Začalo to životopisy. V Datacruitu jsme hledali způsob, jak pomocí AI zefektivnit práci s CV a ubrat recruiterům opakovanou práci. Potřebovali jsme řešení, které bude odpovídat našemu náborovému procesu, dá nám kontrolu nad daty a zároveň bude dávat ekonomický smysl. Nakonec jsme si postavili vlastní AI model. A při jeho používání nám došlo, že recruitment je jen jeden z procesů, kde může podobný princip fungovat.
Co Vás zajímá?
- Nechtěli jsme vlastní AI, ale jen lépe pracovat se CV
- Proč jsme zvolili vlastní AI model místo obecného AI nástroje?
- Jak rychle se nám investice do vlastního AI modelu vrátila
- Proč princip s životopisy funguje i na jiné firemní dokumenty
- Kdy se vlastní AI model vyplatí a kdy ne?
- Co jsme se při vývoji a používání vlastní AI naučili?
- Jak zjistit, jestli i vaše firma potřebuje vlastní AI model
Nechtěli jsme vlastní AI, ale jen lépe pracovat se CV
V Datacruitu pracujeme s velkým množstvím životopisů. CV přitom není jen soubor, který recruiter otevře a přečte. Obsahuje řadu informací, které je potřeba získat, strukturovat a dál s nimi pracovat. A čím víc životopisů zpracováváte, tím víc se každá opakovaná činnost násobí.
Právě tady jsme začali hledat možnosti, jak recruiterům část práce ušetřit pomocí AI. Nešlo nám o to přidat do Datacruitu AI jen proto, aby tam byla. Měli jsme konkrétní problém, který jsme chtěli vyřešit.
Proč jsme zvolili vlastní AI model místo obecného AI nástroje?
Při rozhodování pro nás byly důležité tři věci: náborový proces, bezpečnost dat a ekonomika.
- Nechtěli jsme obecný AI nástroj vedle Datacruitu. Potřebovali jsme řešení, které bude odpovídat tomu, jak recruiteři skutečně pracují s kandidáty a životopisy, a stane se přirozenou součástí jejich práce.
- Zároveň pracujeme s osobními údaji kandidátů. Chtěli jsme proto mít větší kontrolu nad tím, kde data zůstávají a jak se s nimi pracuje.
- A nakonec ekonomika – s rostoucím využitím jsme potřebovali řešení, které bude dávat finanční smysl i v reálném provozu.
Proto jsme šli cestou vlastního AI modelu.
Dnes ho v Datacruitu reálně používáme. Pomáhá například získávat a strukturovat informace z životopisů, vytvářet profily kandidátů nebo hledat vhodné kandidáty podle významu a kontextu. A důležité je, že nám nevyšel jen technologicky.
Jak rychle se nám investice do vlastního AI modelu vrátila
Investice do vlastního AI modelu se nám vrátila během několika měsíců. Tahle zkušenost nám potvrdila něco, co dnes považujeme při rozhodování o AI za zásadní: nestačí, že AI něco umí, musí zapadnout do procesu, bezpečně pracovat s daty a také se vyplatit.
Proč princip s životopisy funguje i na jiné firemní dokumenty
My jsme problém přirozeně viděli očima recruitmentu. Pak nám ale došlo, že CV je jen jeden typ dokumentu. Recruiter ho otevře, potřebuje z něj získat konkrétní informace, strukturovat je a dál s nimi pracovat.
Jinde ve firmách lidé dělají něco velmi podobného s fakturami, smlouvami, technickou dokumentací nebo obchodními daty. Dokument je jiný, oddělení je jiné, ale problém může být velmi podobný: lidé opakovaně tráví čas prací s dokumenty a daty, kterou už v některých případech nemusí dělat ručně. A právě tady se naše zkušenost z recruitmentu začala potkávat s mnohem širším využitím.
Kdy se vlastní AI model vyplatí a kdy ne?
Tohle je možná jedna z nejdůležitějších věcí, které jsme se při vlastní zkušenosti naučili: vlastní AI model není automaticky správná volba. Musí existovat dostatečně velký problém, dost opakované práce, a hlavně musí vycházet ekonomika celého řešení.
Někdy bude lepší použít běžně dostupný AI nástroj, jindy jednoduchou automatizaci, a někdy se může vyplatit vlastní model přizpůsobený konkrétním datům a procesu. Právě zkušenosti z Datacruitu se staly jedním ze základů AI modelu na míru od Seyforu, který tento princip přenáší i do dalších firemních procesů.
Co jsme se při vývoji a používání vlastní AI naučili?
O tom už je lepší mluvit konkrétně. Náš CEO Zdeněk Bajer proto s Danielem Šturmem, CMO Seyforu, natočil rozhovor o tom, co nám vývoj a reálné používání vlastního AI modelu ukázaly. Řeší v něm konkrétní možnosti využití, návratnost, náklady, bezpečnost, implementaci i situace, kdy vlastní AI naopak nedává smysl.
Jak zjistit, jestli i vaše firma potřebuje vlastní AI model
Pro nás byly začátkem životopisy, ve vaší firmě to mohou být úplně jiné dokumenty nebo data. Důležitější, než jejich název je otázka, co s nimi lidé každý den dělají: čtou, hledají, třídí, přepisují, a zítra znovu.
Proto bychom nezačínali otázkou, jestli vaše firma potřebuje vlastní AI. Začali bychom jednodušeji: kde dnes vaši lidé pořád dokola dělají práci, kterou už možná dělat nemusí? Pokud podobný proces existuje i u vás, stojí za to spočítat, kolik lidské práce dnes spotřebuje a jestli by část z ní nemohla převzít AI.
Zjistěte, kde může AI model na míru ušetřit práci a náklady i ve vaší firmě.
