The Amazing Ways Indeed utilise l'IA pour créer un compagnon de carrière

Au cours de ses 18 années d'existence, Indeed est passé d'un simple tableau d'affichage d'offres d'emploi à une plateforme automatisée de mise en relation et d'embauche. Chaque minute, plus de 20 embauches sont réalisées via la plateforme, visitée par 300 millions de personnes chaque mois.

The Amazing Ways Indeed utilise l'IA pour créer un compagnon de carrière

Cette croissance (qui a doublé au cours des trois dernières années) a été réalisée dans un contexte économique turbulent, avec des événements mondiaux ayant un impact considérable sur les tendances en matière d'embauche et sur l'activité. Tout au long de cela, la stratégie commerciale s'est concentrée sur le développement de nouvelles solutions technologiques sophistiquées basées sur l'intelligence artificielle et l'apprentissage automatique.

Comme je l'ai appris de Raj Mukherjee, vice-président exécutif et directeur général de l'employeur chez Indeed, lorsqu'il m'a rejoint pour une discussion en podcast, l'accent a été mis sur la compréhension et la satisfaction des exigences individuelles des demandeurs et des employés afin de créer des solutions plus personnalisées et plus réussies. Connexions.

Voyons donc comment Indeed a utilisé l'IA et le ML, et examinons certaines des idées de Mukherjee sur la façon dont cela va transformer son industrie (ainsi que bien d'autres) :

Le compagnon de carrière

Compagnon de carrière est une phrase que Mukerjee évoque au cours de notre conversation et qui décrit parfaitement les ambitions d'Indeed en matière d'IA. D'une manière générale, les objectifs commerciaux s'inscrivent dans des catégories globales. Il s’agit notamment d’aligner plus étroitement le service sur les préférences des utilisateurs ou d’améliorer la vitesse de ses processus.

Mukherjee me dit : « Nos principes fondateurs reposaient sur l'apprentissage automatique.

« Nous utilisons des techniques standard d'apprentissage automatique, nous utilisons également l'apprentissage profond… et maintenant nous exploitons… l'IA générative ou de grands réseaux linguistiques. »

Le concept d'accompagnement de carrière découle de la prise de conscience qu'une plateforme d'emploi de bout en bout ne sera pas seulement utile aux candidats une seule fois lorsqu'ils recherchent un premier emploi. Aujourd’hui, ils cherchent peut-être un emploi, et demain ce sera une promotion. Après cela, ils pourraient commencer à s’impliquer eux-mêmes dans le recrutement du personnel.

Comprendre les préférences est essentiel pour cela – Indeed collecte chaque jour plus de 140 millions de points de données, appelés « qualifications ». Ceux-ci sont utilisés pour développer une connaissance approfondie des candidats et de leur adéquation aux postes annoncés sur la plateforme.

Décrivant comment la technologie de l'IA a ouvert de nouvelles possibilités d'utilisation pour améliorer l'expérience client, Mukherjee déclare : « Nous avons peut-être un CV que j'ai partagé avec vous, et ce CV contient de nombreuses données sur moi, mes expériences passées, où j'ai travaillé. , quel type de compétences j'avais dans ces domaines.

« Nous allons comprendre cela. Utiliser la technologie d’analyse, mais aussi commencer à utiliser l’apprentissage automatique à un niveau très approfondi pour extraire les bonnes compétences.

Correspondance instantanée

La vitesse est également essentielle. Pour cette raison, les mesures concernant la rapidité avec laquelle il peut pourvoir les postes vacants sont parmi les plus étroitement surveillées.

Mukherjee me dit : « Nous savons que les employeurs veulent embaucher rapidement… si vous utilisez notre produit payant, cela conduit à une embauche 19 % plus rapide.

Cela est dû au fait que les postes sont activement adaptés aux candidats via l'IA, qui sont ensuite invités à postuler dès que les postes vacants sont publiés sur le site.

Cependant, dans les coulisses, de nombreux matchmakings compliqués se déroulent. Les algorithmes d'Indeed découvrent des informations basées à la fois sur les préférences « déclarées » et sur les préférences non déclarées. Les préférences déclarées sont fournies par l'utilisateur, par exemple en indiquant qu'il est intéressé par des postes vacants à Londres ou à Paris.

En revanche, une préférence non déclarée est déterminée par l’analyse des données. Par exemple, s'ils recherchent régulièrement un emploi dans la région de Londres, cela pourrait déterminer que c'est là qu'ils souhaitent travailler.

Il a été constaté que la combinaison de ces préférences déclarées et non déclarées accélère efficacement les mesures critiques de temps de remplissage.