Entrevistas de emprego inteligentes: como fazer recrutamento com IA
Aprenda como criar um robô que possa realizar entrevistas para você e dar feedback sobre como o candidato se saiu usando análise de sentimento e reconhecimento de fala.
Muitas vezes, como recrutador, você encontrará candidatos ativos e passivos que preenchem uma descrição de trabalho. Alguns problemas surgem quando o candidato tem que ir ao escritório para conduzir uma entrevista com o recrutador. As principais questões são relacionadas à distância e transporte. Além disso, se estamos lidando com um candidato passivo que já tem um emprego, a realização de uma entrevista é quase impossível. Se você conseguir contatá-los, precisará fornecer meios para prosseguir com a entrevista. Nós fornecemos uma arquitetura de solução baseada em um chatbot interativo.
Como recrutador, o chatbot começa com uma mensagem de boas-vindas usando a voz do serviço Google Translate e o candidato interage com o chatbot por voz. Quando a entrevista termina, um e-mail com um relatório incluindo os dados de contato, um processo de análise de sentimentos, um resumo e a transcrição é enviado ao recrutador humano. Este sistema pode ser desenvolvido e implantado, permitindo que os candidatos façam a entrevista a qualquer hora e em qualquer lugar.
Descrição da Arquitetura
Na figura a seguir, fornecemos uma visão geral de descrição funcional de alto nível.
1. A ideia é automatizar o processo de entrevista do candidato usando tecnologias de inteligência artificial. Primeiro, desenvolvemos um assistente virtual, como mostrado na figura acima, que é um agente de conversação capaz de orquestrar todo o processo de entrevista. Em seguida, usamos diferentes técnicas de machine learning para construir e treinar modelos que serão capazes de executar as diversas etapas da figura acima. A seguir, uma descrição de cada etapa do processo:O assistente virtual apresenta ao candidato um formulário on-line para capturar informações de nome e contato.
2. O assistente virtual inicia o bate-papo, dá as boas-vindas ao candidato para a entrevista e prossegue com as perguntas por meio de voz e texto.
3. As respostas do candidato são analisadas para detectar a sensação predominante de cada interação e gerar um gráfico de barras para inclusão no relatório final da entrevista.
4. As respostas também são usadas para construir um resumo da entrevista a ser incluído no relatório final.
5. Ao terminar a entrevista, o assistente virtual gera o relatório e o envia por e-mail para o gerente de contratação humano.
A figura a seguir mostra a descrição técnica do nosso sistema. As próximas seções fornecem algumas maneiras criativas de usar e desenvolver os vários componentes que implementamos.
Projetamos um front-end para o usuário e um relatório formatado para ser apresentado como um protótipo ao recrutador, como mostra a figura a seguir. As próximas seções correspondem a cada um dos serviços desenvolvidos.
Fala para Texto
Quanto à fala para texto, decidimos usar o Web Speech API, que facilita a adição de reconhecimento de fala às suas páginas da web. Esse API permite controle e flexibilidade satisfatórios para o Chrome versão 25 e posterior.
Engine de Bot (NLP)
Para o mecanismo do assistente virtual, decidimos usar o api.ai/DialogFlow para configurar todas as nossas intenções, entidades e assim por diante. Antes de começar, você deve verificar o tutorial do agente virtual de clima aqui. Uma vez familiarizado com conceitos como intenções, entidades e webhooks, você pode projetar seu próprio mecanismo de bots, mas apenas com recursos de texto. O que podemos fazer para fornecer recursos de fala ao nosso bot? A ideia é usar um webhook para atender à solicitação e usar uma função de nuvem para manipular cada uma das mensagens de intenção. Vamos explicar isso na próxima seção.
Texto para Fala
Podemos criar um aplicativo Node.js simples usando a API TTS do Google para converter texto em áudio e criar uma resposta que o envie para o DialogFlow e depois para o front-end do usuário. A resposta é enviada por um arquivo JSON.
Depois de implementar sua função de nuvem, você precisa implantá-la para consumi-la no DialogFlow. Decidimos implantar na plataforma Google Cloud usando o Firebase da seguinte maneira:
Primeiro, precisamos obter o SDK do Firebase usando o seguinte código em um shell.
Execute o seguinte comando para autenticar no Firebase usando sua Conta do Google vinculada ao Google Cloud.
Em seguida, vá para o diretório do projeto e execute o seguinte comando.
Quando tudo estiver concluído, você terá um diretório de projeto semelhante a este:
Copie a função anterior do Node.js para o arquivo index.js e implemente sua função usando:
Se tudo estiver dando certo, será fornecido um URL semelhante a:
Mais informações podem ser encontradas aqui. Às vezes, você pode precisar adicionar essas variáveis ao seu index.js:
É importante observar que você precisa de um projeto do Google Cloud configurado para usar esse código.
Análise de Sentimentos
Para a análise de sentimentos, decidimos usar a API NLP do Google. Veja um guia passo a passo sobre como usar a API.
Resumidor de Texto
Projetamos um resumidor em Python e expusemos o serviço usando o Django. Para o resumidor do Python, usamos a biblioteca summy do Python:
Geração de Relatório
Para a geração de relatórios, decidimos usar uma biblioteca JavaScript para geração de PDF chamada BytescoutPDF.js. É uma biblioteca simples que permite configurar o relatório como você deseja do lado do cliente.
Geração de E-mail
Para enviar o e-mail, são necessárias duas bibliotecas do lado do servidor: nodemailer.js e body-parser.js. A primeira biblioteca é usada para configurar a camada de transporte SMTP e enviar o e-mail. A segunda biblioteca é usada para gerenciar anexos e solicitações de POST.
E pronto! Você só precisa conectar todos os componentes no middleware para gerenciar cada tarefa.
