איך לגייס את הכי טובים?

כשעבדתי בגוגל בתחילת דרכי כמגייסת אני זוכרת שלקח לי זמן להתרגל לשיטת הגיוס המאד ספציפית של החברה. שיטת המיון בגוגל היתה מאד מובנית. זה היה שונה מכל מה שהכרתי עד אז, כולל העדרו של ראיון משאבי האנוש המפורסם. בכל זאת תהליכי המיון בגוגל נחשבו מאתגרים במיוחד, יסודיים ובלתי מתפשרים.

כשעברתי לעבוד בעמק הסיליקון כמה שנים מאוחר יותר גיליתי שתהליכי הגיוס המאד מובנים הם מסורת ארוכת שנים בחברות הטכנולוגיה של עמק הסיליקון. לרב החברות היה תהליך מיון יחסית מובנה.

בישראל לעומת זאת תהליכי הגיוס היו יותר חופשיים. מדינה קטנה שכולם בה מכירים את כולם. יותר קצר לחפש מישהו שמכיר מישהו, מאשר לעשות הליך מובנה. תהליכי הראיונות לא היו מובנים ולא מעט משקל על הושם על המלצות.פעם דיברתי עם בחור שעבר להולנד שהסביר לי שזו פעם ראשונה שמראיינים אותו באמת. עד היום הראיונות שלו בארץ היו בעצם הישענות על מי מכיר מי מאיפה הגעת.

בחמש השנים האחרונות אני עובדת עם חברות כאן לעזור להם לבנות תהליכי גיוס יציבים כדי שיוכלו לסמוך על התהליך שלהם גם בסקייל גבוה יותר אבל בזמן האחרון הצורך הזה לייצב את תהליכי הגיוס אינו משהו רק למיטיבי לכת. הוא הופך לכורח. אפילו שקצב הגיוס הואט.

שוק העבודה הנוכחי שמאופיין בהשפעה ישירה ועקיפה של טכנולוגיות בינה מלאכותית מאתגר את כל מה שידענו עד כה.מה שקורה עכשיו בשוק העבודה הוא לא רק שינוי טכנולוגי.

זוהי קריסה איטית של אחד ממנגנוני הסינון הכי מקובלים בעולם העבודה: הראיון הקלאסי.

בעידן AI, יותר ויותר אנשים יודעים איך “להישמע” כמו מועמדים מצוינים.

הם משתמשים בכלי בינה מלאכותית כדי להתכונן. מלטשים סיפורים.מתרגלים תשובות. משפרים ניסוחים.לומדים אופני חשיבה. מייצרים נרטיב מקצועי מאוד משכנע.

הבעיה האמיתית היא שרוב תהליכי הגיוס עדיין בנויים סביב שיטה שמראש נשענה מאוד על רושם.

על יכולתו של אדם:להרשים,להציג עצמו טוב, ליצור קשר,ולהישמע חכם במשך שעה.

בהרבה מקומות המערכת לא באמת נבנתה כדי למדוד ביצועי אמת.

היא נבנתה כדי למדוד סיגנל עקיף,בתקופה שבה היה קשה יותר “לייצר” אותו.

אפשר היה לסמוך על קורות החיים, ציונים מקומות עבודה ולחפש את הסימנים למועמדים יוצאי דופן. זה הספיק.

היכולת להישען על הסיגנלים האלה פשוט נשחקת במהירות.

כעת יש ניסיון לאמץ מודלים אחרים לבחינה מחדש של האופן שבו מראיינים כיום. ניסיון לאמץ חשיבה בייזנית (Bayes) כי ניתן לחשוב על ראיון כעוד פיסת מידע שאמורה לעדכן הסתברות.

כל פיסת מידע שנוספתעוזרת לחדד את משמעותו של כל סיגנל ומה הערך שלו בחיזוי.

אם כולם יודעים היום לייצר רושם מצוין (או יותר מבעבר) אז רושם רק מפריע למצוא את מי לגייס.

קשה לקבל החלטות מדויקות ויש יותר טעויות גיוס ויותר פספוסים.

במילים אחרות:

הבעיה היא לא רק AI. הבעיה היא שה־AI חושף חולשה שהייתה קיימת במודל הראיונות מלכתחילה.כשרוב הראיונות הלא־מובנים אף פעם לא היו כלי מאוד חזק.היום אנחנו יודעים לומר אלו כלים תורמים באופן מובהק לשיפור היכולת לקבל החלטות מדויקות ואלו לא..

אלו כלים נחשבים כחלשים? ( אבחון חלש)

*סינון לפי שנות ניסיון

*סינון לפי ממוצע ציונים

*סינון קורות חיים לפי מילות מפתח

*סינון באמצעות תהליך גיוס שאינו מובנה

*ממליצים

*גיוס באמצעות לוחות דרושים

*הגדרות תפקידים מסורתיות (כאלה שמעתיקים או כותבים אפילו על הבינה)

*סורסינג בסיסי

*מבחני אישיות למיניהם

ואלו כלים מוסיפים מאוד ליכולת החיזוי? ( אבחון חזק)

*כל התהליכים הנבנים על ביצועים בשטח:

* הגדרת תפקיד שמבוססת על יעדי ביצוע

*מטלות ומבחנים שמודדים את העיסוק עצמו כולל פלטפורמות מבחנים

*תיאום ציפיות הדוק

*ראיון מובנה (שכל המועמדים נבחנים כנגד אותו סט של שאלות מדויקות)

*״חבר מביא חבר״

*ניוד פנימי

*גיוס של עובדים שעזבו

*סורסינג שממוקד ברשת של העובדים הקיימים

עכשיו ככל שתבחרו יותר משיטות הגיוס שרשומות ברשימה השנייה אתם למעשה מייצרים חוסן בתהליכי הגיוס משום שהם נבנים זה על זה. אם תשתמשו ברשימה הראשונה ואח״כ בשנייה אתם למעשה מחלישים את השיטה.

אתם שוחקים את הסיכוי לגייס היטב. זהו כלי מדיד שניתן לבחון עבור כל שיטת גיוס והוא בהיר כשמש. (Diagnostic Ratio)הרבה ארגונים ממוקדים מאד ברשימה הראשונה, הם עובדים הרבה יותר קשה לגייס. הצלחות הם עניין יוצא מן הכלל. וזו כנראה גם שיטת המיון הכי נפוצה. זה בעיה עבור מועמדים וחברות ובטח בעידן בו מגייסים פחות ושואפים לגייס מצוין.