スタートアップ起業家が知っておくべき HR Tech の 3 つの危険性
公開: 2019-04-15採用部門のほとんどの人の学歴は通常、技術系ではありません
さまざまな専門用語が絡み合った機械学習と AI ソリューションの猛攻撃を感じています。
HR テック ソリューション プロバイダーによる 3 つの欠陥のある提案を考慮に入れる必要があります。
あなたは成功した起業家であり、あなたのスタートアップは最近資金を調達し、投資家が思い描いた成長目標を達成するために、急速に「人」を雇う必要があります。 ほとんどの場合、最初のステップは、経験豊富な HR リーダーを雇って、雇用と人材の成長を監督することです。 また、採用部門がテクノロジーを使用して、プロセス全体にスピード、効率、有効性をもたらすことも期待されます。
しかし、HR テックの導入には 3 つの重大な危険が潜んでいます。それは、採用機能が業界にとらわれない、つまり水平機能であることが期待されるという唯一の理由からです。
採用部門のほとんどの人の学歴は、通常、社会科学または人事管理であり、科学技術の分野ではめったにありません。 したがって、採用部門の人々は、技術的および機能的評価を常に採用チームに依存してきました。
採用部門の人々の自然な非技術的で水平的な性質に加えて、さまざまな専門用語を織り交ぜた機械学習と AI ソリューションの猛攻撃があります。 したがって、新興企業の起業家は、HR テック ソリューション プロバイダーによる 3 つの欠陥のある提案を考慮に入れることをお勧めします。
職務内容と履歴書のマシン マッチング
2 つの詩の語彙と単語数が同じであっても、2 つの詩の意味がまったく異なる場合があります。 同様に、人間は本質的に異なっており、同じようなスキルを持っていても、履歴書を通じて抽象的な特性を表しています。
したがって、人事技術の専門家とスタートアップの起業家は、履歴書にある特定の単語の密度を職務記述書の単語の密度と強制的に一致させようとすると、両方の本質が失われることを理解する必要があります。
たとえば、仕事の説明が一流のダービーを走らせることができる馬を探している場合、このソリューションは、モンゴルのラバ、アフリカのシマウマ、ケンタッキーの馬など、文脈的に無関係な多くの 4 本足の哺乳類と本質的に一致します。 .
その理由は、数学的に言えば、候補者の抽象的ではあるが最も重要な特性が、統計的に重要でない、通常は履歴書全体の 1 つまたは 2 つの単語で表されるためです。
あなたにおすすめ:
起業家は、「Jugaad」を通じて持続可能でスケーラブルなスタートアップを作成することはできません: Cit...
メタバースがインドの自動車産業をどのように変革するか
反営利条項はインドのスタートアップ企業にとって何を意味するのか?
Edtech スタートアップがインドの労働力のスキルアップと将来への準備をどのように支援しているか...
今週の新時代のテック株：Zomatoのトラブルは続き、EaseMyTripはスト...
インドの新興企業は資金調達を求めて近道をする
この方法は進歩しているように見えますが、採用部門と HR 技術の専門家に負担をかけ、数回のスクリーニング ラウンドを通じてラバとシマウマを除外します。
過去の採用動向に基づく予測
「これまで採用してきたような人材を採用してみませんか」という本能が常です。 ソリューションは、以前に雇用された人々の履歴書にたどり着き、見込み客プールで同様のものを見つけようとします。 過去のすべての環境変数が現在でも間違いなく有効である場合にのみ、過去の傾向に基づく予測が有効であることを経済学者は明確にします。
経済成長、競争、新技術の到来を考えると、スタートアップとその役割だけでなく、候補者も常に進化している状態にあります。 ビッグデータを使用するかどうかに関係なく、この方法を使用すること自体を非常に慎重に計画するか、完全に拒否する必要があります。Amazon でそのようなアルゴリズムによって導入された性差別などの問題に驚かないようにするためです。
新しい見込み客を、その役割における現在の最高のパフォーマー10人と比較する
議論の余地がありますが、新しい見込み客の CV をその役割の現在の最高のパフォーマー 10 人と機械で照合するというこのアプローチは、堅実なアプローチであり、自動化されたソリューションを見つけるという方向性の明るいアイデアのようです。 ただし、実行中にいくつかの重大な欠陥が忍び寄ります。
ほとんどの場合、企業はこれらの 10 人の最高のパフォーマーの受け取ったままの履歴書を持っていますが、これは 2、4、5 年、またはそれ以上古い可能性がありますが、これらの 10 人が現在行っていることは文書として入手できることはめったにありません。 このシナリオでは、この方法には、前述の「過去の傾向に基づく予測」と同じくらい深刻な欠陥があります。
それぞれの人間はユニークであり、同じツールや人工物を使用していても、計画、実行、結果を出す能力に対するコンテキストによって定義されます (海で泳ぐ人は、プールで泳ぐ人とは別人です)。 したがって、この方法を疑うもう1つの理由は、スキルとツールの面ではかなりうまくいくかもしれませんが、10人の最高のパフォーマーの文脈的同化と新しい見込み客との比較を無視することです.
内部チームアプローチ
ML と AI を使用して製品を構築し、市場への提供を成功させたテック スタートアップの起業家がいるかもしれません。 採用チームとレポート マネージャー (製品、販売、エンジニアリング、カスタマー サービスの各チーム) は、費用がかかり、骨の折れるスクリーニング面接にうんざりしていると、自動化されたソリューションを構築して採用チームに提供することに意欲を感じます。
採用部門における非技術者の性質と、採用チームに関連する実証済みの ML および AI の技術的能力を考えると、イニシアチブを承認して予算を立てることはそれほど難しくありません。
「ハンマーを手にした人は、常に釘を探している」という格言を思い出すことができます。 しかし、問題を深く理解していない場合、これらの取り組みは必ず上記の 3 つのアプローチのいずれかを採用することになります。
したがって、雇用のためのテクノロジーを評価するときは、彼らが使用しているソリューション アプローチについて明確な質問をするようにしてください。