveis. É sua responsabilidade recolher esses pontos de dados e alimentá-los no seu pipeline de talentos ou software de automação de recrutamento. O processo é revertido na implementação – é sempre uma boa ideia testar o algoritmo num grupo pequeno (mas diversificado) de candidatos e rever manualmente a sua saída antes de o adotar como a solução de contratação para a sua organização.