פרק 181: איך כלי בינה מלאכותית משנים את תהליכי האבחון בגיוס ובניוד. מורית מארחת את דלית ברוש

*רגע לפני שנתחיל, אם מעניין אותך לשמוע על קורס גיוס אסטרטגי לסמנכ"לי.ות/ מנהלות / מנהלי משאבי אנוש שייפתח ב 13/5/2025, כל הפרטים נמצאים כאן בקישור*

איך כלי בינה מלאכותית משנים את תהליכי האבחון בגיוס ובניוד. מורית מארחת את דלית ברוש

דלית ברוש המנכ"לית ומייסדת שותפה של Glimpse

קיימנו את הוובינר ב 2/4/2025, יום ה-544 למלחמה. 59 חטופים עדיין בעזה 🎗️

(תמלול ע"י אפליקציית TimeOS וסיכום ע"י אפליקציית Claude)

סיכום שיחה עם דלית ברוש

רקע על דלית ברוש ועל Glimpse

דלית ברוש החלה את דרכה המקצועית בעולם ה-Corporate ובאינטל, שם מילאה תפקידים שונים בתחום משאבי אנוש, כולל HR Business, Relocation ו-Comp & Benefits. מאוחר יותר הגיעה לתחום הגיוס, בו התאהבה והמשיכה להתפתח. במהלך השנים ניהלה את הגיוס בישראל, אימיה, וכן תפקידים גלובליים. בתפקידה האחרון באינטל הובילה ארגון גלובלי שהיה אמון על חדשנות בעולמות הטאלנט, שם פיתחו והטמיעו פתרונות למגוון אתגרים בתחום, כמו פיפליינינג פרואקטיבי של טאלנט, מיתוג מעסיק, חוויית מועמד וניוד פנימי. בשנת 2020 עזבה את אינטל ועברה לצד הפתרונות בתחום ה-HR Tech.

בגלימפס (Glimpse), הסטארט-אפ שהקימה, דלית והצוות שלה מאפשרים מדידה אמפירית של יכולות אישיותיות כמו התמדה, התמודדות עם שינויים פתאומיים, הסתגלות ותסכול באמצעות משחק אונליין, ולא דרך שאלונים. המעבר מדיווח עצמי למדידת ביצוע הוא משמעותי ומאפשר להגיע למדדים אמפיריים, יציבים, לא מוטים, שמנבאים במיוחד התנהגות בתנאי עומס, לחץ זמן, קונפליקט בסדרי עדיפויות ועומס קוגניטיבי. החלק השני של הפתרון משתמש באלגוריתמים של בינה מלאכותית שממדלים הצלחות ארגוניות ויוצרים מעין "בלופרינט" של מה שנדרש כדי להצליח בתפקיד מסוים בארגון ספציפי. הפלטפורמה מאפשרת למקבלי החלטות לבחון כל מועמד אל מול המודל ולראות למי יש סיכויי הצלחה גבוהים יותר. החזון של גלימפס הוא לעזור לארגונים לקבל החלטות טאלנט שממקסמות את הצלחת הפרט, מתוך ההבנה שכאשר העובד מצליח, גם הארגון מצליח.

כיצד מנהלים בארגונים מקבלים החלטות גיוס באופן טבעי?

דלית מסבירה שמנהלים מנסים לאחד בין שני דברים: מה הארגון צריך ומי האדם שמולם. הם יוצרים לעצמם פונקציית מטרה ומגדירים קריטריונים, אך פונקציית המטרה הזו לרוב אינה מדויקת, לא מעודכנת ומאוד סובייקטיבית. גם כאשר שני מנהלים באותו ארגון מגייסים לאותו תפקיד, תפיסתם לגבי המועמד האידיאלי עשויה להיות שונה.

המנהלים לעתים קרובות מסתמכים על "מדורת שבט ארגונית" – כללי אצבע כמו "אצלנו, כדי לנהל חייבים לפחות חמש שנות ניסיון בשיווק". הם נשענים על תיאורי תפקיד ישנים ומנסים לשפר אותם, כיום לעתים בעזרת כלי AI כמו ChatGPT, אך זה לא בהכרח הופך את התיאור למדויק יותר עבור צרכי הארגון.

במקביל, המועמדים מנסים להציג את עצמם בצורה הטובה ביותר, ועכשיו גם הם משתמשים ב-AI כדי לשפר את קורות החיים ולהתאים אותם למשרה המבוקשת. כך נוצר מצב שבו שני הצדדים משתמשים בבינה מלאכותית כדי ליצור התאמה מלאכותית.

בנוסף, ארגונים נוטים להתמקד במדידת ידע (כמו מוסד לימודים וניסיון) כי זה קל יותר למדוד, במקום לבחון פוטנציאל. הם מסתכלים בעיקר על מה האדם עשה בעבר ולא על יכולותיו העתידיות.

מהן הסכנות בתהליכי גיוס מסורתיים?

ישנם שני סוגים עיקריים של טעויות בגיוס:

1. טעויות גיוס – קבלת מועמד לא מתאים. דלית מביאה כדוגמה את הנטייה לקדם את המפתח הטוב ביותר לתפקיד ניהולי, אף שלא תמיד המפתח הטוב יהיה גם המנהל הטוב. הדבר גורם לכפל נזק: גם נאבדים כישורי הפיתוח המעולים של אותו עובד, וגם אם הוא אינו מנהל טוב, נגרם נזק לצוות וליכולת לשמר עובדים.
2. פספוס פוטנציאל – החמצת מועמדים מוכשרים שאינם "נראים טוב" בתהליך המיון המסורתי. יש אנשים שאולי אינם יודעים להציג את עצמם באופן אידיאלי בראיון, אך עשויים להיות מעולים בתפקיד. בעולם של מחסור בכישרונות, ארגונים אינם יכולים להרשות לעצמם לפספס מועמדים כאלה.

מהו פוטנציאל אנושי וכיצד ניתן לזהות אותו?

פוטנציאל הוא אפשרות או יכולת שטרם מומשה – מה אדם מסוגל לעשות, ולא רק מה כבר עשה בעבר. האתגר הוא למצוא דרך אמפירית שתשמש כסימולציה למצבי אמת. דרך אמפירית טובה צריכה:

1. להניב תוצאות יציבות (אותן תוצאות פעם אחר פעם)
2. להיות מנבאת (קשר בין מה שנמדד לבין התנהגות בזמן אמת)
3. להיות רלוונטית (למדוד התנהגויות שחשובות להצלחה בתפקיד)

זיהוי פוטנציאל חשוב במיוחד עבור ג'וניורים, מועמדים בתחילת דרכם, או בהסבות מקצועיות וניודים פנימיים. בגלימפס, ההתמקדות היא במדידת "תפקודים ניהוליים" – תהליכים מוחיים שעוזרים לווסת תהליכי קבלת החלטות, השגת יעדים, תיעדוף והתמודדות עם תסכול, באמצעות משחקים מקוונים שמודדים התנהגות ולא הצהרות.

כיצד כלי בינה מלאכותית משנים את תהליכי המיון?

כלי AI מאפשרים ליצור "בלופרינט" מדויק יותר של הצלחה בתפקיד. בגלימפס, ההתמקדות היא בזיהוי מאפייני העובדים המצליחים ביותר בארגון (למשל, 20 אנשי המכירות הטובים ביותר על פי מדדים אמפיריים כמו הכנסות וקצב סגירת עסקאות), ואז יצירת מודל שמזהה מועמדים שהם בעלי הרכב דומה של היכולות והתכונות שנמצאו כמנבאות הצלחה.

חשוב להימנע מהסתמכות על מאפיינים שאינם מנבאי עתיד אלא רק מעידים על העבר (כמו מוסד לימודים או ממוצע ציונים). כמו כן, כדאי להיזהר מהסתמכות אך ורק על מה שהמועמד אומר על עצמו.

ישנם שני עקרונות מרכזיים בבניית מודלי AI לגיוס:

1. סינון הנתונים – להכניס למודל רק נתונים רלוונטיים לניבוי. בגלימפס, למשל, מכניסים למודל רק את תוצאות המשחק, ללא נתונים דמוגרפיים (שם, מגדר, כתובת, מצב משפחתי). כך, המודל יכול לזהות יכולות זהות גם אצל אנשים שונים מאוד ברקע שלהם.
2. גיוון קבוצת המדגם – לכלול מגוון רחב של אנשים מצליחים בארגון כדי ליצור מודל שמזהה מסלולים שונים להצלחה. יש לזכור את עקרון ה-Equifinality (יותר מדרך אחת להצליח), שמגביר את הסיכויים לזהות מועמדים מוכשרים עם פרופילים שונים.

מהו היתרון של כלי AI על פני מבדקי אישיות מסורתיים?

שאלונים ומבדקי אישיות מסורתיים היו הכלים הטובים ביותר שהיו זמינים עד לאחרונה. הבעיה היא שהקורלציה הגבוהה ביותר שנמצאה היא בין תוצאות שאלונים ל-IQ, וזאת משום שאנשים אינטליגנטים יודעים להבין את השאלון ולתת את התשובה ה"נכונה". למרות שיש קשר בין אינטליגנציה להצלחה, זהו רק חלק מהתמונה.

בעולם שבו ידע משתנה במהירות ו-AI יכול לרכוש ידע מהר יותר מבני אדם, היכולות האישיותיות (כמו התמדה, התמודדות עם שינויים ותסכול) הופכות לחשובות יותר, במיוחד עבור תפקידים שדורשים הפעלת והכוונת בינה מלאכותית.

כיצד להתמודד עם אתגרי AI בארגונים קטנים?

בארגונים קטנים כמו סטארטאפים, שעדיין אין בהם מספיק נתונים ארגוניים לאימון מודלי AI, דלית ממליצה להתמקד בדיוק פונקציית המטרה. על הארגון לשאול את עצמו מה באמת נדרש להצלחה בתפקיד ולחשוב על מאפיינים של אנשים שעושים את התפקיד בהצלחה, גם אם המדגם קטן.

חשוב להתבונן במגוון אנשים שמצליחים בתפקידים דומים ולא להתמקד רק בסוג אחד של הצלחה. יש להכיר בכך שקיימות דרכים שונות להצליח באותו תפקיד (עיקרון ה-Equifinality). דלית ממליצה להתמקד במעבר ממדידת "דיווח" למדידת "ביצוע" – לבחון כיצד מועמדים מתמודדים עם משימות בפועל, לא רק מה הם מספרים על עצמם.

מהו תוקף הניבוי של כלי AI וכיצד לבחור כלים מתאימים?

דלית מדגישה שכלי AI אינם "כדור בדולח" שיכולים לנבא בוודאות אם מועמד יצליח או ייכשל. בגלימפס למשל, אוכלוסיית המועמדים מופרדת לקבוצות עם סיכויי הצלחה שונים (X, 2X, 4X וכו').

כשבוחנים כלי AI לגיוס, יש לחפש הוכחות לקשר בין תוצאות הכלי לבין הצלחה בפועל בשטח. גלימפס, למשל, משתמשת בשיטות סטטיסטיות של Cross Validation כדי להראות שהמודל מנבא הצלחה בארגון ספציפי. חשוב לזכור שמודל שמנבא הצלחה בארגון אחד לא בהכרח יעבוד בארגון אחר – מי שיהיה ראש צוות מצוין בבנק דיסקונט לא בהכרח יצליח באותו תפקיד בגוגל.

כיצד להימנע מהטיות במודלי AI?

להימנע מהטיות במודלי AI, דלית מציעה שני עקרונות מרכזיים:

1. סינון נתונים – להכניס למודל רק נתונים רלוונטיים לניבוי הצלחה. בגלימפס, מכניסים למודל רק את תוצאות המשחק ולא נתונים דמוגרפיים כמו שם, מגדר או כתובת. כך, גם אם בארגון מסוים כל המצליחים הם גברים בני 40-50 מאזור מסוים, המודל יוכל לזהות אישה צעירה עם רקע שונה לחלוטין שיש לה את אותן יכולות.
2. גיוון קבוצת המדגם – לכלול מגוון רחב של פרופילי הצלחה בארגון. דלית מספרת על ארגון שבנו לו מודל ראשון, ואז עם הזמן, כשהיו יותר מקרי הצלחה מגוונים, בנו מודל שני שנתן משקל גדול יותר לפרופילים שהיו מיוצגים פחות במודל הראשון. הארגון משתמש בשני המודלים יחד כדי לזהות מגוון רחב יותר של פרופילי הצלחה.

דלית גם מזהירה מפני הסתמכות בלעדית על ChatGPT לקבלת החלטות מקצועיות. היא מספרת על ניסיון אישי בו ChatGPT ניסח טקסט בצורה אלגנטית, אך עם שגיאות מהותיות לגבי התוכן. היא מדגישה שצריך להיזהר מהסתמכות יתר על AI לקבלת החלטות סופיות בנושאי גיוס.

מהם שלושת הטיפים העיקריים למגייסים שטרם הכניסו AI לתהליכי המיון?

1. דייקו את פונקציית המטרה – עצרו וודאו שאתם מבינים מה הארגון באמת צריך. זקקו את הגדרת ההצלחה על סמך נתונים אמפיריים ולא רק על סמך מה שתמיד עשיתם.
2. הימנעו מהסתמכות מוגזמת על דיווח עצמי – שאלונים, קורות חיים, וכל מה שהמועמד ממלא כדי להתאים את עצמו לדרישות התפקיד אינם מספיקים.
3. סננו נתונים לא רלוונטיים – אל תכניסו לשיקולים נתונים דמוגרפיים או גורמים אחרים שעלולים ליצור הטיות ולגרום לכם לפספס פוטנציאל.

דלית מדגישה כי AI צריכה לשמש ככלי תומך החלטה ולא כמקבל החלטות. כלי AI יכולים לספק מידע רב שיעזור בקבלת ההחלטה, אך בסופו של דבר, לגורם האנושי ערך מוסף בקבלת ההחלטה הסופית.

ליצירת קשר עם דלית ברוש:

• מייל: dalit@theglimpse.io
• אתר: https://theglimpse.io
• נייד: 054-7884792