توظيفك ليس مستنداً إلى البيانات. إنه مجرد بطيء.
معظم الشركات تدّعي أنها تعتمد على البيانات. ثم تُوظّف كما لو كنّا في التسعينيات. تتتبّع “وقت التوظيف”. هذا مقياس مُخادع. تتتبّع “عدد المتقدّمين”. هذا مقياس ضوضاء.
أن تكون مستنداً فعلاً إلى البيانات يعني التنبّؤ بـ”وقت التأثير”. حين تقول سيرة ذاتية “خبير في Python”، ذلك ادّعاء. حين تُتحقَّق خوارزميتنا من “نموذج تنبؤ بالتراجع مُنشَر على نطاق واسع”، ذلك نقطة بيانات.
توقّف عن عدّ السير الذاتية. ابدأ قياس الدقة التنبّؤية.
لماذا معظم “التوظيف المستند إلى البيانات” ليس كذلك
في كثير من مجالس الإدارة، “التوظيف المستند إلى البيانات” يعني عدّ الأشياء: وقت التوظيف وتكلفته وسرعة الأنبوب. رسوم بيانية جميلة. مقاييس خاطئة.
- فلاتر متحيّزة: دراسة NBER أظهرت أن السير الذاتية المتماثلة بأسماء ذوي أصول أفريقية-أمريكية تلقّت 50% عدداً أقل من الاستدعاءات مقارنة بأسماء بيضاء.
- مقابلات عديمة الفائدة: بحث Google نفسه أثبت أن درجات المقابلات غير المنهجية لا ترتبط بالأداء الوظيفي بأي قدر.
- فرز الكلمات المفتاحية: أنظمة ATS ما زالت تُكافئ الألفة على الكفاءة.
كثير من الشركات تتفاخر بأنها “تعتمد على البيانات”، لكن مقاييسها تُعزّز فحسب التحيّز الذي بنته من البداية.
ما الذي يتنبّأ فعلاً بالأداء
عقود من الأبحاث ونتائجنا الميدانية تُشير إلى أربعة روافع مُثبَتة:
- اختبارات عيّنة العمل: مهام قصيرة من الواقع تتغلّب على أي سيرة ذاتية.
- مقابلات منهجية: أسئلة موحّدة ومعايير تقييم موحّدة وتسجيل موضوعي.
- الإشارات السلوكية: التعاون والوضوح والقدرة على التكيّف؛ مُقيَّمة لا مُخمَّنة.
- تطابق السياق: العنصر الغائب: هل الدور تنفيذي أم استكشافي؟
هذا السؤال الأخير هو حيث تفشل معظم العمليات، وحيث ينتقل التوظيف من الإدارة إلى الميزة التنافسية.
كيف تُطبّق Mahala العلم
بنينا نموذج التسجيل في Mahala لتحويل تلك المبادئ إلى ممارسة:
- تقييم تقني موضوعي: تقييمات موحّدة وفق معايير شفافة.
- حل مشكلات من العالم الحقيقي: مهام تختبر كيفية تفكير المرشحين تحت القيود.
- تقييم سلوكي منهجي: التعاون والتواصل مُسجَّلان من الأقران لا بالتخمين.
- رسم خارطة السياق: نسأل في أي مرحلة أنت: خارطة الطريق أم الترحيل أم التوسّع.
لذلك لا تنتهي سيرتان ذاتيتان “متماثلتان” بنفس التوصية.
العائد الحقيقي
التوظيف التنبّؤي يتعلّق بالاحتمالية الصحيحة. خطأ توظيف واحد في دور كبير في مجال البيانات يمكن أن يكلّف من 100 إلى 150 ألف يورو في إنتاجية ضائعة وإعادة توظيف.
الخلاصة. في الهندسة عالية المخاطر، التخمين مكلف. Mahala لا تُقدّم لك “مرشحاً”. نُقدّم لك احتمالية محسوبة للنجاح.
خاتمة
التوظيف في الذكاء الاصطناعي لا يتعلّق بالحدس أو مطابقة الكلمات المفتاحية. يتعلّق بالدقة التنبّؤية. في Mahala، لا نُرسل لك مرشحين. نُرسل لك احتمالية محسوبة للنجاح.
