---

Einführung in das Problem

Kürzlich haben wir in Slack darüber diskutiert, wie Automatisierung den Prozess der Kandidatenbewertung vereinfachen kann. Einer der Entwickler schlug vor, GPT zur Vereinfachung dieser Aufgabe zu verwenden, aber das Gespräch wurde schnell angespannt. Einige von uns erinnerten sich an negative Erfahrungen, bei denen Automatisierung zu Fehlern führte, und das brachte uns zum Nachdenken, wie sehr wir einem Algorithmus in einem so wichtigen Prozess vertrauen können.

Kontext: Warum das wichtig ist

Die Bewertung von Kandidaten ist nicht nur eine Aufgabe, sondern ein kritischer Schritt im Rekrutierungsprozess. Fehler in diesem Schritt können zu einem Verlust von Talenten oder im Gegenteil zur Einstellung ungeeigneter Mitarbeiter führen. In unserem Team sind viele Personen mit Erfahrung im Recruiting, und wir alle waren uns bewusst, dass Automatisierung nicht nur schnell, sondern auch zuverlässig sein muss. Wir wussten, dass Fehler dem Unternehmen sowohl finanzielle als auch reputative Verluste kosten können.

Problem im Detail

Ein Beispiel, das wir betrachtet haben, war eine Situation, in der GPT einen Lebenslauf eines Kandidaten falsch interpretiert hat. Ein Kandidat mit umfangreicher Erfahrung in der IT wurde niedriger bewertet als ein weniger erfahrener Spezialist, nur weil sein Lebenslauf komplexere Begriffe enthielt, die GPT nicht korrekt verarbeiten konnte. Dies führte zum Verlust eines potenziell wertvollen Mitarbeiters, was das Vertrauen in automatisierte Systeme untergrub.

Erste Versuche

Wir begannen mit einer einfachen Integration von GPT in unseren Prozess, in der Hoffnung, dass der Algorithmus Lebensläufe nach festgelegten Kriterien bewerten könnte. Nach mehreren Tests stellten wir jedoch fest, dass trotz hoher Genauigkeitsbewertungen das Modell dennoch Fehler machte. Wir entschieden uns, zur manuellen Analyse zurückzukehren, aber das erwies sich als ineffektiv bei einer steigenden Anzahl von Kandidaten.

Technischer Ansatz

Letztendlich wählten wir einen Ansatz, der das Beste aus beiden Welten vereinte: die Nutzung von GPT als unterstützendes Werkzeug für die Bewertung, jedoch mit zusätzlichen Überprüfungsebenen und manueller Analyse. Wir entwickelten einen Algorithmus, der zunächst die Kandidaten mit Hilfe von GPT bewertet und dann die Ergebnisse dem Rekrutierungsteam zur finalen Überprüfung bereitstellt. Ein Beispielcode, den wir zur Integration verwendet haben:

# Beispielcode zur Integration von GPT
results = gpt_model.rank_candidates(resumes)
validated_results = validate_results(results)

Änderungen im Produkt

Nach der Implementierung des neuen Systems stellten wir fest, dass die Genauigkeit der Bewertung im Vergleich zur vorherigen Version um 30 % gestiegen ist. Dies ermöglichte uns auch, die Bearbeitungszeit der Lebensläufe zu verkürzen, was sich positiv auf das Erlebnis sowohl der Kandidaten als auch der Recruiter auswirkte. Wir haben die Abschnitte auf /jobs und /for-companies aktualisiert, um diese Änderungen widerzuspiegeln.

Was wir gelernt haben

• Automatisierung kann nützlich sein, erfordert jedoch Kontrolle.
• Es ist wichtig, technologische Lösungen mit menschlicher Erfahrung zu kombinieren.
• Vollstes Vertrauen in KI kann zu einem Verlust von Talenten führen.
• Algorithmen müssen kontinuierlich getestet und verbessert werden.
• Manuelle Überprüfung bleibt ein wichtiger Schritt im Prozess.

Was das für die Kandidaten bedeutet

Kandidaten können eine gerechtere Bewertung ihrer Lebensläufe durch den kombinierten Ansatz erwarten. Wir bemühen uns, nicht nur Schlüsselwörter zu berücksichtigen, sondern auch den allgemeinen Kontext, was es ermöglicht, ihre Erfahrungen und Fähigkeiten besser zu verstehen.

Was das für die Recruiter bedeutet

Recruiter können nun effizienter arbeiten, indem sie GPT für die Vorabanalyse nutzen, anstatt als einzige Bewertungsquelle. Dies ermöglicht es, sich auf wichtigere Aspekte zu konzentrieren, wie z.B. die Interaktion mit Kandidaten und deren persönliche Qualitäten.

Nächste Schritte

Wir beobachten weiterhin die Leistung unseres Systems und planen regelmäßige Updates der GPT-Algorithmen zur Verbesserung der Genauigkeit. In Zukunft ziehen wir auch in Betracht, zusätzliche Metriken zur Analyse der Ergebnisse einzuführen. Wenn wir etwas im Prozess ändern könnten, würden wir mehr Validierungsschritte hinzufügen, um das Vertrauen in die Ergebnisse zu erhöhen. ---