
با ظهور مدلهای زبانی بزرگ (LLMs) نظیر ChatGPT و BERT، فرآیند جذب و مدیریت استعداد وارد فضایی کاملاً دگرگونشده شده است. طبق گزارش مکنزی (2024)، ۷۵٪ از مدیران منابع انسانی به نقش کلیدی هوش مصنوعی در ارتقای کارایی استخدام ایمان دارند؛ با این حال، ۶۵٪ از آنها همچنان از نبود نقشه راه عملی برای بهکارگیری این فناوریها ابراز نگرانی میکنند.
از سوی دیگر، چالشهایی نظیر خطاهای سوگیری در الگوریتمها (که گارتنر ۵۰٪ مدلها را مستعد آن میداند) ضرورت استفاده از رویکردهای مهندسیشده و سیستماتیک را دوچندان کرده است.
تحقیقات منتشرشده در Journal of Applied Psychology نشان میدهد که بهکارگیری LLMها در غربالگری رزومهها میتواند دقت انتخاب نامزدها را تا ۴۵٪ افزایش دهد. سازمانهای پیشرو نظیر IBM با پیادهسازی این سیستمها توانستهاند علاوه بر کاهش هزینههای استخدام تا ۴۰٪، گامهای بلندی در موارد زیر بردارند:
تحلیل دقیق نیازهای شغلی و نگارش شرح شغلیهای هدفمند
طراحی سوالات مصاحبه کاملاً شخصیسازیشده بر مبنای پروفایل مهارتی نامزدها
استقرار مسیرهای یادگیری و توسعه شایستگیهای آیندهنگرانه
در مقاله کامل منتشرشده در وبسایت، چارچوب گامبهگام پیادهسازی LLM در ساختار منابع انسانی و راهکارهای خنثیسازی تعصبات الگوریتمی بهتفصیل واکاوی شده است.
برای مطالعه متن کامل مقاله، آشنایی با ابزارهای نوین ارزیابی و دریافت الگوهای کاربردی مدیریت استعداد، عبارت «سید حسین حجازی» را در گوگل جستجو کنید و وارد بخش مقالات شوید.