machine learning

Cos’è il machine learning e come sfruttarlo nel recruiting

Il termine machine learning è legato al concetto di intelligenza artificiale e potremmo tradurlo con le parole “apprendimento automatico” intendendo con questo la capacità dei computer di apprendere senza però essere programmati. In pratica il machine learning consente alle macchine di imparare dall'esperienza e si può dire che c'è stato apprendimento quando migliorano le prestazioni del programma nello svolgere un compito o compiere un'azione.  A livello informatico invece di inserire un codice di programmazione si trasmettono alla macchina dei set di dati in un algoritmo generico che sviluppa una sua logica per compiere l'azione.

Come funziona il machine learning

Possiamo dividere il machine learning in due sottocategorie che corrispondono a due tipi di approccio:

  • apprendimento supervisionato - si forniscono al computer esempi completi di cosa fare e informazioni sui risultati desiderati per identificare una regola generale che leghi tra loro gli esempi di input e output e possa essere applicabile ad altri compiti simili;
  • apprendimento non supervisionato – si forniscono set di dati senza indicazione in merito ai risultati. Si usa tale metodo per risalire a modelli o schemi nascosti, per identificare cioè una struttura logica negli input;
  • apprendimento semi-supervisionato – modello ibrido dei due precedenti, si danno al computer dati non completi, alcuni dotati di output, altri no, allo scopo di identificare regole per risolvere i problemi e strutture o schemi di dati che servono per raggiungere degli obiettivi.

machine-learning-ai

Ci sono poi altre sottocategorie ancora che servono per classificazioni pratiche come gli “alberi delle decisioni” che si basano su grafi per mezzo dei quali si sviluppano modelli che possono illustrare le possibili conseguenze di alcune decisioni. Altro esempio sono i modelli matematici che rendono possibile raggruppare dati o informazioni simili o dei modelli probabilistici che riescono a rappresentare in un grafo le variabili possibili.

Applicazioni del machine learning nel recruitment

Le applicazioni di questa tecnologia sono già numerose, un esempio sono i motori di ricerca che forniscono risultati in risposta a parole chiave: sono algoritmi con apprendimento non supervisionato. Possiamo citare anche i filtri anti-spam nelle e-mail che imparano costantemente a riconoscere i messaggi sospetti, i sistemi di raccomandazione che studiano le preferenze degli utenti sul web o a livello più alto i sistemi usati per prevenire frodi in ambito finanziario come la clonazione di carte, oppure per evitare furti di dati o di identità.

machine-learning-easyrecrue

Gli algoritmi in questi casi studiano le abitudini degli utenti e segnalano i comportamenti anomali. Tutto questo significa che siamo in grado di produrre modelli veloci e automatici capaci di analizzare dati complessi per fornire risposte. Il machine learning è quindi di fatto applicabile a tutti i settori di attività.

Nel mondo delle HR possiamo dire che le nuove tecnologie hanno rivoluzionato il lavoro dei responsabili delle risorse umane facilitandolo perché consentono di raccogliere una grande mole di dati provenienti dai cv inviati dagli aspiranti candidati. Una difficoltà dei recruiter, infatti, è sempre stata quello di raccogliere tutti i dati ricevuti ed elaborarli in modo corretto. Il rischio da sempre legato all'arrivo di tanti cv è quello di non notare un profilo interessante e quindi scartare un possibile talento. Automatizzare questo processo significa far risparmiare tempo al recruiter e al tempo stesso si possono salvare i dati in modo intelligente confrontandoli con le necessità dell'azienda.

Cresce inoltre la possibilità di acquisire talenti perché si possono raccogliere molti dati e incrociarli con le necessità della posizione vacante in modo da individuare i candidati migliori. Si tratta di un matchmaking che necessita però di individuare a priori le caratteristiche che deve necessariamente possedere il candidato ideale ad esempio età, titolo di studio, e via dicendo. Il recruiter può inserire tutti i dati che ritiene necessari per personalizzare il profilo ricercato: il machine learning riesce a trovare i punti in comune tra il profilo desiderato e i dati dei candidati e ovviamente, ciò significa che più ne troverà in comune più aumenterà la probabilità di individuare la persona giusta per una determinata posizione.

Pubblicato da Gabriella Di Gangi
il 6 luglio 2018

Categoria
machine learning

Seguitemi su :

Commenta per primo

La tua email non sarà pubblicata. I campi indicati con * sono obbligatori

Non perderti le ultime novità del mondo delle risorse umane.

I nostri ultimi articoli

I nostri contenuti HR

Individuare le soft skills durante il processo di selezione
Valutare i KPI del processo di selezione e recruiting
Il video-colloquio nel recruitment