---

Вводний момент: реальний виклик у команді

Недавно в нашому Slack-каналі розгорівся спір про те, як спростити процес onboarding для нових роботодавців. Один з наших розробників зауважив, що багато з них стикаються з труднощами при заповненні необхідних даних, що ускладнює їх інтеграцію в систему. Обговорення тривало кілька днів, і нам стало зрозуміло, що це проблема, яка потребує серйозної уваги.

Чому це важливо

Проблема onboarding роботодавців безпосередньо стосувалася нашої команди матчингу. Ми усвідомлювали, що складний процес може призвести до високого рівня відмов і втрати потенційних партнерів. Ринок праці стає все більш конкурентним, і кожен день, коли новий роботодавець не може розпочати роботу з нами, — це втрачена можливість як для них, так і для нас. Ми вирішили, що потрібно створити більш інтуїтивний і швидкий процес.

Проблема в деталях

Існуючий процес onboarding включав безліч етапів, які вимагали від роботодавців заповнювати довгі форми з інформацією про компанію, вакансії та вимоги. Наприклад, один з роботодавців, з яким ми спілкувалися, витратив більше 30 хвилин на заповнення форми, після чого у нього виникли питання про те, як правильно заповнити деякі поля. Це створювало негативні враження і знижувало зацікавленість у співпраці.

Перші спроби вирішення

На першому етапі ми вирішили спробувати покращити інтерфейс, додавши підказки та приклади заповнення. Однак це не дало значних покращень. Ми помітили, що навіть з підказками роботодавці все ще стикаються з труднощами, особливо зі складними формулюваннями та вимогами. Врешті-решт, ми зрозуміли, що покращення інтерфейсу — це лише тимчасове рішення, і нам потрібно було більш радикальне зміна.

Технічний підхід

Після кількох обговорень ми вирішили використовувати машинне навчання для створення AI-підтримуваного процесу onboarding. Ми розробили модель, яка аналізує введені дані та пропонує рекомендації в реальному часі. Ось короткий приклад коду, який демонструє, як ми обробляємо введені дані:

class OnboardingAI:
    def suggest_fields(self, input_data):
        # Логіка аналізу даних
        suggestions = self.model.predict(input_data)
        return suggestions

Ця модель дозволяє роботодавцям отримувати пропозиції щодо заповнення форм на основі їх попередніх дій та інформації про компанію. Ми також інтегрували чат-бота, який може відповісти на питання в процесі заповнення.

Зміни в продукті

Після впровадження AI-підтримуваного процесу ми помітили значне скорочення часу, необхідного для завершення onboarding. Роботодавці тепер могли завершувати процес за 10-15 хвилин, що покращило загальне враження від роботи з нашою платформою. Ми також отримали позитивні відгуки на сторінці /for-companies, де роботодавці діляться своїм досвідом роботи з Fitlane AI.

Чому ми навчилися

• Інтерфейс не завжди вирішує проблему: Покращення інтерфейсу може допомогти, але не завжди вирішує корінні проблеми.
• AI може спростити складні процеси: Використання машинного навчання для аналізу даних відкрило нові можливості для спрощення взаємодії.
• Користувацький досвід важливіший за все: Швидкі та інтуїтивні процеси onboarding можуть суттєво підвищити зацікавленість роботодавців.

Що це означає для кандидатів

Для кандидатів це означає, що процес подачі заявок на вакансії став більш прозорим і швидким. Завдяки AI роботодавці можуть швидше знаходити підходящих кандидатів, що збільшує шанси на отримання бажаної роботи. Кандидати тепер можуть побачити, як роботодавці використовують платформу, завдяки покращеній інтеграції та зворотному зв'язку.

Що це означає для роботодавців

Для роботодавців це означає, що вони можуть зосередитися на більш важливих аспектах — пошуку талантів і розвитку своєї команди, а не на заповненні форм. Спрощений процес onboarding дозволяє швидше розпочати роботу з Fitlane AI і отримувати результати.

Наступні кроки

Хоча ми вже досягли значного прогресу, ще багато роботи попереду. Ми продовжуємо стежити за тим, як працює наша модель, і збираємо зворотний зв'язок від користувачів. У майбутньому ми плануємо покращити алгоритми AI, щоб зробити процес ще більш адаптивним. Якби нам довелося почати з нуля, ми б більш ретельно протестували початкові версії системи, щоб уникнути деяких з тих проблем, з якими стикалися на старті. ---