To je důležité zejména v talent sourcingu. Když totiž AI vrátí deset zajímavých kandidátů, první otázka by neměla znít pouze „Jsou dobří?“, ale také:
„Odkud se k těmto lidem AI vlastně dostala a nad jakými daty hledala?“
Právě od toho se totiž odvíjí kvalita i úplnost výsledků.
1. Přímé vyhledávání na LinkedInu
První a nejzřejmější možností je pracovat přímo s LinkedInem. Může jít o bezplatnou verzi LinkedInu, Sales Navigator, Recruiter Lite nebo plnohodnotný LinkedIn Recruiter.
AI vyhledávání v několika formách (AI-powered search a hiring assistant) je doménou nejvyšší placené verze LinkedIn Recruiter a případně obojí v LinkedIn Recruiter RPS. Ale neplacená verze má nyní prakticky pouze AI vyhledávání na bázi sémantického vyhledávání.
Hlavní výhodou je zdroj dat. Vyhledáváme přímo v databázi LinkedInu, takže máme přístup k velmi aktuálním informacím a nejsme odkázáni pouze na veřejně indexované kopie profilů. V placených nástrojích zároveň zůstává poměrně velká možnost používat vlastní filtry, job titles, společnosti nebo Boolean logiku a sami tak určovat, co přesně má vyhledávání znamenat.
Situace se ale mění s nástupem semantického a AI vyhledávání. U klasického vyhledávání recruiter přesně věděl, že například zadal:
("sales representative" OR obchodník OR "obchodní zástupce") AND B2B
U AI vyhledávání už nemusí být transparentní, co systém pod pojmem B2B obchodník skutečně pochopil. Zahrnul account managery? Sales executives? Lidi bez B2B v profilu, kteří ale pracují pro B2B společnost? Právě tato absence zpětné vazby může být problematická.
Výhody
- Nejaktuálnější data - pracujeme přímo s informacemi uloženými na LinkedInu.
- Nejširší datová základna - nejsme omezeni pouze na profily dostupné veřejně přes internet.
- Pokročilé filtry - zejména Sales Navigator a Recruiter umožňují přesně definovat lokalitu, současnou firmu, pracovní pozici a další parametry.
- Možnost Boolean vyhledávání - u řady polí si stále můžeme sami určit logiku dotazu (kromě neplacené verze LinkedInu).
- Přímý přístup k profilu - mezi nalezením člověka a prací s jeho LinkedIn profilem není další mezivrstva.
Nevýhody
- Omezení bezplatné verze - část pokročilých funkcí je dostupná pouze v placených produktech.
- Cena profesionálních licencí - zejména plnohodnotný LinkedIn Recruiter představuje významnou investici.
- Ústup od přesného keyword search - LinkedIn postupně posouvá některé části vyhledávání směrem k AI a semantice.
- Menší transparentnost AI hledání - nemusí být jasné, jaká synonyma, významy a souvislosti algoritmus použil.
- Obtížnější debugging výsledků - když dostaneme špatné výsledky, nemusíme přesně vědět proč.
2. Vyhledávače a LinkedIn X-ray search
Druhou možností je nepoužívat LinkedIn jako vyhledávač vůbec.
Místo toho můžeme využít Google nebo jiný internetový vyhledávač a prostřednictvím takzvaného X-ray search hledat veřejné LinkedIn profily.
Typický dotaz může vypadat například:
site:linkedin.com/in ("obchodník" OR "obchodní zástupce" OR "sales representative") Praha
Vyhledávač v tomto případě neprohledává živou databázi LinkedInu. Pracuje s tím, co si z veřejných LinkedIn stránek sám zaindexoval. Ve výsledcích tedy často vidíme určitý snapshot informací, který může být starší než současná podoba profilu. Zároveň nejsou indexovány všechny profily, například pokud uživatel omezil veřejnou dostupnost svého profilu.
Tento způsob může být velmi užitečný například tehdy, když narazíme na omezení bezplatného LinkedIn vyhledávání nebo chceme používat vlastní komplexní kombinace klíčových slov.
Výhody
- Vyhledávání bez potřeby placeného LinkedIn Recruiteru.
- Velká flexibilita dotazů - můžeme kombinovat Google operátory, fráze, OR, uvozovky a další podmínky.
- Možnost obejít některá omezení LinkedIn search včetně profilů mimo vaši síť, které vám LinkedIn neukáže ani v placené verzi.
- Snadné rozdělení sourcingu na více menších vyhledávání kvůli limitu počtu zobrazených LinkedIn výsledků v Google.
- Dobrá kombinovatelnost s AI - LLM nám může automaticky generovat X-ray dotazy pro různé tituly, lokality nebo firmy.
Nevýhody
- Neprohledáváme celý LinkedIn - pouze veřejně indexovatelnou část.
- Data mohou být zastaralá - vyhledávač pracuje s dříve uloženou verzí stránky.
- Omezený počet výsledků - vyhledávače neposkytují prakticky neomezený přístup ke všem nalezeným profilům.
- Nutnost skládat více dotazů - jeden příliš široký dotaz zpravidla nestačí.
- Pořadí výsledků určuje vyhledávač, nikoliv relevance kandidáta pro konkrétní recruitment potřebu.
- Vše se vyhledává jako klíčová slova, nikoliv pomocí polí jako společnost, aktuální/minulá pozice, obor, atp.
Proto je X-ray search dobré chápat jako jiný pohled na LinkedIn, nikoli jako plnohodnotnou náhradu LinkedIn Recruiteru.
3. Specializované sourcingové a databázové aplikace
Třetí skupinu představují specializované sourcingové nástroje jako Juicebox, PIN, Metaview a další.
Tyto platformy vytvářejí vlastní databázi profesních profilů. Data mohou získávat z veřejně dostupných informací, z LinkedInu, z dalších webových zdrojů nebo prostřednictvím externích datových providerů.
Z pohledu recruitera tak vzniká alternativa k LinkedIn Recruiteru: místo vyhledávání přímo na LinkedInu vyhledává nad databází vytvořenou konkrétní aplikací.
Velkou výhodou těchto nástrojů bývá především uživatelská přívětivost. Řada novějších aplikací vznikala už v době generativní AI, takže jejich vyhledávání, práce s kandidátními seznamy nebo semantické matching funkce mohou působit moderněji než tradiční recruitment systémy. Často je lze také napojovat do dalších workflow a automatizací.
Musíme ale vědět, nad jakou databází ve skutečnosti hledáme.
Pokud například člověk dnes změnil zaměstnání, nemusí se změna v externí databázi projevit okamžitě.
Výhody
- Často nižší cena než LinkedIn Recruiter.
- Modernější uživatelské prostředí.
- AI-first vyhledávání - řada nástrojů byla od začátku navržena pro semantické hledání kandidátů.
- Vyhledávání podle celého job description, nikoliv pouze jednotlivých filtrů.
- Integrace a automatizace - některé databáze lze propojit například s Make, Zapierem nebo dalšími systémy.
- Možnost kombinovat více zdrojů dat, nejen LinkedIn.
Nevýhody
- Data nemusí být aktuální.
- Databáze nemusí obsahovat všechny LinkedIn profily.
- Různé platformy mají rozdílnou kvalitu a pokrytí dat.
- Ne vždy je transparentní původ dat.
- Výsledky jsou závislé na kvalitě vlastní databáze daného poskytovatele.
U těchto systémů je proto velmi důležité rozlišovat mezi kvalitou AI vyhledávání a kvalitou samotných dat.
Můžete mít totiž fantastický matching algoritmus. Pokud ale pracuje se starými nebo neúplnými profily, výsledek bude stále omezený.
4. LLM a multimodální AI modely
Čtvrtý způsob je dnes pravděpodobně nejzajímavější: použití velkých jazykových modelů, například ChatGPT a dalších AI asistentů.
Uživatel může jednoduše zadat:
„Najdi mi LinkedIn profily B2B obchodníků v Praze.“
To je dramaticky jednodušší než ruční skládání několika Boolean dotazů.
Je zde ale jedna zásadní věc, kterou je potřeba pochopit.
Když AI vrátí LinkedIn profily, nemusí to znamenat, že má vlastní kompletní databázi LinkedInu. V popsaném scénáři AI ve skutečnosti využívá internetové vyhledávání a za uživatele provádí obdobu X-ray search. Projde určitou množinu výsledků, vyhodnotí je a následně představí ty, které považuje za nejrelevantnější.
To má jeden obrovský přínos:
LLM vytváří interpretační vrstvu mezi recruiterem a vyhledávačem.
Recruiter nemusí sám přesně definovat každé synonymum. Model může pochopit, že obchodník, sales representative, account executive nebo další tituly mohou označovat podobnou skupinu lidí.
A především s ním můžeme dále diskutovat.
Můžeme se například zeptat:
- Proč jsi vybral právě tohoto člověka?
- Jaká klíčová slova jsi při hledání použil?
- Jak jsi interpretoval požadavek B2B?
- Najdi dalších 20 lidí, ale z jiných firem.
- Vyřaď všechny kandidáty ze SaaS.
- Zaměř se pouze na kandidáty s enterprise sales zkušeností.
To je zásadní rozdíl oproti tradičnímu vyhledávacímu formuláři.
Současně může AI fungovat ještě jinak: například ovládat prohlížeč, pracovat přímo s LinkedInem nebo obsluhovat specializovanou sourcingovou aplikaci. V takové situaci je ale potřeba vždy rozlišit, kde AI skutečně vyhledává a nad jakými daty pracuje.
Výhody
- Vyhledávání přirozeným jazykem - nemusíme ovládat komplikovanou Boolean syntaxi.
- Semantické pochopení zadání - AI dokáže pracovat se synonymy, souvisejícími tituly a významem role.
- Možnost okamžité iterace výsledků.
- Feedback a reasoning - můžeme se ptát, proč byl konkrétní kandidát vybrán.
- Automatické vytváření X-ray a Boolean dotazů.
- Možnost kombinovat různé zdroje.
- AI může sloužit jako řídicí vrstva nad LinkedInem, vyhledávačem nebo specializovanou sourcingovou aplikací.
Nevýhody
- AI obvykle neprohledává kompletní LinkedIn databázi.
- Internetové hledání pokryje pouze omezenou množinu výsledků.
- Výsledek není automaticky seznam „nejlepších lidí na LinkedInu“, ale nejlepších lidí z množiny, kterou model skutečně nalezl a zpracoval.
- Data získaná přes internet mohou být neaktuální.
- Různé režimy AI mohou používat různé zdroje dat, aniž by si to uživatel na první pohled uvědomoval.
- Je nutné kontrolovat původ výsledků a nepovažovat AI za magický přístup k celé databázi LinkedInu.
Takže který způsob je nejlepší?
Žádný univerzálně. Správná otázka není:
„Který nástroj je nejlepší?“
Ale spíše:
„Jaká data potřebuji, jak aktuální musí být a jak velkou část trhu potřebuji skutečně prohledat?“
Pro maximální aktuálnost a největší pokrytí LinkedIn databáze bude stále velmi silnou variantou přímé vyhledávání přes LinkedIn.
Pro flexibilní keyword sourcing může být výborný X-ray search.
Specializované sourcingové aplikace mohou nabídnout lepší UX, automatizaci a cenu.
A LLM přidávají něco, co předchozí nástroje neuměly: schopnost vést nad vyhledáváním dialog, interpretovat zadání a dynamicky měnit sourcingovou strategii.
Právě kombinace těchto přístupů bude pravděpodobně nejefektivnější.
Nejdůležitější sourcingová kompetence proto dnes není jen schopnost napsat Boolean dotaz.
Je to schopnost pochopit:
Kde právě hledám? Nad jakými daty? Jak jsou stará? Jak velkou část trhu pokrývají? A proč mi systém ukazuje právě tyto lidi?
Ale také, jak na výsledky spěchám, a jak jsem sám dobrý v sourcingu dat na LinkedIn. Pokud jsem začátečník a chci výsledky rychle a ideálně zdarma, sáhnu po LMM jako ChatGPT či jiném.
Teprve potom lze skutečně posoudit kvalitu výsledků, které nám AI nebo jakýkoliv jiný sourcingový nástroj vrací.
Chcete se dozvědět více o AI v recruitmentu a HR?
Právě jsme zveřejnili 10 modulovou lekci AI v recruitment a talent sourcingu v rámci školícího program DIGITAL HR LEADERS: AI Booster.
