Johnson & Johnson utiliza Aprendizaje automático para encontrar y contratar candidatos altamente calificados

Machine Learning - Human Ressources

Encontrar empleados calificados es muy difícil ...

Los candidatos calificados son muy Difícil de encontrar. Esto es particularmente cierto cuando se trata de funciones especializadas en ingeniería, investigación y otros campos técnicos, donde hay menos candidatos que oportunidades abiertas en el mercado de trabajo.
Para Johnson & Johnson, su sitio web de carrera es su "puerta de entrada" y una herramienta muy importante para atraer al mejor talento.

 

¡Pero para los candidatos, encontrar el trabajo correcto es aún más difícil!

Este artículo fue escrito inspirado en la historia originalpublicado aquí.
Supongamos que un doctorado altamente calificado en Londres está buscando un trabajo en investigación de alergias y, por casualidad, lo hace en el sitio web de la carrera de Johnson & Johnson. Inicialmente comienza escribiendo palabras clave como "alergias", "investigación" o "Londres", pero cada vez el motor de búsqueda solo proporciona resultados de trabajo que coinciden con estas palabras clave específicas en el título del trabajo o la descripción del trabajo.

  • Johnson & Johnson es de hecho el fabricante deZyrtec, un medicamento para la alergia que podría interesar al candidato, pero en la palabra clave "Alergias", el motor de búsqueda también devolvió cientos de trabajos de marketing y ventas no relevantes relacionados con este producto.
  • En la palabra clave "Investigación", el motor de búsqueda devolvió miles de trabajos no relevantes, simplemente porque todos contenían un texto genérico como "Johnson & Johnson es el líder mundial en investigación".
  • En la palabra clave "Londres", se devolvieron todos los trabajos no relevantes en Londres.

Después de un par de minutos de búsqueda frustrada, la persona pierde la paciencia y abandona el sitio web. Johnson & Johnson acaba de perder a un empleado potencialmente altamente calificado.
La parte triste es que efectivamente hubo una gran oportunidad de trabajo etiquetada como "Zyrtec science liaison EMEA" que el candidato simplemente no pudo ver.

Opportunity

El problema con la búsqueda de palabras clave y la jerga interna

El candidato correcto no pudo ver una oportunidad existente que coincidía con su conjunto de habilidades. ¿Por qué pasó esto?
Búsqueda por palabra clave
Confiar en la búsqueda por palabras clave es un método muy poco confiable para construir un motor de búsqueda. Además, una búsqueda de "alergia" no coincidirá con un texto con la palabra "alergias". Técnicamente, ambas palabras son diferentes y sin Machine Learning, no hay forma de que una computadora sepa que ambas palabras son iguales.

Jerga interna
Lo que puede ser obvio para alguien, puede no serlo para otra persona. La gente de la compañía sabe que "EMEA" es el acrónimo de "Europa, Medio Oriente y África" ​​y que, por definición, esto incluye el Reino Unido y todo Londres. También están familiarizados con el término "enlace de la ciencia", ya que esta es la forma en que llaman a sus investigadores en un campo específico. Sin embargo, los candidatos no están necesariamente familiarizados con ninguno de estos términos y acrónimos y es posible que simplemente no vean la oportunidad que tienen delante.

Con mucho gusto, vivimos en el futuro y existe un increíble modelo de Machine Learning "como servicio" desarrollado por Google, que aborda este tema específico y mejora radicalmente los motores de búsqueda de empleo ... Presentamos Descubrimiento de Google Cloud Jobs Api!

 

 

 

¡Convierte más candidatos!

 

Google Cloud Jobs Discovery es una solución web plug-and-play (api) que permitió a Johnson & Johnson entrenar e implementar un modelo de aprendizaje automático que comprende mejor la jerga de la empresa y clasifica las oportunidades de trabajo en sus categorías correctas. Al usar esta API, el trabajo también devuelve resultados más relevantes basados ​​en:

  • Alineación de antigüedad (es muy diferente buscar "gerente" y buscar "asistente del gerente")
  • Ampliación de consultas (expande automáticamente los resultados a posiciones similares)
  • Corrección ortográfica (en caso de que haya un error ortográfico en la consulta)
  • Reconocimiento de conceptos (para separar los resultados de "servidor", como en "camarero", de "administrador de servidor Linux")
  • etc

Este es un modelo de ML increíblemente potente que permitió a Johnson y Johnson aumentar la conversión de candidato alto en un 41%.

¡MLab, los especialistas en Machine Learning a tu servicio!

 

Si Machine Learning lo inspira y cree que le gustaría implementar un caso de uso en su organización, por favor Contáctenos.Somos independientes y recomendaremos e integraremos la tecnología que se adapte mejor a sus necesidades. Si las tecnologías disponibles no satisfacen sus necesidades, siempre podemos desarrollar un modelo personalizado adaptado a su proyecto.

Lo mejor de todo es que se sorprendería al conocer el costo de implementación de tal solución :-)

 

Renuncia:MLab no participó directamente en el desarrollo de este proyecto. Simplemente publicamos este estudio de caso como fuente de inspiración sobre lo que puede lograr Machine Learning.