---

Wprowadzenie: prawdziwe wyzwanie w zespole

Niedawno na naszym kanale Slack wywiązała się dyskusja na temat uproszczenia procesu onboardingu dla nowych pracodawców. Jeden z naszych programistów zauważył, że wielu z nich ma trudności z wypełnieniem wymaganych danych, co utrudnia ich integrację z systemem. Dyskusja trwała kilka dni i uświadomiliśmy sobie, że to problem, który wymaga poważnej uwagi.

Dlaczego to ważne

Problem onboardingu pracodawców bezpośrednio dotyczył naszego zespołu zajmującego się dopasowaniem. Rozumieliśmy, że skomplikowany proces może prowadzić do wysokiego wskaźnika rezygnacji i utraty potencjalnych partnerów. Rynek pracy staje się coraz bardziej konkurencyjny, a każdy dzień, w którym nowy pracodawca nie może rozpocząć współpracy z nami, to stracona szansa zarówno dla nich, jak i dla nas. Postanowiliśmy stworzyć bardziej intuicyjny i szybszy proces.

Problem w szczegółach

Obecny proces onboardingu obejmował wiele kroków, które wymagały od pracodawców wypełnienia długich formularzy z informacjami o firmie, ofertach pracy i wymaganiach. Na przykład jeden z pracodawców, z którym rozmawialiśmy, spędził ponad 30 minut na wypełnieniu formularza, po czym miał pytania dotyczące prawidłowego wypełnienia niektórych pól. To tworzyło negatywne wrażenia i obniżało zainteresowanie współpracą.

Pierwsze próby rozwiązania

Na pierwszym etapie postanowiliśmy spróbować poprawić interfejs, dodając podpowiedzi i przykłady wypełnienia. Jednak to nie przyniosło znaczących popraw. Zauważyliśmy, że nawet z podpowiedziami pracodawcy nadal mają trudności, szczególnie z złożonymi sformułowaniami i wymaganiami. Ostatecznie zrozumieliśmy, że poprawa interfejsu to tylko tymczasowe rozwiązanie i potrzebujemy bardziej radykalnej zmiany.

Techniczne podejście

Po kilku dyskusjach postanowiliśmy wykorzystać uczenie maszynowe do stworzenia procesu onboardingu wspieranego przez AI. Opracowaliśmy model, który analizuje wprowadzane dane i oferuje rekomendacje w czasie rzeczywistym. Oto krótki przykład kodu, który ilustruje, jak przetwarzamy wprowadzane dane:

class OnboardingAI:
    def suggest_fields(self, input_data):
        # Logika analizy danych
        suggestions = self.model.predict(input_data)
        return suggestions

Ten model pozwala pracodawcom otrzymywać propozycje dotyczące wypełnienia formularzy na podstawie ich wcześniejszych działań i informacji o firmie. Zintegrowaliśmy również chatbota, który może odpowiadać na pytania w trakcie wypełniania.

Zmiany w produkcie

Po wdrożeniu procesu wspieranego przez AI zauważyliśmy znaczące skrócenie czasu potrzebnego na zakończenie onboardingu. Pracodawcy mogli teraz zakończyć proces w 10-15 minut, co poprawiło ogólne wrażenie z pracy z naszą platformą. Otrzymaliśmy również pozytywne opinie na stronie /for-companies, gdzie pracodawcy dzielą się swoimi doświadczeniami z Fitlane AI.

Czego się nauczyliśmy

• Interfejs nie zawsze rozwiązuje problem: Udoskonalenie interfejsu może pomóc, ale nie zawsze rozwiązuje podstawowe problemy.
• AI może uprościć złożone procesy: Wykorzystanie uczenia maszynowego do analizy danych otworzyło nowe możliwości uproszczenia interakcji.
• Doświadczenie użytkownika jest najważniejsze: Szybkie i intuicyjne procesy onboardingu mogą znacznie zwiększyć zainteresowanie pracodawców.

Co to oznacza dla kandydatów

Dla kandydatów oznacza to, że proces składania aplikacji na oferty pracy stał się bardziej przejrzysty i szybki. Dzięki AI pracodawcy mogą szybciej znajdować odpowiednich kandydatów, co zwiększa szanse na zdobycie wymarzonej pracy. Kandydaci mogą teraz zobaczyć, jak pracodawcy korzystają z platformy, dzięki lepszej integracji i informacji zwrotnej.

Co to oznacza dla pracodawców

Dla pracodawców oznacza to, że mogą skupić się na ważniejszych aspektach — poszukiwaniu talentów i rozwijaniu swojego zespołu, a nie na wypełnianiu formularzy. Uproszczony proces onboardingu pozwala szybciej rozpocząć pracę z Fitlane AI i osiągać wyniki.

Następne kroki

Chociaż osiągnęliśmy już znaczący postęp, przed nami jeszcze wiele pracy. Nadal monitorujemy, jak działa nasz model, i zbieramy opinie od użytkowników. W przyszłości planujemy poprawić algorytmy AI, aby uczynić proces jeszcze bardziej adaptacyjnym. Gdybyśmy mieli zacząć od nowa, dokładniej przetestowalibyśmy wstępne wersje systemu, aby uniknąć niektórych problemów, z którymi borykaliśmy się na początku. ---