Aģentiska MI automatizācija personāla atlasē nozīmē nevis “robots pieņem darbā”, bet gan sistēma izpilda atkārtojamus soļus, kur konsultants agrāk tērēja stundas. Kandidātu meklēšana, profilu atjaunošana, kontaktinformācijas pārbaude, pirmā īsā saraksta sagatavošana. Tieši tur tā dod vērtību.
Kāpēc ar vienu MI funkciju nepietiek
Daudzas atlases platformas šobrīd sola MI. Viena poga uzraksta e-pastu. Cita poga izvelk prasmes no CV. Trešā poga sakārto kandidātus pēc atslēgvārdiem. Tas ir noderīgi, bet tā vēl nav aģentiska automatizācija.
Aģentiska pieeja sākas tad, kad sistēma spēj izpildīt vairākus soļus pēc kārtas. Piemēram: izlasīt vakances aprakstu, izveidot meklēšanas kritērijus, atrast kandidātus, pārbaudīt profilu aktualitāti, papildināt datus un sagatavot pārskatāmu sarakstu. Konsultants nepazūd no procesa. Viņš ienāk brīdī, kad ir ko vērtēt.
Šī atšķirība ir svarīga mazām un vidējām Latvijas aģentūrām. Ja komandā ir trīs konsultanti, katra stunda, kas aiziet profilu kopēšanai un kontaktu pārbaudei, tieši atņem laiku klientiem un kandidātiem.
Trīs automatizācijas plūsmas, ar kurām sākt
1. Esošās datubāzes atdzīvināšana
Lielākajai daļai aģentūru vērtīgākie kandidāti jau kaut kur ir. Iepriekšējo projektu sarakstos. Vecos CV. LinkedIn sarakstēs. Piezīmēs no sarunām pirms gada. Problēma nav tā, ka kandidātu nav. Problēma ir tā, ka dati noveco un kļūst grūti izmantojami.
Aģentiska plūsma var regulāri pārbaudīt, kuri profili nav atjaunoti, kuriem trūkst kontaktinformācijas un kuri kandidāti varētu atkal kļūt aktuāli jaunai vakancei. Piemēram, finanšu vadītājs, kurš pirms gada nebija gatavs pāriet, šobrīd var būt nomainījis amatu vai atvērisies sarunai.
Šeit nav vajadzīga agresīva automatizācija. Vajadzīga kārtība: atzīmēt, ko pārbaudīt, ko papildināt un ko piedāvāt konsultantam kā nākamo darbību.
2. Vakancei piesaistīta kandidātu meklēšana
Nākamais solis ir meklēšana pēc konkrētas vakances. Sistēma nolasa prasības un pārvērš tās pārbaudāmos kritērijos: amatu līmenis, nozare, pieredze, valodas, atrašanās vieta, iespējamais atalgojuma diapazons un signāli, kas norāda uz piemērotību.
Labs aģents nemeklē tikai precīzu amata nosaukumu. “Operāciju vadītājs ražošanā” var parādīties arī kā “rūpnīcas vadītājs”, “ražošanas direktors” vai “plant manager”. Latviešu, angļu un dažkārt krievu valodas lietojums Latvijas tirgū padara vienkāršu atslēgvārdu meklēšanu pārāk šauru.
Rezultāts nav gala lēmums. Tas ir darba saraksts: kandidāti, kuriem ir jēga pievērst cilvēka uzmanību.
3. Profila papildināšana pirms uzrunas
Kandidāta uzruna ir vāja, ja tās pamatā ir nepilnīgs profils. “Redzēju jūsu LinkedIn” izklausās pēc masveida vēstules. Laba uzruna atsaucas uz konkrētu pieredzi, nozari, karjeras posmu vai iepriekšēju sarunu.
Aģentiska datu papildināšana palīdz sagatavot šo kontekstu: aktuālais amats, redzamās karjeras izmaiņas, pieredzes punkti, kontaktdatu kvalitāte un iepriekšējā saziņa. Konsultants joprojām raksta vai apstiprina vēstuli, bet vairs nesāk no tukšas lapas.
GDPR un ES Mākslīgā intelekta akts nav formalitāte
Personāla atlasē dati vienmēr ir jutīga tēma, arī tad, ja tie nav īpašo kategoriju dati. Kandidāta karjera, kontaktinformācija un interese par darba maiņu var būt pietiekami sensitīva, lai ar to rīkotos uzmanīgi.
GDPR kontekstā aģentūrai jāzina trīs lietas: kāds ir apstrādes pamats, cik ilgi dati tiek glabāti un kā kandidāts tiek informēts. Ja izmantojat leģitīmās intereses kandidātu meklēšanai, tās ir jādokumentē. Ja kandidāts lūdz dzēst datus, sistēmai jāspēj to izdarīt bez medībām pa pieciem failiem.
ES Mākslīgā intelekta akts pievieno vēl vienu slāni. Ja MI sistēma tiek izmantota kandidātu filtrēšanai vai vērtēšanai atlases procesā, tā var nonākt augsta riska kategorijā. Tāpēc drošāks sākums ir automatizēt sagatavošanas darbus - meklēšanu, datu papildināšanu, profilu sakārtošanu - un saglabāt cilvēka kontroli pār virzīšanu tālāk.
Ko pajautāt platformas demo laikā
Prezentācijā gandrīz viss izskatās labi. Tāpēc jautājumiem jābūt praktiskiem.
- Vai sistēma parāda, kāpēc kandidāts ir sarakstā? Bez paskaidrojuma atlases speciālists tikai pārbauda melno kasti.
- Vai var redzēt, kādi dati tika izmantoti? Tas ir svarīgi gan kvalitātei, gan GDPR dokumentācijai.
- Kas notiek, ja dati ir pretrunīgi? Labs rīks atzīmē neskaidrību, nevis izliekas, ka viss ir skaidrs.
- Vai cilvēks var apstiprināt katru kandidātu pirms tālākas darbības? Atlasē tas nav “lieks solis”. Tā ir kontrole.
- Vai sistēma strādā ar jūsu esošo datubāzi? Ja jāveido viss no nulles, ieviešana būs smagāka, nekā izskatās.
Reālistisks ieviešanas plāns
Sāciet šauri. Viena vakance, viens konsultants, viena kandidātu grupa. Izmēriet, cik ilgi šis process aizņem šodien: meklēšana, datu pārbaude, profilu sakārtošana, pirmā saraksta sagatavošana.
Pēc tam palaidiet to pašu procesu ar MI palīgu. Nevērtējiet tikai ātrumu. Vērtējiet arī kvalitāti: cik kandidātu tiešām derēja, cik bija kļūdainu profilu, cik daudz bija jāpārraksta un cik labi sistēma paskaidroja savus ieteikumus.
Ja rezultāts ir labs, paplašiniet uz nākamo vakanci. Ja nav labs, labojiet datubāzi vai kritērijus. Aģentiska MI ieviešana nav vienas dienas brīnums. Tā ir darba sistēmas sakārtošana ar jaudīgāku palīgu.
Kur Yena iederas šajā procesā
Yena nav domāta kā atsevišķs MI spraudnis virs haotiskas datubāzes. Tā ir atlases darba vide, kur kandidāti, klientu projekti, saziņas vēsture un MI palīdzība atrodas vienā sistēmā. Tas ir svarīgi, jo aģentiska automatizācija ir tik laba, cik labi ir dati, uz kuriem tā strādā.
Latvijas aģentūrai tas nozīmē mazāk manuālas profilu kopēšanas, mazāk pazudušu kandidātu un skaidrāku kontroli pār to, ko sistēma dara. Nevis vairāk “MI” skaistam slaidam, bet vairāk laika sarunām, kas patiesībā noslēdz atlasi.
Apskatiet Yena talantu atlases platformu vai izlasiet saistīto ceļvedi: MI aģenti personāla atlasē 2026. gadā.