בשוק העבודה התחרותי של היום, בחירת העובדים הנכונים היא המפתח להצלחת ארגונים. מחקר חדש מציג מערכת אוטומציה לבחירת כוח אדם שמשלבת עיבוד שפה טבעית מתקדם (NLP), מודלי שפה גדולים (LLM) ושיטת קבלת החלטות רב-קריטריונים (MCDM) – מסגרת LLM-TOPSIS. המערכת מנתחת פרופילי LinkedIn של מועמדים לתפקידי הנדסת תוכנה ומדרגת אותם בהתאם להשוואה קרובה לדירוגי מומחים אנושיים. זהו צעד משמעותי לקראת גיוס מדויק, מהיר ומשוחרר מהטיות.
החוקרים יצרו מאגר נתונים ייחודי מאגרגציה של פרופילי LinkedIn הכוללים פרטי השכלה, ניסיון תעסוקתי, כישורים והצגה עצמית, אותו העשירו בהערכות מומחים כתקן. הם שילבו את שיטת TOPSIS עם לוגיקת מטושטשת (Fuzzy TOPSIS) כדי להתמודד עם עמימות סובייקטיבית בהערכות. מספרים מטושטשים משולשיים (TFNs) שימשו לתיאור משקלי קריטריונים וציונים, מה שמאפשר טיפול בעמימות טבעית בדירוג מועמדים. מודל DistilRoBERTa עבר כוונון עדין והושלב עם Fuzzy TOPSIS לדירוג מדויק.
התוצאות מרשימות: המערכת השיגה דיוק של עד 91% בקטגוריית הניסיון ובדירוג הכללי, והדירוגים תואמים באופן קרוב להערכות מומחים אנושיים. זה מדגיש את הפוטנציאל של מסגרות מבוססות NLP לשפר תהליכי גיוס על ידי הגברת הקנה המידה, העקביות והפחתת הטיות. המחקר מצביע על יתרונות ברורים בגיוס מהנדסי תוכנה, תחום שבו כישורים טכניים ורכים נבחנים בקפידה.
משמעות המחקר גדולה במיוחד עבור חברות טכנולוגיה ישראליות, שמתמודדות עם מחסור בכוח אדם מיומן. שילוב LLM עם Fuzzy TOPSIS מאפשר סינון אוטומטי של מאות פרופילים במהירות, תוך שמירה על אובייקטיביות. בהשוואה לשיטות מסורתיות, המערכת מפחיתה סיכונים של הטיות תרבותיות או אישיות, ומאפשרת התמקדות בקריטריונים עסקיים. זה רלוונטי במיוחד להייטק הישראלי, שם גיוס מהיר הוא יתרון תחרותי.
בעתיד, החוקרים מתכננים להגדיל את מאגר הנתונים, לשפר את פרשנות המודלים ולבדוק את המערכת בסביבות גיוס אמיתיות. עבור מנהלי משאבי אנוש ומנכ"לים, זו הזדמנות לאמץ כלים כאלה כדי לייעל תהליכי גיוס ולהתמקד באסטרטגיה. האם הגיע הזמן לשלב AI בגיוס שלכם?