Two healthcare professionals in scrubs Two healthcare professionals in scrubs

Blackstraw 通过 Azure 帮助 AMN Healthcare 打造成功的匹配机制

Blackstraw 基于 Microsoft Azure 构建了先进的多模型匹配引擎,可在几分钟内将医护专业人员与岗位相匹配,从而更加快速准确地填补岗位空缺。

2024 年 7 月 15 日

医疗保健行业的招聘专员在人员配置方面面临持续而紧迫的挑战,即评估熟练候选人的资格,并快速准确地将候选人与空缺职位相匹配。对于旅行护士和旅行医生等专业角色而言,要适应该领域的紧迫性和需求,就必须克服挑战,实现快速安置。这正是数据和 AI 咨询公司 Blackstraw 准备解决的难题。

作为 Microsoft 合作伙伴,Blackstraw 拥有一支由 300 多名技能熟练的数据科学家和工程师组成的团队,可帮助组织借助 Azure 实现数据基础结构和运营的现代化。不仅如此,Blackstraw 还可以使用数据来构建和部署针对客户业务需求量身定制的 AI 解决方案。

“我们在 AI 和数据工程两个领域都有所涉猎,这就奠定了我们能够帮助客户捕获、处理和存储所需数据的基础,”Blackstraw 创始人兼首席执行官 Atul Arya 称。“在处理并存储数据之后,该怎么做才能让数据发挥价值?如何利用数据解决业务问题?这些就是 AI 的用武之地。”

手动简历分析和招聘周期延长

AMN Healthcare 是一家领先的医疗保健人力解决方案提供商,该公司需要简单而精确地将大量的医疗专业人员与遍及整个国家/地区的空缺职位相匹配。尽管招聘专员的工作效率很高,但公司认为流程仍有改进空间。以前,要填补任何一个空缺职位都必须由人工筛选数据库中的数千份候选人资料,该数据库收录了超过 600,000 名旅行护士的个人资料以及跨不同学科和地点的多达 18,000 条岗位要求。

“岗位要求对时间非常敏感;如果不能尽早满足相关条件,就会拖慢安置时间,并可能导致收入损失。此外,新订单和护士的属性是不断变化的,”AMN Healthcare 首席信息官 Mark Hagan 说道,“我们需要一个解决方案,能够执行旅行护士新订单的匹配,并能够近乎实时地考虑订单和旅行护士属性的变化。”

AMN Healthcare 还发现,现有流程“无法实现与简历的高匹配率,会导致结果不准确”,Arya 说。“处理这些订单需要花费数小时,而在医疗领域,时间和准确性是至关重要的标准。”

使用这种方法,招聘专员需要几天时间才能确定合适的匹配项,这会导致招聘延迟和职位长时间空缺。因此,AMN Healthcare 想到了利用 AI 来解决问题。

“随着我们进入数字优先时代,人员配置行业必须不断接受最新技术来优化服务,而 AI 日益增长的影响力正是最重要的技术发展之一,”Hagan 说,“通过使用 AI 来帮助寻找空缺职位的最佳候选人,我们可以更有效地管理整个招聘流程。”

一个人坐在办公桌前,桌子上有三台显示器和一台笔记本电脑

“在处理并存储数据之后,该怎么做才能让数据发挥价值?如何利用数据解决业务问题?这些就是 AI 的用武之地。”

- Atul Arya,Blackstraw 创始人兼首席执行官

精准的自动化匹配系统

鉴于 Microsoft 的合作伙伴 Blackstraw 在数据与 AI (Azure)、数字与应用创新 (Azure) 以及基础结构 (Azure) 领域拥有解决方案合作伙伴经验,AMN Healthcare 遂向 Blackstraw 寻求 AI 支持的解决方案,以求精简运营、减轻招聘专员负担并实施保障措施来减少整个招聘流程中存在的偏见。

Blackstraw 与 AMN Healthcare 合作评估完当前数据体系结构之后,使用 Azure 机器学习工作室开发了一个可以与现有数据源(包括本地 SQL Server 和 Azure CosmosDB)配合使用的自动化匹配系统。该系统拥有同时面向候选人和招聘专员的门户和移动应用程序,并且由四大核心组件构成:

  • 先进的多模型匹配引擎,该引擎使用分类和回归算法来考虑候选人的资格、完成任务的可能性以及订单与其工作历史的相关性等因素。
  • 多阶段机器学习管道,可预测关键结果,例如能否成功通过资格认证和面试。在为各个概率分数分配特定权重后,该过程会生成全面的匹配分数,并提供细致和精确的优先级。
  • 资源挖掘工具,利用自然语言处理和机器学习来分析简历和求职信,而不依赖于与人口统计特征相关的关键字或短语,从而帮助减少偏见。这些工具还可以根据客观标准(包括技能、经验和教育)而非主观因素(如姓名、性别和种族)来筛选候选人。 
  • 匹配可解释性仪表板,提供对影响模型决策的因素的全面分析,从而提高透明度和信任度。

该应用程序可以实时自动捕获和处理工作订单的任何更改,并从简历中提取信息以将其与工作描述进行匹配。“可以把它想象成一个约会应用:匹配的概率是多少?虽然环境不同,但概念是相同的。你的目的是提高与发布职位相匹配的可能性,”Arya 说。

提高这种可能性需要更高的准确度和精确度,这就是 Blackstraw 定期对模型进行重新训练并执行严格维护的原因。“我们不仅可以检测随时间推移的变化,还可以通过使用 Azure 机器学习工作室来防止任何准确性损失,”Arya 说。

Blackstraw 目前已经完成 100 多次成功的 Azure 实施 但在 AI 方面,务实的观念才是他们始终脚踏实地的原因。“我们不仅关注可能,还关注不可能,我们对此非常诚实,”Arya 说。“有一个非常关键的问题需要回答:如何管理 AI 的不准确性?这个问题目前没有广泛地提出或回答,但我们理解,并且会确保解决它。”

Two healthcare workers speaking with others on a big screen Two healthcare workers speaking with others on a big screen

“人员配置公司越来越倾向于使用 AI 来帮助寻找空缺职位的最佳候选人,同时更有效地管理整个招聘流程。”

- Mark Hagan,AMN Healthcare 首席信息官

几分钟内即可完成匹配

AMN Healthcare 在部署 AI 支持的自动化匹配系统之后,只需将新订单输入系统,就可以在最短一分钟内找到匹配的候选人。总体而言,采用 Azure Kubernetes 服务和 Kubernetes 事件驱动型体系结构之后的平均处理时间已经缩短到六分钟以内,这与招聘专员花在简历分析上的时间相比有了明显改善。

除了改进匹配流程外,Blackstraw 的解决方案还能够支持 AMN Healthcare 做出数据驱动的决策并优化整个人员配置流程。“解决方案针对未来几个月不同学科和专业的预期订单量和账单费率提供了宝贵的见解,为做出明智的决策和战略规划带来了帮助。”Hagan 表示。“通过提供对未来人员需求的可见性,[解决方案] 加强了医护人员供应管理,从而促进了流程效率和有效性,让临床医护人员能够更快地到达急需患者护理服务的地方。”

展望未来,Blackstraw 和 AMN Healthcare 计划共同努力,继续完善该解决方案,以便适应公司发展。“作为一家大型组织,AMN Healthcare 拥有许多不同的应用程序。这种模式可以与这些应用程序相互配合或关联使用,”Arya 解释说。“作为一项长期战略,我们会确保这一模式与所有应用程序整合。”

Blackstraw 凭借其丰富的经验和深厚的 Azure 专业知识构建了一个解决方案,为医疗保健行业的人员配置服务提供商、招聘专员和医护人员带来了有意义的影响,最重要的是为需要优质护理的患者带来了有意义的影响。

浏览更多合作伙伴成功案例

了解像你这样的组织如何利用 Microsoft 技术来帮助客户克服挑战、推动成果的实现并拓展业务。
此文档仅供参考。MICROSOFT 不对本摘要中的内容做任何明示或默示保证。