กระบวนการจ้างงานในปัจจุบันพึ่งพา CV เป็นอย่างมาก ซึ่งอาจเกิดข้อผิดพลาดได้ง่ายและขาดข้อมูลที่สื่อความหมายและสื่อความหมาย ในอดีต ข้อมูลบุคลากรที่กำลังสนใจนั้น ยังเป็นแบบเชิงรับมากกว่าเชิงรุก อย่างไรก็ตาม Deep learning ซึ่งเป็น Machine Learning ประเภทหนึ่งที่ได้รับแรงบันดาลใจจากสมองของมนุษย์ สามารถใช้ประโยชน์จากข้อมูลจำนวนมหาศาลเพื่อกำหนดความเหมาะสมที่สุดสำหรับความต้องการเฉพาะของงาน และงานใดที่แต่ละคนมีแนวโน้มที่จะมีไว้ในอาชีพต่อไป Deep learning สามารถแบ่งประสบการณ์การทำงานของมนุษย์ออกเป็นความสามารถและจับคู่ความสามารถเหล่านั้นกับงานที่มีอยู่ในขณะนี้ ตลอดจนดึงเอาศักยภาพออกมาโดยพิจารณาจากคนที่มีทักษะคล้ายคลึงกันและสิ่งที่พวกเขาสามารถทำได้ในอาชีพต่อไป การใช้การเรียนรู้เชิงลึกช่วยยกระดับทั้งศิลปะและวิทยาศาสตร์ของการได้มาซึ่งความสามารถพิเศษอีกด้วย
The current hiring process relies heavily on CVs, which can be error-prone and lack descriptive, meaningful data. Historically, workforce data has also been reactive rather than proactive. However, deep learning, a type of machine learning inspired by the human brain, can harness a massive amount of data to determine the best fit for a specific job requirement and what job an individual is most likely to hold next in their career. Deep learning can break down human work experience into capabilities and match those capabilities with jobs available now, as well as call out potential by looking at people with similar skills and what they were able to accomplish next in their career. The use of deep learning takes both the art and science of talent acquisition to a whole new level.
อนาคต HR อยู่ในมือ Deep learning กลไกเพื่อจ้างงานบุคลากรที่มีความสามารถพิเศษ
ในกระบวนการจ้างงานปัจจุบัน เราพึ่งพา CV เป็นอย่างมาก อย่างไรก็ตาม สิ่งเหล่านี้มักเกิดข้อผิดพลาดได้เนื่องจากมนุษย์ประเมินตนเองได้ไม่ดีโดยเนื้อแท้ และเมื่อผู้สมัครปรับแต่ง CV ให้ตรงกับรายละเอียดงาน พวกเขาก็จะเต็มไปด้วยคำพูดซ้ำซาก พูดเกินจริง และละเว้น เนื่องจากผู้สมัครกลั่นกรองงานหลายปีเหลือเพียงไม่กี่ประเด็น การขาดข้อมูลที่สื่อความหมายโดยรวมหมายความว่านายจ้างอาจได้รับอิทธิพลในทางลบจากรายละเอียดที่มีข้อมูลเชิงลึกเชิงคาดการณ์เล็กน้อยเกี่ยวกับความสามารถของผู้สมัครในการเป็นเลิศในงาน
ตัวอย่างเช่น การพิมพ์ผิด การเลือกแบบอักษร และเค้าโครงอาจส่งผลต่อการรับรู้ของนายจ้างเกี่ยวกับความสามารถของผู้สมัคร ในอดีต ข้อมูลแรงงานยังเป็นแบบเชิงรับมากกว่าเชิงรุก บริษัทต่างๆ ประสบปัญหาในการระบุจำนวนพนักงานประจำและพนักงานชั่วคราวที่พวกเขามี นับประสาอะไรกับทักษะ ความสามารถ และศักยภาพของพนักงาน ด้วยทักษะที่ไม่เหมือนใครเกือบสองล้านทักษะทั่วโลก จึงเป็นไปไม่ได้ที่มนุษย์จะเข้าใจทักษะเหล่านี้ทั้งหมดทีละทักษะ
ความสัมพันธ์ระหว่างทักษะเหล่านี้ และชุดทักษะใหม่เอี่ยมที่มีบทบาทในการโต้ตอบ ผู้จัดการฝ่ายบุคคลอาจตรวจสอบข้อมูลแคบๆ ที่พวกเขามีอยู่ จากนั้นเสริมด้วยการรับรู้และความเข้าใจของตนเองเกี่ยวกับทักษะพื้นฐานที่จำเป็นในการปฏิบัติงาน ตัวอย่างเช่น เมื่อบริษัทจ้างผู้จัดการฝ่ายบริการลูกค้า ผู้สรรหาอาจค้นหาผู้สมัครที่มีตำแหน่งที่แน่นอนหรือตำแหน่งที่เกี่ยวข้อง เราไม่มีเครื่องมือในการค้นหาผู้สมัครที่อาจมีทักษะด้านลูกค้าที่เหมาะสมโดยพิจารณาจากประสบการณ์การทำงานของพวกเขา ตัวแทนบริการลูกค้าที่ห้างสรรพสินค้าอาจมีชุดทักษะที่คล้ายกับตัวแทนอสังหาริมทรัพย์มากกว่าตัวแทนบริการลูกค้าที่ธนาคาร ครูโรงเรียนมัธยมอาจมีทักษะที่จำเป็นในการเป็นผู้ฝึกอบรมผลิตภัณฑ์ที่ยอดเยี่ยมในบริษัทเทคโนโลยีมากกว่าผู้ร่วมงานด้านปฏิบัติการผลิตภัณฑ์ในอุตสาหกรรมเทคโนโลยีอยู่แล้ว
Deep learning อาจเป็นคำตอบได้หรือไม่?
Deep learning คือการเรียนรู้ของเครื่องประเภทหนึ่งที่ได้รับแรงบันดาลใจจากสมองมนุษย์ อัลกอริธึมการเรียนรู้เชิงลึกเลียนแบบข้อสรุปของมนุษย์โดยการวิเคราะห์ข้อมูลอย่างต่อเนื่องด้วยโครงสร้างเชิงตรรกะที่กำหนด โครงสร้างนี้ประกอบด้วยอัลกอริธึมหลายชั้นที่เรียกว่าโครงข่ายประสาทเทียม ความท้าทายหลักของการเรียนรู้เชิงลึกคือข้อมูล – โดยเฉพาะอย่างยิ่งจำเป็นต้องใช้ข้อมูลจำนวนมหาศาล พื้นที่ความสามารถเพียงอย่างเดียวต้องการจุดข้อมูลนับพันล้านเกี่ยวกับผู้คน เส้นทางอาชีพ ทักษะ และประสบการณ์ แต่ในขณะที่การเข้าถึงของ AI ครั้งหนึ่งเคยถูกจำกัดด้วยพลังการประมวลผลและความพร้อมใช้งานของข้อมูล แต่นั่นกลับไม่เป็นเช่นนั้นอีกต่อไป
ปัจจุบัน เครือข่ายประสาททั่วโลกสามารถระบุทักษะได้มากกว่าสองล้านทักษะจากประชากร 7.8 พันล้านคนทั่วโลก จากนั้น เมื่อใช้ข้อมูลนี้ วิศวกร AI สามารถพัฒนาอัลกอริทึมการเรียนรู้เชิงลึกเพื่อหาคำตอบที่ดีที่สุดสำหรับคำถามประเภทที่กำหนด ในกรณีของความสามารถพิเศษ คำถามดังกล่าวอาจรวมถึง: ใครเหมาะสมที่สุดสำหรับข้อกำหนดเฉพาะของงานนี้ บุคคลนี้มีแนวโน้มที่จะทำงานอะไรต่อไปในอาชีพการงานมากที่สุด อย่างไรก็ตาม
การทำความเข้าใจความสามารถของการเรียนรู้เชิงลึกในการควบคุมข้อมูลจำนวนมหาศาลนั้นเป็นเพียงขั้นตอนแรกเท่านั้น คำถามที่สำคัญกว่าคือการเรียนรู้เชิงลึกสามารถนำไปใช้กับการได้มาซึ่งความสามารถพิเศษได้อย่างไร คำคุณศัพท์เกี่ยวกับทักษะหมายถึงการอนุมานว่าคนที่เก่งทักษะ A มักจะเก่งกว่าทักษะ B ตัวอย่างเช่น เราสามารถอนุมานได้ว่าคนที่เก่งแคลคูลัสก็น่าจะเก่งพีชคณิตเช่นกัน เมื่อเราสามารถเข้าใจทักษะที่อยู่ติดกันอย่างถ่องแท้ มันช่วยให้เราเห็นภาพศักยภาพที่แท้จริงของมนุษย์และทักษะที่สามารถถ่ายโอนได้อย่างสมบูรณ์ การเรียนรู้เชิงลึกสามารถแบ่งประสบการณ์การทำงานของมนุษย์ออกเป็นความสามารถและจับคู่ความสามารถเหล่านั้นกับงานที่มีอยู่ในขณะนี้
ตัวอย่างเช่น พนักงานร้านอาหารจำนวนมากได้ทำงานในคอลเซ็นเตอร์ และธนาคารรายใหญ่แห่งหนึ่งบอกเราว่าพนักงานใหม่บางคนเคยเป็นบาร์เทนเดอร์มาก่อน สิ่งเหล่านี้ไม่ใช่ความสัมพันธ์ที่จะทำได้อย่างง่ายดาย ในทำนองเดียวกัน หากบริษัทกำลังมองหาทักษะการจัดการโครงการ ประวัติย่อและรายละเอียดงานมักจะไม่ตรงกับความต้องการ แต่ AI สามารถบอกเราได้ว่าทักษะของผู้สมัครหรือพนักงานได้รับการตรวจสอบหรือเป็นไปได้ตามประสบการณ์การทำงาน แม้ว่าบุคคลนั้นจะไม่เคยมีตำแหน่งเป็น ‘ผู้จัดการโครงการ’ หรือระบุว่า ‘การจัดการโครงการ’ เป็นทักษะในใบสมัครของพวกเขาก็ตาม
ในทางกลับกัน AI สามารถระบุได้ว่าผู้สมัครสำหรับงานการจัดการโครงการขาดทักษะที่จำเป็นหรือไม่ แม้ว่าจะมีตำแหน่งการจัดการโครงการมาก่อนก็ตาม กล่าวอีกนัยหนึ่ง แพลตฟอร์มการเรียนรู้เชิงลึกจะดึงเอาศักยภาพออกมาโดยการมองหาคนที่มีทักษะใกล้เคียงกัน และสิ่งที่พวกเขาสามารถทำได้ต่อไปในอาชีพการงาน ด้วยชุดข้อมูลทั่วโลกที่เราสามารถวิเคราะห์คนหลายพันคนที่ได้รับทักษะใหม่และประสบความสำเร็จในบทบาทใหม่ในเวลาต่อมา เราสามารถสรุปได้ว่าผู้สมัครหน้าใหม่สามารถเรียนรู้ทักษะเหล่านี้และทำได้ดีในบทบาทใหม่นี้
ลองนึกภาพว่ามีคนสามคนทำงานเป็นผู้จัดการผลิตภัณฑ์ หนึ่งในนั้นทำงานที่ Google อีกคนหนึ่งทำงานที่ Honeywell กลุ่มบริษัทอเมริกัน และอีกคนหนึ่งทำงานที่ Delta Air Lines ระบบที่ขับเคลื่อนด้วย AI รู้ด้วยความมั่นใจระดับสูงว่าบุคคลจาก Honeywell มีทักษะที่ชาวเดลต้าและกูเกิลไม่ทำ นอกจากนี้ยังสามารถบอกได้ว่า Delta และผู้จัดการผลิตภัณฑ์ของ Google สามารถเรียนรู้ทักษะที่ Honeywell มีได้อย่างง่ายดายหรือไม่ และพวกเขาจะดำเนินการดังกล่าวได้อย่างไร การใช้การเรียนรู้เชิงลึกหมายความว่าความไว้วางใจประเภทนี้ไม่ได้ขึ้นอยู่กับความเชื่อที่มืดบอด แต่มาจากการวิเคราะห์อย่างรอบด้าน และต้องใช้ทั้งศิลปะและวิทยาศาสตร์ในการได้มาซึ่งความสามารถพิเศษไปสู่ระดับใหม่ทั้งหมด