Recruiting con intelligenza artificiale: parsing dei CV, matching e selezione del personale

EcosAgile relatore 00:00

Il recruiting è uno dei contesti in cui si gestisce una grande quantità di informazioni: nell'archivio arrivano centinaia o migliaia di CV. Sono informazioni non strutturate, perché ogni candidato scrive il proprio CV in modo diverso, a volte anche creativo, con contenuti e dettagli differenti. Da qui nasce l'utilità dell'intelligenza artificiale in questo ambito, su cui EcosAgile sta lavorando.

I contenuti su cui l'intelligenza artificiale può essere utile sono vari: l'analisi, i summary, cioè la costruzione di elementi riassuntivi, lo screening, il matching e la generazione di contenuti. Sono tutti argomenti con un'utilità pratica in questo contesto.

È un contesto in cui bisogna mantenere riservatezza e conformità normativa. Non si possono prendere questi dati e, banalizzando, darli a ChatGPT per farci qualcosa. Vanno trattati in modo conforme al GDPR, nel rispetto della privacy e della sensibilità dei dati: è un prerequisito indispensabile di tutto ciò che si fa.

Nel nostro caso le tecniche e gli strumenti che abbiamo adottato sono conformi al GDPR e alla privacy, e non vengono ceduti contenuti sensibili a soggetti terzi.

EcosAgile relatore 02:44

Parleremo di aspetti generativi, come il supporto nella stesura dei contenuti, ma anche di aspetti più interessanti, come il summary del candidato. Non voglio leggere tutto il CV: voglio quattro righe da cui capire subito di quale profilo si parla, in termini di esperienza e focalizzazione. Questo aiuta il lavoro su tutta l'informazione.

Poi c'è il parsing, cioè l'estrazione delle informazioni. Per quanto destrutturato, il documento contiene le informazioni che il candidato fornisce, tra cui di solito i dati di contatto (e-mail, foto, telefono) e le esperienze, in forme diverse. Si tratta di identificarle, estrarle e classificarle, per poterci lavorare e semplificare il lavoro.

La semplificazione riguarda anche il candidato. Il sito career, interno o su job board esterne, deve essere facile da compilare. Se chiedo di compilare cinquanta campi e sottomoduli, raccolgo molte meno candidature, soprattutto da figure utili che non hanno un grande bisogno di cercare lavoro e non si mettono a compilare tante pagine. Il modo giusto è veloce: il candidato carica il CV e invia pochi dati, e il resto lo facciamo noi, affidando a logiche di intelligenza artificiale il compito di estrarre i dati. È un vantaggio per il candidato, per l'azienda e per tutto il resto del processo.

EcosAgile relatore 05:29

Gli aspetti di matching sono di varia natura. Il primo: arriva un candidato e, dopo il parsing, deve essere classificato rispetto alle ricerche che ho pubblicato. Il candidato può aver risposto a una ricerca specifica, ma a me interessa vedere come si colloca anche rispetto agli altri profili che sto cercando. Quindi, quando arriva, faccio un match e comincio a vedere per quali profili potrebbe essere impiegato.

Il secondo tipo di match è la similitudine. Sono nella fase dei colloqui e ho un candidato che mi è piaciuto: posso chiedere di vedere i candidati simili. Da un CV ottengo i CV simili.

Il terzo tipo parte dalla ricerca. Se cerco, per esempio, uno sviluppatore front-end, devo vedere nel mio archivio chi risponde a questa ricerca. In archivio possono esserci migliaia di CV e guardarli a mano è impensabile. Data la descrizione del profilo, il sistema confronta automaticamente i CV dei candidati, in tempo reale. I criteri che abbiamo implementato sono configurabili: si possono spostare parametri e pesature e il sistema aggiorna matching e screening, ripesando e riordinando i risultati. Da qui si prosegue con le valutazioni di merito.

EcosAgile relatore 08:21

Il software comprende anche le altre parti del processo di recruiting, come la pubblicazione delle ricerche e i colloqui. Tra le funzioni da citare c'è la firma, sia per l'onboarding sia per il candidato, con valore legale: firme semplici o avanzate. Ci sono poi i processi di onboarding: posso far raccogliere online i documenti necessari senza farli girare, assegnare task da svolgere e organizzare un onboarding strutturato nelle fasi successive, una volta individuato il candidato.

Le funzioni principali del modulo sono queste: il parsing, per cui un documento viene recepito all'invio, estratto e compilato in automatico; il matching, che vediamo in demo; la pubblicazione, sul sito esterno, all'interno dell'azienda o su diverse job board; l'analisi delle skill e il summary sul candidato.

Un'altra funzione è il referral program: si può aprire a tutti i collaboratori dell'azienda una sezione in cui proporre candidati, per esempio conoscenti o amici. Il candidato può quindi entrare dal sito career, da una job board esterna o su suggerimento di un dipendente, e tutto alimenta il modulo.

C'è anche la formulazione delle proposte di inserimento, che si costruiscono con template: il sistema compila in automatico le sezioni di firma e di onboarding.

EcosAgile relatore 11:14

Anticipo alcuni aspetti che faranno parte dei prossimi aggiornamenti e su cui sono in corso attività di estensione. La prima riguarda l'integrazione del processo con la posta e la messaggistica: in una visione unica nel modulo si vedranno le comunicazioni ricevute dal candidato e le interazioni legate a lui, collegate alle diverse fasi del processo. Poi ci sarà un'ulteriore estensione degli aspetti generativi.

L'ultimo punto è la ricerca. Al momento della registrazione nel modulo si poteva cercare in modo semantico, con regole booleane (and, or), e con le tecniche di matching di cui parlavo. Sarà possibile farlo anche in modo più interattivo, come in una chat: scrivo, per esempio, di estrarre i candidati di Milano con certe caratteristiche, e il sistema interroga l'archivio. Si semplificano così parametri e filtri, che restano, ma con un'interfaccia più conversazionale sull'interrogazione dell'archivio.

EcosAgile relatore 13:12

Mi collego con un'utenza demo generale e mi concentro sugli aspetti del recruiting. Nel modulo c'è una pagina iniziale che riassume la situazione, con l'archivio dei CV, le ricerche, gli ultimi CV inviati e i calendari. Come negli altri moduli, posso aprire il dettaglio e cambiare le informazioni che voglio vedere con i filtri.

Prendiamo lo scenario in cui ho una ricerca da pubblicare: nell'esempio, un marketing manager. Nella ricerca ci sono la descrizione del ruolo e altre informazioni previste, come la sede di lavoro e la retribuzione di riferimento. Sulla retribuzione il sistema fa anche delle analisi: a fronte dei motivi di rifiuto, confronta ciò che dice il candidato con il valore economico che penso di offrire. Parte di questi dati è usata nelle analisi e negli indicatori di controllo del processo.

La ricerca ha dei canali di pubblicazione, che il sistema associa in automatico a quelli previsti nel setup. Per canale si intende dove voglio pubblicare la ricerca: sul sito aziendale, su LinkedIn o altrove.

Per la pubblicazione sul sito esterno sono disponibili moduli già configurati: basta inserire una riga di comando nella pagina e la sezione career compare in automatico, anche all'interno della pagina del cliente, con le mie ricerche e alcuni parametri e filtri che si possono impostare. In alternativa si possono usare le API per un'integrazione libera: una API restituisce l'elenco delle ricerche e un'altra serve a inviare i dati del CV quando il candidato si candida.

Il candidato vede le ricerche con il loro dettaglio, risponde, compila il modulo e mi arriva il CV. Lo stesso modulo si usa per le candidature libere, con un collegamento che apre direttamente il modulo per consegnare le informazioni. Quante informazioni chiedere è configurabile: normalmente se ne chiedono poche, perché tutto il lavoro viene fatto in automatico dal parsing del documento consegnato.

EcosAgile relatore 18:26

I CV che arrivano vanno automaticamente nell'archivio, dove vengono classificati. Il CV che vi mostro è stato trattato soltanto dall'algoritmo di parsing: nessun dato è stato inserito a mano. Il sistema estrae anche la foto, oltre a data di nascita, nome, cognome, e-mail, telefono.

Non importa come è strutturato il CV. Questo è il vecchio formato europeo, a colonne, ma il sistema funziona anche con quello nuovo, organizzato diversamente. L'algoritmo è stato addestrato su centinaia di milioni di documenti e ha un livello di acquisizione generalizzato: non dipende dallo specifico formato.

Alcune sezioni non sono contenute direttamente nel documento: sono sezioni generative, in cui viene fatta una sintesi degli elementi del CV. Vengono estratti in modo strutturato competenze ed esperienze, con la società e le attività svolte, e le lingue secondo la classificazione europea. Il sistema ricava sia dati puntuali sia summary sul candidato: nell'esempio, il candidato risulta concentrato nell'information technology, principalmente nei database.

Le competenze sono organizzate in un albero. Per il project management, per esempio, c'è una certificazione PMI. Per ogni competenza il sistema indica i mesi di esperienza, che sono una stima, l'ultima volta in cui è stata usata e quante volte è citata nel documento. La classificazione è anche semantica: confronta quello che è scritto con un database di skill. Poi giustifica il risultato: si vede dove, nel documento consegnato, ogni elemento è citato. Vengono estratte e classificate anche le certificazioni e la parte formativa.

Questo è importante perché in molti algoritmi di matching non si sa perché una cosa viene proposta e un'altra no: un conto è tirare fuori un gruppo di CV, un altro è mostrare i criteri di analisi usati in modo comprensibile. Qui perché un certo CV è stato suggerito o meno è assolutamente chiaro. Uno dei primi passaggi è la comprensione e la strutturazione del CV che arriva.

EcosAgile relatore 24:23

Dopo il parsing il sistema controlla il CV rispetto alle ricerche che sto gestendo e vede come potrebbe essere il match. Nell'esempio me lo propone per una delle ricerche di cui ho le informazioni.

Il match è strutturato per gruppi di informazioni. Per le skill il sistema dice quante di quelle richieste corrispondono a ciò che è scritto nel CV, con il dettaglio di quali sì e quali no. Per ogni parametro dà un livello di score. Sul livello formativo avevo chiesto una persona laureata ed è laureata. Per l'esperienza manageriale il punteggio è basso: il candidato esprime un'esperienza manageriale, ma più di livello intermedio, come diceva già il summary, e non è citata espressamente nelle esperienze professionali. Lo stesso vale per le altre informazioni. In base a tutto questo il sistema dà un match di corrispondenza.

In pratica arriva un CV, viene classificato, estratto e compilato, e il sistema fa in automatico il match.

EcosAgile relatore 26:11

L'altro tipo di match parte dalla ricerca: voglio vedere come si comporta, nel mio archivio generale, la corrispondenza con la ricerca che ho pubblicato. Nella ricerca del marketing manager mi hanno risposto in dieci; le risposte sono classificate per stato, per esempio da valutare o idoneo, e alcune sono state escluse. Apro la funzione di match: mostra quali CV dell'archivio soddisfano la ricerca e in che misura.

Questa è la job description. Il sistema ha classificato il marketing manager come area marketing generale, per un impiego a tempo pieno. Ci sono le certificazioni che ho indicato nella ricerca e un insieme di skill, che il sistema classifica in modo simile a quanto fa con i CV. Poi i requisiti: la laurea, gli anni di esperienza e così via.

Per un candidato trovato il sistema mostra gli anni di lavoro e i livelli di match. L'esperienza di management, per esempio, corrisponde al livello che avevo indicato. Nel settore il candidato esprime competenze specifiche di marketing communication e non di altri ambiti, e il sistema lo dice. Questi commenti sono elementi generativi prodotti dalle logiche di cui parlavo. Le tecniche usate sono diverse: alcune classificano, altre prendono i dati estratti e generano, altre fanno comparazioni. Sono più algoritmi, e il risultato è l'insieme di questo approccio.

Quando un CV mi piace o no, da qui posso vedere i simili, entrare nel CV, aggiungere un'annotazione, indicare le cose da fare o fissare il colloquio. Se dico «questo mi piace, fammi vedere i CV simili», il sistema confronta questa persona con altri CV e me ne propone altri. Per ciascuno mostra il match delle skill, il livello di formazione e l'esperienza richiesti, e un indice complessivo, che va normalmente da 0 a 100, rispetto al matching generale.

EcosAgile relatore 31:10

Vi faccio vedere un esempio di ricerca libera all'interno del sistema. Non è una sezione già resa disponibile: è un'attività in corso che farà parte degli sviluppi successivi, sempre nell'ambito dell'intelligenza artificiale.

È una logica in cui potrò cercare nei documenti in modo libero: nella stessa sessione dico quello che mi serve, senza andare a cercare i filtri. Come vedete, il sistema ha filtrato quello che mi serviva e poi posso andare avanti con altre richieste.

EcosAgile relatore 32:48

Al momento della registrazione il summary era costruito con l'obiettivo di far capire velocemente che tipo di candidato è. È fatto più per il lavoro di screening: un riassunto con le caratteristiche principali, che vedo in fretta prima di approfondire. È un elemento a supporto dello screening, come il matching. Quindi al momento della registrazione non era utilizzabile per produrre un summary finalizzato a uno scopo specifico.

Uno dei nostri obiettivi è collegare queste logiche ad altri moduli, per avere continuità di algoritmi a supporto delle attività verso terzi e verso i clienti. Quando lo faremo non sarà nel modulo di recruiting, perché quel modulo serve a identificare il candidato, non a proporlo o a lavorare verso i clienti, ma nelle estensioni di intelligenza artificiale degli altri moduli.

EcosAgile relatore 34:41

La ricerca libera, come dicevo, sarà estesa progressivamente: invece di usare filtri e simili si potranno fare interrogazioni tramite un agente conversazionale, per esempio chiedendo di estrarre le persone con una certa competenza. Esistevano già possibilità simili, ma più vincolate alla logica tradizionale della ricerca booleana: nella preselezione del candidato o negli accessi all'archivio si poteva chiedere di estrarre, per esempio, un manager a Milano, e il sistema cercava nei documenti. Questo diventerà una ricerca libera e conversazionale, con un agente che permette lo screening. È la logica su cui stiamo portando avanti il lavoro.

EcosAgile relatore 35:52

Sì. Quando vedevamo la ricerca, avevamo i canali: permettono un'interazione automatica verso il sito aziendale o verso le job board. Nella sezione dei canali di selezione si gestisce la pubblicazione verso i canali. Se ho impostato un canale come predefinito, la ricerca viene associata in automatico; altrimenti scelgo io, ricerca per ricerca, dove pubblicarla.

Per LinkedIn l'integrazione funziona così. Quando il cliente pubblica su LinkedIn c'è un parametro identificativo, e noi lo impostiamo in modo che LinkedIn lo riconosca. Da lì il meccanismo è automatico: la ricerca va su LinkedIn, chi risponde apre il modulo che ho mostrato prima e il CV entra in automatico nell'archivio, dove si innescano gli algoritmi visti prima. Tutto resta collegato.

Queste logiche funzionano sulle job board che le prevedono, come LinkedIn e Monster. Per LinkedIn serve un tipo di contratto: quello base, di livello entry level, che si chiama «recruiter». Con il contratto recruiter l'integrazione è già possibile. Nel setup di LinkedIn si inserisce il riferimento al codice del cliente, così si stabilisce il collegamento. Non c'è altro da fare e tutto resta automatizzato.

Per il resto potete fare riferimento, come sempre, ai nostri contatti. Vi ringrazio.