Por Eber Machado, CTO da Catho
O match ficou popularizado nos aplicativos de namoro quando duas pessoas que têm características ou gostos em comum demonstram interesse uma no perfil da outra, e com um “click” se conectam como uma “combinação perfeita”.
Apesar de popular nesse contexto, o match não fica restrito somente aos relacionamentos afetivos e, atualmente, também podemos ver essa tecnologia de combinação de perfis sendo muito usada em outras áreas, como a de recrutamento, por exemplo.
Dentro de empresas focadas em recrutamento e seleção, o match nada mais é do que o direcionamento de perfis para os recrutadores de candidatos que são mais aderentes à vaga.
Para isso, é preciso levar em consideração alguns aspectos, como a localidade, habilidades necessárias para atender à função, e assim por diante.
Oportunidades corretas
Do ponto de vista do candidato, também é necessário garantir que as oportunidades apresentadas para ele estejam de acordo com o seu interesse profissional e que suas capacidades estejam adequadas aos requisitos solicitados pela empresa. Quando temos o candidato adequado para a vaga de interesse consideramos ter encontrado “o match”.
Para que o “match” funcione de forma eficiente, técnicas de Machine Learning são utilizadas, sendo possível analisar todos os dados de candidatos e vagas e gerar recomendações cada vez mais adequadas tanto aos candidatos quanto aos recrutadores.
Na Catho, por exemplo, trabalhamos a taxonomia dos dados de forma a padronizar informações importantes para os dois lados, tais como cargo pretendido, para potencializar essa combinação. Também usamos técnicas de processamento de textos para extrair informações relevantes, fazer o tratamento de sinônimos, permitindo assim normalizar os dados e aplicar com eficiência as técnicas de aprendizado de máquina para classificação e recomendação de perfis e vagas.
Sem dúvidas um dos grandes desafios da contratação sob a perspectiva do recrutador é ter que lidar com o grande volume de pessoas se aplicando para as vagas e entender claramente quais são os candidatos mais aderentes para que possam ser eficazes nas abordagens e reduzir o esforço para a contratação.
Neste aspecto, os sistemas de busca e recomendação impactam muito positivamente na eficiência do processo. Na fase de descoberta de candidatos, esses sistemas garantem a seleção dos melhores perfis para aquela posição.
Assim como nos aplicativos de relacionamento em que após o match, o casal se encontra para comprovar o ‘fit’, no processo de contratação o próximo passo não é muito diferente.
Técnicas de machine learning
Apesar das técnicas de machine learning estarem cada vez mais sofisticadas e presentes em nosso dia a dia, ainda é muito desafiador automatizar por completo o processo de fit de candidatos, sobretudo o conhecimento mútuo que se dá nos processos de entrevistas, onde, pessoalmente, o candidato consegue compreender melhor o desafio e a cultura da empresa, enquanto o recrutador avalia aspectos mais subjetivos do candidato que são mais difíceis de serem analisados de forma automatizada.
É notável que a tecnologia ajudou a automatizar e agilizar processos quando se trata das contratações através do match, entrevistas virtuais, ferramentas de gestão de documentos e assinaturas digitais, mas a humanização ainda continua sendo essencial nesse processo, especialmente em um país desigual onde a tecnologia e a internet de qualidade ainda não são para todos.
Mesmo com a tecnologia em constante evolução sempre existirão desafios para aprimorá-la com novas técnicas a fim de eliminar, cada vez mais, dificuldades e ineficiências dentro do processo de contratação e, consequentemente, proporcionar o match ideal.
Contudo, a humanização continua sendo de suma importância e deve andar junto com os processos tecnológicos. Afinal, cada vez mais precisaremos de pessoas com habilidades mais humanas e emocionais, dado que há uma tendência de automação de tudo aquilo que é repetitivo. Afinal, habilidades mais sofisticadas para realizar as tarefas que não podem ser automatizadas acabam se tornando essenciais.