Blackstraw usa Azure per aiutare AMN Healthcare a realizzare abbinamenti

15 luglio 2024

Nell'ambito della selezione del personale sanitario, i reclutatori si trovano ad affrontare una sfida costante e incalzante: valutare le qualifiche dei candidati e abbinarle alle posizioni aperte in modo rapido e preciso. Per ruoli specializzati come medici e infermieri in trasferta, in cui un collocamento rapido è indispensabile per soddisfare l'urgenza e la domanda del settore, superare questa sfida è fondamentale. Ma è esattamente il tipo di sfida che Blackstraw, una società di consulenza sui dati e l'intelligenza artificiale, è pronta a risolvere.

In qualità di partner Microsoft con un team di oltre 300 data scientist e ingegneri qualificati, Blackstraw aiuta le organizzazioni a modernizzare le operazioni e l'infrastruttura dei dati con Azure. Oltre a ciò, può usare i dati per creare e implementare soluzioni di intelligenza artificiale su misura per le esigenze aziendali dei clienti.

"Siamo impegnati in entrambe le aree: l'intelligenza artificiale e l'ingegneria dei dati. In questo modo permettiamo ai nostri clienti di acquisire, elaborare e archiviare i dati di cui hanno bisogno", afferma Atul Arya, Fondatore e CEO di Blackstraw. "Ma una volta elaborati e archiviati i dati, cosa possiamo fare per comprenderli? Come possiamo risolvere i problemi aziendali usando questi dati? È qui che interviene l'intelligenza artificiale".

Sistema di abbinamento automatizzato e preciso

Data l'esperienza di Blackstraw come Partner di soluzioni per dati e intelligenza artificiale (Azure), innovazione digitale e app (Azure) e infrastruttura (Azure), AMN Healthcare si è rivolta a questo partner Microsoft per ottenere una soluzione basata sull'intelligenza artificiale che contribuisse a semplificare le operazioni, diminuire il carico di lavoro dei reclutatori e implementare misure di sicurezza per ridurre i pregiudizi durante il processo di assunzione.

Dopo aver collaborato con AMN Healthcare per valutare l'attuale architettura dei dati, Blackstraw ha usato Azure Machine Learning Studio per sviluppare un sistema di abbinamento automatizzato compatibile con le origini dati esistenti, tra cui un SQL Server locale e Azure CosmosDB. Con un portale e un'applicazione per dispositivi mobili utilizzabili sia dai candidati che dai reclutatori, il sistema è costituito da quattro componenti principali:

• Un motore di corrispondenza multi-modello avanzato, che usa algoritmi di classificazione e regressione per considerare fattori quali l'idoneità di un candidato, la probabilità di completare un incarico e la pertinenza dell'ordine rispetto alla sua storia lavorativa.
• Una pipeline di apprendimento automatico a più fasi che prevede risultati critici come l'ottenimento delle credenziali e il superamento dei colloqui. Dopo aver assegnato un peso specifico ai singoli punteggi di probabilità, il processo produce un punteggio di corrispondenza completo con una precisa definizione delle priorità.
• Strumenti di ricerca dei candidati che contribuiscono a ridurre i pregiudizi usando l'elaborazione del linguaggio naturale e l'apprendimento automatico per analizzare curriculum e lettere di presentazione senza affidarsi a parole chiave o frasi relative a caratteristiche demografiche. Gli strumenti sono anche in grado di vagliare i candidati in base a criteri oggettivi (tra cui competenze, esperienza e istruzione) piuttosto che a fattori soggettivi (come nome, genere ed etnia). 
• Un dashboard esplicativo delle corrispondenze che fornisce un'analisi completa dei fattori che influiscono sulle decisioni del modello, incoraggiando la trasparenza e la fiducia.

L'applicazione è in grado di acquisire ed elaborare automaticamente qualsiasi modifica agli ordini di lavoro in tempo reale ed estrarre informazioni dai curriculum per confrontarle con le descrizioni dei lavori. "È come un'app di appuntamenti che calcola la probabilità di una corrispondenza. L'ambiente è diverso, ma il concetto è lo stesso. Occorre migliorare la probabilità di una corrispondenza con l'annuncio di lavoro che viene pubblicato", afferma Arya.

Migliorare tale probabilità richiede una maggiore accuratezza e precisione, motivo per cui Blackstraw riaddestra regolarmente i modelli e ne effettua la manutenzione. "Non ci limitiamo a rilevare le modifiche nel tempo, ma preveniamo anche qualsiasi perdita di precisione mediante Azure Machine Learning Studio", afferma Arya.

Blackstraw ha oltre 100 implementazioni di Azure al suo attivo, ma in termini di intelligenza artificiale ha una visione molto pragmatica e concreta. "Non ci concentriamo soltanto su ciò che è possibile, ma anche sull'impossibile, e siamo molto onesti al riguardo", afferma Arya. "La domanda fondamentale a cui rispondere è: come si gestiscono le imprecisioni dell'intelligenza artificiale? Questa è una domanda che non viene posta abbastanza, ma lo sappiamo e facciamo in modo di affrontarla".

Abbinamenti in pochi minuti

Quando AMN Healthcare ha implementato il sistema di abbinamento automatizzato basato sull'intelligenza artificiale, i candidati sono stati abbinati in appena un minuto dopo l'inserimento di nuovi ordini nel sistema. Nel complesso, i tempi medi di elaborazione sono scesi a meno di sei minuti, grazie al servizio Azure Kubernetes e all'architettura basata su eventi Kubernetes: un netto miglioramento per i selezionatori rispetto ai giorni trascorsi a vagliare curriculum.

Oltre a migliorare il processo di abbinamento, la soluzione di Blackstraw consente ad AMN Healthcare di prendere decisioni basate sui dati e di ottimizzare l'intero processo di selezione del personale. "La soluzione offre informazioni preziose sulle previsioni relative al volume degli ordini e alle tariffe di fatturazione per diverse discipline e specializzazioni nei prossimi mesi, consentendo un processo decisionale informato e una pianificazione strategica", afferma Hagan. "Fornendo visibilità sulle future richieste di personale, [la soluzione] migliora la gestione dell'offerta di personale sanitario, favorendo processi più efficienti ed efficaci, portando più velocemente i medici laddove sono necessari".

In futuro, Blackstraw e AMN Healthcare prevedono di continuare a perfezionare insieme la soluzione in modo che si evolva con l'azienda. "AMN Healthcare è un'organizzazione di grandi dimensioni con molte applicazioni diverse con cui questo modello è compatibile o collegato", spiega Arya. "Fare in modo che si integri con tutte le applicazioni in uso richiederà una strategia a lungo termine".

Grazie alla sua vasta esperienza e competenza in Azure, Blackstraw ha creato una soluzione che genera un impatto significativo sui fornitori di servizi di selezione del personale sanitario, sui reclutatori e sugli operatori sanitari, ma soprattutto sui pazienti che hanno bisogno di cure di qualità.