Large Language ModelsEerder dit jaar verbaasde ChatGPT de markt. Hoe is het mogelijk dat er in zo’n korte tijd zo’n slimme A.I. tool op de markt kwam? Zo zit het: ChatGPT is een nieuw type applicatie. Dat wordt een Large Language Model genoemd. Een basisvereiste voor dit type applicatie is het gebruik en het verwerken van schone en grote hoeveelheden data. Schoon is hierin een kernwoord. Voorbeeld: op je website kan het voorkomen dat enkele bezoekers heel vaak op een bepaalde knop klikken terwijl dat niet representatief is voor hoe gebruikers daadwerkelijk interacteren met die knop. Door deze data te beoordelen en per deel geautomatiseerd op te schonen kan je ervoor zorgen dat de modellen achter je A.I. zuiver werken. Heb je veel data, maar is het niet schoongemaakt? Dan zal je A.I. verkeerde inzichten genereren. Heb je schone data, maar bijvoorbeeld niet in voldoende mate? Dan zal je A.I. niet genoeg inzichten kunnen genereren. Doordat applicaties als ChatGPT zoveel data verwerken en constant de feedback van gebruikers meewegen om het algoritme achter het A.I. te trainen, kan het op een slimme manier antwoord geven op vrijwel alle algemene vragen van de gebruiker. Dit noemen we ook wel Reinforcement Learning from Human Feedback (RLHF). Nu we weten wat voor een techniek erachter zit kunnen we kijken hoe we A.I. kunnen toepassen in arbeidsmarktcommunicatie. Specifiek in het data-domein. Data en A.I. in je ArbeidsmarktcommunicatieVanuit meerdere kanalen en platformen ontvang je data. Je werkenbij-site, je recruitment campagnes, je merkbekendheid en imago-onderzoek van je werkgeversmerk. De analyses van al deze data gebeuren nu vaak handmatig. Hoe mooi zou het zijn als dat niet meer nodig is? Als een A.I. ervoor zorgt dat je data vanuit elk kanaal en elk platform schoon en behapbaar blijft? En als jij direct antwoord krijgt op je brandende data vragen zonder te moeten analyseren? Juist daar ligt de kracht van A.I. en data in de arbeidsmarktcommunicatie. De toekomst van ArbeidsmarktcommunicatieOp dit moment voer je nog veel menselijke analyses en schoonmaakacties uit om nuttige conclusies te trekken. En daarbij komt ook nog de AVG: vanuit privacy is veel data geanonimiseerd of afgeschermd. Door Large Language Models in te zetten om vuile data te interpreteren en schoon te maken in je data-warehouses, en ze vervolgens vragen te stellen over diezelfde data, kun je straks veel sneller met antwoorden komen waar je echt iets aan hebt.De extra analyses die in de praktijk door analisten moeten worden beoordeeld, zijn straks te vervangen door simpele vragen als: ‘Wat was in 2022 mijn beste bron voor Hires en hoe verhoudt zich dat tot mijn andere bronnen?’ of ‘Hoeveel mensen hebben er vorige maand gesolliciteerd?’. Omdat het model toegang heeft tot een slimme database en dit kan combineren met algemene inzichten over de arbeidsmarkt kan het adviezen geven op basis van duizenden rijen aan data. Dat zorgt ervoor dat wij meer tijd over houden voor de leuke dingen in ons vak. En dat we meer focus kunnen leggen op hoe we de interpretaties van data kunnen gebruiken om processen te verbeteren. De A.I. werkt hierin ondersteunend en niet vervangend. Door het model in korte tijd alle data te laten verwerken, kan het ons adviezen geven die wij vervolgens weer kunnen toetsen in de praktijk. Zo gaan we samen van data gedreven naar A.I. gedreven.Future-proofWat kun je nu al doen om te zorgen dat je recruitment marketingproces toekomst bestendig is? Het belangrijkste is dat je alvast goed nadenkt over welke vragen je zou willen stellen en er dan voor zorgen dat je data daar ook potentieel antwoord op heeft. Het is mogelijk om met terugwerkende kracht vuile data op te schonen aan de hand van je bedrijfsproces, maar het is onmogelijk om data uit het verleden te recreëren. Zorg er dus voor dat er überhaupt data binnenkomt. En vanuit daar kun je gaan nadenken over eventuele toekomstige vragen met betrekking tot je doelstellingen en KPI’s. Denk bijvoorbeeld aan hoeveel sollicitaties er per dag binnenkomen via een bepaald kanaal en welke bronnen je hieraan kan toeschrijven. Of het in kaart brengen van het gedrag van bezoekers op je website. Op deze manier kunnen we in de toekomst met geavanceerde technieken de oude data in een nieuw jasje steken en ervoor zorgen dat het een stuk schoner wordt. En dat er nieuwe inzichten uit voort kunnen komen. Zo leggen we het fundament voor een data en AI gedreven employer branding-aanpak en kunnen we bouwen naar een toekomst waarin communicatie, data en A.I. synergetisch met elkaar in verband staan. Meer weten over A.I. in arbeidsmarktcommunicatie? Onze data engineer Chris Pfaff praat je graag bij.