Wir sind oft mit zwei vorherrschenden Technologien konfrontiert, CV Parsing und KI-Matching: Zwei verschiedene Philosophien, die nebeneinander existieren können.

CV-Parsing: Definitionen, Vorteile und technologische Einschränkungen

Das CV-Parsing basiert auf der Bildanalyse. Der Lebenslauf wird als ein Foto wahrgenommen, welches mehrere Elemente enthält: Persönliche Daten, Berufserfahrung, Ausbildung der Kandidaten usw. Die CV-Parsing-Software zerlegt das Bild in verschiedene Elemente, erkennt die einzelnen Bereiche und meldet den Inhalt durch Ausfüllen einer Dropdownliste in einem einzigen Raum. Ein praktisches Beispiel ist die Kennzeichnung des Feldes “Vor- und Nachname” im Abschnitt Personendaten.

Einer der Hauptvorteile des CV-Parsing-Systems hängt mit dem UX des Kandidaten zusammen, der keine Text- oder Dropdown-Felder ausfüllen muss, da diese Felder von der Software automatisch ausgefüllt werden. Zweifellos ist dies eine sehr wichtige Funktion, aber sie hat grosse Grenzen und hohe Fehlermargen. Das Verständnis des Textes beruht auf der Fähigkeit, bestimmte Räume und deren Inhalt zu erkennen. Es ist natürlich, dass das Parsing-System sehr zuverlässig würde, wenn es nur einen Weg gäbe, den Lebenslauf zu erstellen. Das Format des Lebenslaufs ist jedoch für jeden angepasst, oft in grafischer Form; verschiedene Kulturen und Sprachen erweitern das Szenario und die Art und Weise, wie ein Lebenslauf geschrieben wird. Alle diesen Variablen werden zu Fehlergrenzen. Die klassischste, die wir finden können, ist die Umkehrung zwischen Vornamen und Nachnamen. Es mag als Problem aussichtslos erscheinen, aber vergessen wir nicht, dass die Technologie darauf abzielt, die Arbeitszeit zu reduzieren und nicht darauf, sie zu übertragen. Wenn der Kandidat sich dafür entscheiden kann, bei der Registrierung die falschen Felder zu belassen, ist der Recruiter gezwungen, sie später zu korrigieren, wodurch er eine potenziell nutzlose Tätigkeit ausführt.

KI-Matching: Worum geht es?

Die KI-basierten Job-Matching-Technologie basiert auf einem anderen Konzept. Sie überlässt dem Kandidaten, kleine oder grosse Bewerbungsformulare (mit tabellarischen Feldern) auszufüllen, mit Ausnahme nur des Abschnitts über die Berufserfahrung. Der Inhalt der Arbeitserfahrung wird analysiert und in semantische Tags übersetzt, welche die Fähigkeiten des Kandidaten definieren. Die Stärke und die Schwäche des KI-Matching liegt in seiner intrinsischen Fähigkeit, einen bestimmten Dokumententyp zu lesen. Es reicht nicht aus, irgendeine semantische Maschine zu besitzen, um zufriedenstellende Ergebnisse zu erzielen. Wie beim CV-Parsing garantiert künstliche Intelligenz unterschiedliche Effektivitätsstufen, je nach der Technologie, die vom Anbieter entwickelt und implementiert wird. Die KI-Matching-Technologie wird dann leistungsfähig, wenn sie speziell für die HR-Welt und insbesondere für die Rekrutierung implementiert wird.
Es ist wichtig, klarzustellen, dass die beiden Technologien nicht exklusiv sind: CV Parsing und ki-Matching können sich ergänzen.

Finden Sie heraus, wie Arca24 Ihnen helfen kann, Ihre Rekrutierung durch Verkürzung der Auswahlzeit zu beschleunigen

Im Allgemeinen haben KI-basierte Softwarelösungen eine komplexere und gegliedertere Entwicklung, aber deutlich geringere Fehlerraten als CV-Parsing. Beide werden sich weiter entwickeln, aber es ist ganz klar, wenn das Verständnis eines Textes – einmal bearbeitet – nur verfeinert werden kann, riskiert das CV-Parsing jedes Mal, wenn die Kandidaten sich entscheiden, neue Formate zu verwenden, bei Null anzufangen.

Auch im Hinblick auf neue Technologien, wie z.B. Video-Lebensläufe, muss man sich fragen, wie die zukünftigen Trends aussehen werden. Kurzfristig wird dies vielleicht nicht geschehen, aber schon heute tendiert der Grossteil der Kommunikation zum Videoformat, so dass es nicht unwahrscheinlich ist, dass in nicht allzu ferner Zukunft der traditionelle Lebenslauf nach und nach durch einen Video-Lebenslauf ersetzt wird.

Der Text des Videos wird von der KI bearbeitet, um die Professionalität der Kandidaten zu erkennen. Durch eine radikale Änderung der Methodik der Datenerhebung in Talentakquisitionsprozessen könnte die Verwendung des CV-Parsing verschwinden.