---

مقدمة في المشكلة

ناقشنا مؤخرًا في Slack كيف يمكن أن تسهل الأتمتة عملية تصنيف المرشحين. اقترح أحد المطورين استخدام GPT لتبسيط هذه المهمة، لكن المحادثة سرعان ما أصبحت متوترة. تذكر بعضنا تجارب سلبية عندما أدت الأتمتة إلى أخطاء، مما جعلنا نتساءل عن مدى قدرتنا على الثقة بالخوارزمية في هذه العملية المهمة.

السياق: لماذا هذا مهم

تصنيف المرشحين ليس مجرد مهمة، بل هو مرحلة حاسمة في عملية التوظيف. يمكن أن تؤدي الأخطاء في هذه المرحلة إلى فقدان المواهب أو، على العكس، توظيف موظفين غير مناسبين. في فريقنا العديد من الأشخاص ذوي الخبرة في مجال التوظيف، وكنا جميعًا نفهم أن الأتمتة يجب أن تكون سريعة وموثوقة في الوقت نفسه. كنا نعلم أن الأخطاء يمكن أن تكلف الشركة خسائر مالية وسمعة.

المشكلة بالتفاصيل

أحد الأمثلة التي نظرنا إليها كان حالة عندما أساء GPT تفسير سيرة ذاتية لأحد المرشحين. تم تقييم مرشح لديه خبرة كبيرة في تكنولوجيا المعلومات بشكل أقل من متخصص أقل خبرة، فقط لأن سيرته الذاتية احتوت على مصطلحات أكثر تعقيدًا لم يستطع GPT معالجتها بشكل صحيح. أدى ذلك إلى فقدان موظف محتمل ذو قيمة، مما أثر سلبًا على الثقة في الأنظمة الآلية.

المحاولات الأولى

بدأنا بدمج GPT في عمليتنا، على أمل أن تتمكن الخوارزمية من تقييم السير الذاتية وفقًا للمعايير المحددة. ومع ذلك، بعد عدة اختبارات، أدركنا أنه على الرغم من التقييمات العالية للدقة، إلا أن النموذج لا يزال يرتكب أخطاء. قررنا العودة إلى التحليل اليدوي، لكن ذلك كان غير فعال مع زيادة عدد المرشحين.

النهج الفني

في النهاية، اخترنا نهجًا يجمع بين أفضل ما في العالمين: استخدام GPT كأداة مساعدة للتقييم، مع إضافة طبقات من التحقق والتحليل اليدوي. قمنا بتطوير خوارزمية تقوم أولاً بتصنيف المرشحين باستخدام GPT، ثم تقدم النتائج لفريق التوظيف للتحقق النهائي. مثال على الكود الذي استخدمناه للدمج:

# مثال كود لدمج GPT
results = gpt_model.rank_candidates(resumes)
validated_results = validate_results(results)

التغييرات في المنتج

بعد تنفيذ النظام الجديد، لاحظنا أن دقة التصنيف زادت بنسبة 30٪ مقارنةً بالإصدار السابق. كما سمح لنا ذلك بتقليل الوقت المستغرق لمعالجة السير الذاتية، مما أثر بشكل إيجابي على تجربة كل من المرشحين وموظفي التوظيف. قمنا بتحديث الأقسام على /jobs و /for-companies لتعكس هذه التغييرات.

ماذا تعلمنا

• يمكن أن تكون الأتمتة مفيدة، لكنها تتطلب رقابة.
• من المهم الجمع بين الحلول التكنولوجية والخبرة البشرية.
• الثقة الكاملة في الذكاء الاصطناعي يمكن أن تؤدي إلى فقدان المواهب.
• من الضروري اختبار وتحسين الخوارزميات باستمرار.
• يبقى التحقق اليدوي مرحلة مهمة في العملية.

ماذا يعني ذلك للمرشحين

يمكن للمرشحين توقع تقييم أكثر عدلاً لسيرهم الذاتية بفضل النهج المدمج. نحن نسعى إلى مراعاة ليس فقط الكلمات الرئيسية، ولكن أيضًا السياق العام، مما يسمح بفهم أفضل لخبراتهم ومهاراتهم.

ماذا يعني ذلك لموظفي التوظيف

يمكن لموظفي التوظيف الآن العمل بشكل أكثر كفاءة، باستخدام GPT للتحليل الأولي، وليس كمصدر وحيد للتقييم. وهذا يسمح بالتركيز على جوانب أكثر أهمية، مثل التفاعل مع المرشحين وخصائصهم الشخصية.

الخطوات التالية

نواصل مراقبة أداء نظامنا ونخطط لتحديثات دورية لخوارزميات GPT لزيادة الدقة. في المستقبل، نفكر أيضًا في إمكانية دمج مقاييس إضافية لتحليل النتائج. إذا كان بإمكاننا تغيير شيء ما في العملية، كنا سنضيف المزيد من مراحل التحقق لزيادة الثقة في النتائج. ---