הגיוס עבר ל-AI, אבל ערכם של המגייסים הטובים דווקא עלה

שוק הגיוס של היום נראה שונה מאוד מזה שהכרנו רק לפני כמה שנים. הרבה מהעבודה השחורה כבר עברה למערכות אוטומטיות: סינון קורות חיים, תיאום ראיונות, עדכון סטטוס למועמדים, הזנת נתונים למערכות גיוס ואיתור פרטי קשר. לכאורה, זה היה אמור להפוך מגייסים לפחות נחוצים. בפועל, קרה משהו אחר. ככל שהמערכות עושות יותר, הזמן האנושי של המגייסים נהיה יקר יותר.

הבעיה היא שהשיפור ביעילות לא תמיד מתורגם לשיפור בתוצאות. לפי נתונים שמופיעים בדוחות בענף, ב- 60% מהחברות זמן הגיוס ב-2025 דווקא התארך, ושיעורי קבלת ההצעות לתפקידים בכירים עדיין נמוכים מהציפיות בהרבה ארגונים. כלומר, האוטומציה מקצרת תהליכים טכניים, אבל היא לא בהכרח יודעת לשכנע מועמד, לקרוא בין השורות או להבין התאמה תרבותית. שם עדיין טמון היתרון של המגייס האנושי.

 האשליה: האם המגייסים נעשו מיותרים?

השימוש בבינה המלאכותית הפך את הגיוס לטכנולוגי, מדיד ומהיר יותר בשלבים מסוימים שלו. מערכות AI יודעות לקרוא מאות קורות חיים בזמן קצר, להשוות ניסיון לדרישות תפקיד, לסמן מועמדים רלבנטיים, לתאם יומנים ולשלוח הודעות אוטומטיות. בעבר מגייסים היו מבזבזים שעות על משימות חוזרות, לרבות איתור כתובות מייל, תיאום ראיונות, עדכון מועמדים והכנסת נתונים למערכת.

היום חלק גדול מזה כבר לא צריך להיעשות ידנית. לחברות זה מצוין, כי התהליך נעשה מסודר יותר. זה טוב גם למגייסים, כי הם יכולים להשקיע פחות זמן בעבודה טכנית ויותר זמן במועמדים עצמם. אבל הבעיה היא באשליה שנוצרה, שמעלה את השאלה: אם AI יודע לטפל בתהליך, אולי אפשר לוותר על המגייס. וזו הטעות.

השלבים שבהם מתקבלת ההחלטה האמיתית אינם רק טכניים. מועמד טוב לא נמדד רק לפי מילות מפתח בקורות חיים. מועמד בכיר לא בוחר עבודה רק לפי שכר. ומנהל מגייס לא מחפש רק התאמה להגדרת תפקיד – הוא צריך אדם שיוכל להשתלב בצוות, להתמודד עם לחץ ולהישאר בארגון לאורך זמן.

באילו משימות AI מצטיין?

כלי בינה מתאימים מאוד לביצוע משימות שחוזרות על עצמן, מבוססות על נתונים וברורות יחסית. סינון ראשוני של קורות חיים הוא דוגמה קלאסית. במקום שמגייס יעבור על מאות מסמכים, המערכת יכולה לסמן מי עומד בדרישות בסיסיות: ניסיון, השכלה, מיקום, טכנולוגיות, שפות, רמת בכירות ותחומי התמחות. גם תיאום ראיונות הוא תחום שאין סיבה לבזבז עליו זמן אנושי. חיבור ליומנים, איתור שעות פנויות, שליחת זימונים ותזכורות למועמד, כל אלה נפתרים טוב יותר אוטומטית.

 תחום נוסף הוא איתור פרטי קשר והעשרת מידע על מועמדים. בעבר מגייסים היו מחפשים מיילים, טלפונים ופרופילים ברשתות. כיום כלים ייעודיים יודעים לאתר פרטי קשר מאומתים של מועמדים פסיביים בקנה מידה גדול. זה חשוב במיוחד בתפקידים טכנולוגיים, ניהוליים או נדירים, שבהם המועמד לא בהכרח מחפש עבודה באופן פעיל.

AI גם יעיל בפרסום משרות בכמה ערוצים, הזנת נתונים למערכת גיוס, עדכון סטטוס למועמדים ושאלוני סינון ראשוניים. כל אלה משימות שבהן מהירות ועקביות חשובות יותר משיקול דעת.

 במה מותר האדם מהמכונה?

למגייס אנושי יש יתרון בכל מקום שבו צריך להבין בני אדם. זה נשמע פשוט, אבל זה לב הגיוס. AI יכול לזהות שמועמד עבד 5 שנים בחברה מסוימת, אבל לא בהכרח להבין למה הוא עזב, מה מניע אותו, האם הוא באמת רוצה את התפקיד, איך הוא יתמודד עם מנהל מסוים, והאם הוא מסוג האנשים שיצליחו בסביבה לא מסודרת או דווקא בסביבה תאגידית.

• כשהמעסיק מבקש לא להשתמש בבינה מלאכותית בהגשת מועמדות זאת לא באמת מלחמה בטכנולוגיה
• קווליטסט מגייסת כ-150 עובדים בישראל - מבדיקות תוכנה ועד דאטה ו-AI

התאמה תרבותית היא דוגמה טובה. אין אלגוריתם שיודע לחזות בצורה אמינה אם אדם ישתלב בצוות מסוים. זה דורש קריאת סגנון תקשורת, הבנת דינמיקה, ניסיון בארגון עצמו והיכרות עם המנהל המגייס. מגייס מנוסה מבין מתי מועמד נראה מצוין על הנייר, אבל עלול להתנגש עם התרבות הארגונית.

גם ניהול קשר עם מועמד הוא עבודה אנושית. מועמד שמקבל שתי הצעות, מתלבט, מפחד לעזוב מקום בטוח או רוצה לשפר תנאים, לא צריך הודעה אוטומטית. הוא צריך שיחה. הוא צריך מישהו שמבין מה חשוב לו, מה החששות שלו ומה יכול לגרום לו להגיד כן.

למה הצעות עבודה הן נקודת המבחן?

הצעת עבודה היא לא טופס. היא משא ומתן רגשי, מקצועי וכלכלי. מועמד בכיר יכול לסרב גם להצעה טובה אם התהליך הרגיש קר, אם המנהל לא שידר ביטחון, אם המשפחה מתנגדת, אם יש חשש משינוי או אם החברה המתחרה נתנה תחושת מחויבות גבוהה יותר. AI יכול להפיק הצעה, לחשב טווח שכר ולהמליץ על ניסוח. אבל הוא לא יודע תמיד לזהות מתי מועמד אומר "אני צריך לחשוב" ובעצם מתכוון ל"אני מתחיל להתרחק". הוא לא יודע בהכרח מתי צריך להרים טלפון, מתי לערב מנהל בכיר ומתי לשפר תנאי הצעה בלי לפגוע במבנה השכר בארגון.

בגיוס בכירים, ההבדל בין מגייס טוב למערכת אוטומטית יכול להתבטא בסגירה עם מועמד או חיפוש נוסף של חודשיים. לכן חברות שמנסות להפוך את כל תהליך ההצעה לאוטומטי עלולות לחסוך זמן במקום הלא נכון.

 האם אוטומציה משפרת את חוויית המועמד?

התשובה לשאלה הזו היא כן, אבל רק כאשר היא במקום הנכון. מועמדים אוהבים תהליך יעיל. הם רוצים לקבל אישור שקורות החיים התקבלו, לדעת מתי הריאיון, לקבל תזכורת, להבין באיזה שלב הם נמצאים ולא לרדוף אחרי החברה. במקרים כאלה אוטומציה משפרת את החוויה.

• האקדמיה נערכת לעידן ה-AI; אוניברסיטת בר אילן והאוניברסיטה הפתוחה בתוכניות AI
• חברת ההשמה שמזהירה: ״עד 10% מעובדי ההייטק עלולים לאבד את העבודה עוד השנה״ - מה אפשר לעשות?

אבל כאשר היא מחליפה מגע אנושי בשלבים קריטיים, היא מזיקה. מועמד שמגיע לשלב מתקדם ומקבל רק הודעות מערכת מרגיש שלא רואים אותו. מועמד בכיר שמקבל תשובות גנריות עשוי להבין שהחברה לא באמת משקיעה בו. לפי נתוני חוויית מועמד שמופיעים בענף, כ-70% מהמועמדים מעדיפים אינטראקציה אנושית בשלבים החשובים של התהליך. זה לא מפתיע. ככל שההחלטה משמעותית יותר, כך האדם רוצה אדם מולו.

 מהו המודל הנכון לחברות?

המודל הנכון הוא שילוב הבינה המלאכותית במטלות המותאמות לה - במקום להחליף את המגייס, ה-AI צריך לעבוד לפני המגייס ומסביבו. האוטומציה צריכה לנקות את השולחן. היא צריכה להביא מועמדים, לסדר נתונים, לתאם פגישות, לשלוח עדכונים ולהקטין רעש. המגייס צריך להיכנס בדיוק במקום שבו נדרשת השפעה: שיחה ראשונה, הבנת מוטיבציה, ראיון עומק, התאמה לצוות, ניהול חששות וסגירת הצעה.

לפי נתונים בדוחות ייעוץ בענף, ארגונים שמשלבים איתור אוטומטי עם ניהול קשר אנושי מצליחים לקצר את זמן האיוש בכ-31%, בלי לפגוע באיכות הגיוס. זה מסביר את הכיוון. לא עוד כלים לשם כלים אלא חלוקה נכונה בין מכונה לאדם.

 מה חברות צריכות למדוד?

בשביל לבחון אם התהליך עובד כמו שצריך, לא מספיק למדוד כמה קורות חיים עברו במערכת או כמה ראיונות נקבעו. אלה מדדי יעילות, לא בהכרח מדדי איכות. צריך להבין איפה מועמדים נושרים, באיזה שלב הם מסרבים, מה שיעור קבלת ההצעות, כמה זמן לוקח לסגור תפקיד, ומה איכות העובד אחרי חצי שנה או שנה.

אם חברה רואה שהרבה מועמדים נושרים אחרי שלב אוטומטי, ייתכן שהיא חסכה זמן אבל פגעה בקשר. אם שיעור קבלת ההצעות נמוך, הבעיה כנראה בניהול המועמד. אם גיוסים מהירים מסתיימים בעזיבה מהירה, ייתכן שהסינון היה יעיל מדי ושטחי מדי.

 מה הופך מגייס לטוב בעבודה?

המגייסים שלא ישתמשו בכלים יישארו מאחור. אבל גם מגייסים שיסמכו רק על כלים יהפכו לפחות חשובים. הערך של מגייס ב-2026 נמצא ביכולת לשלב בין דאטה לשיפוט אנושי. לדעת לעבוד עם מערכות, אבל לא להפוך לעוד שכבת תפעול מעליהן.

המגייס הטוב צריך להבין את השוק, את המועמדים, את המנהלים ואת הארגון. הוא צריך לדעת לקרוא שיחה, לזהות מוטיבציה, לנהל משא ומתן, לשאול שאלות המשך ולפעמים גם להגיד למנהל שהמועמד שנראה מושלם בקורות החיים אינו האדם הנכון. במילים אחרות, AI מוריד מהמגייסים את העבודה הפחות חשובה. אבל הוא גם חושף מי באמת יודע לגייס ומי בעיקר ניהל תהליך.

חשוב לזכור כי האוטומציה בגיוס כאן כדי להישאר. היא תמשיך להשתפר, והיא תיקח עוד ועוד משימות טכניות. אבל דווקא בגלל זה, החלק האנושי בגיוס נהיה חשוב יותר. חברות שיתייחסו ל-AI כאל תחליף מלא למגייסים יקבלו אולי תהליך מהיר יותר, אבל לא בהכרח גיוסים טובים יותר.

הכיוון הנכון הוא לשלב: לתת למכונה לעשות את מה שהיא יודעת לעשות טוב יותר, ולשמור לאדם את מה שבאמת משפיע על התוצאה. אחרי הכול, גיוס הוא החלטה של אדם להצטרף לארגון, ושל ארגון לבחור אדם. בשלב הזה, גם ב-2026, האנשים עדיין עושים את ההבדל.