På vilka sätt kan maskininlärningssystem vara till hjälp för mänskliga resurser? googletag.cmd.push (funktion () {googletag.display (div-gpt-ad-1562928221186-0);}); F:

Författare: Roger Morrison
Skapelsedatum: 26 September 2021
Uppdatera Datum: 10 Maj 2024
Anonim
På vilka sätt kan maskininlärningssystem vara till hjälp för mänskliga resurser? googletag.cmd.push (funktion () {googletag.display (div-gpt-ad-1562928221186-0);}); F: - Teknologi
På vilka sätt kan maskininlärningssystem vara till hjälp för mänskliga resurser? googletag.cmd.push (funktion () {googletag.display (div-gpt-ad-1562928221186-0);}); F: - Teknologi

Innehåll

F:

På vilka sätt kan maskininlärningssystem vara till hjälp för mänskliga resurser?


A:

Vart du än ser är maskininlärning att förändra branscher. En av de senare antagarna är mänskliga resursfältet - till att börja med tillämpades maskininlärning till stor del på marknadsföring och kundvänlig programvara, men nu expanderar den till att erbjuda personalresurser bättre sätt att hålla sig på topp med att hantera ett kontor av något slag .

Ett av de vanligaste och mest populära sätten som maskininlärning använder i mänskliga resurser är att hjälpa ogräs genom ett stort antal CV från sökande. Det är ett väletablerat problem hos många företag att alla jobberbjudanden får en översvämning av applikationer. En del av detta hänför sig till historiskt hög arbetslöshet efter finanskrisen 2008, men även i flush-tider, slutar många människor som vill ha samma jobb och positioner.



Maskininlärning kan hjälpa till att göra screeningprocessen mycket mindre arbetsintensiv. I en Techopedia-artikel om trender inom teknik talar Cristian Rennella, VD och medgrundare av MejorTrato.com.mx, om hur hans företag använder konstgjorda intelligensverktyg för att gå igenom CV: er för olika kandidater. Detta, sade han, tog majoriteten av personalavdelningens tid innan övergången till programvara och görs nu snabbt och enkelt med automatiseringsverktyg.

Maskininlärningssystem kan också granska CV på mer djupa och intelligenta sätt. De kan leta efter specifika kompetensuppsättningar och saker som den geografiska platsen för den sökande. På vissa sätt kan maskininlärningssystem till och med ta över mycket av intervjuprocessen. Om en första intervju bara är att skapa en tuff matchning vad gäller färdigheter och logistik, kan mycket av detta nu göras med sofistikerade maskininlärningsprodukter.


Personalavdelningar kan också använda maskininlärningssystem för att hålla ett öga på omsättning eller utmattning. I alltför många fall märks dessa problem endast när bemanningsmodellen blir ansträngd eller när hål utvecklas i ett schema. Men vid den tidpunkten är det ofta för sent att verkligen göra ett snabbt och smidigt comeback och få fler människor involverade. Genom att ha en fågelperspektiv av organisationen genom en maskininlärningsplattform förstår mänskliga resurser människor trenden innan den kommer för långt ner på vägen.

Samtidigt kan mänskliga resurser människor också använda maskininlärning för att förvärva talanger. Maskininlärningssystem kan sortera igenom tidigare interaktioner för att hitta vad som gör företaget attraktivt för talanger, så att författare kan marknadsföra dessa saker i framtida anställningar.

Som påpekats av många företagsexperter är dagens jobbannonser inte bara formella avsiktsförklaringar. De forskas och optimeras, på samma sätt som företag forskar och optimerar direktförsändare och annat kundmaterial. Det beror på att talang är så viktigt i dagens företag - och maskininlärning hjälper mänskliga resurser att gå ut där och tävla i en högtrycksmiljö.

Dessutom hjälper maskininlärning med det allmänna ansvaret för kommunikation med mänskliga resurser. Objekt som lön, förmåner, semestertid och mer kan spåras, analyseras och kontrolleras genom någon typ av centralt gränssnitt. Allt detta hjälper till att effektivisera det arbete som personalavdelningarna gör regelbundet, och det är en annan anledning till att så många företag tittar på maskininlärningsapplikationer för HR.