AWS מציגה עוזר גיוס מבוסס AI עם Amazon Bedrock: סינון קורות חיים, ניקוד מועמדים ושאלות ראיון
AWS פרסמה ארכיטקטורת ייחוס לעוזר גיוס כ"א מבוסס בינה מלאכותית, שנועד לצמצם עבודה אדמיניסטרטיבית בתהליכי גיוס עובדים: לנתח קורות חיים בעזרת מודלים גנרטיביים, לדרג התאמה לתפקיד וליצור שאלות ראיון מותאמות, תוך שימוש ב-Amazon Bedrock Guardrails להגנה על פרטיות וצמצום הטיות.
עוזרי גיוס מבוססי בינה מלאכותית הופכים מאביזר ניסיוני לכלי תפעולי במערכות משאבי אנוש, ובפרסום חדש של AWS מחודש מאי נחשפה ארכיטקטורת ייחוס לבניית עוזר גיוס חכם באמצעות Amazon Bedrock.
AWS נכנסת עמוק יותר לאוטומציה של גיוס עובדים
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
לפי הנתונים שמציגה AWS, מגייסים משקיעים בממוצע 17.7 שעות עבודה אדמיניסטרטיבית על כל משרה פתוחה, יותר מיומיים עבודה לכל גיוס. סקר נוסף מ-2024 מצא כי 45% ממובילי תחום גיוס הטאלנטים מקדישים יותר ממחצית מזמנם למשימות שניתן לאוטומט. על הרקע הזה, החברה מציגה פתרון שמטרתו לסייע במיון קורות חיים, הערכת התאמה לתפקיד והכנת שאלות ראיון מותאמות אישית.
"חשוב להדגיש כי AWS אינה מציגה כאן מערכת מוצרית מוכנה לפרודקשן, אלא תבנית ארכיטקטורה ללמידה ולהתאמה ארגונית" אומר ג'ונתן קוזמנקו - חוקר AI עסקי ומוביל פרוייקטי פיתוח והטעמה של AI בארגונים. "המשמעות היא שמחלקות טכנולוגיה ומשאבי אנוש יכולות להשתמש ברכיבי הענן כבסיס, אך עדיין נדרשות לבצע התאמות אבטחה, בדיקות הוגנות, בקרה משפטית ואינטגרציה עם מערכות הגיוס הארגוניות". מוסיף.
איך עובד עוזר הגיוס של Amazon Bedrock
הפתרון מבוסס על מודלי יסוד הזמינים ב-Amazon Bedrock, ובברירת המחדל משתמש ב-Amazon Nova Pro דרך Bedrock Converse API. המערכת מקבלת תיאור משרה וקורות חיים, מנתחת את התאמת המועמד לדרישות, מחשבת ציון התאמה באחוזים, מזהה חוזקות וחסרים, ומייצרת שאלות ראיון שמבוססות על הרקע הספציפי של המועמד.
בחזית נמצאת אפליקציית React המאוחסנת ב-AWS Amplify, בעוד Amazon Cognito מטפל בהרשמה, התחברות ואימות משתמשים. שכבת ה-API נשענת על Amazon API Gateway, שמעביר בקשות לפונקציות AWS Lambda ייעודיות. הנתונים נשמרים ב-Amazon DynamoDB, וקורות החיים מאוחסנים ב-Amazon S3 עם הצפנה, חסימת גישה ציבורית ומדיניות גישה דרך HTTPS בלבד.
אחד המרכיבים המרכזיים הוא Amazon Bedrock Guardrails, שמיועד להפחית סיכונים בשימוש במודלים גנרטיביים בתרחיש רגיש במיוחד. לפי AWS, שכבת ההגנה יכולה לבצע אנונימיזציה של מידע אישי מזהה, לזהות מתקפות prompt injection שמוטמעות בתוך קורות חיים, ולחסום תוכן המתייחס למאפיינים דמוגרפיים או שעלול להוביל להטיה בלתי רצויה.
לא רק התאמת מילות מפתח
הגישה הטכנית שמציעה AWS מבקשת להתרחק ממיון שטחי שמבוסס רק על מילות מפתח. במקום זאת, המודל מתבקש לנמק כל טענה באמצעות ציטוט מתוך קורות החיים, להפריד בין כישורים תואמים, כישורים חסרים וכישורים ניתנים להעברה, ולספק המלצה מסכמת כגון התאמה חזקה, התאמה טובה או התאמה חלקית.
עבור מגייסים, הערך המרכזי הוא קיצור זמן הסינון הראשוני והכנה טובה יותר לראיון. עבור צוותי טכנולוגיה, מדובר בדוגמה מעניינת לשילוב בין מודלי שפה גדולים, ארכיטקטורה Serverless, בקרות אבטחה ומנגנוני ממשל AI. AWS מציינת כי בדיקת 100 מועמדים עשויה לעלות בקירוב דולר עד שניים בחודש בסביבת ניסוי, בהתאם לשימוש במודל ולשירותים הנלווים.
שאלות קשות של פרטיות, הטיה ואחריות
לצד היתרונות, התחום הזה נחשב רגיש במיוחד. מערכות AI לגיוס עלולות לשמר או להעצים הטיות קיימות אם אינן נבדקות היטב. AWS מדגישה כי ההחלטה הסופית צריכה להישאר בידי בני אדם, וכי לקוחות אחראים לוודא עמידה בתקנות כמו GDPR, CCPA ודיני עבודה מקומיים.
המסר הרחב מהפרסום ברור: בינה מלאכותית בגיוס אינה אמורה להחליף את שיקול הדעת האנושי, אלא להפוך את תהליך הסינון לשיטתי, מהיר ומבוסס ראיות יותר. אך כדי שזה יקרה בצורה אחראית, ארגונים יצטרכו להשקיע לא רק במודל, אלא גם בבקרות, שקיפות, אבטחת מידע ובדיקות הוגנות מתמשכות.