ETCIO, वी। पद्मनाभन, वाइस प्रेसीडेंट – इंजीनियरिंग, ग्लोबललॉजिक के साथ बातचीत में, कंपनी एअर इंडिया और एमएल आधारित टूल का उपयोग प्रतिभाओं की सोर्सिंग, स्क्रीनिंग रिज्यूमे और उन्हें ऑनबोर्ड पोस्ट सिलेक्शन के लिए कर रही है।
“हम आज अपनी टीमों में बड़े पैमाने पर वृद्धि देख रहे हैं और यह किसी ऐसे व्यक्ति के साथ नहीं हो रहा है जो वहां के प्रोफाइल को देख रहा है और यह पता लगा रहा है कि कौन सही फिट है और फिर उन्हें भाग ए और भाग बी प्रक्रिया के माध्यम से डाल रहा है, यह बस बहुत अधिक है करने के लिए, “पद्मनाभन ने कहा।
“तो हमने बहुत सारे AI, ML- आधारित जिलों को फिर से शुरू करने वाले सत्यापन के आसपास रखा है। हम यह देखना चाहते थे कि उम्मीदवार के पास क्या सभी प्रमाणपत्र हैं, वे अन्य कंपनियों का क्या हिस्सा हैं, जो मूल रूप से कुछ बनाने के लिए उनके शोध पत्र हैं। सिस्टम के माध्यम से फिर से शुरू करने का सारांश? ”
यदि किसी टीम को 1000 रिज्यूमे देखना है, तो यह सिर्फ 10 लोगों के आस-पास बैठकर और ऐसा करने से नहीं होने वाला है। इसलिए, GlobalLogic ने भूमिकाओं में फिट होने के लिए प्रतिभा पहचान करने के लिए सिस्टम को स्वचालित किया है।
“किसी व्यक्ति को प्रोफाइल के माध्यम से जाने के लिए, उसके / उसके कनेक्शन और अच्छे उम्मीदवारों को पाने के लिए स्रोतों से बात करना, रिज्यूमे पढ़ना और जेडी से यह मिलान करना कि उन्हें डिलीवरी टीम से मिला है, इसमें बहुत समय और प्रयास लगता है।” वास्तव में डिलीवरी टीम को एक अच्छी प्रोफ़ाइल देने के लिए एक सप्ताह का समय लें, जो अब हमारी TA टीम को प्रोफाइल के संभावित उच्च फिटमेंट देने के लिए छोटा है। पद्मनाभन ने बताया कि सब कुछ सामने आ रहा है और सब कुछ पढ़ा जा रहा है।
इसके साथ, कंपनी एक या दो दिन के सप्ताह के प्रयासों में कटौती कर रही है, जहां टीए टीम को उस बैंक तक पहुंच है जो सिस्टम द्वारा पूर्व-प्रमाणित है।
विशेष रूप से अधिग्रहण पक्ष पर प्रतिभा जीवन चक्र के लिए एआई आधारित दृष्टिकोण भर्ती प्रभावशीलता, उत्पादकता और साथ ही प्रतिभा अनुभव में एक प्रमुख भूमिका निभाता है। यह न केवल उच्च वेग और टीमों के तेजी से स्केलिंग को सक्षम बनाता है बल्कि इंजीनियरिंग टीमों द्वारा सही प्रतिभा को शॉर्टलिस्ट करने में लगने वाले समय के अनुकूलन को सुनिश्चित करता है जिससे उनकी प्रेरणा और उत्पादकता में सुधार होता है।
“जबकि प्रारंभिक मॉडल में नौकरी विवरण और संभावित उम्मीदवार के कौशल सेट के बीच मैच के माध्यम से फिर से शुरू होने की मात्रा में 30% की कमी हुई, पहचान किए गए रिपॉजिटरी की प्रभावशीलता और फिटन 50% तक बढ़ गई, जिससे चयन के लिए पाइपलाइन बढ़ गई। उन्होंने बताया कि यह प्रारंभिक बूटस्ट्रैप मॉडल प्रशिक्षण अवधि है, लेकिन हम उम्मीद करते हैं कि मॉडल दक्षता उच्चतर होगी और 30 से 40 के बीच वेग को प्रभावित करेगी, 40% टीमों को तेज गति से चलाने में सक्षम करेगी, ”उन्होंने समझाया।
“हम अभी भी सिस्टम पर काम कर रहे हैं, इससे पहले कि हम कहते हैं कि हम 95% सटीक हैं, लेकिन फिर यह है कि एमएल कैसे काम करता है और सीखता है। हम थोड़ा भाग्यशाली हैं कि हमारे कौशल सेट सही ढंग से और दृढ़ता से टाइप किए गए हैं। इसलिए हम जानते हैं कि हम क्या देख रहे हैं। और हम अब इन पूर्व-स्क्रीन प्रोफाइल के चयन अनुपात में सुधार पर काम कर रहे हैं, “उन्होंने निष्कर्ष निकाला।
।