لماذا يتفوق التقييم على بحث الكلمات المفتاحية
سلاسل Boolean تسترجع المرشحين. التقييم يختارهم. يظهر الفرق في المرة الأولى التي ينظر فيها مدير التوظيف إلى القائمة.
كل مجند لديه سلسلة Boolean يفخر بها. بعضها أعمال فنية — ORs متداخلة، NOTs، استدعاءات داخلية مضبوطة على مدى خمس سنوات.
وكل مجند مر بنفس التجربة: السلسلة تعيد 600 مرشح، أول 50 تبدو جيدة، وبحلول المرشح رقم 200 ترى مهندسي مبيعات، ومديري مشاريع، وشخصًا حضر مؤتمر JavaScript مرة.
سلسلة Boolean قامت بعملها. استرجعت كل ما تطابق الكلمات. المشكلة أن مطابقة الكلمات توقفت عن كونها تعريفًا مفيدًا للملاءمة منذ حوالي عشر سنوات.
الاسترجاع مقابل الترتيب
محركات البحث تفصل بوضوح بين الاسترجاع (العثور على مستندات محتملة) والترتيب (تحديد الأفضل فعليًا). أدوات الاستقطاب على نمط LinkedIn تتخطى إلى حد كبير الخطوة الثانية. تسترجع، ثم تقدم بعض الفرز الضعيف (الصلة، الحداثة)، وتعتبر الأمر منتهيًا.
التقييم هو خطوة الترتيب التي كانت مفقودة. عند القيام به جيدًا، يأخذ المجموعة الواسعة المسترجعة وينتج قائمة مختصرة ذات شكل فعلي.
ما ينظر إليه تقييم الملاءمة الحقيقي
درجة المرشح المفيدة متعددة الأبعاد. الأبعاد الدقيقة تعتمد على الدور، لكن لمعظم أدوار العمل المعرفي تبدو تقريبًا كالتالي:
- تطابق المهارة — ليس هل لديهم Python في ملفهم الشخصي ولكن هل نفذوا نوع عمل Python الذي يتطلبه هذا الدور.
- عمق الخبرة — السنوات مؤشر ضعيف؛ السؤال الصحيح هو هل امتلكوا مساحة الدور الموصوفة.
- معايرة المستوى — هل تبدو آخر 24 شهرًا من عملهم كشخص سيأخذ هذا اللقب، أو يُهين به.
- انتقال الصناعة — التطابق المباشر للصناعة هو الأفضل، لكن الصناعات المجاورة ذات الأنماط المشتركة غالبًا ما تكون جيدة تقريبًا.
- المسار المهني — هل المسار يتحرك في الاتجاه الصحيح لهذا الدور، أو في اتجاه يشير إلى أنهم سيرفضون بأدب.
- إشارات الانفتاح على المحادثة — تغييرات الدور الأخيرة، المنشورات العامة، مدة البقاء في صاحب العمل، وعشرات الإشارات الأخرى التي تتنبأ برد.
كل بعد هو رقم. المركب هو درجة ملاءمة واحدة. الأبعاد مرئية، لذا يمكنك رؤية سبب ترتيب المرشح حيث كان.
لماذا هذا صعب للأدوات التقليدية
أدوات الكلمات المفتاحية لا تستطيع فعل هذا، ليس لأن أحدًا لم يفكر فيه، ولكن لأنه يتطلب قراءة كل مرشح، وليس مجرد مطابقة سلاسل. قراءة كل مرشح مكلفة — من حيث الحوسبة والدولار. لفترة طويلة، لم تكن المعادلة تعمل.
تعمل الآن. نماذج التفكير الحديثة يمكنها قراءة ملف، تقييمه مقابل متطلبات الدور، وكتابة مبرر قصير، في أقل من ثانية وبجزء من سنت. هذا أعاد كتابة الممكن في أعلى القمع.
ما يتغير لاحقًا
المجندون الذين ينتقلون من الاسترجاع فقط إلى الاسترجاع مع التقييم يبلغون عن نفس النمط.
الموجة الأولى من القوائم المختصرة أصغر، بتصميم — 30 مرشحًا بدلًا من 300. معدل مرور مدير التوظيف يقفز. عدد المرشحين الذين يأخذون مكالمة يتضاعف، وأحيانًا يتضاعف ثلاث مرات. يقضي المجند وقته على الأشخاص الذين يمكنهم التوظيف، وليس على المرشحين الذين لم يكن يجب أن يكونوا في القائمة.
كانت سلسلة Boolean فنًا. التقييم هو ما يحل محلها.
مقالات ذات صلة
كيف يعمل الاستقطاب الأصلي بالذكاء الاصطناعي فعليًا
معظم أدوات الاستقطاب بالذكاء الاصطناعي هي بحث بالكلمات المفتاحية مع روبوت دردشة مضاف. إليك ما يتغير عندما يُبنى التفسير، والتقييم، والتواصل من البداية للنهاية على نموذج تفكير.
من وصف الدور إلى التواصل في محادثة واحدة
جولة توضيحية لما تبدو عليه جلسة Tapflow واحدة — من الرسالة الأولى للمجند إلى قائمة مختصرة مع التواصل المصاغ، من البداية للنهاية.